[发明专利]一种基于计算机视觉的楼面危险检测预警方法及系统

权利要求书

1.一种基于计算机视觉的楼面危险检测预警方法，其特征在于，包括：

步骤1：摄像机覆盖全部楼层，得到实时监控视频数据；

步骤2：采集包含人的数据，并对其进行标注，并进行数据增强，制作数据集；

步骤3：构建并训练目标检测模型；

步骤4：对最高层监控摄像机视频的每一帧进行目标检测，输出目标类别是人的位置信息；

步骤5：手动框选顶楼护栏在最高层监控摄像机中的ROI_box，计算目标类别是人所在位置与ROI_box之间的相对位置关系，进行越界判别；

步骤6：对所有监控摄像机视频的每一帧进行运动目标检测，使用多目标跟踪算法对检测的运动目标进行跟踪；

步骤7：判定运动目标的类别发出预警；

所述步骤2包括：步骤21：对采集到的图像进行高斯滤波处理，并采用双线性插值降采样方法，将图像的尺寸缩放为W*H，其中，W表示降采样后的图像宽度，H表示降采样后的图像高度；

步骤22：用矩形标记出图像中的人，类别为person；

步骤23：使用随机裁剪和混合两种方式对数据进行增强；

步骤24：将数据集划分为训练集、验证集和测试集；

所述随机裁剪是从原始图像中随机裁剪一部分区域作为训练集的扩展；所述混合指的是其以线性插值的方式来构建新的训练样本和标签，其公式为：

其中，(x_i,y_i)，(x_j,y_j)是原始数据集中的训练样本和其对应的标签，λ∈(0,1)；

所述步骤3包括：构建目标检测模型，所述目标检测模型包括：基础特征提取单元、空间金字塔池化单元、特征聚合单元和稠密预测单元；

构建损失函数，所述损失函数包括回归框损失、置信度损失和分类损失，其中置信度损失和分类损失使用的交叉熵损失，回归框损失用的是Ciou损失，其公式如下：

其中，b,b^gt分别表示预测框和目标框的中心点，c表示预测框和目标框外接矩形对角线长度，ρ()表示欧式距离，α是权重函数，ν是用来衡量长宽比一致性的参数；R_CIoU表示惩罚项，IoU表示交并比，L_CoU表示交并比损失，w^gt表示目标框的宽度，h^gt表示目标框的高度，w表示预测框的宽度，h表示预测框的高度；

使用梯度下降法训练网络模型至网络收敛。

2.如权利要求1所述的基于计算机视觉的楼面危险检测预警方法，其特征在于，所述步骤4包括：

采用目标检测模型，检测图像中的目标类别和位置；

使用矩形框对图像中的目标进行标记。

3.如权利要求2所述的基于计算机视觉的楼面危险检测预警方法，其特征在于，所述步骤5包括：

计算目标检测算法输出的每个目标框的中心点坐标；

判断每个中心点坐标是否在ROI_box内部。

4.如权利要求3所述的基于计算机视觉的楼面危险检测预警方法，其特征在于，所述步骤6包括：

使用前N帧图像初始化高斯混合模型，N为5-30；

使用第N+1帧图像更新高斯混合模型，检测第N+1帧的运动目标，将每一个运动目标初始化为一个跟踪对象；

使用卡尔曼滤波预测第N+1中检测的运动目标在第N+2帧出现的位置；

使用高斯混合模型检测第N+2帧中的运动目标，通过匈牙利算法匹配高斯混合模型的检测结果和卡尔曼滤波的预测结果；没有匹配的检测结果则初始化为一个新的跟踪对象，没有匹配的预测结果则删除对应的跟踪对象。