一种高空危物检测方法、设备以及存储介质技术

本申请公开了一种高空危物检测方法、设备以及存储介质，涉及高空危物检测技术领域，包括：获取高空危物检测模型和待检测社区的楼群图像，所述高空危物检测模型包括主干网络、分类器和检测器；通过主干网络对所述楼群图像进行特征提取，得到目标特征图，其中，所述主干网络包括CBM组件集和Res组件集，所述CBM组件集用于对所述楼群图像进行特征提取，并将提取结果输送至所述Res组件集；所述Res组件集用于对所述提取结果进行优化，并输出目标特征图；通过分类器和检测器对所述目标特征图进行分类检测，得到所述楼群图像对应的危物类别。本申请有利于提高社区安全性。请有利于提高社区安全性。请有利于提高社区安全性。

【技术实现步骤摘要】
一种高空危物检测方法、设备以及存储介质


[0001]本申请涉及高空危物检测
，尤其是涉及一种高空危物检测方法、设备以及存储介质。

技术介绍

[0002]随着我国城市化的发展，不管是城镇社区还是城市社区，都高楼耸立。许多高楼层居民会在阳台或窗户上摆放挂机，盆栽等物品，然而，这些物品均存在从高空坠落的风险，因此，都属于“高空危物”，具有极大的安全隐患，目前通常是社区工作人员通过走访的形式进行高空危物排查，工作量极大且排查不够全面，并不能有效提高社区安全性。

