[發明專利]一種槍支檢測方法、系統、裝置和存儲介質

有效

• 申請號: 202010698516.3
• 申請日: 2020-07-20
• 公開（公告）號: CN111985334B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 黃翰;鐘勝杰;馮夫健;徐楊;百曉;董志誠
• 申請（專利權）人: 華南理工大學
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V20/52;G06V10/764
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 胡輝

1.一種槍支檢測方法，其特征在于，包括以下步驟：

獲取視頻流數據，根據所述視頻流數據獲取圖片；

采用預設的槍支檢測模型對所述圖片進行槍支檢測，輸出檢測結果；

確定檢測到圖片中存有槍支，獲取多幀圖片，結合連續幀檢測算法和多幀圖片對檢測結果進行校驗；

所述槍支檢測模型通過以下步驟建立獲得：

構建槍支數據集，對所述槍支數據集中所有的圖片數據進行標定，獲得xml文件；

對經過標定的圖片數據針對不同的縮放比例、旋轉角度和亮度進行數據增強后，從所述槍支數據集中獲取訓練數據集；

將所述訓練數據集輸入神經網絡進行訓練，并在訓練完成后，獲得槍支檢測模型；

所述神經網絡采用Darknet-53框架作為模型的基本骨架，所述將所述訓練數據集輸入神經網絡進行訓練，并在訓練完成后，獲得槍支檢測模型，包括：

將輸入的訓練數據集中的圖片數據分成7x7個網格，每個所述網格預測5個邊界框，所述邊界框帶有置信度；

使用非極大值抑制NMS算法對置信度小于預設閾值的邊界框進行邊界框抑制，輸出最終的邊界框和預測類別；

對模型進行迭代，并在迭代次數達到預設次數后停止訓練，獲得利器檢測模型；

所述置信度定義為：

其中，Pr(Object)代表Object類別出現在這個網格的概率，為交并比；

訓練過程中采用的損失函數為：

其中，σ(t_x)、σ(t_y)分別是基于先驗矩形框中心點左上角格點的橫、縱坐標偏移量，分別是基于后驗矩形框中心點左上角格點的橫、縱坐標偏移量，σ是激活函數，t_w、t_h分別是先驗框的寬和高，分別是后驗框的寬和高，C、分別是先驗和后驗的類別，p_i(c)、分別是對于類別c的先驗、后驗概率。

2.根據權利要求1所述的一種槍支檢測方法，其特征在于，所述對所述槍支數據集中所有的圖片數據進行標定，獲得xml文件，包括：

對槍支進行分類，并確定類別名；

采用labelImg工具對所述槍支數據集中所有的圖片數據進行標定，標定出槍支的類別和位置信息，生成xml文件；

其中，所述位置信息包括四個坐標點。

3.根據權利要求1所述的一種槍支檢測方法，其特征在于，所述對經過標定的圖片數據針對不同的縮放比例、旋轉角度、亮度進行數據增強，包括：

將所述槍支數據集中的圖片數據進行對比度拉伸，所述xml文件中對應的標定信息不變，將經過對比度拉伸獲得的圖片數據加入所述槍支數據集中；

將所述槍支數據集中的圖片數據進行多尺度變化，所述xml文件中對應的標定信息根據尺度變化進行相應的坐標改變，將經過多尺度變化獲得的圖片數據加入所述槍支數據集中；

將所述槍支數據集中的圖片數據進行中心隨機裁剪，所述xml文件中對應的標定信息根據中心隨機裁剪進行相應的坐標改變，將經過中心隨機裁剪獲得的圖片數據加入所述槍支數據集中。

4.根據權利要求1所述的一種槍支檢測方法，其特征在于，所述采用預設的槍支檢測模型對所述圖片進行槍支檢測，包括：

將所述圖片劃分為多個網格，每個所述網格對應預測多個邊界框，所述邊界框帶有置信度；

根據置信度對所有的邊界框進行閾值篩選，將置信度低于設定閾值的邊界框去除；

將剩余的邊界框進行坐標變換，獲取槍支的坐標信息；

采用OpenCV圖像算法庫將對應的坐標信息在圖片中繪制出來，并標注對應的槍支類型和置信度。