违规物品摆放的监测方法、系统、设备及存储介质技术方案

本发明专利技术提供了一种违规物品摆放的监测方法，其包括步骤：步骤S1、获取监控视频，并对所述监控视频进行预处理，所述预处理包括抽帧以对应获取多个目标图像；步骤S2、将所述监控视频进行目标检测处理并根据所述目标检测处理生成目标检测结果；步骤S3、根据所述目标检测结果判断是否存在物品违规摆放行为以及所述物品违规摆放行为持续时间大于预设时间，若是，则生成取证材料。本发明专利技术还提供了一种监测系统、监测设备以及计算机可读存储介质。与相关技术相比，采用本发明专利技术的技术方案的对违规摆放行为的取证工作的网络智能化好。

【技术实现步骤摘要】
违规物品摆放的监测方法、系统、设备及存储介质
本专利技术涉及人工智能
，尤其涉及一种违规物品摆放的监测方法、监测系统、监测设备以及计算机可读存储介质。
技术介绍
随着社会的进步与发展，各种摄像设备已经在我们的生活中得到了普及。为了加强城市、社区轨道交通安防工作的建设，从边缘监控设备获得的监控图像数据中快速得到有价值的信息。近年来，以人工智能技术为核心的各种智能化产品正在慢慢走进大众的视野。让人工智能技术为社会的安放工作保驾护航以是大势所趋，作为人工智能领域的重要分支，计算机视觉已经日渐成熟，尤其是基于深度学习的目标检测技术。然而，目前的目标检测技术一般应用于车辆检测、故障定位。对应违规品摆放一般采用城市安防管理人员执法处理，网络智能化不高。因此，实有必要提供一种新的方法、系统和设备来解决上述技术问题。
技术实现思路
本专利技术的目的是克服上述技术问题，提供一种对违规摆放行为的取证工作的网络智能化好的违规物品摆放的监测方法、监测系统、监测设备以及计算机可读存储介质。为了实现上述目的，本本文档来自技高网...

【技术保护点】
1.一种违规物品摆放的监测方法，其特征在于，该方法包括如下步骤：/n步骤S1、获取监控视频，并对所述监控视频进行预处理，所述预处理包括抽帧以对应获取多个目标图像；/n步骤S2、将所述监控视频进行目标检测处理并根据所述目标检测处理生成目标检测结果；具体包括：/n步骤S21、将预先整理的训练集图像通过预处理模型进行预处理以获取训练图像；/n步骤S22、将所述训练图像作为卷积神经网络的输入图像进行训练，以得到目标监测模型；/n步骤S23、将所述监控视频中抽帧获取的所述目标图像作为所述目标监测模型的输入，通过所述目标监测模型的主干网络对所述目标图像进行特征提取，以获得高级特征图；/n步骤S24、将所述...

【技术特征摘要】
1.一种违规物品摆放的监测方法，其特征在于，该方法包括如下步骤：
步骤S1、获取监控视频，并对所述监控视频进行预处理，所述预处理包括抽帧以对应获取多个目标图像；
步骤S2、将所述监控视频进行目标检测处理并根据所述目标检测处理生成目标检测结果；具体包括：
步骤S21、将预先整理的训练集图像通过预处理模型进行预处理以获取训练图像；
步骤S22、将所述训练图像作为卷积神经网络的输入图像进行训练，以得到目标监测模型；
步骤S23、将所述监控视频中抽帧获取的所述目标图像作为所述目标监测模型的输入，通过所述目标监测模型的主干网络对所述目标图像进行特征提取，以获得高级特征图；
步骤S24、将所述高级特征图通过所述目标监测模型进行特征增强处理，并生成一维向量；
步骤S25、将所述一维向量通过所述目标检测模块进行预测处理以生成所述目标检测结果并输出；
步骤S3、根据所述目标检测结果判断是否存在物品违规摆放行为以及所述物品违规摆放行为持续时间大于预设时间，若是，则生成取证材料。


2.根据权利要求1所述的违规物品摆放的监测方法，其特征在于，所述步骤S21包括如下步骤：
步骤S211、选取四张所述训练集图像，分别对每一张所述训练集图像进行缩放、旋转以及色域变化操作的处理，在将处理后的四张所述训练集图像分别放置于四个方位并与锚定框组合生成新图像；
步骤S212、计算需要所述新图像缩放的比例、计算所述新图像缩放后的尺寸以及计算所述新图像的黑边填充数值，再根据计算结果将所述新图像进行处理并生成卷积神经网络的输入图像；
其中，所述预处理模型用于处理所述步骤S211和所述步骤S212。


3.根据权利要求1所述的违规物品摆放的监测方法，其特征在于，所述步骤S23包括如下步骤：
步骤S231、通过Focus结构将所述输入图像依次进行切片操作、整合拼接操作、卷积操作、批归一化以及激活Leaky_relu函数或Mish函数，并生成特征图；
步骤S232、将多个CSP结构构成了一个所述深度神经网络，将所述特征图通过所述深度神经网络进行处理并生成高级特征图。


4.根据权利要求1所述的违规物品摆放的监测方法，其特征在于，所述步骤S24包括如下步骤：
步骤S241、将池化操作13*13、池化操作9*9以及池化操作5*5组成SPP结构，将所述高级特征图通过所述SPP结构进行处理，再将处理后的所述SPP结构的输出特征进行拼接并生成第一特征；
步骤S242、将所述第一特征通过FPN结构组成的特征金字塔进行增强处理并生成第二特征，再将所述第二特征通过PAN结构进行特征融合处理并生成所述一维向量；
其中，所述特征增强模型用于处理所述步骤S241和所述步骤S242。


5.根据权利要求1所述的违规物品摆放的监测方法，其特征在于，所述步骤S25包括如下步骤：
步骤S251、将所述一维向量通过...

【专利技术属性】
技术研发人员：闫潇宁，孙月，
申请(专利权)人：深圳市安软科技股份有限公司，深圳市安软慧视科技有限公司，
类型：发明
国别省市：广东;44