基于深度学习的高空抛物检测方法、装置及介质制造方法及图纸

本发明专利技术实施例公开了一种基于深度学习的高空抛物检测方法，包括：使用高空抛物监控图像作为初始化背景，基于yolov3检测方法，检测运动目标；结合匈牙利算法和卡尔曼滤波算法对检测到的运动目标进行追踪，并获得运动轨迹；根据运动轨迹，判断是否为高空抛物。本实施例通过在摄像头抖动时使用当前帧作为监控图像背景，充分利用GPU强大的并行计算能力并与CPU进行协同工作，更高效的利用硬件完成yolov3算法中大规模的、高并行度的计算，实现系统加速功能，提高了yolov3检测运动目标的准确率和速度，从而降低高空抛物的误检率，达到了实时检测的标准。

【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。进一步地，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。作为本申请的一种具体实施方式，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帧高空抛物监控图像中的位置形成初步轨迹；S302：判断所述初步轨迹中是否存在连续5个点都是使用卡尔曼滤波器预测得到，若是，则确定所述初步轨迹为该运动目标的运动轨迹，转至步骤S4；否则，进入步骤S303；S303：判断第t帧高空抛物监控图像是否为高空抛物监控视频的最后一帧，若是，则结束；否则，t＝t+1，并转至步骤S2。作为本申请的一种具体实施方式，所述步骤S4具体包括：S401：统计检测到的运动轨迹中，使用匈牙利算法匹配得到的点个数x、使用卡尔曼滤波预测得到的点个数y和非加速运动点个数z；S402：若或z＞0.3*(x+y)，则判定该运动目标不是高空抛物，并进入步骤S403；否则，判定该运动目标为高空抛物，进入步骤S5；S403：将该运动目标的运动轨迹删除。第二方面，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装置，包括运动目标检测单元、运动轨迹检测单元和判定单元；所述运动目标检测单元用于：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；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；所述运动轨迹检测单元用于：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；所述判定单元用于：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，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，否则，删除所述运动目标的运动轨迹。第三方面，本专利技术实施例提供了另一种基于深度学习的高空抛物检测装置，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面的方法。第四方面，本专利技术实施例提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。与现有技术相比，实施本专利技术实施例具有以下有益效果：(1)本专利技术采用yolov3方法作为运动目标的检测手段，巧妙利用了深度学习的相关知识，实时的对高空抛物进行监控，该方法易于实现对资源占用小，相比与背景差分法，速度和准确率有显著性提高。同时，由于样本的多样性，使得该方法抗噪能力较好，能适用于绝大部分实际监控场景。(2)本专利技术在使用yolov3检测运动目标的过程中加入了摄像头防抖动机制，充分考虑了摄像头在各种情况下不稳定导致位置偏移的情形，通过在摄像头抖动过程中更新监控背景，进而提高了yolov3检测运动目标的准确率，从而降低了误检率。(3)本专利技术结合匈牙利算法和卡尔曼滤波算法对运动目标进行追踪，匈牙利算法追踪使得系统的运行速度有较大提升，卡尔曼滤波算法追踪大幅度降低了对抛物追踪的丢失率，保证对抛物的追踪效果。该方法对于小目标的运动目标有较好的检测效果，并能够适应目标被短暂遮挡或者漏检、背景环境发生缓慢变化等情形。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。图1是本专利技术实施例提供的基于深度学习的高空抛物检测方法的示意流程图；图2是本专利技术第一实施例提供的基于深度学习的高空抛物检测装置的结构示意图；图3是本专利技术第二实施例提供的基于深度学习的高空抛物检测装置的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。当前，随着大数据时代的来临和机器学习的飞速发展，本文档来自技高网...

【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