[发明专利]物品加料的异常行为检测方法、系统和电子装置在审
申请号: | 202111628178.7 | 申请日: | 2021-12-28 |
公开(公告)号: | CN114511499A | 公开(公告)日: | 2022-05-17 |
发明(设计)人: | 赵蕾;孙海涛;李宁钏;杨剑波;熊剑平 | 申请(专利权)人: | 浙江大华技术股份有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/62;G06N3/04;G06N3/08 |
代理公司: | 杭州华进联浙知识产权代理有限公司 33250 | 代理人: | 李丽华 |
地址: | 310051 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 物品 加料 异常 行为 检测 方法 系统 电子 装置 | ||
1.一种物品加料的异常行为检测方法,其特征在于,所述方法包括:
获取针对物品加料过程采集的待检测图像;
将所述待检测图像输入至预先训练的物品检测模型,确定所述待检测图像的物品区域;
基于所述物品区域和目标检测区域的关联信息,确定所述物品加料过程中是否存在异常行为,其中,所述目标检测区域基于所述物品加料过程中添加所述物品的区域确定的。
2.根据权利要求1所述的异常行为检测方法,其特征在于,所述获取物品加料过程中的待检测图像之前,所述方法还包括:
获取预设物品图像和物品标注信息;
根据所述物品标注信息对所述预设物品图像进行标注处理以得到第一训练数据,并利用均值减法对所述第一训练数据进行预处理得到第二训练数据;
将所述第二训练数据输入至预设的高分辨率网络进行训练,以得到所述物品检测模型。
3.根据权利要求2所述的异常行为检测方法,其特征在于,所述将所述第二训练数据输入至预设的高分辨率网络进行训练,以得到所述物品检测模型包括:
将所述训练数据输入至所述高分辨率网络的至少两个阶段子网络,以使得每个所述阶段子网络分别输出物品特征和分辨率下采样结果,并将所述物品特征和所述分辨率下采样结果进行融合处理得到对应的特征提取信息;
对每个所述特征提取信息进行上采样处理以得到上采样结果,并将所有所述上采样结果进行融合得到融合结果;
设置学习率和衰减方式,并根据所述学习率、衰减方式和所述融合结果训练所述高分辨率网络,以使得待所述第二训练数据迭代结束后得到所述物品检测模型。
4.根据权利要求1所述的异常行为检测方法,其特征在于,所述基于所述物品区域和目标检测区域的关联信息,确定所述物品加料过程中是否存在异常行为包括:
确定所述目标检测区域和所述物品区域的重叠程度;
根据所述重叠程度确定所述物品加料过程中是否存在异常行为。
5.根据权利要求4所述的异常行为检测方法,其特征在于,所述确定所述目标检测区域和所述物品区域的重叠程度,包括:
计算得到所述目标检测区域和所述物品区域之间的物品面积交集结果,并根据所述物品交集结果和所述目标检测区域计算得到所述重叠程度。
6.根据权利要求4或5所述的异常行为检测方法,其特征在于,所述根据所述重叠程度确定所述物品加料过程中是否存在异常行为包括:
获取预设重叠程度范围,确定出所述预设重叠程度范围中与所述重叠程度匹配的实际重叠程度范围;
基于所述预设重叠程度范围和子异常行为的映射关系,根据所述实际重叠程度范围确定所述物品加料过程中存在目标异常行为,所述目标异常行为是在所述子异常行为中确定出的所述实际重叠程度范围映射的异常行为。
7.根据权利要求6所述的异常行为检测方法,其特征在于,所述确定所述物品加料过程中存在目标异常行为之后,还包括:
发送与所述目标异常行为对应的报警等级信息至报警应用程序或终端设备。
8.根据权利要求1-5任一项所述的异常行为检测方法,其特征在于,所述基于所述物品区域和目标检测区域的关联信息,确定所述物品加料过程中是否存在异常行为之前,还包括:
响应于针对所述待检测图像触发的区域选取指令,将所述区域选取指令指示的图像区域确定为所述目标检测区域;或
将终端设备发送的图像区域确定为所述目标检测区域,所述图像区域是所述终端设备基于针对所述待检测图像触发的区域选取指令确定,所述区域选取指令用于指示所述图像区域。
9.一种物品加料的异常行为检测系统,其特征在于,所述系统包括:图像采集设备和控制装置;
所述图像采集设备用于针对物品加料过程采集待检测图像,并将所述待检测图像发送至所述控制装置;
所述控制装置用于执行如权利要求1至8中任一项所述的物品加料的异常行为检测方法。
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浙江大华技术股份有限公司,未经浙江大华技术股份有限公司许可,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/202111628178.7/1.html,转载请声明来源钻瓜专利网。