[发明专利]泳池防溺水人体目标检测方法、装置、计算机设备及存储介质有效

专利信息
申请号: 202210022848.9 申请日: 2022-01-10
公开(公告)号: CN114359967B 公开(公告)日: 2022-08-09
发明(设计)人: 任小枫;谢欣;郭羽;郭东岩;王振华;张剑华;张都思 申请(专利权)人: 杭州巨岩欣成科技有限公司
主分类号: G06V40/10 分类号: G06V40/10;G06T7/70;G06N3/08;G06N3/04
代理公司: 杭州知学知识产权代理事务所(普通合伙) 33356 代理人: 张雯
地址: 311100 浙江省杭州市余*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 泳池 溺水 人体 目标 检测 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.泳池防溺水人体目标检测方法,其特征在于,包括:

获取位于泳池水面上方的多个相机所拍摄的图像,以得到原始图像;

将所述原始图像输入至目标检测模型内进行泳池防溺水人体目标检测,以得到检测结果;

输出所述检测结果;

其中,所述目标检测模型是通过若干个带有人体目标所在位置标签的图像作为样本集训练卷积神经网络所得的;

所述目标检测模型是通过若干个带有人体目标所在位置标签的图像作为样本集训练卷积神经网络所得的,包括:

构建带有人体目标所在位置标签的图像作为样本集;

对所述样本集进行划分,以得到训练集、验证集以及测试集;

对所述训练集、验证集以及测试集进行增强处理,以得到处理结果;

构建Yolov5网络,并在Yolov5网络添加DLA-34网络、Semantic Self-Attention机制以及Anchor-free网络,以得到初始网络;

利用所述处理结果中的训练集、验证集对所述初始网络进行训练和验证,并计算训练过程的损失值;

当损失值维持不变时,利用所述处理结果中的测试集对所述初始网络进行测试,以将训练后的初始网络作为目标检测模型。

2.根据权利要求1所述的泳池防溺水人体目标检测方法,其特征在于,所述构建Yolov5网络,并在Yolov5网络添加DLA-34网络、Semantic Self-Attention机制以及Anchor-free网络,以得到初始网络,包括:

构建Yolov5网络;

在所述Yolov5网络添加DLA-34网络作为主干网络,进行提取特征,以得到第一网络;

在所述第一网络添加Semantic Self-Attention机制,以得到第二网络;

在第二网络的目标回归框网络中使用Anchor-free网络,以得到初始网络。

3.根据权利要求1所述的泳池防溺水人体目标检测方法,其特征在于,所述检测结果包括泳池人体目标所在的位置。

4.泳池防溺水人体目标检测装置,其特征在于,包括:

图像获取单元,用于获取位于泳池水面上方的多个相机所拍摄的图像,以得到原始图像;

目标检测单元,用于将所述原始图像输入至目标检测模型内进行泳池防溺水人体目标检测,以得到检测结果;

输出单元,用于输出所述检测结果;

所述目标检测模型是通过若干个带有人体目标所在位置标签的图像作为样本集训练卷积神经网络所得的,包括:

构建带有人体目标所在位置标签的图像作为样本集;

对所述样本集进行划分,以得到训练集、验证集以及测试集;

对所述训练集、验证集以及测试集进行增强处理,以得到处理结果;

构建Yolov5网络,并在Yolov5网络添加DLA-34网络、Semantic Self-Attention机制以及Anchor-free网络,以得到初始网络;

利用所述处理结果中的训练集、验证集对所述初始网络进行训练和验证,并计算训练过程的损失值;

当损失值维持不变时,利用所述处理结果中的测试集对所述初始网络进行测试,以将训练后的初始网络作为目标检测模型。

5.根据权利要求4所述的泳池防溺水人体目标检测装置,其特征在于,还包括模型生成单元;

所述模型生成单元,用于通过若干个带有人体目标所在位置标签的图像作为样本集训练卷积神经网络,以得到目标检测模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州巨岩欣成科技有限公司,未经杭州巨岩欣成科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210022848.9/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top