[发明专利]一种基于目标检测模型的水深检测方法和系统

权利要求书

1.一种基于目标检测模型的水深检测方法，其特征在于，包括：

获取待检测图像；其中，所述待检测图像为包含人体和积水的图像；

将所述待检测图像输入至预先训练好的人体部位检测模型，获得特征图像；所述特征图像包含检测到的边界框信息和检测到的人体部位信息；所述检测到的人体部位信息包括人体部位的类别和各人体部位对应的实际长度；所述边界框信息包含各人体部位对应边界框的像素高度；

基于所述检测到的人体部位信息中人体部位的实际长度以及所述边界框的像素高度，计算得到所述待检测图像中积水深度。

2.如权利要求1所述的一种基于目标检测模型的水深检测方法，其特征在于，所述基于所述检测到的人体部位信息中人体部位的实际长度以及所述边界框的像素高度，计算得到所述待检测图像中积水深度，具体为：

当所述特征图像仅有一人时，根据第一类别和第二类别的实际长度以及所述边界框的像素高度，结合预设算法，计算得到所述待检测图像中积水深度；其中，所述第一类别为检测到的人体中位置最低的人体部位，所述第二类别为检测到的所述第一类别的相邻类；

当所述特征图像包含多人时，根据边界框的在x轴上的最小值的差，对每一所述第一类别匹配对应的第二类别；根据匹配好的第一类别和第二类别，结合所述预设算法，分别计算每一个人对应的水深数据，并将最大的水深数据作为所述积水深度。

3.如权利要求2所述的一种基于目标检测模型的水深检测方法，其特征在于，所述预设算法具体为：

所述人体部位的类别包括小腿、大腿、肩膀和头部；

根据下式计算得到所述积水深度：

其中，Depth_ct为所述特征图像包含小腿和大腿时的实际水深，Depth_cs为所述特征图像中包含小腿和肩膀而不包含大腿时的实际水深，Detph_ch为所述特征图像包含大腿和头部而不包含小腿和肩膀时的实际水深，Depth_ts为所述特征图像包含大腿和肩膀而不包含小腿时的实际水深，Depth_th为所述特征图像包含大腿和头部而不包含小腿和肩膀时的实际水深，Depth_sh为所述特征图像包含肩膀和头部而不包含小腿和大腿时的实际水深，h_ac为小腿的实际长度，h_at为大腿的实际长度，h_as为肩膀的实际长度，h_ah为头部的实际长度，λ_c为大腿的校正系数，λ_s为肩膀的校正系数，λ_h为头部的校正系数，h_c为小腿对应的边界框的像素高度，h_t为大腿对应的边界框的像素高度，h_s为肩膀对应的边界框的像素高度，h_h为头部对应的边界框的像素高度。

4.如权利要求3所述的一种基于目标检测模型的水深检测方法，其特征在于，所述人体部位检测模型的训练过程包括：

获取训练集；其中，所述训练集为若干包含人体和积水的图像；

根据所述训练集，基于YOLOv5算法构建基础检测模型，所述基础检测模型包括焦点结构、卷积块、交叉阶段部分和残差块；其中，所述焦点结构用于缩小图像的大小；所述卷积块包括卷积层、批归一化层和leaky ReLU层；

通过所述训练集，对所述基础检测模型进行训练，根据所述基础检测模型的输出，计算每次训练对应的损失函数，并通过反向传播算法对所述基础检测模型的模型参数进行更新，直到所述基础检测模型符合预设的收敛条件，获得训练好的所述人体部位检测模型。

5.如权利要求4所述的一种基于目标检测模型的水深检测方法，其特征在于，所述基础检测模型的损失函数包括边界框损失、置信度损失和类损失；所述边界框损失采用CloU-loss函数。