[發明專利]一種基于視覺相關判別網絡的室外場景安全監控方法

在審

• 申請號: 202010056857.0
• 申請日: 2020-01-16
• 公開（公告）號: CN111259819A
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 黃其湘;謝勝利
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 廣東廣信君達律師事務所 44329
• 代理人: 李慶偉

1.一種基于視覺相關判別網絡的室外場景安全監控方法，其特征在于：包括如下步驟：

S1：采集室外不同場景的圖片，通過視覺標記工具對各個圖片中的室外常見事物進行標記，并且標注圖片類別；

S2：基于Yolov3網絡搭建深度學習網絡；

S3：根據YOLO3采用K-means聚類得到先驗框的尺寸，為每種下采樣尺度設定3種先驗框，總共聚類出9種尺寸的先驗框，并利用K-means推斷出abchorbox的數據集；

S4.利用步驟S1所得到的anchorbox數據集訓練Yolov3網絡，得到訓練后的數據集；

S5.把S4步驟獲得的經過訓練的數據集進行視覺相關網絡VD-Net進行判別訓練，對Yolov3檢測出的圖像進行標簽推斷，得到圖像判別結果；

S6、根據S5步驟所獲得的圖像判別結果，利用場景真實語義的符合度進行對比，判斷是否真正獲取了場景的真實內容。

2.根據權利要求1所述的一種基于視覺相關判別網絡的室外場景安全監控方法，其特征在于：所述的S3步驟中，首先對S1步驟獲得的圖片數據集進行目標框標定，待標記的數據集的圖片大小分為大中小三個層次，數據集標簽包括目標坐標(X,Y,H,W)框內的物體類別C，其中類別C主要分為：person、dangerthing、safething三種標簽。

3.根據權利要求1或2所述的一種基于視覺相關判別網絡的室外場景安全監控方法，其特征在于：所述的S3步驟中，輸入尺寸為416*416*3的圖片，在不同層次的網絡采樣后，Yolov3算法輸出相對于輸入圖像32、16、8倍的三組采樣圖；輸出特征圖層分別為13*13*3、26*26*3、52*52*3,3代表三個先驗框。

4.根據權利要求1或2或3所述的一種基于視覺相關判別網絡的室外場景安全監控方法，其特征在于：所述的S3步驟具體為：

對數據集通過k-means聚類算法獲得數據集中3種不同尺度目標框的anchorbox；K-means聚類算法的K初步設定為8，聚類中心初始化采用擴展二叉排序樹，步驟如下：

輸入：分類的數目k和包含n個對象的數據集

輸出：8個初試聚類中心點

S301：為數據集創建一顆擴展二叉排序樹

S302：計算每一個劃分的密度p_j和中值m_j

S303：選擇max p_j和中值點m_j為第一個初始點C₁

S304：選擇第2到第8個初始點

d_j＝min_k＝1,2(e(C_k,m_j))]·ρ_j；其中，max d_j為C_t；t＝2 to 8；j＝1 to p。

5.根據權利要求1所述的一種基于視覺相關判別網絡的室外場景安全監控方法，其特征在于：在S6步驟中，將輸入圖片分成13*13、26*26、52*52個網格大小，每個網格預測三個box,每個box需要有(x,y,w,h c)五個基本參數；利用yolov3采用三種訓練層次去提升目標尺度精度，Yolov3的輸出為三組不同目標尺度下的預測值。

6.根據權利要求1所述的一種基于視覺相關判別網絡的室外場景安全監控方法，其特征在于：在S6步驟中，對訓練模型采用的數據進行預處理，包括對圖片的色彩進行亮度調節，進行圖片角度矯正處理，再對數據集進行均值消減預處理的步驟。