【技术实现步骤摘要】
一种目标检测模型训练方法和游商占道经营检测方法
[0001]本专利技术涉及一种目标检测模型训练方法和游商占道经营检测方法,属于占道经营检测
技术介绍
[0002]占道经营是指经营者占用城市道路、桥梁、城市广场等公共场所进行盈利性买卖商品或服务的行为。该行为在影响城市交通安全的同时,还会造成城市环境污染,给周边市民的出行和日常生活带来不便。由于城市管理人员资源有限,仅靠人工巡查方式难以根治违章占道经营行为并且治理效率低下。通过人工巡查的方式进行检测,需要由辖区内各街道办每日至少投入3
‑
5名工作人员对游商占道情况开展巡查工作,依靠人力盯守、巡查的管理方式,不仅效率低、整治质量低,而且整治效果极易反复。
[0003]现有技术中利用深度学习模型,对特定道路等公共领域内的违章占用摊位进行实时检测,并对检测结果进行实时分析与反馈,这样可以大幅降低工作人员的工作量,提高工作效率。
[0004]现有技术的深度学习模型对训练集数据依赖性极强,现有的游商数据集标注时对游商不进行区分,即不对流动性游商与固定性游商进行区分,导致检测时误检率高,得到的检测结果准确率低。
技术实现思路
[0005]本专利技术提供了一种目标检测模型训练方法和游商占道经营检测方法,能够降低模型的误检率,提高检测结果的准确性。
[0006]本专利技术提供了一种目标检测模型训练方法,所述训练方法包括:
[0007]S1、采集目标道路的监控视频,抽取所述监控视频中满足预设条件的帧图像作为第一图 ...
【技术保护点】
【技术特征摘要】
1.一种目标检测模型训练方法,其特征在于,所述训练方法包括:S1、采集目标道路的监控视频,抽取所述监控视频中满足预设条件的帧图像作为第一图像,并根据多张所述第一图像构建训练图像集;S2、识别并分类标注所述训练图像集中每张所述第一图像中的目标场景;其中,所述目标场景的分类类别包括游商摊位类别、辅助检测类别及非摊位车辆类别;S3、根据不同的分类类别对应的目标场景的总数量获取不同分类类别的权重;S4、根据每张所述第一图像中包含的所有目标场景对应的分类类别的权重和对应的分类类别的数量,计算每张所述第一图像的采集权重;S5、根据所述采集权重在所述训练图像集中随机读取所述第一图像,以训练所述目标检测模型。2.根据权利要求1所述的目标检测模型训练方法,其特征在于,所述S1具体为:实时获取多个目标道路的监控视频V1、V2、V3、V4……
V
n
;分别抽取每一所述监控视频白天时段和夜晚时段中的一帧图像作为第一图像,并根据所述第一图像构建训练图像集,所述训练图像集为{I
11
、I
12
、I
21
、I
22
、I
31
、I
32
、I
41
、I
42
……
I
n1
、I
n2
}。3.根据权利要求1所述的目标检测模型训练方法,其特征在于,所述S3具体为:将每一种分类类别对应的目标场景的总数量的倒数作为所述分类类别的权重。4.根据权利要求1所述的目标检测模型训练方法,其特征在于,所述S4具体包括:获取每张所述第一图像中,每一种分类类别的权重与其对应的目标场景的数量的乘积,将所述乘积记为所述分类类别的类别权重;获取每张所述第一图像中包含的所有分类类别的类别权重的和值,将所述和值记为所述第一图像的采集权重;对所述训练图像集中所有第一图像对应的采集权重进行归一化处理。5.根据权利要求1所述的目标检测模型训练方法,其特征在于,所述游商摊位类别包括地摊摊位、固定摊位和车载摊位;所述辅助检测类别包括矗立式广告牌和打开状态下的商铺遮阳伞;所述非摊位车辆类别包括不携带货物的运输车辆。6.根据权利要求1所述的目标检测模型训练方法,其特征在于,所述目标检测模型的损失函数为Varifocal loss函数。7.一种游商占道经营检测方法,其特征在于,所述检测方法包括:S71、采集目标道路实时的监控视频,抽取所述监控视频中满足预设周期的帧图像作为第二图像,形成待测图像集;S72、利用目标检测模型检测所述待测图像集中第二图像包含的游商摊位;所述目标检测模型...
【专利技术属性】
技术研发人员:黄永祯,黄攀坚,刘旭,曹春水,
申请(专利权)人:银河水滴科技北京有限公司,
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。