[發明專利]后廚違規行為檢測方法、裝置、設備和存儲介質

在審

• 申請號: 202010617901.0
• 申請日: 2020-07-01
• 公開（公告）號: CN111507320A
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 謝雨洋
• 申請（專利權）人: 平安國際智慧城市科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京市京大律師事務所 11321
• 代理人: 劉挽瀾

1.一種后廚違規行為檢測方法，其特征在于，所述后廚違規行為檢測方法包括：

獲取網絡上公開的后廚違規行為圖片，構建公開圖集A，獲取實際后廚場景中的攝像頭抓拍的后廚違規行為圖片，構建真實圖集B，應用所述公開圖集A中的違規圖片構建公開違規區域集a，應用所述真實圖集B中的違規圖片構建真實違規區域集b；

構建基于卷積神經網絡結構的編碼-解碼檢測模型；

以所述公開圖集A的違規圖片與所述公開違規區域集a中的標注文件為訓練樣本對所述編碼-解碼模型進行第一次迭代訓練，再以所述真實圖集B與所述真實違規區域集b中的標注文件為訓練樣本對所述編碼-解碼模型進行第二次迭代訓練，得到后廚違規行為檢測模型；

獲取后廚攝像頭實時拍攝的圖像，輸入到后廚違規行為檢測模型中進行違規檢測。

2.根據權利要求1所述的后廚違規行為檢測方法，其特征在于，所述構建公開圖集A之后，所述方法還包括：

平衡所述公開圖集A中的樣本分布，得到樣本分布均勻的公開圖集A；

對所述樣本分布均勻的公開圖集A中的樣本進行圖像增強，得到樣本數據多樣的公開圖集A。

3.根據權利要求1所述的后廚違規行為檢測方法，其特征在于，所述應用所述公開圖集A中的違規圖片構建公開違規區域集a包括：

使用標注工具標注所述公開圖集A中后廚違規行為圖片的違規區域，生成所述標注文件，以所述標注文件為樣本數據構建公開違規區域集a。

4.根據權利要求1所述的后廚違規行為檢測方法，其特征在于，所述對所述編碼-解碼模型進行第一次迭代訓練包括：

對所述編碼-解碼模型進行特征匹配訓練，得到特征匹配精準的檢測模型；

對所述特征匹配精準的檢測模型進行違規分類訓練。

5.根據權利要求4所述的后廚違規行為檢測方法，其特征在于，所述對所述編碼-解碼模型進行特征匹配訓練包括：

當交并比IOU1小于預置閾值集合R中的第一閾值R1時，則判定預測錯誤，結束訓練；

當交并比IOU1大于所述第一閾值R1時，將交并比IOU1與所述預置閾值集合R中的第二閾值R2進行比較；

當交并比IOU1小于所述第二閾值R2時，判定預測錯誤；

當交并比IOU1大于所述第二閾值R2時，則原預測區間[R1,R2]的結果作為負樣本，平衡正負樣本再次訓練，再次計算得到交并比IOU2并與所述預置閾值集合R中的下一個閾值繼續進行比較，如此迭代提升交并比，若判定預測錯誤或所述預置閾值集合R中的所有閾值均比較完畢，則結束特征匹配訓練。

6.根據權利要求4所述的后廚違規行為檢測方法，其特征在于，所述對所述特征匹配精準的檢測模型進行違規分類訓練包括：

計算所述編碼-解碼模型輸入層與輸出層之間的交叉熵損失函數值；

當所述交叉熵損失函數值大于預置閾值K時，根據所述交叉熵損失函數值調整所述編碼-解碼模型的分類網絡參數，得到新的輸出結果并重新計算所述編碼-解碼模型輸入層與輸出層之間的交叉熵損失函數值，如此多輪迭代直到所述交叉熵損失函數值小于預置閾值K時結束訓練。

7.根據權利要求6所述的后廚違規行為檢測方法，其特征在于，所述對編碼-解碼模型進行第一次迭代訓練之前還包括：

將所述訓練樣本輸入到編碼器并利用所述編碼器對所述訓練樣本進行編碼，得到一個用于計算所述交叉熵損失函數值的m維向量。