[發明專利]入境目標人群的檢測方法、裝置、設備及介質

在審

• 申請號: 201911348895.7
• 申請日: 2019-12-24
• 公開（公告）號: CN111126274A
• 公開（公告）日: 2020-05-08
• 發明（設計）人: 包先雨;蔡伊娜;鄭文麗;程立勛
• 申請（專利權）人: 深圳市檢驗檢疫科學研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/08
• 代理公司: 深圳市智勝聯合知識產權代理有限公司 44368
• 代理人: 齊文劍

1.一種入境目標人群的檢測方法，其特征在于，包括：

利用人工神經網絡的自學習能力，建立目標人群與監控圖像中的人物特征之間的對應關系；

獲取當前監控圖像中的當前人物特征；

通過所述對應關系，確定與所述當前人物特征對應的當前目標人群；具體地，確定與所述人物特征對應的當前目標人群，包括：將所述對應關系中與所述當前人物特征相同的人物特征所對應的目標人群，確定為所述當前目標人群。

2.根據權利要求1所述的方法，其特征在于，

所述人物特征，包括：人體特征和/或環境特征，和/或由按設定規律自所述人體特征、所述環境特征中提取的特征組成的一維或兩維以上的數組；其中，

所述人體特征，包括：人臉灰度，人臉紋理，人臉形狀，臉部表情，頭部姿態，跟隨人員數量；

和/或，

所述環境特征，包括：光照強度，飾物；

和/或，

所述對應關系，包括：函數關系；所述人物特征為所述函數關系的輸入參數，所述目標人群為所述函數關系的輸出參數；

確定與所述當前人物特征對應的當前目標人群，還包括：

當所述對應關系包括函數關系時，將所述當前人物特征輸入所述函數關系中，確定所述函數關系的輸出參數為當前目標人群。

3.根據權利要求1所述的方法，其特征在于，所述建立人物特征與目標人群之間的對應關系的步驟，包括：

獲取用于建立所述人物特征與所述目標人群之間的對應關系的樣本數據；

分析所述人物特征的特性及其規律，根據所述特性及其規律，確定所述人工神經網絡的網絡結構及其網絡參數；

使用所述樣本數據，對所述網絡結構和所述網絡參數進行訓練和測試，確定所述人物特征與所述目標人群的所述對應關系。

4.根據權利要求3所述的方法，其特征在于，所述獲取用于建立所述人物特征與所述目標人群之間的對應關系的樣本數據的步驟，包括：

收集不同肺結節狀況的患者的所述人物特征和所述目標人群；

對所述人物特征進行分析、并結合預存的專家經驗信息，選取與所述目標人群相關的數據作為所述人物特征；

將所述目標人群、以及選取的所述人物特征構成的數據對，作為樣本數據。

5.根據權利要求4所述的方法，其特征在于，

所述網絡結構，包括CNN網絡，Faster R-CNN網絡，FPN網絡，SqeezeNet網絡，VGG模型，GoogLeNet網絡，ResNet網絡，以及，Network-In-Network模型中的至少之一；

和/或，

所述網絡參數，包括：密集塊數，輸出層數，卷積層數，反卷積層數，過度層數，初始權值，以及，偏置值中的至少之一。

6.根據權利要求3-5任一項所述的方法，其特征在于，

對所述網絡結構和所述網絡參數進行訓練，包括：

選取所述樣本數據中的一部分數據作為訓練樣本，將所述訓練樣本中的所述人物特征輸入到所述網絡結構，通過所述網絡結構的激活函數和所述網絡參數進行訓練，得到實際訓練結果；

確定所述實際訓練結果與所述訓練樣本中的相應目標人群之間的實際訓練誤差是否滿足預設訓練誤差；

當所述實際訓練誤差滿足所述預設訓練誤差時，確定對所述網絡結構和所述網絡參數的所述訓練完成；

和/或，

對所述網絡結構和所述網絡參數進行測試，包括：

選取所述樣本數據中的另一部分數據作為測試樣本，將所述測試樣本中的所述人物特征輸入到所述訓練完成的所述網絡結構中，以所述激活函數和所述訓練完成的所述網絡參數進行測試，得到實際測試結果；

確定所述實際測試結果與所述測試樣本中的相應目標人群之間的實際測試誤差是否滿足設定測試誤差；

當所述實際測試誤差滿足所述設定測試誤差時，確定對所述網絡結構和所述網絡參數的所述測試完成。