[发明专利]防护舱物品滞留与现场无人算法模型训练及逻辑判断方法

权利要求书

1. 防护舱物品滞留与现场无人算法模型训练及逻辑判断方法，其特征在于，首先通过高清摄像机采集无人和多种物品滞留的录像素材，挑选截取相关的视频文件，采用专业抽帧软件，抽取图片上传至AI开放平台数据集内，在数据集内按照规则进行标注，标注完成后进行数据诊断，在AI开放平台进行算法训练，分别生成物品滞留算法模型包和无人算法模型包，对模型的准确度进行评估，并且进行模型校验，检验完成后，将两种模型包上传到iSecure Center平台模型库内，下发至AI设备，配置检测规则，经过与逻辑判断后的相应联动输出，同时发送短信或微信，及时提醒工作人员防护舱内存在物品滞留，可实现对防护舱无人及物品滞留的识别。

2.根据权利要求1所述的防护舱物品滞留与现场无人算法模型训练及逻辑判断方法，其特征在于，算法训练步骤：数据准备→数据标注→模型训练→模型部署→应用集成。

3.根据权利要求2所述的防护舱物品滞留与现场无人算法模型训练及逻辑判断方法，其特征在于，所述录像素材的要点是：对防护舱无人、多种物品滞留状态录像素材进行筛选、截取、标注、训练，获取无人算法模型和物品滞留算法模型。

4.根据权利要求3所述的防护舱物品滞留与现场无人算法模型训练及逻辑判断方法，其特征在于，防护舱无人及物品滞留的识别步骤如下：获取防护舱人员视频帧序列，利用人员检测算法模型对防护舱视频帧序列进行检测，检测到人员头肩、上半身及全身，否则判断为无人状态；利用物品滞留算法模型对防护舱视频帧序列进行检测，检测到区域内无物品形态，否则判断为物品滞留状态；通过“与逻辑”判断为防护舱物品滞留与无人状态；具体为包括搭建环境、素材准备、数据上传标注、模型训练和模型测试及应用五部分。

5.根据权利要求4所述的防护舱物品滞留与现场无人算法模型训练及逻辑判断方法，其特征在于，所述搭建环境具体是由Secure Center平台、多种物品及人员搭建一个测试环境，在合适角度及位置处安装高清摄像机，将高清摄像机、AI设备用网线接至交换机网络物理接口处，并与iSecure Center平台连接至同一局域网内，实现搭建防护舱物品滞留与无人算法模型训练的环境。

6.根据权利要求4所述的防护舱物品滞留与现场无人算法模型训练及逻辑判断方法，其特征在于，所述素材准备具体是：使用视频监控采集视频录像，物品录像采集需要多角度，多样式，不同时间段内多种光照条件下的物品录像，人员录像采集需要多样性，按照性别、年龄段、体貌特征、穿着进行采集录像，防护舱摄像机多数安装在防护舱正上方，监控范围内人员体貌特征较少，人员取款面对ATM机时，录像多为后背图像，没有明显的五官特征，需要采集大量的录像素材，同时还需要采集检测区域的背景录像，利用专业抽帧软件，对视频进行抽帧操作，抽取训练所需图片，每5帧抽取一张图片，图片不大于4M,抽取完成后对图片进行整理归档到同一文件夹下，统一规则命名图片，将图片进行筛选，剔除虚焦不清晰以及重复的图片，保存优质图片。

7.根据权利要求4所述的防护舱物品滞留与现场无人算法模型训练及逻辑判断方法，其特征在于，所述数据上传标注具体是：在AI开放平台创建数据集，命名为人员检测，物品滞留，将整理好的图片进行上传，可选择文件夹上传，或者选择图片进行上传，AI开放平台数据集内添加检测标签，选用矩形标注方式进行图片标注，标注框边缘紧贴检测目标边缘，减少背景因素对训练结果的影响，图片内所有的目标都要进行标注，同一标签下标注区域要一致，比如人员标签下统一标注人的头肩区域，不能出现其他的标注区域，否则会降低模型效果，达不到识别要求，图片内没有检测目标的图片标注为无目标，防护舱内人员标注头顶至肩部，对于戴帽子，头盔的人员更需要标注大量图片，当人员处于摄像机正下方的时候，图片会是只看到头顶，以及肩部，标注时适当将标注框扩大，标注到肩部下区域。