技术实现思路

[0003]本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种高空危物检测方法、设备以及存储介质，有助于提高社区安全性。
[0004]本申请第一方面实施例提供了一种高空危物检测方法，包括：
[0005]获取高空危物检测模型和待检测社区的楼群图像，所述高空危物检测模型包括主干网络、分类器和检测器；
[0006]通过主干网络对所述楼群图像进行特征提取，得到目标特征图，其中，所述主干网络包括CBM组件集和Res组件集，所述CBM组件集用于对所述楼群图像进行特征提取，并将提取结果输送至所述Res组件集；所述Res组件集用于对所述提取结果进行优化，并输出目标特征图；
[0007]通过分类器和检测器对所述目标特征图进行分类检测，得到所述楼群图像对应的危物类别。
[0008]本申请第一方面实施例提供了一种模型训练方法，至少具有如下有益效果：本申请通过采集待检测社区的楼群图像，再结合主干网络、分类器、检测器对楼群图像进行危物识别，相比于走访排查，本申请有助于减少工作量且提高排查精度，进而有助于提高社区安全性。
[0009]根据本申请第一方面的一些实施例，所述CBM组件集包括第一CBM组件、第二CBM组件，所述Res组件集包括若干Res组件，所述通过主干网络对所述楼群图像进行特征提取，得到目标特征图，包括：
[0010]通过所述第一CBM组件对所述训练样本进行特征提取，得到第一输出特征图；
[0011]通过所述第二CBM组件对所述第一输出特征图进行下采样处理，得到第二输出特征图；
[0012]通过预设数量个所述Res组件对所述第二输出特征图进行特征提取，得到若干个尺寸不同的目标特征图。
[0013]根据本申请第一方面的一些实施例，所述分类器和检测器的头部包括由平均池化算法构成的SPP组件，所述方法还包括：
[0014]通过SPP组件对所述目标特征图进行上采样，以通过分类器和检测器对上采样结果进行分类检测，得到所述楼群图像对应的危物类别。
[0015]根据本申请第一方面的一些实施例，所述高空危物检测模型通过以下训练方法得到，包括：
[0016]获取楼群图像样本集；
[0017]基于所述楼群图像样本集对所述高空危物检测模型进行迭代训练，其中，通过所述高空危物检测模型对所述楼群图像样本集中的一个楼群图像样本进行分类检测，得到预测框参数；根据所述预测框参数的平方根和所述楼群图像样本对应的标签框参数的平方根之差，更新损失函数；当所述损失函数满足预设条件时，迭代结束。
[0018]根据本申请第一方面的一些实施例，在模型训练完成之后，所述方法还包括：
[0019]采集目标社区的楼群图像集；
[0020]将所述目标社区的楼群图像集输入训练完成的所述高空危物检测模型中，对所述模型参数进行微调。
[0021]根据本申请第一方面的一些实施例，所述损失函数表达式为：
[0022][0023]其中，t
x
、t
y
、t
w
、t
h
、p
ij
(a)均为预测框参数，t
’
x
、t
’
y
、t
’
w
、t
’
h
、p
′
ij
(a)均为标签框参数，为预设的loss系数，λ
box
、λ
noobj
、λ
class
为各项loss的权重常数。
[0024]根据本申请第一方面的一些实施例，所述通过分类器和检测器对所述目标特征图进行分类检测，得到所述楼群图像对应的危物类别，包括：
[0025]检测所述目标特征图中是否具有在阳台防盗网周围设置悬挂物的特征；
[0026]检测所述目标特征图中是否具有在阳台边缘或者阳台围墙上方放置物品的特征；
[0027]检测所述目标特征图中是否具有窗体破损的特征；
[0028]检测所述目标特征图中是否具有空调外机发生偏移的特征；
[0029]检测所述目标特征图中是否具有在外墙安装广告牌的特征。
[0030]根据本申请第一方面的一些实施例，在所述得到所述楼群图像对应的危物类别之后，所述方法还包括：
[0031]根据所述楼群图像对应的危物类别进行风险等级预测，得到预测数据。
[0032]本申请第二方面实施例提供了一种电子设备，包括：
[0033]至少一个存储器；
[0034]至少一个处理器；
[0035]至少一个程序；
[0036]所述程序被存储在所述存储器中，所述处理器执行至少一个所述程序以实现如本申请第一方面任一项实施例所述的控制器的设计方法。
[0037]本申请第三方面实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行信号，所述计算机可执行信号用于执行如本申请第一方面和任一项实施例所述的控制器的设计方法。
附图说明
[0038]本申请的附加方面和优点结合下面附图对实施例的描述中将变得明显和容易理解，其中：
[0039]图1为本申请实施例提供的高空危物检测模型的结构示意图；
[0040]图2为本申请实施例提供的图1中主干网络的结构示意图；
[0041]图3为本申请实施例提供的相关技术中主干网络的结构示意图；
[0042]图4为本申请实施例提供的分类器及检测器的头部结构示意图；
[0043]图5为本申请实施例提供的高空危物检测方法的流程图；
[0044]图6为本申请实施例提供的主干网络对所述楼群图像进行特征提取的流程图；
[0045]图7为本申请另一实施例提供的检测方法的流程图；
[0046]图8为本申请另一实施例提供的检测方法的流程图；
[0047]图9为本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0048]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
[0049]需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于流程图中的顺序执行所示出或描述的步骤。说明本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高空危物检测方法，其特征在于，包括：获取高空危物检测模型和待检测社区的楼群图像，所述高空危物检测模型包括主干网络、分类器和检测器；通过主干网络对所述待检测社区的楼群图像进行特征提取，得到目标特征图，其中，所述主干网络包括CBM组件集和Res组件集，所述CBM组件集用于对所述楼群图像进行特征提取，并将提取结果输送至所述Res组件集；所述Res组件集用于对所述提取结果进行优化，并输出目标特征图；通过分类器和检测器对所述目标特征图进行分类检测，得到所述楼群图像对应的危物类别。2.根据权利要求1所述的方法，其特征在于，所述CBM组件集包括第一CBM组件、第二CBM组件，所述Res组件集包括若干Res组件，所述通过主干网络对所述楼群图像进行特征提取，得到目标特征图，包括：通过所述第一CBM组件对所述待检测社区的楼群图像进行特征提取，得到第一输出特征图；通过所述第二CBM组件对所述第一输出特征图进行下采样处理，得到第二输出特征图；通过预设数量个所述Res组件对所述第二输出特征图进行特征提取，得到若干个尺寸不同的目标特征图。3.根据权利要求1所述的方法，其特征在于，所述分类器和检测器的头部包括由平均池化算法构成的SPP组件，所述方法还包括：通过SPP组件对所述目标特征图进行上采样，以通过分类器和检测器对上采样结果进行分类检测，得到所述楼群图像对应的危物类别。4.根据权利要求1所述的方法，其特征在于，所述高空危物检测模型通过以下训练方法得到，包括：获取楼群图像样本集；基于所述楼群图像样本集对所述高空危物检测模型进行迭代训练，其中，通过所述高空危物检测模型对所述楼群图像样本集中的一个楼群图像样本进行分类检测，得到预测框参数；根据所述预测框参数的平方根和所述楼群图像样本对应的标签框参数的平方根之差，更新损失函数；当所述损失函数满足预设条件时，迭代结束。5.根据权利要求4所述的方法，其特征在于，在模型训练完成之后，所述方法还包括：采集目标社区的楼群图像集；将所述目标社区的楼群图像集输入训练完...

【专利技术属性】
技术研发人员：王天雷，李泽亮，徐颖，翟懿奎，梁长钊，李文霸，谭梓峻，江子义，廖锦锐，李青，周建宏，
申请(专利权)人：五邑大学，
类型：发明
国别省市：