[发明专利]基站机房的安全隐患识别方法及装置

权利要求书

1.一种基站机房的安全隐患识别方法，其特征在于，包括：

获取拍摄装置对基站机房内部进行拍摄得到的待识别图像，所述待标识图像包含安全隐患目标；

通过预设隐患图像分类模型，对所述待识别图像进行分类，以确定所述待识别图像包含的安全隐患目标的安全隐患类别，所述预设隐患图像分类模型基于包含所述安全隐患类别的多个预设安全隐患类别对应的第一样本集对第一预设神经网络进行训练得到；

通过所述安全隐患类别对应的预设安全隐患识别模型，对所述待识别图像包含的安全隐患目标进行安全隐患判断，以确定所述待识别图像包含的安全隐患目标是否存在安全隐患，所述预设安全隐患识别模型基于所述安全隐患类别对应的第二样本集对第二预设神经网络进行训练得到。

2.根据权利要求1所述的方法，其特征在于，所述第一样本集包括多个预设安全隐患类别各自对应的多个样本图像，所述样本图像包括所述多个预设安全隐患类别任一类别所对应的安全隐患目标；

所述第一样本集包括所述第二样本集。

3.根据权利要求1所述的方法，其特征在于，所述第一预设神经网络为对ResNet中的全连接层进行改进后的网络；

所述全连接层的改进包括：所述全连接层在训练过程增加了dropout、所述全连接层的线性变换之间增加了激活函数和/或所述全连接层的分类回归器为LogSoftmax函数。

4.根据权利要求3所述的方法，其特征在于，所述全连接层的线性变换之间增加的激活函数为ReLu函数；

所述第一预设神经网络的卷积层数为15或33。

5.根据权利要求3所述的方法，其特征在于，所述第二预设神经网络为将所述第一预设神经网络中的残差块替换为轻量级残差网络后所形成的网络。

6.根据权利要求5所述的方法，其特征在于，所述轻量级残差网络为ShuffleNet-v2。

7.根据权利要求1所述的方法，其特征在于，所述通过预设隐患图像分类模型，对所述待识别图像进行分类，以确定所述待识别图像包含的安全隐患目标的安全隐患类别，包括：

将所述待识别图像输入到所述预设隐患图像分类模型，以获取所述预设隐患图像分类模型输出的所述待标识图像对应在所述多个预设安全隐患类别中每个预设安全隐患类别的概率；

将最大概率对应的安全隐患类别确定为所述待标识图像包含的安全隐患目标所属的安全隐患类别。

8.根据权利要求1所述的方法，其特征在于，所述获取拍摄装置对基站机房内部进行拍摄得到的待识别图像，包括：

获取拍摄装置对基站机房内部进行拍摄得到的图像；

对所述图像进行等比例缩放或扩大，以使所述缩放或扩大后的图像的最短边的边长为所述预设隐患图像分类模型的输入图像的尺寸的最大边长；

对所述缩放或扩大后的图像进行中心裁减，以使所述裁减后的图像的尺寸符合所述预设隐患图像分类模型的输入图像的尺寸；

将所述裁减后的图像确定为待识别图像。

9.根据权利要求1-8所述的方法，其特征在于，所述多个预设安全隐患类别为穿墙孔洞封堵、墙面漏水、门或门锁损坏、卫生脏乱中的任意多个。

10.一种基站机房的安全隐患识别装置，其特征在于，包括：

图像获取模块，用于获取拍摄装置对基站机房内部进行拍摄得到的待识别图像；

隐患分类模块，用于通过预设隐患图像分类模型，对所述待识别图像进行分类，以确定所述待识别图像包含的安全隐患目标的安全隐患类别，所述预设隐患图像分类模型基于包含所述安全隐患类别的多个预设安全隐患类别对应的第一样本集对第一预设神经网络进行训练得到；

隐患识别模块，用于通过所述安全隐患类别对应的预设安全隐患识别模型，对所述待识别图像包含的安全隐患目标进行安全隐患判断，以确定所述待识别图像包含的安全隐患目标是否存在安全隐患，所述预设安全隐患识别模型基于所述安全隐患类别对应的第二样本集对第二预设神经网络进行训练得到。