一种基于双流网络的目标检测方法及系统技术方案

本发明专利技术公开了一种基于双流网络的目标检测方法及系统，包括：获取第一图像数据和第二图像数据；根据所述第一图像和第二图像，利用训练好的基于卷积神经网络的双流神经网络模型进行特征提取，以获取第一图像特征和第二图像特征；对所述第一图像特征和第二图像特征进行特征融合，以获取融合数据；根据所述融合数据进行边框回归和分类，以确定检测目标。本发明专利技术的方法通过双流网络技术对电力作业人员的电力作业装备进行识别，包括安全帽，工作服，工作手套等，确定电力作业装备的佩戴情况，从而提高作业的安全性，为现场作业安全风险的事前预警提供可能；通过检测图像优化可以提高检测的效率，减少计算量。减少计算量。减少计算量。

【技术实现步骤摘要】
一种基于双流网络的目标检测方法及系统


[0001]本专利技术涉及目标检测
，并且更具体地，涉及一种基于双流网络的目标检测方法及系统。

技术介绍

[0002]电力作业现场的关键目标检测本质上是作业现场的安全防护装置作为安全风险判断基础，利用计算机对现场作业人员的安全防护装置进行自主识别和判断，从而做到电力现场风险实时监控、及时预警、事后迅速追踪锁定。其核心为目标检测技术。
[0003]近年来随着人工智能技术的加速，该技术研究及应用在2010年后呈高速发展态势，其主要涉及2大类方法有：基于传统图像处理的目标检测方法，主要是视频处理、特征提取、模式分类与识别等关键技术步骤，实现现场视觉信息的分析；基于图像采集设备获取相关图像，通过在线或者离线的方式对数据进行去噪等预处理，并进行特征提取、特征选择等操作，最后选择合理的分类器进行训练，然后通过实际采集的图像信息对识别算法进行验证。随着计算机科学的发展，利用计算机实现目标检测越来越多的应用于各个行业，在电力领域的行为识别成为电力现场安全管控智能化建设的重要落地途径。/>[0004]近年本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双流网络的目标检测方法，其特征在于，所述方法包括：获取第一图像数据和第二图像数据；根据所述第一图像和第二图像，利用训练好的基于卷积神经网络的双流神经网络模型进行特征提取，以获取第一图像特征和第二图像特征；对所述第一图像特征和第二图像特征进行特征融合，以获取融合数据；根据所述融合数据进行边框回归和分类，以确定检测目标。2.根据权利要求1所述的方法，其特征在于，所述获取第一图像数据和第二图像数据，包括：利用opencv图像处理库函数读取第一图像数据，并使用颜色空间转换库函数进行转换，以将所述第一图像数据转换为所述第二图像数据；其中，所述第一图像数据为RGB图像数据，所述第二图像数据为HSV图像数据。3.根据权利要求1所述的方法，其特征在于，所述根据所述第一图像和第二图像，利用训练好的基于卷积神经网络的双流神经网络模型进行特征提取，以获取第一图像特征和第二图像特征，包括：将第一图像数据和第二图像数据分别输入到训练好的基于卷积神经网络的双流神经网络模型中进行特征提取，并使用RPN网络生成候选区域，使用ROI对所述候选区域进行池化处理，以将所述候选区域归一化为预设大小，确定第一图像特征和第二图像特征。4.根据权利要求1所述的方法，其特征在于，所述训练好的基于卷积神经网络的双流神经网络模型包括：卷积层、池化层和全连接层，在进行训练时，设置初始学习率为0.001，依次迭代样本数为256，迭代次数设置为20000。5.根据权利要求1所述的方法，其特征在于，所述对所述第一图像特征和第二图像特征进行特征融合，以获取融合数据，包括：z＝y/||y||2∈R
MN*1
，X＝vec(ε(I))∈R
MN*1
，，其中，Z为融合数据；R
M*N
表示通道数MN的特征层；R
MN*1
表示通道数MN*1的特征层；M为f
A
特征的通道数；N为f
B
特征的通道数；y为数学变量，表示对x进行有符号的平方根操作；x为数学变量，表示双线性向量；ε(I)为线性融合向量；L表示特征位置；I代表图像；f
A
和f
B
分别为第一图像特征和第二图像特征。6.一种基于双流网络的目标检测系统，其特征在于，所述系统包括：图像数据获取模块...

【专利技术属性】
技术研发人员：金淼，张军，周峰，殷小东，雷民，陈习文，卢冰，陈卓，王斯琪，周玮，汪泉，付济良，王旭，齐聪，郭子娟，聂高宁，余雪芹，刘俊，朱赤丹，郭鹏，赵世杰，
申请(专利权)人：中国电力科学研究院有限公司中国电力科学研究院有限公司武汉分院，
类型：发明
国别省市：