[发明专利]基于SSD的实时区域入侵检测方法、系统及存储介质在审
申请号: | 201910260758.1 | 申请日: | 2019-04-02 |
公开(公告)号: | CN110163081A | 公开(公告)日: | 2019-08-23 |
发明(设计)人: | 王永斌;季文翀;刘廉如;张忠平;丁雷 | 申请(专利权)人: | 宜通世纪物联网研究院(广州)有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62 |
代理公司: | 广州嘉权专利商标事务所有限公司 44205 | 代理人: | 谭英强 |
地址: | 510630 广东省广州市天河区科韵*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 入侵检测 存储介质 实时区域 压缩处理 侧设备 机器学习技术 待检测图像 实时更新 实时性 训练集 检测 云端 对端 扩增 筛选 应用 部署 | ||
本发明公开了基于SSD的实时区域入侵检测方法、系统及存储介质,方法包括:根据数据扩增后的训练集训练得到SSD模型;对SSD模型进行压缩处理,并将压缩处理后的SSD模型部署至端侧设备;根据筛选后的识别类别,通过SSD模型对端侧设备获取的待检测图像进行检测,生成入侵检测结果;将入侵检测结果实时更新至云端。本发明降低了模型的运行要求,减少了检测时间,实时性高,可广泛应用于机器学习技术领域。
技术领域
本发明涉及机器学习技术领域,尤其是基于SSD的实时区域入侵检测方法、系统及存储介质。
背景技术
目标检测与识别一直是计算机视觉领域的一个问题之一,近年来随着人工智能,神经网络与计算机视觉技术的发展,众多学者提出了一系列神经网络深层架构,由于这些工作,目标检测与识别技术得到的很大的进步,同时有了更大的应用前景。利于目标检测与识别技术进行智能视频监控是它应用的一个应用方案,现实生活中,一些特殊的区域需要智能的防护与监控,比如机场,铁路等地重要的区域或重要设施周围,或智能家庭,智慧城市的建立,都需要进行实时的区域入侵检测。将神经网络架构引入实时区域入侵检测在保证了算法稳定性的同时,能精确的识别目标类别。
传统的目标检测主要采用光流法,帧差法和背景差除法,这些方法可以实时的进行区域入侵检测,但这一系列方法受光照,背景复杂程度,气候条件等许多因素的影响较大。随着对实时性,稳定性,精确性以及适应复杂场景的要求越来越高,通过神经网络架构的的目标检测与识别被越来越多的学者重视,并有了大量研究成果。R-CNN算法,YOLO(YouOnly Look Once)算法,SSD(Single Shot MultiBox Detector)算法,都是近年来提出的目标检测与识别算法,这些算法在稳定性,准确度上都有优秀的表现。但是,这些算法在识别时需要占用大量的计算资源,实时性低,极大的限制了目标检测与识别在区域入侵上的应用与发展。
发明内容
有鉴于此,本发明实施例提供一种实时性高的基于SSD的实时区域入侵检测方法、系统及存储介质。
一方面,本发明实施例提供了一种基于SSD的实时区域入侵检测方法,包括以下步骤:
根据数据扩增后的训练集训练得到SSD模型;
对SSD模型进行压缩处理,并将压缩处理后的SSD模型部署至端侧设备;
根据筛选后的识别类别,通过SSD模型对端侧设备获取的待检测图像进行检测,生成入侵检测结果;
将入侵检测结果实时更新至云端。
进一步,所述根据数据扩增后的训练集训练得到SSD模型这一步骤,包括以下步骤:
确定训练图片中的先验框;
根据先验框计算IOU值;
根据计算得到的IOU值和预设的阈值,确定先验框中的正样本和负样本;
通过数据扩增技术对训练图片进行数据扩增,所述数据扩增技术包括水平翻转处理、随机裁剪处理和颜色扭曲处理;
确定训练参数,通过数据扩增后的训练图片和负样本训练得到SSD模型。
进一步,所述根据数据扩增后的训练集训练得到SSD模型这一步骤,还包括以下步骤:
对负样本的IOU值进行排序;
根据排序结果抽取负样本;
确定SSD模型的损失函数。
进一步,所述根据筛选后的识别类别,通过SSD模型对端侧设备获取的待检测图像进行检测,生成入侵检测结果这一步骤,包括以下步骤:
获取待检测图像的原始预测框;
根据SSD模型确定类别置信度;
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宜通世纪物联网研究院(广州)有限公司,未经宜通世纪物联网研究院(广州)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/201910260758.1/2.html,转载请声明来源钻瓜专利网。