[發明專利]一種旗幟檢測方法

在審

• 申請號: 202011363051.2
• 申請日: 2020-11-27
• 公開（公告）號: CN112381043A
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 徐楊;崔本飛;馮夫健;黃翰
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62;G06N3/04;G06N3/08;G06F16/951
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 楊望仙

1.一種旗幟檢測方法，其特征在于，包括以下步驟：

步驟S1：收集和拍攝大量旗幟視頻數據，并將視頻轉換成視頻幀；

步驟S2：將采集到的視頻幀進行尺寸標準化和標注，以形成原旗幟數據集；

步驟S3：利用多種有效的數據增強方法對原旗幟數據集進行增強；

步驟S4：在第一檢測分支中，使用Optical Flow和GMM方法以獲取增強數據集中視頻幀的RoIs，并將RoIs和視頻幀輸入到ResNet網絡中進行訓練，得到訓練好的第一檢測分支網絡模型；

步驟S5：在第二檢測分支中，將增強數據集中的視頻幀輸入特征提取網絡，進行視頻幀特征提??；

步驟S6：對增強數據集采用樣本選擇算法來計算預選的邊框與真實的邊框的交集和并集的比值，將比值與計算閾值進行比較，以確定正負樣本；

步驟S7：將步驟S5提取得到的特征輸入到yolov3深度神經網絡模型中進行訓練，得到訓練好的第二檢測分支網絡模型；

步驟S8：使用訓練好的檢測分支網絡模型檢測攝像頭的視頻流中是否存在旗幟。

2.根據權利要求1所述的旗幟檢測方法，其特征在于，步驟S1包括：

步驟S101：分析旗幟出現的場景；

步驟S102：通過手工拍攝和網絡爬蟲，對包含旗幟場景的目標旗幟進行數據采集得到旗幟視頻；

步驟S103：使用ffmpeg軟件工具將旗幟視頻轉換為視頻幀；

步驟S104：將不包含目標旗幟或模糊難以辨認的視頻幀刪除，以形成數據集。

3.根據權利要求1所述的旗幟檢測方法，其特征在于，步驟S2包括：

步驟S201：將所有目標旗幟視頻幀標準化為統一416x416的尺寸；

步驟S202：使用labelImg標注工具對標準化后的目標旗幟視頻幀進行候選框的標注，以生成voc數據格式的標注文件；

步驟S203：將數據集根據視頻的數量按7:3的比例劃分為訓練數據集和測試數據集。

4.根據權利要求1所述的旗幟檢測方法，其特征在于，步驟S3包括：

步驟S301：對步驟S2所得數據集中所有視頻幀進行尺寸縮放，對應的voc數據格式的標注文件里的候選框位置和視頻幀大小信息做相應的轉換，并將得到的新的視頻幀和標注文件加入新的數據集中；

步驟S302：對步驟S2所得數據集中所有視頻幀進行平移，對應的voc數據格式的標注文件里的候選框位置信息做相應的轉換，并將得到的新的視頻幀和標注文件加入新的數據集中；

步驟S303：對步驟S2所得數據集中所有視頻幀進行翻轉，對應的voc數據格式的標注文件里的候選框位置信息做相應的轉換，并將得到的新的視頻幀和標注文件加入新的數據集中；

步驟S304：對步驟S2所得數據集中所有視頻幀進行高斯噪聲，對應的voc數據格式的標注文件不需要修改，并將得到的數據加入新的數據集中；

步驟S305：對步驟S2所得數據集中所有視頻幀進行旋轉，對應的voc數據格式的標注文件里的候選框位置信息做相應的轉換，并將得到的新的視頻幀和標注文件加入新的數據集中；

步驟S306：對步驟S2所得數據集中所有視頻幀進行仿射變換，對應的voc數據格式的標注文件里的候選框位置和視頻幀大小信息做相應的轉換，并將得到的新的視頻幀和標注文件加入新的數據集中。

5.根據權利要求1所述的旗幟檢測方法，其特征在于，步驟S4包括：

步驟S401：利用高斯混合模型GMM獲取視頻幀中的前景；

步驟S402：利用光流Optical Flow法來獲取視頻幀中運動特征；

步驟S403：將獲取的前景和運動特征結合在一起得到視頻幀中的感興趣區域ROIs；

步驟S404：將ROIs和視頻幀輸入到ResNet網絡進行訓練。