[发明专利]一种基于深度学习检测的明厨亮灶智能监控方法及系统

权利要求书

1.一种基于深度学习目标检测的明厨亮灶智能监控方法，其特征在于，包括：

步骤1：基于目标现场视频流获取视频数据，同时，对所述视频数据进行数据分析确定神经网络结构；

步骤2：基于所述神经网络结构针对性设计目标神经网络，并基于所述目标神经网络对所述视频数据进行模型训练，生成目标模型，并将所述视频数据输入至所述目标模型中进行监控；

步骤3：将监控结果进行显示，并发出实时预警以及预警原因；

步骤2中，生成目标模型之后并在将所述视频数据输入至所述目标模型中进行监控之前，还包括：

读取视频检测点，确定所述视频检测点的检测特征，并根据所述检测特征确定对所述视频数据的分类标签；

将所述视频数据基于所述分类标签进行聚类，确定子视频数据区块，其中，所述子视频数据区块中包含同一个检测特征的多个视频数据；

基于所述视频检测点确定样本检测数据，并将所述样本检测数据作为校验码输入至所述子视频数据区块中进行数据校验；

根据校验结果，确定在所述子视频数据区块中与所述校验码不相符的视频数据，并将与所述校验码不相符的视频数据作为无关数据；

对所述无关数据进行数据打包，生成无关数据集；

确定所述无关数据集中的无关数据的数据属性，并将所述数据属性与所述视频检测点的检测特征进行匹配，判断所述无关数据集中的无关数据是否存在有效数据；

当存在所述数据属性与所述视频检测点的检测特征相匹配时，则判定所述无关数据集中存在有效数据，并将所述无关数据集中的有效数据进行标记；

基于标记结果将所述有效数据进行提取，并存放于与所述视频检测点的检测特征相一致的子视频数据区块中，同时，将所述无关数据集中剩余的无效数据进行清洗，基于清洗结果生成准确子视频数据区块；

否则，则判定所述无关数据集中不存在有效数据，并将所述无关数据集进行剔除。

2.根据权利要求1所述的一种基于深度学习目标检测的明厨亮灶智能监控方法，其特征在于，步骤1中，基于目标现场视频流获取视频数据，同时，对所述视频数据进行分析确定神经网络结构的工作过程，包括：

读取所述目标现场视频流，并基于预设服务器收集所述目标现场视频流对应的视频数据；

根据目标程序在网上提取与所述视频数据相关的数据模型；

对所述视频数据进行清洗，并将清洗后的所述视频数据通过所述数据模型进行分析，并基于分析结果确定神经网络结构。

3.根据权利要求1所述的一种基于深度学习目标检测的明厨亮灶智能监控方法，其特征在于，步骤2中，基于所述目标神经网络对所述视频数据进行模型训练，生成目标模型的工作过程，包括：

获取目标客户的场景需求；

基于所述视频数据以及所述目标客户的场景需求确定目标神经网络，同时，对所述视频数据进行数据标注；

基于标注后的所述视频数据对所述目标神经网络进行针对性改造调优，并基于调优后的所述目标神经网络针对所述目标客户的场景需求进行模型训练；

根据训练结果生成所述目标模型。

4.根据权利要求1所述的一种基于深度学习目标检测的明厨亮灶智能监控方法，其特征在于，步骤2中，所述目标模型包括：物体检测模型、垃圾桶属性分类模型以及动作预测模型，将所述目标现场视频流对应的视频数据输入至所述物体检测模型、垃圾桶属性分类模型以及所述动作预测模型中，实现对明厨亮灶进行智能监控。