[发明专利]基于RetinaXNet的建筑夜景灯光异常检测方法

权利要求书

1.一种基于RetinaXNet的建筑夜景灯光异常检测方法，其特征在于，包括如下步骤：

1)构建初始夜景灯图像集合C并发送到GPU计算服务器进行存储；

2)对图像集合C进行处理得到数据集，并将数据集划分为训练集E和测试集T；3)构建RetinaXNet网络模型；所述RetinaXNet网络模型包括输入模块、主干模块、检测头模块；

4)利用UFL函数优化RetinaXNet网络模型的权值；

5)训练RetinaXNet网络模型；

6)夜景灯异常检测，即通过摄像头获取待检测帧并送入RetinaXNet网络，将网络的输出结果映射回原图，判断夜景灯是否异常。

2.如权利要求1所述的基于RetinaXNet的建筑夜景灯光异常检测方法，其特征在于，所述步骤1)包括如下步骤：

1.1)利用摄像头采集夜景灯光的视频数据V，所述摄像头事先固定安装于可以拍摄需要进行夜景灯光检测的地点；

1.2)从视频数据V中每隔时间Δt提取一帧图像，构建初始夜景灯图像集合C，记为C＝{I₁，I₂...I_n}，I_i为第i帧图像，n为夜景灯图像的个数；

1.3)将初始夜景灯图像集合C发送到GPU计算服务器进行存储。

3.如权利要求1所述的基于RetinaXNet的建筑夜景灯光异常检测方法，其特征在于，所述步骤2)包括如下步骤：

2.1)对图像集合C中的每一帧图像，计算像素值小于j的像素出现概率p_i(j)，计算公式如下：

p_i(j)表示第i帧图像中灰度大于0小于j的出现概率，n_t为灰度级小于j的像素个数，n_I为每帧图像的像素总个数；

2.2)计算集合C中每一帧图像的直方图结果G(i)，计算公式如下：

G(i)为第i帧的灰度直方图处理结果，其中0≤i＜256，p_i(j)表示第i帧图像中像素大于0小于j的出现概率；

2.3)计算像素均衡化的结果H(v)，均衡化图像集合C，其中C＝{I₁,I₂...I_n}，处理后的图像集合记为C′，C'＝{I₁',I₂'...I_n'}，计算公式如下：

式中，v为图像集合C中单张图像I上的像素值，H(v)为对v均衡化的计算结果，G(v)为当前v的直方图处理结果，G_min为直方图处理的最小值，G_max为直方图处理的最大值，L为灰度级数，round代表对像素值结果的四舍五入，所有像素计算完成得到单张图像I'，集合记为C′；

2.4)对图像集合C′中的图像计算平均像素值a，其中C'＝{I₁',I₂'...I_n'}，计算公式如下：

式中，M为图像的长度像素值，N为图像的宽度像素值，I_t'(r,c)为图像集合C′中的图像像素的坐标，t为选取图像的编号；

2.5)对图像集合C′中的图像进行缺失和填补处理，缺失和填补的值为g(i,j)，得到数据集C”，计算公式如下：

式中，g(i,j)为缺失和填补的值，I'(i,j)为图像集合C′中图像I'的坐标为(i,j)的像素值，Th为设定的阈值；

2.6)按比例m:n将数据集C”分为训练集E和测试集T。