[發(fā)明專(zhuān)利]一種基于深度學(xué)習(xí)的動(dòng)態(tài)場(chǎng)景異物入侵檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110049881.6
• 申請(qǐng)日: 2021-01-14
• 公開(kāi)（公告）號(hào): CN112766137B
• 公開(kāi)（公告）日: 2023-02-10
• 發(fā)明（設(shè)計(jì)）人: 謝巍;盧永輝;許練濠;周延;吳偉林
• 申請(qǐng)（專(zhuān)利權(quán)）人: 華南理工大學(xué)
• 主分類(lèi)號(hào): G06V20/52
• 分類(lèi)號(hào): G06V20/52;G06V10/82;G06V10/26;G06N3/04;G06N3/08
• 代理公司: 廣州市華學(xué)知識(shí)產(chǎn)權(quán)代理有限公司 44245
• 代理人: 鄭浦娟

本發(fā)明公開(kāi)了一種基于深度學(xué)習(xí)的動(dòng)態(tài)場(chǎng)景異物入侵檢測(cè)方法，該方法包括先利用監(jiān)控設(shè)備采集所監(jiān)控場(chǎng)景的RGB圖像幀；然后利用訓(xùn)練好的目標(biāo)分割模型對(duì)圖像中的目標(biāo)區(qū)域進(jìn)行分割，獲取目標(biāo)區(qū)域二值化掩膜結(jié)果；利用訓(xùn)練好的目標(biāo)檢測(cè)模型對(duì)圖像中的異物目標(biāo)進(jìn)行檢測(cè)，獲取異物目標(biāo)的類(lèi)別和位置信息；再計(jì)算出異物目標(biāo)的位置邊界框內(nèi)目標(biāo)區(qū)域像素占比P，并據(jù)此判斷異物目標(biāo)的入侵狀態(tài)；根據(jù)異物目標(biāo)的類(lèi)別信息，判定異物目標(biāo)的入侵等級(jí)；最后根據(jù)異物目標(biāo)的入侵狀態(tài)和等級(jí)，發(fā)出對(duì)應(yīng)的安全預(yù)警。本發(fā)明只需單幀圖像就可以完成異物入侵檢測(cè)，同時(shí)獲取異物目標(biāo)的入侵狀態(tài)和入侵等級(jí)，為動(dòng)態(tài)場(chǎng)景下各活動(dòng)的安全預(yù)告預(yù)警提供準(zhǔn)確可靠的依據(jù)。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)字圖像處理、模式識(shí)別和計(jì)算機(jī)視覺(jué)領(lǐng)域，具體涉及一種基于深度學(xué)習(xí)的動(dòng)態(tài)場(chǎng)景異物入侵檢測(cè)方法。

背景技術(shù)

為了保證人們?nèi)粘Ｉa(chǎn)生活的安全，通常會(huì)對(duì)一些危險(xiǎn)區(qū)域進(jìn)行人為劃分，并對(duì)該區(qū)域進(jìn)行異物入侵檢測(cè)。比如火車(chē)軌道區(qū)域，生產(chǎn)車(chē)間的機(jī)械加工區(qū)域和一些禁止閑人出入的區(qū)域，這些區(qū)域通常是比較危險(xiǎn)的，如果發(fā)生異物入侵的情況，輕則導(dǎo)致活動(dòng)無(wú)法正常進(jìn)行，重則導(dǎo)致人身安全事故。因此，提高這些危險(xiǎn)區(qū)域場(chǎng)景下的異物入侵檢測(cè)能力，在發(fā)生異物入侵情況下發(fā)出準(zhǔn)確可靠的安全預(yù)告預(yù)警，是非常有必要的。

