[發(fā)明專利]一種基于大數(shù)據(jù)的安保檢測(cè)方法及安保檢測(cè)裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010591144.4
• 申請(qǐng)日: 2020-06-25
• 公開（公告）號(hào): CN111860195A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設(shè)計(jì)）人: 郭藝斌
• 申請(qǐng)（專利權(quán)）人: 郭藝斌
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06N3/04;G06N3/08
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于大數(shù)據(jù)的安保檢測(cè)方法，其特征在于，所述方法包括：

構(gòu)建包括大目標(biāo)特征提取卷積層、中目標(biāo)特征提取卷積層、小目標(biāo)特征提取卷積層、特征卷積層及檢測(cè)框生成層的原始高空拋物檢測(cè)模型；

根據(jù)預(yù)構(gòu)建的第一圖片訓(xùn)練集，對(duì)所述原始高空拋物檢測(cè)模型進(jìn)行第一訓(xùn)練得到初級(jí)高空拋物檢測(cè)模型；

根據(jù)預(yù)構(gòu)建的第二圖片訓(xùn)練集，對(duì)所述原始高空拋物檢測(cè)模型進(jìn)行第二訓(xùn)練得到高空拋物檢測(cè)模型；

獲取待檢測(cè)高空視頻，對(duì)所述待檢測(cè)高空視頻進(jìn)行分幀處理，得到待檢測(cè)高空?qǐng)D片集；

利用所述高空拋物檢測(cè)模型內(nèi)的所述大目標(biāo)特征提取卷積層、所述中目標(biāo)特征提取卷積層、所述小目標(biāo)特征提取卷積層及所述特征卷積層，對(duì)所述待檢測(cè)高空?qǐng)D片集進(jìn)行特征提取，得到特征圖集；

根據(jù)所述高空拋物檢測(cè)模型內(nèi)的所述檢測(cè)框生成層，計(jì)算所述特征圖集的拋物檢測(cè)框；

將所述拋物檢測(cè)框與所述待檢測(cè)高空視頻融合，得到拋物檢測(cè)視頻。

2.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的安保檢測(cè)方法，其特征在于，所述將所述拋物檢測(cè)框與所述待檢測(cè)高空視頻融合，得到拋物檢測(cè)視頻，包括：

將所述待檢測(cè)高空視頻映射至所述拋物檢測(cè)框所在的坐標(biāo)系；

在所述坐標(biāo)系內(nèi)，將所述拋物檢測(cè)框融合進(jìn)所述待檢測(cè)高空視頻，得到所述拋物檢測(cè)視頻。

3.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的安保檢測(cè)方法，其特征在于，所述構(gòu)建包括大目標(biāo)特征提取卷積層、中目標(biāo)特征提取卷積層、小目標(biāo)特征提取卷積層、特征卷積層及檢測(cè)框生成層的原始高空拋物檢測(cè)模型，包括：

根據(jù)預(yù)設(shè)卷積層數(shù)量，構(gòu)建所述大目標(biāo)特征提取卷積層、所述中目標(biāo)特征提取卷積層、所述小目標(biāo)特征提取卷積層、所述特征卷積層及所述檢測(cè)框生成層；

按照預(yù)設(shè)順序，排列組合所述大目標(biāo)特征提取卷積層、所述中目標(biāo)特征提取卷積層、所述小目標(biāo)特征提取卷積層、所述特征卷積層及所述檢測(cè)框生成層，得到所述原始高空拋物檢測(cè)模型。

4.根據(jù)權(quán)利要求3所述的基于大數(shù)據(jù)的安保檢測(cè)方法，其特征在于，所述根據(jù)預(yù)設(shè)卷積層數(shù)量，構(gòu)建所述大目標(biāo)特征提取卷積層、所述中目標(biāo)特征提取卷積層、所述小目標(biāo)特征提取卷積層，包括：

根據(jù)預(yù)設(shè)的第一卷積層數(shù)量，構(gòu)建大目標(biāo)特征提取卷積層；

根據(jù)預(yù)設(shè)的第二卷積層數(shù)量，構(gòu)建中目標(biāo)特征提取卷積層；

根據(jù)預(yù)設(shè)的第三卷積層數(shù)量，構(gòu)建小目標(biāo)特征提取卷積層。

5.根據(jù)權(quán)利要求4所述的基于大數(shù)據(jù)的安保檢測(cè)方法，其特征在于，所述第一卷積層數(shù)量、第二卷積層數(shù)量及第三卷積層數(shù)量分別為3、4、7。

