【技术实现步骤摘要】
违规箱包的检测方法、系统及电子设备
[0001]本专利技术涉及安全检测
，具体地涉及一种违规箱包的检测方法、一种违规箱包的检测系统以及一种电子设备。
技术介绍
[0002]金库是各银行办理现金业务设置的现金业务库，是集中保管现金、有价证券的专用库。为了保障金库的安全，银行金库禁止携带除合规箱包外的任何其他箱包，如塑料袋，手提包，办公包等。携带违规箱包进入金库，不仅会给金库带来安全隐患，对个人来说也会带来不必要的麻烦，目前金库进出箱包的检测还是依靠人工检测，管理人员或安保人员需要通过监控或者亲自到入口或出口处进行巡视，发现进出人员是否携带违规的箱包。增加了管理员或者安保人员的工作量，并且会受到人员注意力或者人流量的影响，偶尔也会产生疏忽。如何加强箱包携带的检测是金库管理的一大难点。
技术实现思路
[0003]本专利技术实施方式的目的是提供一种违规箱包的检测方法、系统及电子设备，通过目标检测从监控图像中截取出包括箱包图像的第二图像，深度学习网络对第二图像进行检测得到特征向量，再依据特征向量判断第二图像中的箱...
【技术保护点】
【技术特征摘要】
1.一种违规箱包的检测方法，其特征在于，所述方法包括：对获取到的监控图像进行预处理，得到包括至少一个移动目标的第一图像；通过目标检测，从所述第一图像中提取包括箱包图像的第二图像；将所述第二图像输入深度学习网络模型，得到所述第二图像对应的特征向量；计算所述第二图像对应的特征向量与超球面体的关系，判断所述第二图像中的箱包图像是否包括违规箱包图像；其中，所述超球面体是包含违规箱包图像的样本所对应的特征向量所构成的。2.根据权利要求1所述的检测方法，其特征在于，所述深度学习网络模型通过如下步骤进行训练：获取训练样本数据，所述训练样本数据包括正样本和负样本；将所述正样本输入到前一轮迭代后的深度学习网络模型，计算得到所述正样本对应的特征向量；根据所述正样本对应的特征向量及正样本损失函数更新深度学习网络模型的参数；将所述负样本与正样本输入更新后的深度学习网络模型，计算得到所述负样本对应的特征向量及所述正样本对应的特征向量；根据所述负样本对应的特征向量及所述正样本对应的特征向量、所述修正中心点及负样本损失函数，更新深度学习网络模型的参数；重复以上步骤预设次数，或待负样本损失函数变化满足预设条件，结束迭代，得到训练好的深度学习网络模型。3.根据权利要求2所述的检测方法，其特征在于，所述根据所述正样本对应的特征向量及正样本损失函数更新深度学习网络模型的参数，包括：根据所述正样本对应的特征向量计算正样本的中心点；根据所述正样本的中心点位置计算修正中心点；根据所述正样本对应的特征向量、所述修正中心点及正样本损失函数，更新深度学习网络模型的参数。4.根据权利要求2所述的检测方法，其特征在于，所述超球面体包括球心和半径；所述超球面体的球心为深度学习网络模型训练过程中最后一次修正中心点的位置；所述超球面体的半径根据正样本和负样本各自与所述超球面体的球心之间距离确定。5.根据权利要求3所述的检测方法，其特征在于，所述正样本的中心点的计算公式如下：其中，l为迭代次数，初次迭代中心点记为c1，f
i
为正样本对应的特征向量；所述修正中心点通过如下公式计算：c
b
＝βc
l
‑1+(1
‑
β)c
l
；其中，c
b
为修正中心点，β取值为0.98。6.根据权利要求3所述的检测方法，其特征在于，所述根据所述正样本对应的特征向量、所述修正中心点的位置及正样本损失函数，更新深度学习网络模型的参数，包括：
计算各正样本对应的特征向量到所述修正中心点的欧式距离，记为dis
i
；采用梯度下降法，根据所述欧式距离及正样本损失函数，计算并更新深度学习网络模型的参数；所述正样本损失函数记为：其中，dis
i
为正样本到所述修正中心点的欧式距离，e为正样本到修正中心点的距离的最大值。7.根据权利要求2所述的检测方法，其特征在于，所述根据所述负样本对应的特征向量及所述正样本对应的特征向量、所述修正中心点及负样本损失函数，更新深度学习网络模型的参数，包括：计算各负样本对应的特征向量到所述修正中心点的欧式距离以及各正样本对应的特征向量到所述修正中心点的欧式距离采用梯度下降法，根据上述欧式距离及负样本损失函数，计算并更新深度学习网络模型的参数；所述负样本损失函数记为：其中，为距离修正中心点最近的负样本到修正中心点的距离，g为正样本到修正中心点的距离与距离修正中心点最近的负样本到修正中心点的距离之间的间隔。8.根据权利要求2所述的检测方法，其特征在于，所述正样本为合规箱包图像，所述负样本为违规箱包图像；所述获取训练样本数据，包括：获取合规箱包图像和违规箱包图像；采用遮挡、旋转、尺寸归一化和亮度变化中的一种或多种方式对合规箱包图像和违规箱包图像进行增强，使得合规箱包图像数量与违规箱包图像数量相均衡。9.根据权利要求2所述的检测方法，其特征在于，所述对获取到的图像进行预处理，得到包括至少一个移动目标的第一图像，包括：获取监控图像中任一通道的像素构成的连续的第一帧图像、第二帧图像和第三帧图像；对第一帧图像和第二帧图像作差，得到第一差值图像，对第二帧图像和第三帧图像作差，得到第二差值图像；将第一差值图像和第二差值图像二值化，得到第一二值化图像和第二二值化图像；将第一二值化图像和第二二值化图像进行按位与运算，得到移动目标的掩码图；计算所述掩码图的连通域；过滤掩码图中小于预设大小的连通域，得到移动目标的连通域；计算所述移动目标的连通域的外接四边形；将所述外接四边形放大预设比例，获取放大后的外接四边形对应的监控图像区域作为移动目标的第一图像。10.根据权利要求1所述的检测方法，其特征在于，在判断所述第二图像中的箱包图像
是否包括违规箱包图像后，所述方法还包括：统计预设时间内的多帧监控图像中存在违规箱包图像的比率，在所述比率超过预设比率的情况下，判定监控图像中包括违规箱包图像。11.一种违规箱包的检测系统，其特征在于，所述系统包括：图像预处理模块，用于对获取到的监控图像进行预处理，得到包括至少一个移动目标的第一图像；目标检测模块，用于通过目标检测，从所述第一图像中提取包括箱包图像的第...
【专利技术属性】
技术研发人员：吴松霖，吴昀蓁，熊博颖，郑邦东，李睿之，李虎，
申请(专利权)人：中国建设银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。