[发明专利]一种基于YOLOv4模型的挖掘机图像识别方法

权利要求书

1.一种基于YOLOv4模型的挖掘机图像识别方法，包括如下步骤：

S1：从电子监控设备中提取监控图片；

S2：对所述监控图片中的挖掘机进行标注，形成VOC数据集，其中标签文件的主要属性有图片宽度width、图片高度height、图片深度depth，挖掘机所在位置xmin、ymin、xmax、ymax；

S3：将步骤S2中通过标注得到的所述数据集分割为训练数据集和测试数据集；

S4：将步骤S3中的训练数据集输入到YOLOv4目标检测算法中，进行训练；

S5：对所述训练数据集进行50轮迭代训练，获取五个最优模型；

S6：对得到的五个最优模型进行性能分析，得到一个最优目标检测模型；所述目标检测模型用于从监控图片中检测出挖掘机图像区域；

S7：将所述目标检测模型用于识别挖掘机图像，如果识别结果为挖掘机图像时，则生成预警信息，通知监管人员；否则，收集识别错误数据，识别结束。

2.根据权利要求1所述的一种基于YOLOv4模型的挖掘机图像识别方法，其特征在于：步骤S5中所述获取五个最优模型过程如下：

S5-1：对每一轮迭代训练，都进行损失函数loss的计算，具体公式如下：

loss＝lbox+lobj+lcls (1)，

其中，lbox为挖掘机真实位置与预测位置之间的loss，lobj为置信度的loss，lcls为预测类与真实类之间的loss；

并且，此模型仅检测挖掘机一种类别的物体，因此lcls＝0，其余部分具体公式如下：

其中

其中，S代表grid size，S²代表13x13,26x26,52x52个网格；B代表每个网格产生候选框anchor个数；b和表示anchor框和目标框的中心点；ρ表示两个中心点的欧式距离；c代表的是可以同时覆盖anchor框和目标框的最小矩形的对角线距离；代表第i个候选框所在位置；ω,h代表第i个实际框所在位置；

其中，S代表grid size，S²代表13x13,26x26,52x52个网格；B代表每个网格产生候选框anchor个数；λ_coord,λ_noobj,λ_obj三者都取值为1；代表如果在i,j处的box有目标，其值为1，否则为0；代表如果在i,j处的box没有目标，其值为1，否则为0；x_i,y_i,ω_i,h_i代表第i个实际框所在位置；代表第i个候选框所在位置；c_i代表第i个框实际置信度；代表第i个候选框置信度；

S5-2：从迭代生成的50个loss值中选取最小的五个，得到五个最优模型。

3.根据权利要求1所述的一种基于YOLOv4模型的挖掘机图像识别方法，其特征在于：步骤S6中所述对得到的五个最优模型进行性能分析过程如下：

S6-1：获取测试数据集中挖掘机的实际位置；

S6-2：取其中一模型进行测试数据集中挖掘机的识别，获取挖掘机预测位置；

S6-3：计算对应IOU值，衡量预测框和真实框的重合程度，结果为0至1之间，具体公式如下：

其中，S_交表示预测位置与实际位置之间的重叠区域；S_并为预测位置和实际位置所占有的总区域；

S6-4：计算对应精确度Precision和召回率Recall，具体公式如下：

其中，当IOU＝0.5被认为是TP，当IOU＝0.5被认为是FP，Recall所用的TP+FN＝N，一张图片所具有的N个目标，图片中挖掘机真实位置个数；

S6-5：进行AP值的计算，具体公式如下：

其中

其中，为时，Precision对应值；

S6-6：将五个模型分别进行上述操作，从生成的五个AP值中选取最小的一个，得到一个最优目标检测模型。