一种改进YOLOX的大尺寸小目标危险行为检测方法及系统技术方案

本发明专利技术公开了一种改进YOLOX的大尺寸小目标危险行为检测方法及系统，该方法对输入图像进行缩放和归一化操作；通过卷积和池化操作提取图像特征；使用ECANet提取关键特征，再结合金字塔式特征网络层生成更加准确和高效的特征图；使用金字塔式特征网络将来自不同层级的特征图进行融合；利用特征图进行目标检测，生成边界框和类别概率；根据Focal Loos置信度损失函数调整易分类样本和难分类样本的权重差异；根据置信度和类别概率筛选边界框，通过非极大值抑制算法消除冗余框，最终得到检测结果。本发明专利技术通过引入ECANet和Focal Loss函数，可以增强特征提取和优化损失函数，提高小目标的检测率，从而进一步提高了检测性能。从而进一步提高了检测性能。从而进一步提高了检测性能。

【技术实现步骤摘要】
一种改进YOLOX的大尺寸小目标危险行为检测方法及系统


[0001]本专利技术涉及室内危险行为检测领域，具体地说是一种改进YOLOX的大尺寸小目标危险行为检测方法及系统。

技术介绍

[0002]室内吸烟危险行为对公共场所和办公安全造成的影响更加严重。目前，大多数室内吸烟危险行为的检测仍然依靠烟雾探测，但是这种方法容易存在误判的问题。
[0003]近年来，深度学习技术的发展提升了图像检测的精度，摄像头可以捕捉到人员吸烟的危险行为，通常是对摄像头捕捉的图像需要进行预处理和匹配，以保证检测的准确性。
[0004]目前已有一些文献提出了相关方法。
[0005]Wang等人提出了一种基于深度卷积神经网络的室内抽烟检测方法，该方法使用深度卷积神经网络对摄像头采集的视频帧进行分类，达到了较高的准确率。Khan等人提出了一种基于图像序列的室内抽烟检测方法，该方法利用了视频帧之间的时序信息，有效地提高了检测准确率。
[0006]摄像头采集的图像可能存在背景复杂、光线变化等问题，这会影响图像的质量和准确性。为了解决这些问题，可以采用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进YOLOX的大尺寸小目标危险行为检测方法，其特征在于，包括：步骤S11，对输入图像进行缩放和归一化操作；步骤S12，通过卷积和池化操作提取图像特征；步骤S13，使用ECANet提取关键特征，再结合金字塔式特征网络层生成更加准确和高效的特征图；步骤S14，使用金字塔式特征网络将来自不同层级的特征图进行融合；步骤S15，利用特征图进行目标检测，生成边界框和类别概率；步骤S16，根据Focal Loos置信度损失函数调整易分类样本和难分类样本的权重差异；步骤S17，根据置信度和类别概率筛选边界框，通过非极大值抑制算法消除冗余框，最终得到检测结果。2.根据权利要求1所述的一种改进YOLOX的大尺寸小目标危险行为检测方法，其特征在于，步骤S11中，采用随机大小的图像增强方法，即随机缩放和裁剪图像，以增加训练数据的多样性，并且在缩放时保留更多的目标信息；同时加入自适应卡方值滤波器进行图像增强，以减少图像噪声对检测结果的影响。3.根据权利要求1所述的一种改进YOLOX的大尺寸小目标危险行为检测方法，其特征在于，步骤S12中，采用SPP网络，实现在特定区域内对图像进行密集采样，通过空间金字塔池化将不同尺度的特征图转化成固定大小的特征向量中。4.根据权利要求1所述的一种改进YOLOX的大尺寸小目标危险行为检测方法，其特征在于，步骤S13中，ECANet通过一维卷积完成跨通道间的信息交互，卷积核的大小通过一个自适应函数来自适应变化，自适应函数为：其中ψ＝2，b＝1，C表示输入通道维数，k为卷积核大小。5.根据权利要求1所述的一种改进YOLOX的大尺寸小目标危险行为检测方法，其特征在于，步骤S1...

【专利技术属性】
技术研发人员：韩睿，赵琳，张帅，卢洪坤，金涌涛，何坚，林浩凡，李文博，马钰，季宇豪，宋国权，汪斌，杨万波，董雪松，黄军浩，邹晓峰，
申请(专利权)人：杭州意能电力技术有限公司，
类型：发明
国别省市：