一种实现电动车检测系统达到高精度检测的方法技术方案

本发明专利技术提供一种实现电动车检测系统达到高精度的方法，在不影响正检的情况下通过采用目标检测模型增加跟踪步骤来降低误检，包括以下步骤：S1，系统启动，开始；S2，判断是否有视频？如果否，则进行步骤S5结束；如果是，则获取视频，进入步骤S3；S3，进入检测状态，对电动车进行检测：进入检测状态后，判断是否检测出电动车？如果否，则重新进行步骤S3进入检测状态；如果是，则进行步骤S4进入跟踪状态；S4，进入跟踪状态，对检测出的结果进行跟踪：进入跟踪状态后，判断是否满足跳出跟踪条件？如果否，则进行步骤S4进入跟踪状态；如果是，则进行步骤S3进入检测状态；S5，结束。结束。结束。

【技术实现步骤摘要】
一种实现电动车检测系统达到高精度检测的方法


[0001]本专利技术涉及智能视频处理
，特别涉及一种实现电动车检测系统达到高精度检测的方法。

技术介绍

[0002]随着计算机技术的发展和计算机视觉原理的广泛应用，使用计算机图像处理技术来实时检测跟踪目标变得越来越流行。在智能交通系统，智能监控系统和军事目标检测中使用目标的动态实时跟踪和定位，并且将手术器械定位在医学导航手术中具有广泛的应用价值。目标检测的任务是找出图像中所有感兴趣的目标，确定它们的位置和大小，是机器视觉领域的核心问题之一。由于各类物体有不同的外观，形状，姿态，加上成像时光照，遮挡等因素的干扰，目标检测一直是机器视觉领域最具有挑战性的问题。
[0003]近年来由于电动车电瓶引起的火灾事件越来越多，电动车报警系统就是为了防止电动车进入室内充电，这样的需求已刻不容缓。
[0004]现有目标检测中常用的提升精度的方法：增加负样本数据，增加负样本数据也可分为两类，一是找一些多样的没有目标的图片直接放进训练数据中；另一种是用现有的模型对无目标图片进行检测，会出现一些检测错误的图片，将这些检测出来的图片当负样本放进训练数据中；除了增加负样本数据外还可以通过提高正样本质量来减少误报，需要对训练样本重新进行筛选，过滤不好的样本；当然还可以通过使用更深更复杂的网络，只是这样会改变网络结构，这样一来，检测时间也会相应增加。
[0005]传统的提升精度的方法是尽可能提升模型的精确度，但是达不到高精度。传统的目标检测模型即便精度到达99％，在对精度要求高的系统中，精度也是不够的，更何况在模型比较小的情况下根本达不到这么高的精确度。电动车报警系统则需要达到的精度为99.9％甚至更高，但现有技术中想单凭模型去提升精度是有瓶颈的。
[0006]另外，现有技术中的常用术语如下：
[0007]KCF：全称为Kernel Correlation Filter核相关滤波算法，这是一个跟踪算法，是在2014年由Joao F.Henriques,Rui Caseiro,Pedro Martins,and Jorge Batista提出来的。这个算法不论是在跟踪效果还是跟踪速度上都有十分亮眼的表现，所以引起了一大批的学者对这个算法进行研究以及工业界也在陆续把这个算法应用在实际场景当中。此处所用的跟踪算法即为KCF跟踪算法。

