[发明专利]智能监控方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种智能监控方法，其特征在于，包括：

构建多粒度空间注意力网络和高层次信息补偿网络；

以目标检测模型为基础，将残差网络作为所述目标检测模型的特征提取网络，利用所述高层次信息补偿网络替代所述目标检测模型的特征处理网络，在所述残差网络和所述高层次信息补偿网络之间增加所述多粒度空间注意力网络，以构建智能监控模型；

将经过训练的所述智能监控模型部署在云端，在接收到目标用户的监控请求时，利用部署在云端的所述智能监控模型为所述目标用户提供监控服务。

2.根据权利要求1所述的方法，其特征在于，所述将经过训练的所述智能监控模型部署在云端，在接收到目标用户的监控请求时，利用部署在云端的所述智能监控模型为所述目标用户提供监控服务，包括：

获取目标区域内的监控图片；

利用所述残差网络提取所述监控图片对应的多个图片特征；

利用所述多粒度空间注意力网络对所述多个图片特征进行第一特征处理，得到多个融合特征；

利用所述高层次信息补偿网络对所述多个融合特征进行第二特征处理，得到多个补偿特征；

利用其他网络对所述多个补偿特征进行识别，以判断所述目标区域内是否存在风险，其中所述其他网络为所述智能监控模型中除所述残差网络、所述多粒度空间注意力网络和所述高层次信息补偿网络之外的网络。

3.根据权利要求2所述的方法，其特征在于，所述利用所述多粒度空间注意力网络对所述多个图片特征进行第一特征处理，得到多个融合特征，包括：

将所述多个图片特征输入至局部注意力网络，输出多个局部特征；

将所述多个图片特征输入至全局注意力网络，输出多个全局特征；

对所述多个局部特征和所述多个全局特征进行特征融合处理，得到所述多个融合特征；

其中，所述多粒度空间注意力网络，包括：所述局部注意力网络和所述全局注意力网络。

4.根据权利要求2所述的方法，其特征在于，所述利用所述高层次信息补偿网络对所述多个融合特征进行第二特征处理，得到多个补偿特征，包括：

对所述多个融合特征进行自适应池化处理，得到预设比率大小的多个第一子特征；

分别对所述多个第一子特征进行采样，得到预设尺寸的多个第二子特征；

将所述多个第二子特征输入分散注意力网络，输出所述多个补偿特征，其中，所述高层次信息补偿网络包括所述分散注意力网络。

5.根据权利要求1所述的方法，其特征在于，所述将经过训练的所述智能监控模型部署在云端之前，所述方法还包括：

对所述智能监控模型进行模型蒸馏处理；和/或

对所述智能监控模型进行模型剪枝处理；和/或

利用深度学习推理优化器对所述智能监控模型进行模型加速处理。

6.根据权利要求5所述的方法，其特征在于，所述对所述智能监控模型进行模型蒸馏处理，包括：

利用最小绝对值偏差函数，计算所述残差网络对应的第一损失值；

利用最小平均误差函数，计算所述智能监控模型的区域候选网络对应的第二损失值；

利用交叉熵损失函数，计算所述智能监控模型的头网络对应的第三损失值；

根据所述智能监控模型的输出和蒸馏模型的输出，利用距离交并比函数计算第四损失值，其中，所述蒸馏模型为对所述智能监控模型进行所述模型蒸馏处理后得到的模型；

基于所述第一损失值、所述第二损失值、所述第三损失值和所述第四损失值对所述智能监控模型进行所述模型蒸馏处理。