[發明專利]故障檢測方法、裝置、計算機設備和存儲介質

有效

• 申請號: 202010049298.0
• 申請日: 2020-01-16
• 公開（公告）號: CN111372042B
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 周康明;徐樂
• 申請（專利權）人: 上海眼控科技股份有限公司
• 主分類號: H04N7/18
• 分類號: H04N7/18;G07F19/00;G06K9/32;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 盧曉霞

1.一種故障檢測方法，其特征在于，所述方法包括：

獲取監控圖像并輸入柜員機檢測模型，得到柜員機界面圖像，包括：獲取所述監控圖像；對所述監控圖像進行歸一化處理；將所述歸一化處理后的監控圖像依次經過兩個3×3的卷積、一個殘差塊、兩個3×3的卷積和八個殘差塊處理后，得到第一尺度的特征圖；將所述第一尺度的特征圖經過一個3×3的卷積和八個殘差塊處理后，得到第二尺度的特征圖；將所述第二尺度的特征圖經過一個3×3的卷積和四個殘差塊處理后，得到第三尺度的特征圖；將所述第一尺度對應的特征圖、所述第二尺度對應的特征圖及所述第三尺度對應的特征圖進行上采樣和特征融合，得到所述第一尺度對應的第一張量數據、所述第二尺度對應的第二張量數據及所述第三尺度對應的第三張量數據；所述第一張量數據包括多個第一修正框及各所述第一修正框對應的修正框參數，所述第二張量數據包括多個第二修正框及各所述第二修正框對應的修正框參數，所述第三張量數據包括多個第三修正框及各所述第三修正框對應的修正框參數；所述修正框參數包括類別量化值、置信度量化值、修正框中心坐標、寬度及高度；對各所述第一修正框、各所述第二修正框及各所述第三修正框進行置信度閾值過濾及非極大值抑制過濾，得到預測標記框，所述預測標記框用于標記柜員機界面圖像在所述歸一化處理后的監控圖像中的位置；根據所述預測標記框在所述監控圖像中截取所述柜員機界面圖像；

將所述柜員機界面圖像輸入分類模型，得到所述柜員機界面圖像對應的分類結果；所述分類結果用于指示所述柜員機界面圖像是否為故障界面；

若所述分類結果指示所述柜員機界面圖像為故障界面，則發送報警信息。

2.根據權利要求1所述的方法，其特征在于，所述對各所述第一修正框、各所述第二修正框及各所述第三修正框進行置信度閾值過濾及非極大值抑制過濾，包括：

將置信度量化值低于預設的置信度閾值的第一修正框、第二修正框及第三修正框去除，得到至少一個可信修正框；

根據各所述可信修正框的類別量化值對各所述可信修正框進行非極大值抑制過濾。

3.根據權利要求1所述的方法，其特征在于，所述柜員機檢測模型的訓練方法，包括：

建立樣本集；所述樣本集包括多張攜帶標準標記框的樣本監控圖片；

將所述樣本集劃分為訓練集及測試集；

根據所述訓練集對預設的初始柜員機檢測模型進行訓練，將所述初始柜員機檢測模型輸出的預測標記框與所述標準標記框輸入至預設的損失函數，根據所述損失函數的值對所述初始柜員機檢測模型的參數進行調整，直至所述損失函數的值滿足預設標準值時，得到中間柜員機檢測模型；

根據所述測試集對所述中間柜員機檢測模型進行檢驗，確定檢驗結果；

若所述檢驗結果為通過檢驗，則將所述中間柜員機檢測模型作為所述柜員機檢測模型。

4.根據權利要求3所述的方法，其特征在于，所述根據所述測試集對所述中間柜員機檢測模型進行檢驗，確定檢驗結果，包括：

將所述測試集中多個樣本監控圖片輸入所述中間柜員機檢測模型，得到所述測試集中各柜員機樣本圖片對應的預測標記框；

根據所述測試集中各柜員機樣本圖片對應的預測標記框，及所述測試集中各柜員機樣本圖片對應的標準標記框，確定預測精度；

若所述預測精度大于或等于預設的精度閾值，判定所述檢驗結果為通過檢驗；

若所述預測精度小于所述精度閾值，判定所述檢驗結果為未通過檢驗，返回執行所述根據所述訓練集對預設的初始柜員機檢測模型進行訓練的步驟。

5.根據權利要求1所述的方法，其特征在于，所述分類模型的訓練方法，包括：

建立圖片類別樣本集；所述圖片類別樣本集包括多個柜員機顯示樣本圖片及各所述柜員機顯示樣本圖片對應的標準分類結果；

將所述圖片類別樣本集劃分為圖片類別訓練集及圖片類別檢測集；

根據所述圖片類別訓練集對預設的分類模型進行訓練，得到初始分類模型；

利用所述圖片類別檢測集對所述初始分類模型進行檢驗；

將通過檢驗的初始分類模型確定為所述分類模型。