[发明专利]一种监控场景下基于深度学习的香烟自动检测方法

摘要

本发明涉及一种监控场景下基于深度学习的香烟自动检测方法，首先将拍摄以及网络下载的香烟数据集通过翻转、缩放、平滑处理得到更大的数据集，将数据集训练基于YOLOv3深度学习网络，形成模板库；使用图像增强方法对待检测的图像或视频帧进行相应的图像增强处理；对大尺寸图像进行图像分割，将图像中香烟或带香烟的人分离出来，缩短检测所需时间；然后在待检测的图像上进行预生成预测框，将每个预测框与预先训练的模板库对比；最后在所有的预测框的检测置信度中选择高于预先设定阈值的预测框将其认定为是目标物体。对当前帧的整张图像进行扫描后，标注出所有检测到的目标显示在图像上，完成对香烟的检测。本发明能有效提高检测准确率并且缩短检测时间。

主权项

1.一种监控场景下基于深度学习的香烟自动检测方法，其特征在于：包括以下步骤：步骤S1：获取数据集，并分别采用翻转、滤波、平滑方法对原始香烟数据集进行处理，得到最终香烟训练数据集；步骤S2：使用步骤S1中所述的最终香烟训练数据集训练基于YOLOv3的深度学习网络，生成香烟模板库；步骤S3：进行香烟检测：提供待检测的香烟图片或者视频，以所述识别待检测的香烟图片或视频的后缀名判断是图片或视频，若是.PNG、.JPG、.JEPG、.GIF、.BMP则认为是图片，对图像进行图像增强处理，否则若是.AVI、.MOV、.MP4的后缀名，则认为是视频，并以OpenCV中的VideoCapture类获取当前视频的视频帧并对当前帧采用自适应图像增强方法进行增强，对增强后的图像将其分为7*7的网格，每个网格在进行检测前预选随机生成两个预测框，执行步骤S5；步骤S4：判断步骤S3中进行图像增强后的图像像素是否大于500*500，若是则采用图像分割方法将香烟目标在图像中分割出来,对分割出来的香烟图像将其分为7*7的网格，每个网格在进行检测前随机生成两个预测框，执行步骤S5；否则直接在未分割的原图像上分为7*7的网格，每个网格在进行预测前随机生成两个预测框，执行步骤S5；步骤S5：将步骤S2中生成的香烟模板库分别与步骤S3和步骤S4中生成的预测框进行对比，判断经过S3步骤中的图像增强、S4步骤中的图像分割处理后的图片中检测到的香烟目标的置信度是否超过设定阈值，所述阈值为0.25；若是则框选出目标，图片输出检测结果，检测结束；否则跳出此预测框。