[發明專利]基于RetinaXNet的建筑夜景燈光異常檢測方法

在審

• 申請號: 202110909371.1
• 申請日: 2021-08-09
• 公開（公告）號: CN113762084A
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 宋雪樺;王赟;王昌達;金華;杜聰;劉思雨
• 申請（專利權）人: 江蘇大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及一種基于RetinaXNet的建筑夜景燈光異常檢測方法，數據集采用均衡化處理，保留圖像的紋理信息，降低圖像復雜度。RetinaXNet網絡的輸入模塊將視頻幀縮減為224*224的圖像，主干模塊采用改進的殘差結構提取圖像的輪廓信息，檢測頭模塊采用XNet網絡加強信息的整合，進行分類與回歸，輸出模塊按照縮減比例將圖像重新恢復成原大小。本發明提出的RetinaXNet網絡能夠用于檢測圖像中的故障燈的位置以及故障分類，實現自動化檢測異常，提高檢測的正確率，降低誤檢的情況，為建筑夜景異常燈光的檢測提供一種可靠的方法。

技術領域

本發明涉及圖像處理與異常檢測領域，具體涉及一種基于RetinaXNet的建筑夜景燈光異常檢測方法。

背景技術

隨著現代化城市科學技術的應用和經濟實力的高速發展，城市亮化工程在改善城市環境和建設宜居城市，提升城市整體功能，拉動內需，推動城市經濟的發展，提升相應企業的形象等起到了顯著的作用。但由于建筑夜景燈光的布置常年暴露在戶外，由于燈具老化、安裝環境和散熱等問題，導致建筑夜景燈光故障頻發。現有的檢測手段主要以人工巡檢目測為主，人工巡檢存在成本高、實時性低、主觀性強等缺點。隨著人工智能技術的發展，基于深度學習的檢測方法在一些圖像相關的領域可以取代傳統的基于人工的方法，采用經過前期訓練的網絡進行建筑夜景燈光的異常檢測，提高了檢測的準確性以及降低人為主觀性，實現檢測的自動化。

發明內容

針對目前人工巡檢的成本高、實時性低、主觀性強等缺點，提出一種基于RetinaXNet的建筑夜景燈光異常檢測方法，通過攝像頭以及網絡模型，實現夜景燈光異常檢測的自動化，并提高檢測的準確率。

為了實現上述目的，本發明采用的技術方案如下：一種基于RetinaXNet的建筑夜景燈光異常檢測方法，包括如下步驟：

1)構建初始夜景燈圖像集合C并發送到GPU計算服務器進行存儲；

2)對圖像集合C進行處理得到數據集，并將數據集劃分為訓練集E和測試集T；

3)構建RetinaXNet網絡模型；所述RetinaXNet網絡模型包括輸入模塊、主干模塊、檢測頭模塊；

4)利用UFL函數優化RetinaXNet網絡模型的權值；

5)訓練RetinaXNet網絡模型；

6)夜景燈異常檢測，即通過攝像頭獲取待檢測幀并送入RetinaXNet網絡，將網絡的輸出結果映射回原圖，判斷夜景燈是否異常。

進一步的，上述步驟1)包括如下步驟：

1.1)利用攝像頭采集夜景燈光的視頻數據V，所述攝像頭事先固定安裝于可以拍攝需要進行夜景燈光檢測的地點；

1.2)從視頻數據V中每隔時間Δt提取一幀圖像，構建初始夜景燈圖像集合C，記為C＝{I₁，I₂...I_n}，I_i為第i幀圖像，n為夜景燈圖像的個數；

1.3)將初始夜景燈圖像集合C發送到GPU計算服務器進行存儲。

進一步的，上述步驟2)包括如下步驟：

2.1)對圖像集合C中的每一幀圖像，計算像素值小于j的像素出現概率p_i(j)，計算公式如下：

p_i(j)表示第i幀圖像中灰度大于0小于j的出現概率，n_t為灰度級小于j的像素個數，n_I為每幀圖像的像素總個數；

2.2)計算集合C中每一幀圖像的直方圖結果G(i)，計算公式如下：