买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:中兴飞流信息科技有限公司
摘要:本发明公开了一种基于深度学习的铁路站台遗留物检测方法,涉及铁路站台遗留物检测领域。其包括如下步骤:S1:获取图像,在有遗留物检测需求的铁路站台安装摄像头,视频图像采集模块,从摄像头端采集现场正常情况下的视频,获取需要检测的当前帧图像,同时获取历史的视频帧,并且通过人员模拟物品遗留的情况,以此来作为测试验证数据。本发明通过融合3DUnet分割算法和yolov7检测算法,能够提升铁路站台遗留物检测的鲁棒性和检测精度,同时适用于各种不同的公共场合。3DUnet分割算法和yolov7检测算法都具有较高的精度,在分割出可疑区域的基础上,进一步应用检测算法确定遗留物的种类和位置。
主权项:1.一种基于深度学习的铁路站台遗留物检测方法,其特征在于,采用多模块组来对铁路站台遗留物进行检测,所述多模块组包括视频图像采集模块101、图片相异分割模块102、目标检测模块103、遗留物匹配模块104和信息上报模块105;铁路站台遗留物检测方法包括如下步骤:S1:获取图像,在有遗留物检测需求的铁路站台安装摄像头,视频图像采集模块101,从摄像头端采集现场正常情况下的视频,获取需要检测的当前帧图像,同时获取历史的视频帧,并且通过人员模拟物品遗留的情况,以此来作为测试验证数据;S2:数据标注和模型训练,数据标注包括两种标签形式,一种是分割模型mask图的标签,另一种是目标检测的标签,对原始数据集中的所有已知目标进行标注,使用标注后的数据训练基于yolov7的检测模型,得到目标检测模型yolov7;训练基于3DUnet的分割模型,模型返回的是输入序列中相异区域的目标mask图,记为segmentation1;S3:序列图片差异分割,通过网络以及RTSP协议获取摄像头视频流数据,解码后得到视频的每一帧图像,使用3DUnet模型对当前帧、历史帧一和历史帧二分割提取,获取三帧图中相异区域mask图,根据目标的mask图获取其外接矩形框;S4:判断输入序列是否有差异输出,若没有输出,未检测到遗留物;若检测到差异输出,进一步判定是何种遗留物;S5:目标检测,通过模块S2训练的目标检测模型yolov7,分别对输入的三帧图进行检测,得到每一帧图中的目标检测框的坐标和遗留物的类别,输出当前帧、历史帧一、历史帧二的检测结果detection1、detection2、detection3;S6:两种模型目标匹配,获取模块S3分割结果segmentation1和模块S5检测结果detection1、detection2、detection3,分别计算交并比IOU1、IOU2、IOU3,与设定的阈值1比较,大于阈值1即匹配为同一目标,小于阈值1不能匹配;S7:判断与阈值1是否匹配,获取模块S6计算的IOU1、IOU2、IOU3值,并设置阈值1与之比较,若都不能匹配,输出未知类别的遗留物和分割目标框坐标;若IOU1、IOU2或IOU3能够匹配,则输出detection1的检测框和类别;S8:遗留物检测报警,分类上报遗留物,并在图中进行标注,发出警告,提醒工作人员及时处理。
全文数据:
权利要求:
百度查询: 中兴飞流信息科技有限公司 一种基于深度学习的铁路站台遗留物检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。