[发明专利]灭火器位置检测方法、装置、设备及存储介质

说明书

本发明涉及一种灭火器位置检测方法、装置、设备及存储介质。其中，方法包括以下步骤：获取多个场景图像；对所述多个场景图像进行标注得到多个训练图像数据；将所述多个训练图像数据输入至深度卷积神经网络中进行训练，建立检测模型；获取待检测的监控视频，并将所述监控视频输入所述检测模型进行逐帧检测，输出检测结果。本发明能够对灭火器位置进行实现全方位、全时段监控。

技术领域

本发明涉及图像识别处理技术领域，特别是涉及一种灭火器位置检测方法、装置、设备及存储介质。

背景技术

灭火器在固定位置摆放是有要求的，各个分拨场地需要根据实际情况合理的放置灭火器于适当的位置。目前而言，快递分拨中心管理并没有充分利用摄像头的监督作用，更多的是依靠安保组进行管理，安保组不能做到全方位、全时段监控，因此有必要充分利用安装的摄像头进行分析，让摄像头可以实现自动化监控灭火器。

发明内容

本发明所要解决的技术问题是提供一种灭火器位置检测方法、装置、设备及存储介质，实现全方位、全时段监控。

本发明解决其技术问题所采用的技术方案是：提供一种灭火器位置检测方法，包括以下步骤：

(1)获取多个场景图像；

(2)对所述多个场景图像进行标注得到多个训练图像数据；

(3)将所述多个训练图像数据输入至深度卷积神经网络中进行训练，建立检测模型；其中，所述深度卷积神经网络为faster rcnn模型，包括EfficientNet层、RPN网络层、感兴趣区域池化层和分类层；

(4)获取待检测的监控视频，并将所述监控视频输入所述检测模型进行逐帧检测，输出检测结果。

所述步骤(2)具体为：调用图片标注工具，对所述场景图像中的货物进行选取，得到场景区域图像，并对所述场景区域图像进行区域信息标注，得到训练图像数据。

所述步骤(3)具体为：

将所述训练图像数据输入所述EfficientNet层进行特征提取，得到第一特征图；

将所述第一特征图输入所述RPN网络层进行目标物体检测处理，采用抑制处理得到第一候选区域图；

将所述第一特征图和所述第一候选区域图输入所述感兴趣区域池化层进行映射处理，得到第一候选特征图；

将所述第一候选特征图输入所述分类层进行识别处理，得到第一候选特征图中的目标物体类别和位置；

调用损失函数计算第一候选特征图中的目标物体类别的分类损失和第一候选特征图中的目标物体位置的回归损失，并根据所述分类损失和回归损失对所述faster rcnn模型的参数进行调整，直至所述faster rcnn模型收敛，得到检测模型。

所述EfficientNet层通过复合系数同时调整网络的深度、宽度和输入训练图像数据分辨率以放大网络，其中所述复合系数通过以下方式确定：

通过基线网络来调节确定最佳的网络深度缩放系数α、网络宽度缩放系数β和网络输入训练图像数据分辨率缩放系数γ；

将所述最佳的网络深度缩放系数α、网络宽度缩放系数β和网络输入训练图像数据分辨率缩放系数γ扩展或放大到比所述基线网络更大的网络中；

判断所述比所述基线网络更大的网络的准确率和效率是否均超过了阈值，若超过则把所述最佳的网络深度缩放系数α、网络宽度缩放系数β和网络输入训练图像数据分辨率缩放系数γ作为复合系数。

所述采用抑制处理得到第一候选区域图具体为：

计算经过RPN网络层进行目标物体检测处理后得到的N个重叠的包围框的置信度；