【技术实现步骤摘要】
一种基于FasterR-CNN的武器识别方法
本专利技术涉及图像识别领域,具体涉及一种基于FasterR-CNN的武器识别方法。
技术介绍
随着当今社会的发展,人民的生活水平不断提高,但是各种安全问题依旧存在,其中持械伤人事件占一大部分的比例。如果能在持械嫌疑人犯罪之前就检测出其携带着武器,那么就可以对其进行有效的监控,必要时在持械嫌疑人犯罪之前采取进一步的措施,以防止危险事件发生,从而提高社会安全程度。目前常见的安全监控手段主要是利用摄像头获取相关信息,但是其存在一些问题,绝大部分的摄像头传回后台的监控视频没有进行24小时监管,甚至无人看管,导致极有可能错过对危险武器的识别,使得监控只能作为后期证据的调用,然而这时候危险事件已经发生,造成的后果已无法挽回。因此,如果能够及时识别出危险武器,那么就可以在危险事件发生前对持械嫌疑人进行有效控制,从而降低危险事件发生的概率,可见武器识别对维护社会安全稳定有着重要作用。随着深度学习的飞速发展,其应用场景也越来越广泛,自动并且实时处理监控视频已经成为可能。
技术实现思路
有鉴于此,本专利技术的目的在于提供一种基于FasterR-CNN的武器识别方法。为实现上述目的,本专利技术采用如下技术方案:一种基于FasterR-CNN的武器识别方法,包括以下步骤:步骤S1:采集包含武器的图像,并构成图像数据集;步骤S2:对图像数据集进行预处理,并利用labelImg工具对图像进行标注后分成训练集和测试集;步骤S3:将训练集输入预训练模型中进行训练,得到识别模型;步骤S4:将测试集输入识别模型,输出测试图像中武器的类别,以及对预测结 ...
【技术保护点】
1.一种基于Faster R‑CNN的武器识别方法,其特征在于,包括以下步骤:步骤S1:采集包含武器的图像,并构成图像数据集;步骤S2:对图像数据集进行预处理,并利用labelImg工具对图像进行标注后分成训练集和测试集;步骤S3:将训练集输入预训练模型中进行训练,得到识别模型;步骤S4:将测试集输入识别模型,输出测试图像中武器的类别,以及对预测结果的准确率。
【技术特征摘要】
1.一种基于FasterR-CNN的武器识别方法,其特征在于,包括以下步骤:步骤S1:采集包含武器的图像,并构成图像数据集;步骤S2:对图像数据集进行预处理,并利用labelImg工具对图像进行标注后分成训练集和测试集;步骤S3:将训练集输入预训练模型中进行训练,得到识别模型;步骤S4:将测试集输入识别模型,输出测试图像中武器的类别,以及对预测结果的准确率。2.根据权利要求1所述的一种基于FasterR-CNN的武器识别方法,其特征在于:所述图像采集是利用requests方式向网页发送一个请求,然后通过get的回应以及BeautifulSoup的信息筛选,得到所需要的武器图像;所述图像数...
【专利技术属性】
技术研发人员:吴丽君,李斌斌,陈志聪,宋春歌,程树英,林培杰,
申请(专利权)人:福州大学,
类型:发明
国别省市:福建,35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。