6.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的安保檢測(cè)方法，其特征在于，所述根據(jù)預(yù)構(gòu)建的第一圖片訓(xùn)練集，對(duì)所述原始高空拋物檢測(cè)模型進(jìn)行第一訓(xùn)練得到初級(jí)高空拋物檢測(cè)模型，包括：

步驟A1、利用所述大目標(biāo)特征提取卷積層、所述中目標(biāo)特征提取卷積層及所述小目標(biāo)特征提取卷積層，依次對(duì)所述第一圖片訓(xùn)練集進(jìn)行卷積操作，得到第一訓(xùn)練特征圖集；

步驟B1、計(jì)算所述第一訓(xùn)練特征圖集的損失值，判斷所述損失值與預(yù)設(shè)的損失閾值的大小；

步驟C1、若所述損失值大于所述損失閾值，調(diào)整所述大目標(biāo)特征提取卷積層、所述中目標(biāo)特征提取卷積層及所述小目標(biāo)特征提取卷積層的內(nèi)部參數(shù)，并返回步驟A1；

步驟D1、若所述損失值小于或等于所述損失閾值，完成所述第一次訓(xùn)練，得到初級(jí)高空拋物檢測(cè)模型。

7.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的安保檢測(cè)方法，其特征在于，所述根據(jù)預(yù)構(gòu)建的第二圖片訓(xùn)練集，對(duì)所述原始高空拋物檢測(cè)模型進(jìn)行第二訓(xùn)練得到高空拋物檢測(cè)模型，包括：

步驟A2、利用所述初級(jí)高空拋物檢測(cè)模型，檢測(cè)所述第二圖片訓(xùn)練集內(nèi)的拋物，得到預(yù)測(cè)檢測(cè)框集；

步驟B2、計(jì)算所述預(yù)測(cè)檢測(cè)框集與所述第二圖片訓(xùn)練集對(duì)應(yīng)的真實(shí)檢測(cè)框集的誤差值；

步驟C2、判斷所述誤差值與預(yù)設(shè)的誤差閾值的大小關(guān)系；

步驟D2、大于所述誤差閾值，調(diào)整所述初級(jí)高空拋物檢測(cè)模型的內(nèi)部參數(shù)，并返回步驟A2；

步驟E2、若所述誤差值小于等于所述誤差閾值，完成所述第二次訓(xùn)練，得到所述高空拋物檢測(cè)模型。

8.一種基于大數(shù)據(jù)的安保檢測(cè)裝置，其特征在于，所述裝置包括：

原始模型構(gòu)建及訓(xùn)練模塊，用于構(gòu)建包括大目標(biāo)特征提取卷積層、中目標(biāo)特征提取卷積層、小目標(biāo)特征提取卷積層、特征卷積層及檢測(cè)框生成層的原始高空拋物檢測(cè)模型，根據(jù)預(yù)構(gòu)建的第一圖片訓(xùn)練集，對(duì)所述原始高空拋物檢測(cè)模型進(jìn)行第一訓(xùn)練得到初級(jí)高空拋物檢測(cè)模型，根據(jù)預(yù)構(gòu)建的第二圖片訓(xùn)練集，對(duì)所述原始高空拋物檢測(cè)模型進(jìn)行第二訓(xùn)練得到高空拋物檢測(cè)模型；

分幀模塊，用于獲取待檢測(cè)高空視頻，對(duì)所述待檢測(cè)高空視頻進(jìn)行分幀處理，得到待檢測(cè)高空?qǐng)D片集；

檢測(cè)模塊，用于利用所述高空拋物檢測(cè)模型內(nèi)的所述大目標(biāo)特征提取卷積層、所述中目標(biāo)特征提取卷積層、所述小目標(biāo)特征提取卷積層及所述特征卷積層，對(duì)所述待檢測(cè)高空?qǐng)D片集進(jìn)行特征提取，得到特征圖集，根據(jù)所述高空拋物檢測(cè)模型內(nèi)的所述檢測(cè)框生成層，計(jì)算所述特征圖集的拋物檢測(cè)框；

融合模塊，用于將所述拋物檢測(cè)框與所述待檢測(cè)高空視頻融合，得到拋物檢測(cè)視頻。