[發明專利]智能監控方法、裝置、電子設備及計算機可讀存儲介質

在審

• 申請號: 202210219727.3
• 申請日: 2022-03-08
• 公開（公告）號: CN114756425A
• 公開（公告）日: 2022-07-15
• 發明（設計）人: 蔣召;黃澤元;楊戰波
• 申請（專利權）人: 深圳集智數字科技有限公司
• 主分類號: G06F11/30
• 分類號: G06F11/30;G06N3/04;G06N3/08
• 代理公司: 北京嘉科知識產權代理事務所(特殊普通合伙) 11687
• 代理人: 張艷

1.一種智能監控方法，其特征在于，包括：

構建多粒度空間注意力網絡和高層次信息補償網絡；

以目標檢測模型為基礎，將殘差網絡作為所述目標檢測模型的特征提取網絡，利用所述高層次信息補償網絡替代所述目標檢測模型的特征處理網絡，在所述殘差網絡和所述高層次信息補償網絡之間增加所述多粒度空間注意力網絡，以構建智能監控模型；

將經過訓練的所述智能監控模型部署在云端，在接收到目標用戶的監控請求時，利用部署在云端的所述智能監控模型為所述目標用戶提供監控服務。

2.根據權利要求1所述的方法，其特征在于，所述將經過訓練的所述智能監控模型部署在云端，在接收到目標用戶的監控請求時，利用部署在云端的所述智能監控模型為所述目標用戶提供監控服務，包括：

獲取目標區域內的監控圖片；

利用所述殘差網絡提取所述監控圖片對應的多個圖片特征；

利用所述多粒度空間注意力網絡對所述多個圖片特征進行第一特征處理，得到多個融合特征；

利用所述高層次信息補償網絡對所述多個融合特征進行第二特征處理，得到多個補償特征；

利用其他網絡對所述多個補償特征進行識別，以判斷所述目標區域內是否存在風險，其中所述其他網絡為所述智能監控模型中除所述殘差網絡、所述多粒度空間注意力網絡和所述高層次信息補償網絡之外的網絡。

3.根據權利要求2所述的方法，其特征在于，所述利用所述多粒度空間注意力網絡對所述多個圖片特征進行第一特征處理，得到多個融合特征，包括：

將所述多個圖片特征輸入至局部注意力網絡，輸出多個局部特征；

將所述多個圖片特征輸入至全局注意力網絡，輸出多個全局特征；

對所述多個局部特征和所述多個全局特征進行特征融合處理，得到所述多個融合特征；

其中，所述多粒度空間注意力網絡，包括：所述局部注意力網絡和所述全局注意力網絡。

4.根據權利要求2所述的方法，其特征在于，所述利用所述高層次信息補償網絡對所述多個融合特征進行第二特征處理，得到多個補償特征，包括：

對所述多個融合特征進行自適應池化處理，得到預設比率大小的多個第一子特征；

分別對所述多個第一子特征進行采樣，得到預設尺寸的多個第二子特征；

將所述多個第二子特征輸入分散注意力網絡，輸出所述多個補償特征，其中，所述高層次信息補償網絡包括所述分散注意力網絡。

5.根據權利要求1所述的方法，其特征在于，所述將經過訓練的所述智能監控模型部署在云端之前，所述方法還包括：

對所述智能監控模型進行模型蒸餾處理；和/或

對所述智能監控模型進行模型剪枝處理；和/或

利用深度學習推理優化器對所述智能監控模型進行模型加速處理。

6.根據權利要求5所述的方法，其特征在于，所述對所述智能監控模型進行模型蒸餾處理，包括：

利用最小絕對值偏差函數，計算所述殘差網絡對應的第一損失值；

利用最小平均誤差函數，計算所述智能監控模型的區域候選網絡對應的第二損失值；

利用交叉熵損失函數，計算所述智能監控模型的頭網絡對應的第三損失值；

根據所述智能監控模型的輸出和蒸餾模型的輸出，利用距離交并比函數計算第四損失值，其中，所述蒸餾模型為對所述智能監控模型進行所述模型蒸餾處理后得到的模型；

基于所述第一損失值、所述第二損失值、所述第三損失值和所述第四損失值對所述智能監控模型進行所述模型蒸餾處理。