[發明專利]道路監控方法、系統和電子設備

有效

• 申請號: 202011220145.4
• 申請日: 2020-11-05
• 公開（公告）號: CN112037520B
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 程舒通;何振華
• 申請（專利權）人: 杭州科技職業技術學院
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/017;G06N3/08;G06N3/04;G06K9/46;G06K9/62;G06K9/00
• 代理公司: 北京恒泰銘睿知識產權代理有限公司 11642
• 代理人: 張克釗

1.一種基于具有通道注意力機制的對象重識別的道路監控方法，其特征在于，包括：

獲取預定時間間隔的第一街景圖像和第二街景圖像；

將所述第一街景圖像和所述第二街景圖像分別輸入卷積神經網絡以獲得第一特征圖和第二特征圖；

將所述第一特征圖和所述第二特征圖分別輸入通道注意力網絡以獲得第一通道特征向量和第二通道特征向量；

分別將所述第一特征圖與所述第一通道特征向量融合以獲得第一融合特征圖和將所述第二特征圖與所述第二通道特征向量融合以獲得第二融合特征圖；

將所述第一融合特征圖和所述第二融合特征圖按通道級聯以獲得分類特征圖；以及

將所述分類特征圖以分類函數進行分類以獲得分類結果，所述分類結果用于表示所述第一街景圖像和所述第二街景圖像內是否包括違反道路管理規定的對象；

其中，所述卷積神經網絡和所述分類函數通過訓練圖像集訓練獲得；

其中，所述訓練過程，包括：

基于所述第一通道特征向量和所述第二通道特征向量計算注意力損失函數值，所述注意力損失函數值為所述第一通道特征向量的對數和所述第二通道特征向量的對數的加權和的沿通道位置的平均值；

計算所述分類特征圖以分類函數進行分類的分類損失函數值；以及

通過最小化所述注意力損失函數值和所述分類損失函數值的加權和來以梯度下降的反向傳播更新所述卷積神經網絡和所述分類函數；

其中，在所述訓練過程中，所述第一通道特征向量的對數和所述第二通道特征向量的對數的加權系數以及所述注意力損失函數值和所述分類損失函數值的加權系數作為超參數。

2.根據權利要求1所述的基于具有通道注意力機制的對象重識別的道路監控方法，其中，獲取預定時間間隔的第一街景圖像和第二街景圖像，包括：

通過用于街道巡查的移動攝像機獲取街景視頻；

基于所述移動攝像機的路徑信息獲取相同地理位置的第一視頻片段和第二視頻片段；以及

分別從所述第一視頻片段和所述第二視頻片段中截取所述第一街景圖像和所述第二街景圖像。

3.根據權利要求1所述的基于具有通道注意力機制的對象重識別的道路監控方法，其中，將所述第一特征圖和所述第二特征圖分別輸入通道注意力網絡以獲得第一通道特征向量和第二通道特征向量，包括：

將所述第一特征圖輸入第一全局池化層以獲得第一通道池化向量；

將所述第二特征圖輸入第二全局池化層以獲得第二通道池化向量；

將所述第一通道池化向量輸入第一全連接層并以Sigmoid激活函數進行激活以獲得第一通道特征向量；以及

將所述第二通道池化向量輸入第二全連接層并以Sigmoid激活函數進行激活以獲得第二通道特征向量。

4.根據權利要求1所述的基于具有通道注意力機制的對象重識別的道路監控方法，其中，分別將所述第一特征圖與所述第一通道特征向量融合以獲得第一融合特征圖和將所述第二特征圖與所述第二通道特征向量融合以獲得第二融合特征圖，包括：

將所述第一特征圖按通道乘以所述第一通道特征向量以獲得第一融合特征圖；以及

將所述第二特征圖按通道乘以所述第二通道特征向量以獲得第二融合特征圖。

5.根據權利要求1所述的基于具有通道注意力機制的對象重識別的道路監控方法，其中，分別將所述第一特征圖與所述第一通道特征向量融合以獲得第一融合特征圖和將所述第二特征圖與所述第二通道特征向量融合以獲得第二融合特征圖，包括：

將所述第一特征圖按通道乘以所述第一通道特征向量以獲得第一加權特征圖；

將所述第一加權特征圖與所述第一特征圖相加以獲得所述第一融合特征圖；

將所述第二特征圖按通道乘以所述第二通道特征向量以獲得第二加權特征圖；以及

將所述第二加權特征圖與所述第二特征圖相加以獲得所述第二融合特征圖。