【技术实现步骤摘要】
基于深度学习的高空抛物检测方法、装置及介质
本专利技术涉及深度学习及人工智能
,具体涉及一种基于深度学习的高空抛物检测方法、装置及介质。
技术介绍
高空抛物被称为“悬在城市上空的痛”,其不仅仅是不文明的行为,更是给社会安全带来很大隐患。由于事件发生场所多为高空楼层,少有目击者,抛物时间短,使得执法部门很难追究抛物者的法律责任。因此,实现智能对高空抛物的检测就非常的重要。但现有的高空抛物检测方法误检率高,且检测速度慢。
技术实现思路
针对上述技术缺陷,本专利技术实施例的目的在于提供一种基于深度学习的高空抛物检测方法、装置及可读存储介质。为实现上述目的,第一方面,本专利技术实施例提供了一种基于深度学习的高空抛物检测方法,包括:S1:使用第一帧高空抛物监控图像作为初始化背景,初始化t=2;S2:根据所述初始化背景,基于yolov3检测方法,检测第t帧高空抛物监控图像中的运动目标,其中t≥2;S3:结合匈牙利算法和卡尔曼滤波算法对检测到的所述运动目标进行追踪,并通过追踪算法获得所述运动目标的运动轨迹;S4:根据所述运动目标的运动轨迹,判断所述运动目标是否为高空抛物,若是进入步骤S5,否则,删除所述运动目标的运动轨迹;S5:根据所述运动目标的运动轨迹,获取所述运动目标的抛出位置。作为本申请的一种具体实施方式,所述步骤S2具体包括:S201:根据所述初始化背景,对第t帧高空抛物监控图像进行前景检测,得到第t帧高空抛物监控图像的前景检 ...
【技术保护点】
1.一种基于深度学习的高空抛物检测方法,其特征在于,包括:/nS1:使用第一帧高空抛物监控图像作为初始化背景,初始化t=2;/nS2:根据所述初始化背景,基于yolov3检测方法,检测第t帧高空抛物监控图像中的运动目标,其中t≥2;/nS3:结合匈牙利算法和卡尔曼滤波算法对检测到的所述运动目标进行追踪,并通过追踪算法获得所述运动目标的运动轨迹;/nS4:根据所述运动目标的运动轨迹,判断所述运动目标是否为高空抛物,若是进入步骤S5,否则,删除所述运动目标的运动轨迹;/nS5:根据所述运动目标的运动轨迹,获取所述运动目标的抛出位置。/n
【技术特征摘要】
1.一种基于深度学习的高空抛物检测方法,其特征在于,包括:
S1:使用第一帧高空抛物监控图像作为初始化背景,初始化t=2;
S2:根据所述初始化背景,基于yolov3检测方法,检测第t帧高空抛物监控图像中的运动目标,其中t≥2;
S3:结合匈牙利算法和卡尔曼滤波算法对检测到的所述运动目标进行追踪,并通过追踪算法获得所述运动目标的运动轨迹;
S4:根据所述运动目标的运动轨迹,判断所述运动目标是否为高空抛物,若是进入步骤S5,否则,删除所述运动目标的运动轨迹;
S5:根据所述运动目标的运动轨迹,获取所述运动目标的抛出位置。
2.如权利要求1所述的高空抛物检测方法,其特征在于,所述步骤S2具体包括:
S201:根据所述初始化背景,对第t帧高空抛物监控图像进行前景检测,得到第t帧高空抛物监控图像的前景检测结果;
S202:基于第t帧高空抛物监控图像的前景检测结果判断摄像头是否抖动,若是,进入步骤S203,否则进入步骤S204;
S203:使用第t帧的高空抛物监控图像更新所述初始化背景,使得t=t+1,并转至步骤S201;
S204:采用随机更新方法更新所述初始化背景,进入步骤S205;
S205:使用yolov3检测方法,检测第t帧高空抛物监控图像中的运动目标,并进入步骤S3。
3.如权利要求2所述的高空抛物检测方法,其特征在于,所述基于第t帧高空抛物监控图像的前景检测结果判断摄像头是否抖动,具体包括:
(1)统计所述前景检测结果中,前景目标所占像素点的个数,记为n1;
(2)计算n1与第t帧的高空抛物监控图像的总像素点个数n2的比例n1/n2;
(3)若比例n1/n2大于设定阈值,则认为摄像头发生抖动,否则,认为摄像头未发生抖动。
4.如权利要求1所述的高空抛物检测方法,其特征在于,所述步骤S3具体包括:
S301:将第t-1帧高空抛物监控图像中该运动目标的信息和第t帧高空抛物监控图像中该运动目标的信息输入匈牙利算法,使用匈牙利算法匹配第t-1帧高空抛物监控图像中该运动目标在第t帧高空抛物监控图像中的位置,若追踪成功,将第t帧高空抛物监控图像中该运动目标的位置输入到对应的卡尔曼滤波器中,若追踪失败,使用卡尔曼滤波器预测该运动目标在第t帧高空抛物监控图像中的位置;根据得到的该运动目标在第t帧高空抛物监控...
【专利技术属性】
技术研发人员:刘圭圭,李凡平,石柱国,
申请(专利权)人:北京以萨技术股份有限公司,青岛以萨数据技术有限公司,安徽以萨数据技术有限公司,
类型:发明
国别省市:北京;11
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。