本发明专利技术公开了一种钓鱼行为检测方法、装置及边缘处理设备、存储介质，涉及图像处理技术领域。该方法包括：获取待检测场景的初始背景图和当前场景图；检测当前场景图中是否存在行人，若是，则对初始背景图和当前场景图进行预处理，以得到目标背景图和初始前景图；将目标背景图和初始前景图输入至预先构建且训练好的目标联合判定模型中，以检测是否存在钓鱼行为。由此，以提高钓鱼行为检测的检测准确度。以提高钓鱼行为检测的检测准确度。以提高钓鱼行为检测的检测准确度。
【技术实现步骤摘要】
钓鱼行为检测方法、装置及边缘处理设备、存储介质
[0001]本专利技术涉及图像处理
，尤其涉及一种钓鱼行为检测方法、装置及边缘处理设备、存储介质。
技术介绍
[0002]野外池塘众多且人流量较少，因此会有不少钓鱼爱好者经常前往垂钓。然而，有些野外池塘的周围或池塘上方存在高压输电线路，在这些池塘下方钓鱼时，会存在巨大的触点风险，从而需要对池塘进行监测，以防止此类触电事故的发生。
[0003]在相关的池塘监测方法中，一部分是通过人工监测的方式监测鱼塘是否有人钓鱼，但是该方法成本高且实时性较低；还有一部分是基于图像检测分类算法对池塘进行监测。
[0004]其中，基于图像检测分类算法对池塘进行监测的一种方式为：先检测是否有行人；再对行人周围用语义分割的方法分割鱼竿，根据行人和鱼竿的信息判断是否存在人员钓鱼行为。还有一种方式为：先检测是否有行人，根据行人的朝向进行扩边剪裁，扩边后的图片包含行人和鱼竿信息；再使用分类器对钓鱼行为进行分类。这两种方法均是基于单张图片进行钓鱼行为判定，但是若遇到很复杂的池塘场景（例如，场景中有栏杆、电线、船桨等）时，会因为缺乏足够的判定信息导致一定程度的误判，从而检测准确度较低。
技术实现思路
[0005]本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。
[0006]为此，本专利技术的一个目的在于提出一种钓鱼行为检测方法，以提高钓鱼行为检测的检测准确度。
[0007]本专利技术的第二个目的在于提出一种钓鱼行为检测装置。
[0008]本专利技术的第三个目的在于提出一种边缘处理设备。
[0009]本专利技术的第四个目的在于提出一种计算机可读存储介质。
[0010]为达上述目的，本专利技术第一个实施例提出了一种钓鱼行为检测方法，该方法包括：获取待检测场景的初始背景图和当前场景图；检测所述当前场景图中是否存在行人，若是，则对所述初始背景图和所述当前场景图进行预处理，以得到目标背景图和初始前景图；将所述目标背景图和所述初始前景图输入至预先构建且训练好的目标联合判定模型中，以检测是否存在钓鱼行为。
[0011]本专利技术实施例的钓鱼行为检测方法，通过获取待检测场景的初始背景图和当前场景图；再检测当前场景图中是否存在行人，在当前场景图中存在行人时，则对初始背景图和当前场景图进行预处理，得到目标背景图和初始前景图；将目标背景图和初始前景图输入至预先构建且训练好的目标联合判定模型中，来检测是否存在钓鱼行为，由此通过提取出初始前景图中与目标背景图中相区别的特征，再通过判断该特征是否为人和鱼竿特征来检测是否存在钓鱼行为，能够有效降低复杂背景对检测的影响，提高了钓鱼行为检测的准确
度。
[0012]在一些实现方式中，所述对所述初始背景图和所述当前场景图进行预处理，包括：获取所述当前场景图中行人的第一位置信息，并根据所述第一位置信息确定所述当前场景图中的行人区域；对所述行人区域进行扩展操作，得到所述当前场景图中行人的第二位置信息；根据所述第二位置信息对所述初始背景图和所述当前场景图进行裁剪，以得到所述目标背景图和所述初始前景图。
[0013]在一些实现方式中，所述目标联合判定模型的构建步骤包括：创建基础特征提取模型，并在所述基础特征提取模型的中间层嵌入特征对比层，以得到所述目标联合判定模型，其中，所述基础特征提取模型的第一基础层用于提取得到所述目标背景图的背景特征图和所述初始前景图的前景特征图；所述特征对比层用于根据所述背景特征图和所述前景特征图，得到所述初始前景图中的目标前景区域；所述基础特征提取模型的第二基础层用于从所述目标前景区域中提取得到钓鱼行为相关特征，以根据所述钓鱼行为相关特征检测所述待检测场景是否存在钓鱼行为。
[0014]在一些实现方式中，根据所述背景特征图和所述前景特征图，得到所述初始前景图中的目标前景区域，包括：根据所述背景特征图和所述前景特征图确定第一中间图；将所述第一中间图沿着通道维度进行求和得到第二中间图；利用sigmoid函数对所述第二中间图进行映射，得到第三中间图；根据所述第三中间图和所述前景特征图得到所述目标前景区域。
