[發明專利]一種基于YOLO v5的校園圖書館的占座檢測方法

在審

• 申請號: 202111545932.0
• 申請日: 2021-12-17
• 公開（公告）號: CN114170573A
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 陳國棟;陳文鏗;林榆翔;趙志峰;黃立萱;方莉;嚴錚;林鴻強;邊根成
• 申請（專利權）人: 福州大學
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V20/10;G06V10/762;G06V10/774;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 陳明鑫;蔡學俊

1.一種基于YOLO v5的校園圖書館的占座檢測方法，其特征在于，采用融合K-means的YOLO 5檢測方法，獲得更加合理的anchor框算法，提高分類目標檢測的準確性，該方法具體實現步驟如下：

步驟S1、從圖書館內攝像頭對監控區域的監控視頻中獲取場景圖像，根據深度學習目標檢測算法框架YOLO 5檢測圖像中的桌子和椅子 ；

步驟S2、利用K-means聚類算法獲得更加合理的YOLO V5所需要的9個anchor框；

步驟S3、檢測到椅子和人后，計算椅子和人的圖像之間的重合程度的IOU比值來判定此時椅子上是否有人；

步驟S4、判斷此距離是否小于閾值，若小于閾值，則判定此座位上有人，亮起紅燈，若無人時，則繼續檢測書和包；

步驟S5、若沒有檢測到書和包，則此時判定為無人且該位置可坐，并亮起綠燈；

步驟S6、若檢測到書和包，則開始計時，若無人時間超過30分鐘，則判定為惡意占座，亮起綠燈。

2.根據權利要求1所述的一種基于YOLO v5的校園圖書館的占座檢測方法，其特征在于，在步驟S1中，所述YOLO V5的訓練包括以下步驟；

步驟A1、首先構建出包含有桌子、椅子以及學生的數據集，再通過包括仿射變換、旋轉的方法擴增數據集，生成足夠大且圖片質量高的數據集；

步驟A2、搭建YOLO V5框架所需要的神經網絡模型，采用pytorch網絡框架，激活函數采用Relu激活函數，解決輸入值為負值時神經元死亡的問題；

步驟A3、數據的劃分為訓練集：驗證集：測試集=8：1：1，加入Auto Learning BoundingBox Anchors-自適應錨定框，采用 k 均值和遺傳學習算法對自定義數據集進行分析，獲得適合自定義數據集中對象邊界框預測的預設錨定框，并且這種框是基于訓練數據自動學習的。

3.根據權利要求2所述的一種基于YOLO v5的校園圖書館的占座檢測方法，其特征在于，以Darknet-53為骨干網絡，采用3個不同尺度的特征層分別為 13×13、26×26、52×52，YOLO V5首先為每種下采樣尺度設定 3 種先驗框從而聚類得到9種尺寸的先驗框；在整個YOLO V5的結構中，沒有池化層和全連接層，網絡的下采樣是通過設置卷積的stride為3來達到的；在基于現階段YOLO V5算法識別目標的基礎上融合DeepSort算法，并集成prediction heads預測頭，應用在無人機拍攝上，最后達到能在高密度場景中準確定位目標并進行持續追蹤的技術。