[发明专利]一种基于神经网络的犬只检测与预警系统

权利要求书

1.一种基于神经网络的犬只检测与预警系统，其特征在于，所述基于神经网络的犬只检测与预警系统包括数据采集子系统、检测与测距子系统和预警子系统，所述数据采集子系统、所述检测与测距子系统和所述预警子系统依次电性连接，

所述数据采集子系统，用于利用摄像头对犬只进行图像采集；

所述检测与测距子系统，用于获取所述数据采集子系统采集的图像，并利用SSD检测框架经Darknet-53网络预测后直接预测图片类型，并在所述SSD检测框架基础上对人犬距离计算采用k-means算法对犬只的检测数据进行聚类处理；

所述预警子系统，用于将所述检测与测距子系统的结果进行上传，并进行预警操作。

2.如权利要求1所述的一种基于神经网络的犬只检测与预警系统，其特征在于，所述检测与测距子系统包括图像分类模块、检测模块和测距模块，所述图像分类模块、所述检测模块和所述测距模块依次电性连接，

所述图像分类模块，用于对所述数据采集子系统采集的图像进行特征提取；

所述检测模块，用于根据所述图像分类模块提取出来的特征，使用SSD检测框架训练出检测模型，并输出检测结果；

所述测距模块，用于利用k-means算法对犬只的所述检测数据进行聚类处理，并进行距离估计。

3.如权利要求2所述的一种基于神经网络的犬只检测与预警系统，其特征在于，所述检测模块包括Darknet-53主干网络单元、预测网络单元和深度估计网络单元，所述Darknet-53主干网络单元、所述预测网络单元和所述深度估计网络单元依次电性连接，

所述Darknet-53主干网络单元，用于对SSD检测框架进行改进，并将作用于第四卷积层的输出结果传输至所述预测网络单元；

所述预测网络单元，用于接收所述输出结果进行多尺度预测，并采用池化和锚点的方法进行下采样和预测对应的概率和坐标值；

所述深度估计单元，用于借助细粒度级别图像中的物体边界框和部件设定点训练出检测模型，并分别对应犬只的头部，躯干和四肢进行检测，得到理想的犬只检测结果。

4.如权利要求3所述的一种基于神经网络的犬只检测与预警系统，其特征在于，所述预测网络单元包括融合特征层和批标准化层，所述融合特征层和所述批标准化层电性连接，

所述融合特征层，用于在所述预测网络单元的不同特征层空间内预测目标类别得分和边界框位置；

所述批标准层，用于加快所述预测网络单元的收敛速度，并对数据进行归一化处理。

5.如权利要求4所述的一种基于神经网络的犬只检测与预警系统，其特征在于，所述预测网络单元还包括非线性激活单元层，所述非线性激活单元层与所述融合特征层电性连接，

所述非线性激活单元层，用于增加所述预测网络单元的非线性表达，提升所述预测网络单元的表达能力。

6.如权利要求4所述的一种基于神经网络的犬只检测与预警系统，其特征在于，所述预测网络单元还包括平移变换层，所述平移变换层与所述批标准层电性连接，

所述平移变换层，用于对所述批标准层的输出数据进行尺度变换和平移。

7.如权利要求3所述的一种基于神经网络的犬只检测与预警系统，其特征在于，所述深度估计单元包括损失层和残差层，所述损失层和所述残差层电性连接，

所述损失层，用于根据所述预测网络单元输出的视差图获取损失数据，建立损失函数；

所述残差层，用于根据所述损失函数约束所述视差图的一致性。

8.如权利要求1所述的一种基于神经网络的犬只检测与预警系统，其特征在于，所述基于神经网络的犬只检测与预警系统还包括移动终端，所述移动终端与所述数据采集子系统和所述预警系统电性连接，

所述移动终端，用于提供所述数据采集子系统使用的摄像头，并接收所述预警子系统上传的数据。