[发明专利]基于网格划分及神经网络的目标物入侵检测方法及装置有效

专利信息
申请号: 201710683970.X 申请日: 2017-08-11
公开(公告)号: CN107292886B 公开(公告)日: 2019-12-31
发明(设计)人: 黄仁裕;高志鹏;张光斌;姚灿荣;尤俊生;庄进发 申请(专利权)人: 厦门市美亚柏科信息股份有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/70;G06K9/62
代理公司: 35218 厦门市精诚新创知识产权代理有限公司 代理人: 何家富
地址: 361000 福建省厦门市*** 国省代码: 福建;35
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 网格 划分 神经网络 目标 入侵 检测 方法 装置
【权利要求书】:

1.基于网格划分及神经网络的目标物入侵检测方法,其特征在于,包括以下步骤:

S1、采集目标物图片样本并对其进行预处理,记录目标物在图片样本中的外接矩形框坐标;

S2、将图片样本划分为W*H个网格,再将其分类为正样本网格、部分样本网格和负样本网格,其比例记为N1:N2:N3,同时记录正样本网格和部分样本网格中目标物的实际外接矩形框坐标,其中,N1+N2+N3=1;

S3、通过线性加权求和以及非线性降维分别提取正样本网格、部分样本网格、负样本网格的特征热图谱并通过外接矩形框得到目标物在网格中的初始位置,将得到的初始位置、S2中的实际外接矩形框坐标以及相对应的特征热图谱作为输入,通过神经网络对每个网格中目标物的外接矩形框做回归运算,得到每个网格中目标物的预测外接矩形框坐标,其中,特征热图谱每个位置的数值表示每个像素属于目标物的概率,用于区分每个网格中是否包含目标物;

S4、选择最佳网格比例作为样本训练模型并将其作为最终运用模型,具体地,包括:

S41、计算分类误差CLoss,框误差RLoss以及损失Loss,其中,分类误差CLoss表示每个网格被分类正确与否的值,框误差表示目标物的外接矩形框的实际外接矩形框坐标与预测外接矩形框坐标之间的欧式距离,损失Loss=0.5*CLoss+0.5*RLoss;

S42、将N1、N2、N3的值分别从0.01逐渐增大到0.99,重复步骤S2-S41,每选取一种比例,得到一个损失Loss,选取所有损失loss中最小损失loss所对应的网格比例作为样本训练模型并将其作为最终运用模型;

S5、将样本训练模型的网格中的小于预定阈值的矩形框删除,然后将剩余矩形框根据属于目标物的概率从大到小排序,利用NMS方法融合出少量的矩形框和对应的概率;如果这些矩形框之间没有叠加,则保留所有的矩形框;如果有叠加,则根据IOU再次做框融合;当所有的网格融合成原图片大小时,剩下的矩形框就是目标物所在位置。

2.如权利要求1所述的基于网格划分及神经网络的目标物入侵检测方法,其特征在于,所述步骤S5中的框融合具体为:将经过NMS方法融合后的矩形框根据属于目标物的概率从大到小排序,遍历取出概率较大的两个矩形框,如果这两个矩形框的IOU大于预定值,则融合这两个矩形框,并根据叠加区域的大小以加权求和的方式更新概率,直到所有的矩形框之间的IOU小于等于预定值。

3.如权利要求1所述的基于网格划分及神经网络的目标物入侵检测方法,其特征在于,所述神经网络包括输入层、4个线性加权求和层、3个非线性降维层和2个全连接层。

4.如权利要求1所述的基于网格划分及神经网络的目标物入侵检测方法,其特征在于,线性加权求和的核大小为3,并采用xavier均匀分布来初始化权重;非线性降维采用局部最大值方法,核大小为2,步长为2,在每次非线性运算后,特征热图谱大小减少到原来的一半,以达到降维目的。

5.如权利要求4所述的基于网格划分及神经网络的目标物入侵检测方法,其特征在于,线性加权求和的层数为2个;非线性降维的层数为2个。

6.如权利要求1所述的基于网格划分及神经网络的目标物入侵检测方法,其特征在于,所述分类误差Loss采用SoftmaxLoss进行计算。

7.如权利要求1所述的基于网格划分及神经网络的目标物入侵检测方法,其特征在于,所述目标物图片样本集包括从网络图库下载的目标图片、实际拍摄的目标图片以及人工合成的目标图片。

8.一种基于网格划分及神经网络的目标物入侵检测装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中的任一项所述的方法的步骤。

9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中的任一项所述的方法的步骤。

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厦门市美亚柏科信息股份有限公司,未经厦门市美亚柏科信息股份有限公司许可,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/201710683970.X/1.html,转载请声明来源钻瓜专利网。

×

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