一种基于YOLOv4的校园图书馆疫情防控方法技术

本发明专利技术涉及一种基于YOLO v4的校园图书馆疫情防控方法。利用YOLO V4目标检测算法实时监测图书馆的学生位置以及每张桌子的位置，每隔十秒计算学生与桌子之间中心点坐标的距离，判断桌子的上座人数是否大于两名。同时利用LK算法计算YOLO V4使用的初始anchor框，利用KDTree算法快速检索学生到所有桌子的最短距离，从而提高识别效果和效率。本发明专利技术方法，能做到较高的模型精度以及检索效率，很好地提升校园图书馆防疫管理的灵活性。园图书馆防疫管理的灵活性。园图书馆防疫管理的灵活性。

【技术实现步骤摘要】
一种基于YOLO v4的校园图书馆疫情防控方法


[0001]本专利技术涉及一种基于YOLO v4的校园图书馆疫情防控方法。

技术介绍

[0002]当某地出现疫情后，该地需要立刻付出行动来扼制疫情的反扑。其中当地的高校同样需要有相应的应对措施，如错峰进出食堂、线上上课、体育场限流等措施，其中图书馆作为校内的密闭场所，又有许多学生选择在图书馆学习，因此图书馆的防疫举措必须更加完善才能防止意外地出现，而图书馆内桌子的上座人数限制就是防疫举措中重要一项。但传统的限制上座人数的方法需要志愿者或工作人员重复巡逻，费时费力，并不能很好地满足疫情防控下的需求。因此，将智能化检查技术应用到图书馆疫情防控管理中具有重要的意义。

技术实现思路

[0003]本专利技术的目的在于提供一种基于YOLO v4的校园图书馆疫情防控方法，利用YOLO V4检测模型，以及能够获得更加合理的anchor框的LK聚类算法，快速检索出关键点到其他所有点最短欧式距离的KDTree算法建立校园图书馆疫情防控的监测系统。
[0004]为实现上述目的，本专利技术的技术方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于YOLO v4的校园图书馆疫情防控方法，其特征在于，包括如下步骤：步骤S1、从图书馆内摄像头对监控区域的监控视频中获取场景图像，根据深度学习目标检测算法框架YOLO V4模型检测图像中的学生以及桌子，并用矩形边框进行标识和输出；步骤S2、利用LK聚类算法获得YOLO V4所需的9个anchor框；步骤S3、每隔十秒利用KDTree算法计算出每名学生到所有桌子对应的矩形框的最短欧氏距离；步骤S4、判断此距离是否小于阈值，若小于阈值，则将对应的桌子的上座人数加一，当某张桌子连续六次上座人数大于两名时，就判定这张桌子同时被多名学生使用。2.根据权利要求1所述的一种基于YOLO v4的校园图书馆疫情防控方法，其特征在于，在步骤S1中，所述YOLO V4模型的训练包括以下步骤：步骤A1、首先构建出包含有桌子以及学生的数据集，再通过包括仿射变换的方法对数据集进行扩增，以及通过包括CLAHE局部直方图均衡化的图像增强手段对收集到的数据集进行增强，生成足够大且图片质量高的数据集；且生成的数据集必须通过人工标注出目标所在的位置以及其中心点坐标；步骤A2、搭建YOLO V4框架所需要的神经网络模型，具体以Darknet
‑
53为骨干网络构建模型，层与层之间的激活函数采用leaky Relu激活函数，解决输入值为负值时神经元死亡的问题；模型训练停止的条件分为两种，一种是当迭代至一定次数停止，另一种是在损失表现收敛时停止。3.根据权利要求2所述的一种基于YOLO v4的校园图书馆疫情防控方法，其特征在于，以Darknet
‑
53为骨干网络，采用3个不同尺度的特征层分别为13
×
13、26
×
26、52
×
52，YOLO V4首先为每种下采样尺度设定 3 种先验框从而聚类得到9种尺寸的先验框；在整...

【专利技术属性】
技术研发人员：陈国栋，赵志峰，严铮，林榆翔，方莉，陈文铿，林鸿强，
申请(专利权)人：福州大学，
类型：发明
国别省市：