[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

為了解決現有技術推斷真實場景困難而導致的場景推斷結果不準確的問題，本發明提供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；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；S4.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，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。本發明具有識別準確率高的優點。

技術領域

本發明涉及圖像處理和計算機視覺目標檢測領域技術領域，特別涉及一種基于視覺相關判別網絡的室外場景安全監控方法。

背景技術

夜晚的時候，各種公共場所的監控都需要值班人員在時時刻刻看著以防止有突發情況的發生，公共場所的安全定義很多樣，需要值班人員在盯著，根據個人的經驗進行分析，這樣會造成人員的資源浪費，也會使工作人員的辛苦程度大量增加。針對室外安全的視覺檢測判別方法就有著重要的意義。

過去的監控方法是基于圖像處理技術實現的，存在著噪音干擾，語義推斷能力不足，視覺判斷能力弱，場景識別效果很差的問題。隨著計算機算力的提升，基于機器學習算法的視覺判別方法的提出，相對于過去的場景識別，準確率有了很大的提升，魯棒性也大大增強。但是傳統的算法所采用的數據存在著大量的非視覺先驗信息，方法上很容易形式化，不具備進一步推斷真實場景的語義信息。從而導致現有的關系數據的表征并不能明顯提升相關場景推斷。

發明內容

為了解決現有技術推斷真實場景困難而導致的場景推斷結果不準確的問題，本發明提供一種基于視覺相關判別網絡的室外場景安全監控方法。

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：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。

本發明的有益效果是：本發明利用YOLOV3深度學習網絡和視覺相關判別網絡VD-Net訓練算法模型，識別室外公共場所的安全狀況，通過推斷場景里面是否有危險的定義來定義是否安全，具有識別準確率高的優點。

附圖說明

圖1為本發明的流程圖。

圖2為視覺判別網絡原理示意圖。

圖3為本發明中輸入到輸出的示意圖。

圖4為不同的方法檢測能力對比圖。

具體實施方式

下面結合附圖對本發明進行進一步的說明。

具體實施例I：為了進一步敘述本發明的特征、理念、技術手段以及所達到功能目的。下面開始進一步詳細敘述實施方案。

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，具有以下步驟：