[发明专利]一种针对嵌入式设备的运煤皮带异物视频检测方法

权利要求书

1.一种针对嵌入式设备的运煤皮带异物视频检测方法，其特征在于，具体按照以下步骤实施：

步骤1，摄像头采集皮带转接处视频流图像，具体过程如下：

步骤101，实时获取摄像机拍摄的皮带转接处视频；

步骤102，将步骤101采集到的实时视频拆分成单帧图像，单帧图像的尺寸为416×416×3；

步骤103，在步骤102的单帧图像中选择异物图像数据，人工标注异物图像数据中的各类异物并进行数据增强，将增强后的异物数据集按9：1划分为训练集和测试集数据；

步骤2，利用k-means算法聚类生成锚框参数；

步骤3，利用卷积块提取图像浅层次特征信息，具体为：

步骤301，输入步骤102中的单帧图像，设置卷积块对输入图像进行浅层次特征提取，得到208×208×16浅层特征图M_t；

步骤302，计算当前输入浅层特征图M_t与关键帧浅层特征图的偏差，即得到浅层特征图偏差值；

步骤303，判断步骤302中的浅层特征图偏差值是否大于设定偏差阈值ω；

步骤4，利用轻量化异物检测模型提取图像特征信息；

步骤5，重复进行步骤3-4，直至所有的单帧图像检测完毕。

2.根据权利要求1所述的一种针对嵌入式设备的运煤皮带异物视频检测方法，其特征在于，所述步骤2中，具体为：利用K-means算法对步骤103中的异物图像数据集进行聚类，利用异物图像数据中的标注框与聚类中心框的交并比，设置聚类数为9，计算聚类框参数信息，d(box,cencentroid)＝1-IOU(box,centroid)，其中box代表真实框，centroid代表聚类中心框；得到初始聚类的锚框参数yolo_anchors＝[A₁，A₂，A₃，A₄，A₅，A₆，A₇，A₈，A₉]，再将得到的锚框参数进行更新；聚类锚框参数：A₁＝(25，29)，A₂＝(37，64)，A₃＝(43，41)，A₄＝(55，83)，A₅＝(68，140)，A₆＝(70，53)，A₇＝(93，90)，A₈＝(125，160)，A₉＝(243，253)。

3.根据权利要求1所述的一种针对嵌入式设备的运煤皮带异物视频检测方法，其特征在于，所述步骤301中，设置的卷积块结构为，卷积步长为2，卷积核大小为3×3，通道数为16；批归一化ε为0.001，衰减率为0.98；激活函数为LeakyRelu。

4.根据权利要求1所述的一种针对嵌入式设备的运煤皮带异物视频检测方法，其特征在于，所述步骤302中，当输入第一帧浅层特征图时，设置第一帧浅层特征图为关键帧浅层特征图，利用公式M_ω＝θXX^T计算浅层特征图偏差值，X＝[1,1…1]_1×m[M_t-M_k]_m×n，其中M_t表示当前输入图像的浅层特征图，M_k表示关键帧图像的浅层特征图，M_ω表示浅层特征图偏差值，X是矩阵，矩阵大小为m×n，X^T是X转置；θ为10^-11。

5.根据权利要求4所述的一种针对嵌入式设备的运煤皮带异物视频检测方法，其特征在于，所述步骤303中，偏差阈值ω为25；若浅层特征图偏差值大于偏差阈值ω，则说明当前帧图像信息变化较大，设置当前输入浅层特征图为新的关键帧图像的浅层特征图，若浅层特征图偏差值小于偏差阈值ω，则说明当前帧图像信息变化较小，则关键帧图像的浅层特征图保持不变。