[发明专利]一种基于YOLO v5的校园图书馆的占座检测方法

说明书

本发明涉及一种基于YOLO v5的校园图书馆的占座检测方法。摄像头以及YOLO V5目标检测算法实时监测图书馆的座位空置情况，比如座位上有人就会判定此座位上有人，如果此座位上没检测到人，需要判断此时是否是恶意占座行为，桌上的灯会亮为红色，若检测到座位上有书但没有人，即认定为占座行为，此时开始计时，若占座时间大于30分钟，则认为此时是恶意占座，桌上的灯就会变成绿色，表示没座位的同学可坐下，这个座位上的上个人离开过久或其他同学一个人占用多个位置。需要做的就是第一步检测座位上是否有人，无人的话再检测桌子上是否有书或者包之类的较大占座物品，再计算占座物品的放置时间。超过30分钟这则认定为是恶意占座行为，其他同学可放心坐下。

技术领域

本发明涉及一种基于YOLO v5的校园图书馆的占座检测方法。

背景技术

近年来，随着考研人数和考公考编人数激增，但学校图书馆的座位数量有限，不可能满足所有学生都有座位，且很多同学之间以及设有朋友帮忙占座，在座位上放置了几本书或者书包占座，可能一个上午这个座位上都没人，但是由于这里放了书，没座位的同学会认为这个座位上一会有人，导致找不到座位学习，但这个座位可能会闲置很长时间甚至几个小时，这就使得座位更加的紧缺，并且位置利用率大大降低，不利于同学们的备考。甚至还有同学因为占座的缘故，发生争执，因此，需要一种装置来实现占座行为的检测，用机器的判断也能减少争执和大大提高座位的利用率，防止恶性占座。

发明内容

本发明的目的在于提供一种基于YOLO v5的校园图书馆的占座检测方法，利用YOLO V5检测模型，以及能够获得更加合理的anchor框的K-means聚类算法，快速检索出关键点并识别出桌子椅和人、书、包等物体的监测系统。

为实现上述目的，本发明的技术方案是：一种基于YOLO v5的校园图书馆的占座检测方法，采用融合K-means的YOLO 5检测方法，获得更加合理的anchor框算法，提高分类目标检测的准确性，该方法具体实现步骤如下：

步骤S1、从图书馆内摄像头对监控区域的监控视频中获取场景图像，根据深度学习目标检测算法框架YOLO 5检测图像中的桌子和椅子 ；

步骤S2、利用K-means聚类算法获得更加合理的YOLO V5所需要的9个anchor框；

步骤S3、检测到椅子和人后，计算椅子和人的图像之间的重合程度的IOU比值来判定此时椅子上是否有人；

步骤S4、判断此距离是否小于阈值，若小于阈值，则判定此座位上有人，亮起红灯，若无人时，则继续检测书和包；

步骤S5、若没有检测到书和包，则此时判定为无人且该位置可坐，并亮起绿灯；

步骤S6、若检测到书和包，则开始计时，若无人时间超过30分钟，则判定为恶意占座，亮起绿灯。

在本发明一实施例中，在步骤S1中，所述YOLO V5的训练包括以下步骤；

步骤A1、首先构建出包含有桌子、椅子以及学生的数据集，再通过包括仿射变换、旋转的方法扩增数据集，生成足够大且图片质量高的数据集；

步骤A2、搭建YOLO V5框架所需要的神经网络模型，采用pytorch网络框架，激活函数采用Relu激活函数，解决输入值为负值时神经元死亡的问题；

步骤A3、数据的划分为训练集：验证集：测试集=8：1：1，加入Auto LearningBounding Box Anchors-自适应锚定框，采用 k 均值和遗传学习算法对自定义数据集进行分析，获得适合自定义数据集中对象边界框预测的预设锚定框，并且这种框是基于训练数据自动学习的。