[發明專利]一種基于優化yolov4算法的違章行為識別方法及系統

在審

• 申請號: 202111196412.3
• 申請日: 2021-10-14
• 公開（公告）號: CN113971775A
• 公開（公告）日: 2022-01-25
• 發明（設計）人: 張昱;黃浩聲;梁偉;陶風波;朱睿;尹康涌;林元棣;王靜君;賈萌萌
• 申請（專利權）人: 江蘇省電力試驗研究院有限公司;國網江蘇省電力有限公司電力科學研究院
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V10/22;G06V10/764;G06V10/80;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G08G1/017
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 張弛

本發明公開了一種基于優化yolov4算法的違章行為識別方法及系統，包括以下步驟：(1)通過優化yolov4算法進行模型訓練，抽選出最優模型；yolov4算法的優化包括：在輸入部分采用1×1卷積將前一層的輸入特征圖的通道數減少到原來的四分之一；使用四個不同大小的空洞卷積分支來生成不同大小感受野的輸出特征；利用感受野融合結構融合四個不同分支的輸出特征信息；在輸出部分的卷積層采用1×1卷積來調整輸出特征圖的通道數；利用殘差網絡獲得最終的輸出特征圖；(2)采集視頻圖像數據作為最優模型的輸入，進行違章行為的檢測；(3)根據檢測結果生成實時預警信息，將實時預警信息回傳。本發明能夠提升了違章識別圖像中目標識別精度，并且實現實時預警功能。

技術領域

本發明涉及利用智能識別檢測技術領域，具體是涉及一種基于優化yolov4算法的違章行為識別方法及系統。

背景技術

無人機技術已經廣泛應用違章識別監測作業，但實際運行過程中由人工進行實時監測，存在人力工作量大、監測效率低、違章信息掌控不及時，從而無法保障預告警報的及時性、有效性、全面性。隨著人工智能技術的快速進步，現有技術開始采用人工智能技術進行違章行為的識別，因為輸變電工程中違章行為數目多、形式各異，采用現有技術的識別方法，漏檢率較高，不能滿足監測圖像高精度檢測需求并且無法實現實時識別報警。

發明內容

發明目的：針對以上缺點，本發明提供一種基于優化yolov4算法的違章行為識別方法，能夠提升了違章識別圖像中目標識別精度，并且實現實時預警功能。同時，本發明還提供了一種基于優化yolov4算法的違章行為識別系統，能夠實現違章行為的識別。

技術方案：為解決上述問題，本發明所述一種基于優化yolov4算法的違章行為識別方法，包括以下步驟：

(1)收集違章行為的圖像數據，建立違章行為的圖像數據庫；根據數據庫內的圖像數據，通過優化yolov4算法進行模型訓練和測試，獲取最優模型；

所述yolov4算法的優化包括在構建特征提取網絡過程中采用自適應感受野融合模塊，具體為以下步驟：

(1.1)在輸入部分采用1×1卷積將前一層的輸入特征圖的通道數減少到原來的四分之一；

(1.2)使用四個不同大小的空洞卷積分支來生成不同大小感受野的輸出特征；

(1.3)利用感受野融合結構融合四個不同分支的輸出特征信息并濾除冗余信息；

(1.4)在輸出部分的卷積層采用1×1卷積來調整輸出特征圖的通道數；

(1.5)利用殘差網絡獲得最終的輸出特征圖。

(2)獲取待檢測的視頻圖像數據，將待檢測的視頻圖像數據作為最優模型的輸入，通過最優模型檢測出目標的空間的位置以及違章行為的類別信息，根據空間位置坐標進行目標之間位置關系判斷，判定是否屬于違章行為，輸出檢測結果；

(3)根據獲取的檢測結果生成實時預警信息，將檢測結果和實時預警信息傳輸至前端APP的網頁端，供管理人員實時監測。

有益效果：本發明相對于現有技術，其顯著優點是：利用1×1卷積構件輕量瓶頸結構，降低模型的計算參數量，提升模型的計算效率；利用四個不同分支的空洞卷積來生成具有不同尺度和大小的感受野模塊輸出的特征映射，進而通過卷積神經網絡完成自適應學習不同分支感受野特征的融合權值參數值，提高模型提取特征的辨識度和魯棒性，增強模型目標特征的表達能力，進而提升違章識別圖像中目標識別精度。

進一步的，所述yolov4算法的優化還包括在構建金字塔網絡過程中采用增強的上采樣模塊，具體為以下步驟：

(1.6)使用上采樣層將低分辨率特征圖大小擴展至與高分辨率特征圖一致；

(1.7)利用1×1卷積將上采樣輸出特征圖通道數調整到原來的一半；