[發(fā)明專利]亂丟垃圾行為的識別方法、識別裝置和可讀存儲(chǔ)介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010969601.9
• 申請日: 2020-09-15
• 公開（公告）號: CN112115846A
• 公開（公告）日: 2020-12-22
• 發(fā)明（設(shè)計(jì)）人: 陳繼華;陳志國;陳凱迪
• 申請（專利權(quán)）人: 上海迥靈信息技術(shù)有限公司;深圳力維智聯(lián)技術(shù)有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 深圳市恒程創(chuàng)新知識產(chǎn)權(quán)代理有限公司 44542
• 代理人: 劉冰

1.一種亂丟垃圾行為的識別方法，其特征在于，所述亂丟垃圾行為的識別方法包括以下步驟：

獲取依次采集的多個(gè)監(jiān)控圖像；

執(zhí)行對所述多個(gè)監(jiān)控圖像中人體圖像與垃圾圖像的識別操作，得到識別結(jié)果；

根據(jù)所述識別結(jié)果確定監(jiān)控區(qū)域內(nèi)人體與垃圾的相對位置變化信息；

根據(jù)所述相對位置變化信息確定亂丟垃圾行為的判別信息。

2.如權(quán)利要求1所述的亂丟垃圾行為的識別方法，其特征在于，所述根據(jù)所述相對位置變化信息確定亂丟垃圾行為的判別信息的步驟包括：

若所述相對位置變化信息為所述垃圾相對于所述人體的位置從第一位置切換至第二位置，則確定所述判別信息為存在亂丟垃圾行為；

其中，所述第一位置為所述垃圾與所述人體結(jié)合的位置，所述第二位置為所述垃圾與所述人體分離、且所述垃圾位于地面的位置。

3.如權(quán)利要求1或2所述的亂丟垃圾行為的識別方法，其特征在于，所述執(zhí)行對所述多個(gè)監(jiān)控圖像中人體圖像與垃圾圖像的識別操作，得到識別結(jié)果的步驟包括：

將所述多個(gè)監(jiān)控圖像輸入人體與垃圾識別模型；其中，所述人體與垃圾識別模型為基于Alexnet改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)模型；

獲取所述人體與垃圾識別模型的輸出結(jié)果作為所述識別結(jié)果。

4.如權(quán)利要求3所述的亂丟垃圾行為的識別方法，其特征在于，所述將所述多個(gè)監(jiān)控圖像輸入人體與垃圾識別模型的步驟之前，還包括：

獲取基于Alexnet改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練模型和訓(xùn)練樣本集；所述訓(xùn)練樣本集包括多個(gè)攜帶有第一標(biāo)簽的第一圖像；所述第一標(biāo)簽設(shè)置為對所述第一圖像中的人員和/或垃圾進(jìn)行標(biāo)識的信息；

采用所述訓(xùn)練樣本集交替訓(xùn)練所述訓(xùn)練模型，得到候選模型；

根據(jù)所述候選模型確定所述人體與垃圾識別模型。

5.如權(quán)利要求4所述的亂丟垃圾行為的識別方法，其特征在于，所述獲取基于Alexnet改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練模型的步驟之前，還包括：

建立基于Alexnet改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)的初始模型；所述初始模型包括連接的卷積層、激活層、歸一層、池化層和全連接層，其中，所述激活層包括第一激活層和第二激活層，所述第一激活層基于ReLU函數(shù)構(gòu)建，所述第二激活層基于Leaky ReLU函數(shù)構(gòu)建；

設(shè)置所述初始模型中的超參數(shù)得到所述訓(xùn)練模型。

6.如權(quán)利要求5所述的亂丟垃圾行為的識別方法，其特征在于，所述卷積層的數(shù)量有多個(gè)，所述全連接層的數(shù)量有多個(gè)，一部分所述卷積層與所述第二激活層連接，另一部分所述卷積層與所述第一激活層連接，部分所述全連接層與所述第一激活層連接。

7.如權(quán)利要求3所述的亂丟垃圾行為的識別方法，其特征在于，所述根據(jù)所述候選模型確定所述人體與垃圾識別模型的步驟包括：

將所述訓(xùn)練樣本集輸入所述候選模型后得到的結(jié)果，作為訓(xùn)練結(jié)果；

根據(jù)預(yù)設(shè)的損失函數(shù)計(jì)算每個(gè)第一圖像在所述訓(xùn)練結(jié)果中對應(yīng)的信息及其對應(yīng)的第一標(biāo)簽之間的損失值；

若所述損失值小于或等于設(shè)定閾值，則將所述候選模型作為所述人體與垃圾識別模型。

8.如權(quán)利要求7所述的亂丟垃圾行為的識別方法，其特征在于，所述將所述候選模型作為所述人體與垃圾識別模型的步驟之前，還包括：

若所述損失值小于或等于設(shè)定閾值，則獲取測試樣本集，所述測試樣本集包括多個(gè)攜帶有第二標(biāo)簽的第二圖像；所述第二標(biāo)簽設(shè)置為對所述第二圖像中的人員和/或垃圾進(jìn)行標(biāo)識的信息；

將所述測試樣本集輸入所述候選模型后得到的結(jié)果，作為測試結(jié)果；

若所述第二圖像在所述測試結(jié)果中對應(yīng)的信息與其對應(yīng)的第二標(biāo)簽一致，則執(zhí)行將所述候選模型作為所述人體與垃圾識別模型的步驟；

若所述第二圖像在所述測試結(jié)果中對應(yīng)的信息與其對應(yīng)的第二標(biāo)簽不一致，則調(diào)整所述訓(xùn)練模型中的超參數(shù)，返回執(zhí)行所述采用所述訓(xùn)練樣本集交替訓(xùn)練所述訓(xùn)練模型，得到候選模型的步驟。