[0015]在一些实现方式中，根据所述背景特征图和所述前景特征图，得到所述初始前景图中的目标前景区域，包括：对所述前景特征图和所述背景特征图沿着通道维度进行归一化处理，得到目标前景特征图和目标背景特征图；根据所述目标前景特征图和所述目标背景特征图确定相似度矩阵；根据所述相似度矩阵得到第三中间图；根据所述第三中间图和所述前景特征图得到所述目标前景区域。
[0016]在一些实现方式中，所述目标联合判定模型的训练步骤包括：获取图片对样本集，并对所述图片对样本集中的所有图片对进行打标签处理，所述图片对包括所述初始背景图和相应的所述当前场景图；利用数据增强算法对所述图片对进行预处理；将经过预处理的所述图片对输入至所述目标联合判定模型中，得到钓鱼行为判定结果；利用所述钓鱼行为判定结果和预设损失函数计算所述目标联合判定模型的损失值；根据所述损失值对所述目标联合判定模型的参数进行更新，直至所述目标联合判定模型收敛，得到训练好的所述目标联合判定模型。
[0017]在一些实现方式中，在检测到所述当前场景图中不存在行人时，所述方法还包括：根据所述当前场景图对所述初始背景图进行更新。
[0018]为达上述目的，本专利技术第二个实施例提出了一种钓鱼行为检测装置，该装置包括：获取模块，用于获取待检测场景的初始背景图和当前场景图；行人检测模块，用于检测所述当前场景图中是否存在行人，若是，则对所述初始背景图和所述当前场景图进行预处理，以得到目标背景图和初始前景图；判定模块，用于将所述目标背景图和所述初始前景图输入至预先构建且训练好的目标联合判定模型中，以检测是否存在钓鱼行为。
[0019]本专利技术实施例的钓鱼行为检测装置，通过获取模块获取待检测场景的初始背景图和当前场景图；再通过行人检测模块检测当前场景图中是否存在行人，在当前场景图中存
在行人时，则对初始背景图和当前场景图进行预处理，得到目标背景图和初始前景图；判定模块将目标背景图和初始前景图输入至预先构建且训练好的目标联合判定模型中，来检测是否存在钓鱼行为，由此通过提取出初始前景图中与目标背景图中相区别的特征，再通过判断该特征是否为人和鱼竿特征来检测是否存在钓鱼行为，能够有效降低复杂背景对检测的影响，提高了钓鱼行为检测的准确度。
[0020]为达上述目的，本专利技术第三个实施例提出了一种边缘处理器，包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如第一方面实施例提出的钓鱼行为检测方法。
[0021]为达上述目的，本专利技术第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如根据本专利技术第一方面实施例提出的钓鱼行为检测方法。
[0022]本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种钓鱼行为检测方法，其特征在于，包括：获取待检测场景的初始背景图和当前场景图；检测所述当前场景图中是否存在行人，若是，则对所述初始背景图和所述当前场景图进行预处理，以得到目标背景图和初始前景图；将所述目标背景图和所述初始前景图输入至预先构建且训练好的目标联合判定模型中，以检测是否存在钓鱼行为；其中，所述目标联合判定模型的构建步骤包括：创建基础特征提取模型，并在所述基础特征提取模型的中间层嵌入特征对比层，以得到所述目标联合判定模型，其中，所述基础特征提取模型的第一基础层用于提取得到所述目标背景图的背景特征图和所述初始前景图的前景特征图；所述特征对比层用于根据所述背景特征图和所述前景特征图，得到所述初始前景图中的目标前景区域；所述基础特征提取模型的第二基础层用于从所述目标前景区域中提取得到钓鱼行为相关特征，以根据所述钓鱼行为相关特征检测所述待检测场景是否存在钓鱼行为。2.根据权利要求1所述的钓鱼行为检测方法，其特征在于，所述对所述初始背景图和所述当前场景图进行预处理，包括：获取所述当前场景图中行人的第一位置信息，并根据所述第一位置信息确定所述当前场景图中的行人区域；对所述行人区域进行扩展操作，得到所述当前场景图中行人的第二位置信息；根据所述第二位置信息对所述初始背景图和所述当前场景图进行裁剪，以得到所述目标背景图和所述初始前景图。3.根据权利要求1所述的钓鱼行为检测方法，其特征在于，根据所述背景特征图和所述前景特征图，得到所述初始前景图中的目标前景区域，包括：根据所述背景特征图和所述前景特征图确定第一中间图；将所述第一中间图沿着通道维度进行求和得到第二中间图；利用sigmoid函数对所述第二中间图进行映射，得到第三中间图；根据所述第三中间图和所述前景特征图得到所述目标前景区域。4.根据权利要求1所述的钓鱼行为检测方法，其特征在于，根据所述背景特征图和所述前景特征图，得到所述初始前景图中的目标前景区域...
【专利技术属性】
技术研发人员：孙俊，沈韬，孙涛，艾坤，刘海峰，王子磊，
申请(专利权)人：合肥中科类脑智能技术有限公司，
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。