[发明专利]一种基于目标检测的机场行李计数方法及计数系统

权利要求书

1.一种基于目标检测的机场行李计数方法，其特征在于，包括如下步骤：

步骤一，采集机场机坪行李处理中的视频，并对视频中的行李进行预分类，通过使用基于区域的卷积神经网络提取特征并进行训练，得到基于卷积神经网络的预分类模型；

步骤二，将视频处理成以帧为单位的图片，对每张图片中的行李进行标签；

步骤三，将打好标签的行李图片进行训练，得到预训练模型；所述训练采用基于keras的yolo v3；

步骤四，对于机坪视频，运用所述训练模型进行目标检测，检测是否有行李在视频中出现，如果出现，就将行李与背景分离，从而得到只有行李的视频；

步骤五，消除行李形变现象，具体为：采用空间转换将行李变换成正常行李的形状；

步骤六，对于检测出的与背景分离的行李，再进行行李计数，得到行李的总数。

2.根据权利要求1所述的基于目标检测的机场行李计数方法，其特征在于，步骤一中，首先对机坪中行李操作的视频进行预处理，生成对应的模型，然后进行训练。

3.根据权利要求2所述的基于目标检测的机场行李计数方法，其特征在于，步骤二中，所述标签包括行李的大小、形状、种类、颜色，所述行李的大小、形状、种类、颜色组成行李数据集。

4.根据权利要求3所述的基于目标检测的机场行李计数方法，其特征在于，步骤三中，机场视频的原图像大小为1920*1080，行李的像素大小范围是20*20-40*40，首先修改yolo中的卷积核大小，修改到适用于机场视频的小物体目标检测，随后将使用制作好的行李数据集运行训练文件开始训练，在训练过程中测试模型的准确性，找到最佳的训练时间，并得到相应的配置文件和权重文件；将生成的相应文件放入制定的文件夹中，进行测试。

5.根据权利要求4所述的基于目标检测的机场行李计数方法，其特征在于，步骤六中，背景分离采用连续的帧间差分法。

6.一种基于目标检测的机场行李计数系统，其特征在于，包括：

预分类模型模块，采集机场机坪行李处理中的视频，并对视频中的行李进行预分类，通过使用基于区域的卷积神经网络提取特征并进行训练，得到基于卷积神经网络的预分类模型；

标签模块，将视频处理成以帧为单位的图片，对每张图片中的行李进行标签；

训练模块，将打好标签的行李图片进行训练，得到预训练模型；所述训练采用基于keras的yolo v3；

分离模块，对于机坪视频，运用所述训练模型进行目标检测，检测是否有行李在视频中出现，如果出现，就将行李与背景分离，从而得到只有行李的视频；

修正模块，消除行李形变现象，具体为：采用空间转换将行李变换成正常行李的形状；

计数模块，对于检测出的与背景分离的行李，再进行行李计数，得到行李的总数。

7.根据权利要求6所述的基于目标检测的机场行李计数系统，其特征在于，预分类模型模块中，首先对机坪中行李操作的视频进行预处理，生成对应的模型，然后进行训练。

8.根据权利要求7所述的基于目标检测的机场行李计数系统，其特征在于，标签模块中，所述标签包括行李的大小、形状、种类、颜色，所述行李的大小、形状、种类、颜色组成行李数据集。

9.一种实现权利要求1-5任一项所述基于目标检测的机场行李计数方法的信息数据处理终端。

10.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-5任一项所述的基于目标检测的机场行李计数方法。