[发明专利]检测模型的训练方法、检测方法及相关装置有效
申请号: | 201911329600.1 | 申请日: | 2019-12-20 |
公开(公告)号: | CN111091098B | 公开(公告)日: | 2023-08-15 |
发明(设计)人: | 袁林俊 | 申请(专利权)人: | 浙江大华技术股份有限公司 |
主分类号: | G06V20/40 | 分类号: | G06V20/40;G06V20/70;G06V40/10;G06V10/25;G06V10/764 |
代理公司: | 深圳市威世博知识产权代理事务所(普通合伙) 44280 | 代理人: | 唐双 |
地址: | 310051 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 检测 模型 训练 方法 相关 装置 | ||
本申请公开了一种检测模型的训练方法、检测方法及相关装置,其中,该训练方法包括:从网络或历史记录或现场模拟场景中获取到设定数量的预设违规事件的图像信息;对预设违规事件的图像信息进行标注,以得到第一标注图像信息;通过第一标注图像信息对预设网络模型进行训练,以建立第一模型;通过第一标注图像信息对第二模型进行训练,以得到检测模型,其中,第二模型是通过在第一模型添加检测输出模型结构得到。通过上述方式,本申请通过采用包括有预设违规事件的图像信息对预设网络模型进行训练,以得到相应的检测模型,能够有效地提升对预设违规事件进行检测的精确度,并使得相应的检测方法更隐秘,也更为可靠。
技术领域
本申请涉及模型应用技术领域,特别是涉及一种检测模型的训练方法、检测方法、智能终端以及计算机可读存储介质。
背景技术
自北京地铁实现地铁安检之后,地铁安检逐渐成为各大城市地铁交通的标准配置。但却也存在有一种地铁场景,其中的部分人群利用安检人员的视线盲区,传递违规物品,其通常是由站外的人员隔着围栏,向站内乘客传递未经过安检机检查的不明物品,而这不明物品又通常会是违禁物品。这对地铁的安全造成了严重威胁。目前在地铁场景中对违规传递物品进行检测的方法极其有限。其主要是通过安检人员的人工观察,或是在地铁设计建造的初期,对站内和站外的区域实现有效的建筑围栏隔离。
而仅通过人工观察的方式,不免会有疏漏之处,且较为费力;且采用建筑围栏隔离的方式,对已经建造完成的地铁站,又需要较大的人力和物力去整改。因此,需要一种更为有效的基于地铁场景的违规传递物品的检测方法。
其中,在其他具有类似的场景中,常见的检测方法有红外对射探测器。但当红外发射机与红外接收机之间的红外光束被完全遮断或按给定百分比遮断时,会产生报警信号,因而通常用于室外围墙的报警场景中,而不适用于基于地铁场景的违规传递物品的检测方法。
发明内容
本申请主要解决的技术问题是提供一种测模型的训练方法、检测方法、智能终端以及计算机可读存储介质,能够有效的提升对预设违规事件的检测精确度,且能够同时实现对多对目标的检测。
为解决上述技术问题,本申请采用的第一个技术方案是:提供一种检测模型的训练方法,包括:从网络或历史记录或现场模拟场景中,获取到预设违规事件的图像信息;对预设违规事件的图像信息进行标注,以得到第一标注图像信息;通过第一标注图像信息对预设网络模型进行训练,以建立第一模型;通过第一标注图像信息对第二模型进行训练,以得到检测模型,其中,第二模型是通过在第一模型添加检测输出模型结构得到。
为解决上述技术问题,本申请采用的第二个技术方案是:提供一种基于检测模型的检测方法,其中,该检测模型是在经训练好的第一模型上添加检测输出模型结构后进行再训练得到;该检测方法包括:获取到目标区域中的目标对象的视频图像帧,其中,目标对象包括第一目标人体、第二目标人体、目标物品以及围栏;提取视频图像帧中对应的目标图片流,并将目标图片流输入到检测模型中;通过检测模型对目标图片流进行检测,以确定目标图片流中是否包括有预设违规事件的图像信息。
为解决上述技术问题,本申请采用的第三个技术方案是:提供一种智能终端,其中,该智能终端包括相互耦接的处理器和检测模型,该检测模型是在经训练好的第一模型上添加检测输出模型结构后进行再训练得到;处理器用于获取目标区域中的目标对象的视频图像帧,以提取视频图像帧中对应的目标图片流,并将目标图片流输入到检测模型中,其中,目标对象包括第一目标人体、第二目标人体、目标物品以及围栏;检测模型用于对目标图片流进行检测,以确定目标图片流中是否包括有预设违规事件的图像信息。
为解决上述技术问题,本申请采用的第四个技术方案是:提供一种计算机可读存储介质,计算机可读存储介质存储有程序数据,该程序数据能够被执行以实现如上所述的检测模型的训练方法或检测方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大华技术股份有限公司,未经浙江大华技术股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911329600.1/2.html,转载请声明来源钻瓜专利网。