[发明专利]一种基于yolov5算法的管制刀具检测模型

说明书

本发明提出一种基于yolov5目标检测算法的且针对刀具特点进行改进的管制刀具检测模型。本发明的核心技术包括：收集并制作了相关的管制刀具数据集；使用CA注意力机制对yolov5进行改进；使用可变形卷积（DCN v2）对yolov5进行改进；针对刀具数据集设定anchor的大小和高宽比；训练出多种不同精度和速度的权重供用户选用。本发明可对监控画面进行实时智能分析以判断是否出现刀具，对管制刀具危险品检测识别精度高且实时性强，可满足利用公共监控摄像头进行暴恐识别及预警的迫切需要。

技术领域

本发明涉及一种利用监控摄像头的管制刀具检测方法，特别涉及一种采用基于yolov5 目标检测算法的且针对刀具特点进行改进的管制刀具检测方法，属于计算机视觉技术领域。

背景技术

当今社会，人口众多，存在众多安全隐患。随着人们对安全性要求的提高以及经济条件的改善，监控摄像头的个数增长速度越来越快，覆盖的范围也越来越广。但是，传统的视频监控仅提供视频的捕获、存储和回放等简单的功能，主要用来记录发生的事情，很难起到预警和报警的作用。若要保证实时监控异常行为并及时采取有效措施，就需要监控人员一刻不停的监看视频，这种情况下，监控人员容易疲惫，尤其面对多路监控视频时，往往目不暇接，很难及时对异常做出反应。采用人工分析的视频监控方式已经远远不能满足需要。这就迫切需要智能视频监控，来辅助监控人员的工作，由此智能视频监控技术应运而生并迅速成为一个研究热点。

我们希望能利用覆盖面极其广泛的公共摄像头，采用先进计算机视觉技术对监控录像进行分析处理，从而自动检测刀具。这样不但能减轻监控人员的负担，更能及时发出警报信息，减少流血事件的发生，这也是本发明的初衷。

与本发明相关专利包括：专利“一种用于安检检测识别管制刀具的方法”(中国专利： CN110853019A)，该发明专利公开了一种用于安检检测识别管制刀具的方法，该方法基于 SSD-ResNet101目标检测模型，对X射线管制刀具危险品检测识别精度高，安检实时性强。专利“一种基于卷积神经网络的细长类物品检测方法”(中国专利：CN109446888A)，该发明涉及一种基于卷积神经网络的细长类物品检测方法，以SSD为基础，构建ESSD检测模型，在SSD的基础上，增加两个预测分支：利用1×5的卷积预测1:4的default bounding box 的输出，以及利用5×1的卷积预测4:1的default bounding box的输出，最后和SSD的3×3 的卷积预测输出结果融合之后，作为最后的检测结果。该发明技术方案有效提高了如管制刀具、钝器、枪支等长条状的违禁品检测效果。专利“一种基于深度学习的危险物识别方法”(中国专利：CN108647559A)，该发明公开一种基于深度学习危险物识别方法,应用于智能视频技术领域,通过安装在监控区域中不同地点的视频前端设备实时采集图像信息,将图像信息传送至后台服务器,服务器根据余弦训练的深度学习算法对采集到的图像进行分析,得出是否存在危险物的判断结果；该发明的图像处理可实现毫秒级的速度,为危险物识别以及预警处理提高了效率。

本发明根据管制刀具数据集特点，提出了一种采用基于yolov5目标检测算法的且针对刀具特点进行改进的管制刀具检测方法，所提出方法具有检测精度高、鲁棒性强，适应多种监控场景类型等特点。

发明内容

1.刀具检测模型

1.1 yolov5目标检测模型简介

在目标检测领域，yolo系列模型因其优良的性能被广泛在工程实践中。本设计采用目前最先进的yolov5目标检测算法为基础，在coco数据集上进行预训练。在此基础上使用制作的相关刀具数据集进行训练，从而实现对刀具的检测。