[发明专利]一种遛狗行为检测方法及装置

说明书

本发明提供了一种遛狗行为检测方法及装置，其中，该方法包括：获取待检测图像；利用预先训练好的行人犬类检测模型对待检测图像进行行人检测与犬类检测；若在待检测图像中检测到犬类，获取犬类图像矩形框，对犬类图像矩形框进行扩展，得到犬类图像扩展图像；利用预先训练好的狗绳检测模型对犬类图像扩展图像进行检测；若未在犬类图像扩展图像中检测到狗绳，且在犬类的指定范围内存在行人，将检测结果判定为存在遛狗不牵绳行为。本发明自动识别遛狗不牵绳行为，减小了工作人员的工作量，并且，将犬类图像扩展图像作为狗绳检测数据，能够减少电线、地面缝隙等相似物体的干扰，有助于加深网络对于狗绳的理解，从而提高了检测的准确率。

技术领域

本发明涉及人工智能技术领域，具体涉及一种遛狗行为检测方法及装置。

背景技术

随着文明城市的建设，流浪狗的规范管理和遛狗不牵绳问题成为了城市管理的重要组成部分。目前深度学习的检测方法已经能够检测出城市中狗的出没，但是对于流浪狗和遛狗的行为无法进行有效的区分，加大了管理人员的工作量。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中的人为识别狗行为时工作量大的缺陷，从而提供一种遛狗行为检测方法及装置。

本发明第一方面提供了一种遛狗行为检测方法，包括：获取待检测图像；利用预先训练好的行人犬类检测模型对所述待检测图像进行行人检测与犬类检测；若在所述待检测图像中检测到犬类，获取犬类图像矩形框，对所述犬类图像矩形框进行扩展，得到犬类图像扩展图像；利用预先训练好的狗绳检测模型对所述犬类图像扩展图像进行检测；若未在所述犬类图像扩展图像中检测到狗绳，且在所述犬类的指定范围内存在行人，将检测结果判定为存在遛狗不牵绳行为。

可选地，在本发明提供的遛狗行为检测方法中，所述待检测图像通过视频流数据获取。

可选地，在本发明提供的遛狗行为检测方法中，所述行人犬类检测模型通过如下步骤训练得到：获取多个第一训练图像；对各所述第一训练图像进行行人检测框标注和犬类检测框标注，得到第一训练数据集；基于所述第一训练数据集对yolov5网络模型进行训练，直至第一损失函数的第一损失值满足第一损失条件得到所述行人犬类检测模型。

可选地，在本发明提供的遛狗行为检测方法中，所述狗绳检测模型通过如下步骤训练得到：获取多个第二训练图像；获取所述图像中的犬类图像矩形框，并对所述犬类图像矩形框进行扩展，得到训练犬类图像扩展图像；对所述训练犬类图像扩展图像中的狗绳进行标注，得到第二训练数据集；基于所述第二训练数据集对优化yolov5网络模型进行训练，直至第二损失函数的第二损失值满足第二损失条件得到所述狗绳检测模型，所述优化yolov5网络模型以yolov5网络为主干，包括双向特征金字塔结构，采用HardSwitch函数作为激活函数，所述第二损失函数为FOCAL LOSS损失函数。

本发明第二方面提供了一种遛狗行为检测装置，包括：图像获取模块，用于获取待检测图像；第一检测模块，用于利用预先训练好的行人犬类检测模型对所述待检测图像进行行人检测与犬类检测；图像扩展模块，若在所述待检测图像中检测到犬类，所述图像扩展模块用于获取犬类图像矩形框，对所述犬类图像矩形框进行扩展，得到犬类图像扩展图像；第二检测模块，用于利用预先训练好的狗绳检测模型对所述犬类图像扩展图像进行检测；遛狗行为检测模块，若未在所述犬类图像扩展图像中检测到狗绳，且在所述犬类的指定范围内存在行人，所述遛狗行为检测模块用于将检测结果判定为存在遛狗不牵绳行为。

可选地，在本发明提供的遛狗行为检测装置中，所述待检测图像通过视频流数据获取。