【技术实现步骤摘要】
一种基于大数据的安保检测方法及安保检测装置
本专利技术实施例涉及目标检测领域，特别涉及一种基于大数据的高空抛物检测的方法及安保检测装置。
技术介绍
随着城镇化进程不断加速，城市高层建筑如雨后春笋，如何执行安保任务即如何预防并及时检测出高层建筑下高空抛物的发生，对于市民安全及政府工作推进等都极其重要。目前主要以数字图像处理方法进行高空抛物检测，其中数字图像处理方法是直接对图像内的像素点进行差异化判断，当两幅图像内的像素点位置发生改变，则识别出发生改变的像素位置，从而得到抛物检测结果。虽然以数字图像处理方法可以达到高空抛物检测的效果，但由于数字图像处理方法对于图片的清晰度要求较高，且对于背景复杂的图片，其检测效果会受到严重影响。
技术实现思路
本专利技术实施方式的目的在于提供一种基于大数据的安保(高空抛物)检测方法及安保检测方法，通过构建并两次训练包括卷积层的原始高空抛物检测模型，得到高空抛物检测模型，利用所述高空抛物检测模型计算得到抛物检测框，可以解决对于背景复杂的图片，其抛物检测效果较差的问题。<...
【技术保护点】
1.一种基于大数据的安保检测方法，其特征在于，所述方法包括：/n构建包括大目标特征提取卷积层、中目标特征提取卷积层、小目标特征提取卷积层、特征卷积层及检测框生成层的原始高空抛物检测模型；/n根据预构建的第一图片训练集，对所述原始高空抛物检测模型进行第一训练得到初级高空抛物检测模型；/n根据预构建的第二图片训练集，对所述原始高空抛物检测模型进行第二训练得到高空抛物检测模型；/n获取待检测高空视频，对所述待检测高空视频进行分帧处理，得到待检测高空图片集；/n利用所述高空抛物检测模型内的所述大目标特征提取卷积层、所述中目标特征提取卷积层、所述小目标特征提取卷积层及所述特征卷积层，...
【技术特征摘要】
1.一种基于大数据的安保检测方法，其特征在于，所述方法包括：
构建包括大目标特征提取卷积层、中目标特征提取卷积层、小目标特征提取卷积层、特征卷积层及检测框生成层的原始高空抛物检测模型；
根据预构建的第一图片训练集，对所述原始高空抛物检测模型进行第一训练得到初级高空抛物检测模型；
根据预构建的第二图片训练集，对所述原始高空抛物检测模型进行第二训练得到高空抛物检测模型；
获取待检测高空视频，对所述待检测高空视频进行分帧处理，得到待检测高空图片集；
利用所述高空抛物检测模型内的所述大目标特征提取卷积层、所述中目标特征提取卷积层、所述小目标特征提取卷积层及所述特征卷积层，对所述待检测高空图片集进行特征提取，得到特征图集；
根据所述高空抛物检测模型内的所述检测框生成层，计算所述特征图集的抛物检测框；
将所述抛物检测框与所述待检测高空视频融合，得到抛物检测视频。
2.根据权利要求1所述的基于大数据的安保检测方法，其特征在于，所述将所述抛物检测框与所述待检测高空视频融合，得到抛物检测视频，包括：
将所述待检测高空视频映射至所述抛物检测框所在的坐标系；
在所述坐标系内，将所述抛物检测框融合进所述待检测高空视频，得到所述抛物检测视频。
3.根据权利要求1所述的基于大数据的安保检测方法，其特征在于，所述构建包括大目标特征提取卷积层、中目标特征提取卷积层、小目标特征提取卷积层、特征卷积层及检测框生成层的原始高空抛物检测模型，包括：
根据预设卷积层数量，构建所述大目标特征提取卷积层、所述中目标特征提取卷积层、所述小目标特征提取卷积层、所述特征卷积层及所述检测框生成层；
按照预设顺序，排列组合所述大目标特征提取卷积层、所述中目标特征提取卷积层、所述小目标特征提取卷积层、所述特征卷积层及所述检测框生成层，得到所述原始高空抛物检测模型。
4.根据权利要求3所述的基于大数据的安保检测方法，其特征在于，所述根据预设卷积层数量，构建所述大目标特征提取卷积层、所述中目标特征提取卷积层、所述小目标特征提取卷积层，包括：
根据预设的第一卷积层数量，构建大目标特征提取卷积层；
根据预设的第二卷积层数量，构建中目标特征提取卷积层；
根据预设的第三卷积层数量，构建小目标特征提取卷积层。
5.根据权利要求4所述的基于大数据的安保检测方法，其特征在于，所述第一卷积层数量、第二卷积层数量及第三卷积层数量分别为3、4、7。
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。