[發明專利]一種丟垃圾行為的實時檢測方法在審

申請號：	201911296149.8	申請日：	2019-12-16
公開（公告）號：	CN111178182A	公開（公告）日：	2020-05-19
發明（設計）人：	周云財	申請（專利權）人：	深圳奧騰光通系統有限公司
主分類號：	G06K9/00	分類號：	G06K9/00;G06N3/04;G06N3/08;G06Q50/26
代理公司：	杭州君度專利代理事務所(特殊普通合伙) 33240	代理人：	楊天嬌
地址：	518071 廣東省深圳市南***	國省代碼：	廣東;44
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種垃圾行為實時檢測方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明公開了一種丟垃圾行為的實時檢測方法，采集樣本視頻，將采集的視頻處理成幀圖片，然后進行數據增廣并制作數據集；構建卷積神經網絡SSD?MobileNet，并采用數據集訓練和調整卷積神經網絡SSD?MobileNet；然后獲取待檢測視頻流，用幀間差分算法提取關鍵幀，將關鍵幀之后的幀圖片輸入到訓練好的卷積神經網絡SSD?MobileNet進行丟垃圾行為檢測，確定檢測結果。本發明采用視頻流圖像的連續識別，根據連續識別結果綜合判定是否存在丟垃圾行為，就有較高的檢測精度。

技術領域

本發明屬于行為檢測技術領域，尤其涉及一種丟垃圾行為的實時檢測方法。

背景技術

在一些小區或街道附近，由于沒有設置垃圾堆放點，按照相關規定，市民隨意丟棄大件垃圾是違規行為，這不僅影響居民出行，而且影響衛生環境，更是增加了環衛工人清掃街道和路面的負擔。智能檢測丟垃圾行為可以有效的監督市民隨意丟棄大件垃圾這一現象，有利于小區和街道的管理。

圖片目標檢測就是找出圖片中感興趣的目標，并確定它們的類別和位置。近年來基于深度學習以及基于卷積神經網絡的圖片目標檢測技術迅速發展，例如基于候選區域的RCNN系列(R-CNN，Fast R-CNN，Faster R-CNN)目標檢測算法，基于回歸方法的YOLO和SSD目標檢測算法相繼被提出。RCNN系列算法在檢測目標時需要提取上千個候選框并對每一個候選框進行特征計算，所以特征計算復雜，耗費時間長，無法滿足實時檢測的需求。SSD是當中檢測精度更高的算法，但它自身也有一定的缺點，比如只選擇最后一層的低層特征層進行目標檢測，導致大量的目標特征信息丟失，使得該算法在進行中小目標檢測時效果不佳。

針對該問題，有相關文獻在SSD算法的基礎上提出了DSSD和FSSD算法，DSSD算法是通過反卷積的思想提升小目標的檢測能力，FSSD算法是是通過特征融合和下采樣的操作對獲取到的多尺度特征進行重構，雖然兩者在中小目標的檢測結果中的精度相對SSD有明顯提高，但是在丟垃圾行為實時檢測方面表現的很遜色。

發明內容

為了解決上述問題，本發明提出一種丟垃圾行為的實時檢測方法，以解決現有技術實時檢測方面效果較差的問題。

為了實現上述目的，本申請技術方案如下：

一種丟垃圾行為的實時檢測方法，所述丟垃圾行為的實時檢測方法，包括：

采集樣本視頻，將采集的視頻處理成幀圖片，然后進行數據增廣并制作數據集；

構建卷積神經網絡SSD-MobileNet，并采用數據集訓練卷積神經網絡SSD-MobileNet；

獲取待檢測視頻流，用幀間差分算法提取關鍵幀，將關鍵幀之后的幀圖片輸入到訓練好的卷積神經網絡SSD-MobileNet進行丟垃圾行為檢測，確定檢測結果。

進一步的，所述丟垃圾行為的實時檢測方法，還包括：

在確定檢測結果后，當檢測結果為丟垃圾行為時，發出警告。

進一步的，所述丟垃圾行為的實時檢測方法，還包括：

在確定檢測結果后，當檢測結果為丟垃圾行為時，保存采集待檢測視頻流的采集設備的IP地址、所檢測的幀圖片、以及所檢測的幀圖片的采集時間。