技术实现思路

[0008]为了解决上述现有技术中的问题，本申请的目的在于：采用跟踪方法主要解决电动车高精度的要求，特别是，电梯场景电动车检测系统中用目标跟踪满足电动车检测系统达到高精度要求。
[0009]具体地，本专利技术提供一种实现电动车检测系统达到高精度的方法，所述方法在不影响正检的情况下通过采用目标检测模型增加跟踪步骤来降低误检，包括以下步骤：
[0010]S1，系统启动，开始；
[0011]S2，判断是否有视频？如果否，则进行步骤S5结束；如果是，则获取视频，进入步骤S3；
[0012]S3，进入检测状态，对电动车进行检测：
[0013]进入检测状态后，判断是否检测出电动车？如果否，则重新进行步骤S3进入检测状态；如果是，则进行步骤S4进入跟踪状态；
[0014]S4，进入跟踪状态，对检测出的结果进行跟踪：
[0015]进入跟踪状态后，判断是否满足跳出跟踪条件？如果否，则进行步骤S4进入跟踪状态；如果是，则进行步骤S3进入检测状态；
[0016]S5，结束。
[0017]所述方法步骤S3进一步包括：
[0018]电动车检测状态，即包括电动车检测模型和电动车分类模型；电动车检测模型负责找到电动车位置，之后将电动车图片抠出来送入电动车分类模型进行分类，检测是否为电动车，是电动车结果为1，不是为0；电动车检测状态下检测出目标，即电动车模型检出电动车，电动车分类模型结果为1。
[0019]所述步骤S4进一步包括：
[0020]跟踪状态，即在电动车检测状态下检测出电动车后，将电动车位置作为跟踪目标传入跟踪步骤进行跟踪；
[0021]首先，选用电动车检测模型和电动车分类模型的组合模型进行电动车检测，检出电动车后，将目标送入KCF跟踪进行跟踪，由于KCF跟踪所用时间只有n毫秒，n<10，每跟踪出来的结果再送入电动车分类模型进行分类，分类模型时间为30ms，检测20帧，依据电动车分类模型检测结果，超过10帧分类结果为电动车，则认为目标为电动车，否则为误检。
[0022]所述电动车检测分为以下情况：
[0023]情况1.检测状态下检测到一个真实电动车，即一张图片检测出一个电动车，送入跟踪步骤，跟踪即可；
[0024]情况2.检测状态下检测到一个误检，送入跟踪步骤跟踪，利用电动车分类模型去除误检，确定为误检后跳出跟踪，转为检测状态重新检测目标；情况3.检测状态下检测到多个目标，即一张图片检测出多个电动车；不管是检测到真实电动车还是误检，首选在这多个目标中选出一个是电动车可能性最大的目标，选择依据是先根据目标置信度，即置信度越高是电动车的可能性越大，优先选高的；若目标置信度一样，则选择目标框靠上的，因为电动车刚进电梯时，在图片中是靠上方的，而且电动车进电梯的过程中检测效果好；如果跟踪目标为真实电动车，则情况转为情况1，若跟踪目标为误检，则情况转为情况2。
[0025]所述方法进一步包括：
[0026]如果情况2检测状态下检测到一个误检，但是分类没有确认成误检，仍把误检当成电动车:
[0027]针对这种情况，设置一个变量记录跳出误检时是电动车放入1，是误检放入0，只有当变量为两个1时，确定电梯中有电动车。
[0028]所述步骤S4，当检出电动车时进入跟踪状态，那么跳出跟踪状态的条件是：
[0029]a),跟踪跟丢时，即跟踪更新之后无目标框，则跳出；
[0030]b),跟踪框更新后和更新前目标置信度偏大，则跳出；
[0031]c),设置固定值时间定时跳出，防止一直跟踪跟丢、跟错，也防止一直跟着误检漏掉电动车,定时跳出可重新调整目标。
[0032]所述跟踪框更新后和更新前目标置信度差0.2以上，则跳出；所述设置固定值时间为跟踪10次后定时跳出。
[0033]所述跟踪采用的是KCF跟踪。
[0034]所述的系统为电梯电动车报警系统。
[0035]由此，本申请的优势在于：
[0036]1.实现高精度：本申请最大的优势便是，在不影响正检的情况下通过增加跟踪及一些方法，大大降低误检，达到检测高精度。这也是电动车报警系统自身所具有的特点，所以本申请可用在所有对精度要求高的目标检测中；
[0037]2.提升正检：KCF跟踪在不遮挡目标的情况下，会一帧不丢，这样便会提升电动车的正检；
[0038]3.降低检测时间：检测模型检测所需时间200ms，分类模型所需时间30ms，但是KCF跟踪所需时间只有几毫秒，大大减少了检测时间，例跟踪10ms，则本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种实现电动车检测系统达到高精度的方法，其特征在于，所述方法在不影响正检的情况下通过采用目标检测模型增加跟踪步骤来降低误检，包括以下步骤：S1，系统启动，开始；S2，判断是否有视频？如果否，则进行步骤S5结束；如果是，则获取视频，进入步骤S3；S3，进入检测状态，对电动车进行检测：进入检测状态后，判断是否检测出电动车？如果否，则重新进行步骤S3进入检测状态；如果是，则进行步骤S4进入跟踪状态；S4，进入跟踪状态，对检测出的结果进行跟踪：进入跟踪状态后，判断是否满足跳出跟踪条件？如果否，则进行步骤S4进入跟踪状态；如果是，则进行步骤S3进入检测状态；S5，结束。2.根据权利要求1所述的一种实现电动车检测系统达到高精度的方法，其特征在于，所述方法步骤S3进一步包括：电动车检测状态，即包括电动车检测模型和电动车分类模型；电动车检测模型负责找到电动车位置，之后将电动车图片抠出来送入电动车分类模型进行分类，检测是否为电动车，是电动车结果为1，不是为0；电动车检测状态下检测出目标，即电动车模型检出电动车，电动车分类模型结果为1。3.根据权利要求2所述的一种实现电动车检测系统达到高精度的方法，其特征在于，所述步骤S4进一步包括：跟踪状态，即在电动车检测状态下检测出电动车后，将电动车位置作为跟踪目标传入跟踪步骤进行跟踪；首先，选用电动车检测模型和电动车分类模型的组合模型进行电动车检测，检出电动车后，将目标送入KCF跟踪进行跟踪，由于KCF跟踪所用时间只有n毫秒，n<10，每跟踪出来的结果再送入电动车分类模型进行分类，分类模型时间为30ms，检测20帧，依据电动车分类模型检测结果，超过10帧分类结果为电动车，则认为目标为电动车，否则为误检。4.根据权利要求3所述的一种实现电动车检测系统达到高精度的方法，其特征在于，所述电动车检测分为以下情况：情况1.检测状态下检测到一个真实电动车，即一张图片检测出一个...

【专利技术属性】
技术研发人员：焦亚茹，
申请(专利权)人：北京君正集成电路股份有限公司，
类型：发明
国别省市：