[發明專利]一種垃圾桶滿溢檢測模型訓練方法及垃圾桶滿溢檢測方法

在審

• 申請號: 202110304591.1
• 申請日: 2021-03-22
• 公開（公告）號: CN112883921A
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 魏巍;楊建權
• 申請（專利權）人: 北京易華錄信息技術股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N20/00
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 安志嬌

1.一種垃圾桶滿溢檢測模型訓練方法，其特征在于，包括如下步驟：

獲取第一監控圖片集；

對所述第一監控圖片集進行標注，得到垃圾桶訓練圖片集；

利用所述垃圾桶訓練圖片集對第一機器學習模型進行訓練，得到垃圾桶檢測模型；

利用所述垃圾桶檢測模型對第二監控圖片集進行檢測，得到垃圾桶圖片集；

對所述垃圾桶圖片集進行標注，得到垃圾滿溢訓練圖片集；

利用所述垃圾滿溢訓練圖片集對第二機器學習模型進行訓練，得到垃圾滿溢檢測模型；

對所述垃圾桶檢測模型和垃圾滿溢檢測模型進行融合，得到垃圾桶滿溢檢測模型。

2.根據權利要求1所述的方法，其特征在于，所述第一監控圖片集中的每一張圖片均包含垃圾桶，所述獲取第一監控圖片集包括：

獲取多個初始監控圖像集；

根據每一個初始監控圖像集的標識信息進行篩選，得到目標監控圖像集，所述目標監控圖像集中的圖片均包括垃圾桶；

對所述目標監控圖像集進行抽幀處理，得到多張監控圖片；

刪除不滿足預設條件的監控圖片，得到所述第一監控圖片集。

3.根據權利要求2所述的方法，其特征在于，所述刪除不滿足預設條件的監控圖片包括：

分別確定每一張監控圖片的哈希值；

確定所述監控圖片兩兩之間哈希值的距離；

刪除所述距離小于預設距離閾值的任一張圖片。

4.根據權利要求1所述的方法，其特征在于，所述利用所述垃圾桶訓練圖片集對第一機器學習模型進行訓練，得到垃圾桶檢測模型，包括：

對所述垃圾桶訓練圖片集進行分類，得到多種垃圾桶訓練圖片集；

利用所述多種垃圾桶訓練圖片集對多個第一機器學習模型進行訓練，得到多個垃圾桶檢測模型，所述第一機器學習模型的數量和所述垃圾桶訓練圖片集的種類的數量相同。

5.根據權利要求1所述的方法，其特征在于，所述第一機器學習模型和所述第二機器學習模型均為YOLOv5m模型。

6.一種垃圾桶滿溢檢測方法，其特征在于，包括：

獲取待檢測監控視頻；

對所述待檢測監控視頻進行抽幀處理，得到待檢測監控圖片；

將所述待檢測監控圖片輸入到垃圾桶滿溢檢測模型中進行檢測，得到檢測結果，所述垃圾桶滿溢檢測模型通過權利要求1-5任一項所述的垃圾桶滿溢檢測模型訓練方法訓練得到。

7.一種垃圾桶滿溢檢測模型訓練裝置，其特征在于，包括：

第一監控圖片集獲取模塊，用于獲取第一監控圖片集；

第一標注模塊，用于對所述第一監控圖片集進行標注，得到垃圾桶訓練圖片集；

第一訓練模塊，用于利用所述垃圾桶訓練圖片集對第一機器學習模型進行訓練，得到垃圾桶檢測模型；

垃圾桶檢測模塊，用于利用所述垃圾桶檢測模型對第二監控圖片集進行檢測，得到垃圾桶圖片集；

第二標注模塊，用于對所述垃圾桶圖片集進行標注，得到垃圾滿溢訓練圖片集；

第二訓練模塊，用于利用所述垃圾滿溢訓練圖片集對第二機器學習模型進行訓練，得到垃圾滿溢檢測模型；

融合模塊，用于對所述垃圾桶檢測模型和垃圾滿溢檢測模型進行融合，得到垃圾桶滿溢檢測模型。

8.一種垃圾桶滿溢檢測裝置，其特征在于，包括：

待檢測監控視頻獲取模塊，用于獲取待檢測監控視頻；

抽幀模塊，用于對所述待檢測監控視頻進行抽幀處理，得到待檢測監控圖片；

垃圾桶滿溢檢測模塊，用于將所述待檢測監控圖片輸入到垃圾桶滿溢檢測模型中進行訓練，得到檢測結果，所述垃圾桶滿溢檢測模型通過權利要求1-5任一項所述的垃圾桶滿溢檢測模型訓練方法訓練得到。