[发明专利]一种吊装物体单阶检测方法、装置、电子设备及存储介质

说明书

本发明公开了一种吊装物体单阶检测方法、装置、电子设备及存储介质，该方法包括：获取吊装物体图像，作为训练集；对训练集进行特征提取，获得目标坐标及旋转角度；使用基于深度卷积神经网络的检测模型作为吊装物体检测的基线网络架构，并按旋转框方式修改检测模型；使用所述训练集、目标坐标及旋转角度对修改后的检测模型进行训练，获得训练好的检测模型；使用训练好的检测模型对待检测的图像进行检测，获得图像中带旋转角度的吊装物体的检测结果。本发明实现方法简单，可移植性强，能够实现对监控摄像头拍摄的厂区、工地等作业场所中吊装物体的精准检测。

技术领域

本发明涉及计算机视觉领域，尤其涉及一种吊装物体单阶检测方法、装置、电子设备及存储介质。

背景技术

在厂区和工地等作业场所中，设备搬运吊装是一项危险系数比较大的工作，因此在吊装作业中，要求各工作人员必须严格遵守安全操作规则，与吊装物体保持安全距离。但采用人工监管的方式耗时费力且难度较大，这导致由于施工人员不遵守安全规则而引发的安全事故时有发生。针对这个问题，采用智能化的手段来识别吊装物体与施工人员是否保持安全距离具有极大的必要性。其中，精确的定位吊装物体与施工人员是这项技术的关键。

近些年来，深度学习飞速发展，基于深度卷积神经网络的目标检测方法被应用于解决吊装物体检测定位的问题。这类方法检测出来的吊装物体目标框都是与坐标轴平行的矩形框。但在实际施工环境下，存在着场景复杂多变、目标旋转、目标形状不确定等极具挑战性的问题，若仍将与坐标轴平行的矩形框作为最终目标框，就与真实物体形状存在较大偏差，使得检测定位难以取得较高的准确率。并且，采用与坐标轴平行的矩形框还会对非极大值抑制（NMS）结果产生影响，进一步降低检测准确率。

发明内容

本发明实施例的目的是提供一种吊装物体单阶检测方法、装置、电子设备及存储介质，以解决现有检测准确率低的问题。

为了达到上述目的，本发明实施例所采用的技术方案如下：

第一方面，本发明实施例提供一种吊装物体单阶检测方法，包括：

获取吊装物体图像，作为训练集；

对训练集进行特征提取，获得目标坐标及旋转角度；

使用基于深度卷积神经网络的检测模型作为吊装物体检测的基线网络架构，并按旋转框方式修改检测模型；具体包括：选择 YOLOv3 深度卷积神经网络作为吊装物体检测的基线网络架构，按旋转框方式修改检测模型，其中主要修改YOLOv3 深度卷积神经网络中Anchor、YOLO层的张量输出深度、YOLO层输出、交并比计算和损失计算五个部分；

使用所述训练集、目标坐标及旋转角度对修改后的检测模型进行训练，获得训练好的检测模型；

使用训练好的检测模型对待检测的图像进行检测，获得图像中带旋转角度的吊装物体的检测结果。

进一步地，获取吊装物体图像，具体包括：

采集吊装物体的视频，选取符合条件的图像，对图像中吊装物体进行标注，得到训练集，其中所述标注的信息是吊装物体的四个角点坐标（x₁,y₁,x₂,y₂,x₃,y₃,x₄,y₄）。

进一步地，对训练集进行特征提取，获得目标坐标及旋转角度，具体包括：

将四个角点坐标（x₁,y₁,x₂,y₂,x₃,y₃,x₄,y₄）转换为（x,y,w,h,θ），其中（x,y）表示目标框的几何中心，（w,h）为目标框的长边和短边，θ是旋转的角度。