[发明专利]一种基于注意力机制的港口环境下目标检测方法、系统、终端及可读存储介质

说明书

本发明公开了一种基于注意力机制的港口环境下目标检测方法、系统、终端及可读存储介质，所述方法包括：采集港口环境下轮胎吊作业监控范围内的图像数据，利用图像数据中的含检测目标的图像构建样本集；将样本集进行聚类以获取k个先验瞄框；对样本集中的图像进行预处理，并输入基于注意力机制的yolov3目标检测模型进行训练得到港口环境下的目标检测模型；在所述yolov3目标检测模型中的FPN网络架构中增设通道及空间注意力模块CA‑SAM；最后利用目标检测模型进行目标检测。本发明实现了港口环境下实时监测轮胎吊工作环境中是否有车辆和行人等检测目标，充分利用了yolov3目标检测算法在速度和精度上的优势。

技术领域

本发明属于目标检测技术领域，具体涉及一种基于注意力机制的港口环境下目标检测方法、系统、终端及可读存储介质。

背景技术

在港口环境下，司机在中控室通过摄像机视频画，远程操作轮胎吊进行作业。在司机进行工作时，其工作区域可能进入行人或者车辆。然而，当有人或车辆进入时，若司机未看到人或车辆时，其操作的集装箱可能碰到车或者人，导致安全事件发生。

针对上述问题，目前的解决方案是司机在中控室操控轮胎吊作业时，同时查看轮胎吊机身所载摄像机的拍摄画面中是否有车辆或行人，若有则停止作业，等车辆或行人通过后再进行作业。这种解决方案会导致司机的作业效率降低，因为司机需要时刻警惕是否有异常车辆或行人进入工作区域；而且行人和车辆的目标体积较小，存在司机未发现的情况，从而容易导致安全事故发生。

近年来，基于深度学习的目标检测算法越来越受到人们的关注。其中，yolov3目标检测算法在速度和精度上达到了一定的权衡，其不仅速度快而且精度较高。在此背景下，研究一种基于yolov3目标检测算法的港口环境下实时监测轮胎吊工作环境中是否有车辆和行人的方法尤其重要。

发明内容

本发明的目的是提供一种基于注意力机制的港口环境下目标检测方法、系统、终端及可读存储介质，所述方法为轮胎吊司机工作时提供了一种辅助的监控手段，一定程度可提高轮胎吊司机工作效率并有助于减少安全事故的发生。

一方面，本发明提供的一种基于注意力机制的港口环境下目标检测方法，包括如下步骤：

步骤S1：采集港口环境下轮胎吊作业监控范围内的图像数据，利用图像数据中的含检测目标的图像构建样本集；

步骤S2：将样本集进行K-means聚类以获取k个先验瞄框PriorAnchor；

步骤S3：对样本集中的图像进行预处理，并输入基于注意力机制的yolov3目标检测模型进行训练，得到港口环境下的目标检测模型；

其中，在所述yolov3目标检测模型中的FPN网络架构中增设通道及空间注意力模块CA-SAM，所述通道及空间注意力模块CA-SAM包括通道注意力子模块和空间注意力子模块，分别表示为CA子模块和 SA子模块；

所述CA子模块中对输入的特征图F_c分别进行最大池化(MaxPool)、平均池化(AvgPool)以及将 MaxPool与AvgPool的结果进行通道拼接(Concat)操作，再输入至共享参数的多层神经网络(MLP网络)，再将所述MLP网络的通道输出结果相加形成通道注意力M_c特征图，然后将输入特征图F_c与所述通道注意力Mc特征图进行点乘输出的全局最大化与全局平均化的特征图F_c′；

所述SA子模块对全局最大化与全局平均化的特征图F_c′进行不同的卷积操作；

所述目标检测模型的输入参数为预处理后的图像，输出结果包括对应图像的预测框中是否存在检测目标；

步骤S4：利用所述港口环境下目标检测模型进行目标检测。