一种斧状利器检测方法、系统、装置和存储介质制造方法及图纸

本发明专利技术公开了一种斧状利器检测方法、系统、装置和存储介质，其中方法包括以下步骤：建立利器检测模型；获取图像数据，采用所述利器检测模型对所述图像数据进行利器物体识别检测，并输出检测结果；其中，所述利器检测模型为基于YOLOv3神经网络训练获得的模型，且检测过程中采用的边界框尺寸通过k‑means聚类算法计算获得。本发明专利技术着眼于基于神经网络的计算机视觉对于边防安全领域的辅助作用，具有创新意义；另外，在检测过程中所采取的边界框尺寸通过k‑means聚类算法计算获得，帮助模型产生更贴近斧状利器尺寸的边界框，提高模型的检测准确率，可广泛应用于图像数据处理技术领域。

【技术实现步骤摘要】
一种斧状利器检测方法、系统、装置和存储介质
本专利技术涉及图像数据处理
，尤其涉及一种斧状利器检测方法、系统、装置和存储介质。
技术介绍
根据世界卫生组织，每年有超过15,000人死于暴力犯罪，及时发现潜在的危险对公民安全至关重要。目前预测利器情况的方法，主要是通过检测监控视频中危险物体的存在，但是当前的监控和控制系统仍然需要人工的监督和干预。解决这个问题的最有效方法之一是为监控摄像机配备精确的利器检测系统，减少人工的参与。斧状利器具有明确的形状定义，但在复杂环境下，以不同的角度呈现时形状差异较大，容易被误识别成其它的物体，且由于遮挡、光照、背景复杂等其它问题，给斧状利器的检测带来了较大的困难。
技术实现思路
为了解决上述技术问题之一，本专利技术的目的是提供一种斧状利器检测方法、系统、装置和存储介质。本专利技术所采用的技术方案是：一种斧状利器检测方法，包括以下步骤：建立利器检测模型；获取图像数据，采用所述利器检测模型对所述图像数据进行利器物体识别检测，并输出检测结果；其中本文档来自技高网...

【技术保护点】
1.一种斧状利器检测方法，其特征在于，包括以下步骤：/n建立利器检测模型；/n获取图像数据，采用所述利器检测模型对所述图像数据进行利器物体识别检测，并输出检测结果；/n其中，所述利器检测模型为基于YOLOv3神经网络训练获得的模型，且检测过程中采用的边界框尺寸通过k-means聚类算法计算获得。/n

【技术特征摘要】
1.一种斧状利器检测方法，其特征在于，包括以下步骤：
建立利器检测模型；
获取图像数据，采用所述利器检测模型对所述图像数据进行利器物体识别检测，并输出检测结果；
其中，所述利器检测模型为基于YOLOv3神经网络训练获得的模型，且检测过程中采用的边界框尺寸通过k-means聚类算法计算获得。


2.根据权利要求1所述的一种斧状利器检测方法，其特征在于，所述建立利器检测模型，包括：
构建图片数据集，对所述图片数据集中所有的图片数据进行标定，获得xml文件；
对经过标定的图片数据针对不同的缩放比例、旋转角度和亮度进行数据增强后，从所述图片数据集中获取训练数据集；
将所述训练数据集输入YOLOv3神经网络进行训练，并在训练完成后，获得利器检测模型。


3.根据权利要求2所述的一种斧状利器检测方法，其特征在于，所述对所述图片数据集中所有的图片数据进行标定，获得xml文件，包括：
对利器物体进行分类，并确定类别名；
采用labelImg工具对所述图片数据集中所有的图片数据进行标定，标定出利器物体的类别和位置信息，生成xml文件；
其中，所述位置信息包括四个坐标点。


4.根据权利要求2所述的一种斧状利器检测方法，其特征在于，所述对经过标定的图片数据针对不同的缩放比例、旋转角度和亮度进行数据增强，包括：
将所述图片数据集中的图片数据进行对比度拉伸，所述xml文件中对应的标定信息不变，将经过对比度拉伸获得的图片数据加入所述图片数据集中；
在所述图片数据集的图片数据中加入随机噪声，所述xml文件中对应的标定信息不变，将加入随机噪声处理的图片数据加入所述图片数据集中；
将所述图片数据集中的图片数据进行多尺度变化，所述xml文件中对应的标定信息根据尺度变化进行相应的坐标改变，将经过多尺度变化获得的图片数据加入所述图片数据集中。


5.根据权利要求2所述的一种斧状利器检测方法，其特征在于，所述将所述训练数据集输入YOLOv3神经网络进行训练，并在训练完成后，获得利器检测模型，包括：
将训练数据集输入Darknet-53网络结构进行卷积提取特征；
将图片数据划分为多个网格，各所述网格包括多个边界框，所述边界框带有置信度；
使用非极大值抑制NMS...

【专利技术属性】
技术研发人员：黄翰，孙梦托，冯夫健，徐杨，百晓，董志诚，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44