一种校园安全通道异常目标检测方法及系统技术方案

本发明专利技术提供了一种校园安全通道异常目标检测方法及系统，所述方法包括：获取实时人员流动的监控画面；提取所述监控画面的特征图；利用回归卷积预测块迭代所述特征图，生成新子集；通过卷积神经网络生成异常目标检测结果；其中，所述卷积神经网络将每轮迭代的预测结果与上轮预测结果合并，从而生成最终结果。本发明专利技术提出的一种校园安全通道异常目标检测方法，可以针对校园安全通道异常目标检测达到很好的效果，该方法不仅能识别拥挤密集环境下的各类物体，同时还具有准确高速的特点。同时还具有准确高速的特点。同时还具有准确高速的特点。

【技术实现步骤摘要】
一种校园安全通道异常目标检测方法及系统


[0001]本专利技术涉及校园安防
，尤其涉及一种校园安全通道异常目标检测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]目标检测作为计算机视觉中的重要分支，近年来得到斯坦福大学、加州理工学院和清华大学等世界一流研究机构众多学者的密切关注。目标检测能够为图像或视频的语义理解提供有价值的信息，它是迈向目标跟踪、行人检测、跨境追踪等计算机视觉应用的基本步骤，并且广泛应用于智能视频监控、无人驾驶、区域安防等领域。
[0004]已有调查结果表明，大多数学校的保安数量不足以在学生上下学期间管辖校园安全通道全部区域。当有异常目标闯入时，学校保安很难做到立即响应，校园安全通道存在较大安全隐患。实现对校园安全通道异常目标的精准检测是保障学生上下学期间交通安全的重要方法。将目标检测算法应用到校园安全通道的异常目标检测上，能够利用深度卷积神经网络自动获取从原始像素到高层语义特征等多个层级特征表述的特点，自动检测异常目标，维护校本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种校园安全通道异常目标检测方法，其特征在于，包括：获取实时人员流动的监控画面；提取所述监控画面的特征图；利用回归卷积预测块迭代所述特征图，生成新子集；通过卷积神经网络生成异常目标检测结果；其中，所述卷积神经网络将每轮迭代的预测结果与上轮预测结果合并，从而生成最终结果。2.如权利要求1所述的一种校园安全通道异常目标检测方法，其特征在于，所述提取监控画面的特征图，包括将监控画面输入到采样网络，通过若干阶段进行下采样，提取出特征图。3.如权利要求2所述的一种校园安全通道异常目标检测方法，其特征在于，所述采样网络包括预训练的ResNet
‑
50网络和新网络层，所述新网络层包括多个BottleNeck模块。4.如权利要求3所述的一种校园安全通道异常目标检测方法，其特征在于，所述利用回归卷积预测块迭代特征图，包括将特征图分别连接到新分支上进行回归和分类。5.如权利要求4所述的一种校园安全通道异常目标检测方法，其特征在于，所述回归卷积预测块包括第一预测器、第二预测器和第三预测器级联组成。6.如权利要求5所述的一种校园安全通道异常目标检测方法，其特征在于，所述特征图经过第一预测器生成分裂和回归信...

【专利技术属性】
技术研发人员：潘杰，邹涵冰，刘雯雯，白成杰，夏浩，吕新尧，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：