當(dāng)前，異物入侵檢測(cè)技術(shù)主要還是基于背景差分法或者幀間差分法等傳統(tǒng)圖像處理方法，這些方法雖然可以檢測(cè)出當(dāng)前場(chǎng)景中的運(yùn)動(dòng)物體，但是有不少的限制。如背景差分法需要建立復(fù)雜的背景模型，參數(shù)比較難調(diào)教；幀間差分法比較簡(jiǎn)單，但是對(duì)噪聲非常敏感，如影子變化和畫(huà)面抖動(dòng)等等，容易對(duì)檢測(cè)結(jié)果造成影響。并且，目前上述兩種方法以及基于上述兩種方法的改進(jìn)方法均是針對(duì)全圖區(qū)域進(jìn)行檢測(cè)，無(wú)法針對(duì)圖片中的某個(gè)區(qū)域進(jìn)行分析。同時(shí)值得一提的是，上述方法均無(wú)法對(duì)檢測(cè)到的異常目標(biāo)進(jìn)行類(lèi)別判斷，也就無(wú)法針對(duì)不同類(lèi)別的物體進(jìn)行不同的危險(xiǎn)等級(jí)劃分，容易產(chǎn)生比較多的誤報(bào)情況，浪費(fèi)人力、物力和財(cái)力。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)和不足，提供一種基于深度學(xué)習(xí)的動(dòng)態(tài)場(chǎng)景異物入侵檢測(cè)方法，該方法可以同時(shí)獲取異物目標(biāo)的入侵狀態(tài)和入侵等級(jí)，且只需要單幀圖像就可以完成異物入侵檢測(cè)，進(jìn)而可以為動(dòng)態(tài)場(chǎng)景下各活動(dòng)的安全預(yù)告預(yù)警提供準(zhǔn)確可靠的依據(jù)。

本發(fā)明的目的通過(guò)以下所述技術(shù)方案實(shí)現(xiàn)：一種基于深度學(xué)習(xí)的動(dòng)態(tài)場(chǎng)景異物入侵檢測(cè)方法，包括如下步驟：

S1、利用監(jiān)控設(shè)備采集所監(jiān)控場(chǎng)景的RGB圖像幀；

S2、利用訓(xùn)練好的目標(biāo)分割模型對(duì)步驟S1采集的單幀RGB圖像中的目標(biāo)區(qū)域進(jìn)行分割，獲取目標(biāo)區(qū)域二值化掩膜結(jié)果；

利用訓(xùn)練好的目標(biāo)檢測(cè)模型對(duì)步驟S1采集的單幀RGB圖像中的異物目標(biāo)進(jìn)行檢測(cè)，獲取異物目標(biāo)的類(lèi)別和位置信息；

S3、根據(jù)目標(biāo)區(qū)域二值化掩膜和異物目標(biāo)位置信息，計(jì)算出異物目標(biāo)的位置邊界框內(nèi)目標(biāo)區(qū)域像素占比P；

S4、根據(jù)計(jì)算得到的目標(biāo)區(qū)域像素占比P和給定閾值T的大小關(guān)系，判斷異物目標(biāo)的入侵狀態(tài)；

S5、根據(jù)異物目標(biāo)的類(lèi)別信息，判定異物目標(biāo)的入侵等級(jí)；

S6、根據(jù)異物目標(biāo)的入侵狀態(tài)和等級(jí)，發(fā)出對(duì)應(yīng)的安全預(yù)警。

優(yōu)選的，在步驟S1中，利用監(jiān)控設(shè)備采集到RGB圖像幀之后，還將RGB圖像幀的高寬比調(diào)整為1:2；

在步驟S2中，以高寬比為1:2的單通道灰度圖作為目標(biāo)分割模型的輸入，目標(biāo)分割模型的輸出為二值化掩膜，其為一個(gè)二維數(shù)組，尺寸與輸入圖片相同，數(shù)組中的每個(gè)元素的值為0或1，0表示非目標(biāo)區(qū)域像素，1表示目標(biāo)區(qū)域像素；

以高寬比為1:2的三通道RGB彩色圖作為目標(biāo)檢測(cè)模型的輸入，目標(biāo)檢測(cè)模型的輸出為含有異物目標(biāo)的類(lèi)別和位置信息的特征圖。