一种基于YOLO-MobileNet的电动车入梯行为识别方法及设备技术

本发明专利技术公开一种基于MobileNetv3的轻量化电动车入梯行为检测方法及设备，方法具体为：加载最优模型对采集到的电梯内图片数据进行预测；所述最优模型判断并获得各检测目标的类别、置信度和对应的目标框坐标信息，进而得到是否有电动车入梯行为；所述最优模型以YOLOv5网络作为基础网络，使用MobileNetv3代替CPSDarknet作为主干网络，并使用更轻量级的ULSAM注意力模块替换原有的SE注意力模块，生成YOLO

【技术实现步骤摘要】
一种基于YOLO
‑
MobileNet的电动车入梯行为识别方法及设备


[0001]本专利技术属于目标检测领域，具体涉及一种基于YOLO
‑
MobileNet的电动车入梯行为识别方法。

技术介绍

[0002]2017年消防《火灾报告表》中将火灾诱发原因分为9种，其中与电动车起火事故有关的电气火灾事故占总比的35％，电动车在晚上20点至翌日凌晨5点之间的火灾产生数约占总数的67％。目前，小区为防止电动车入户充电的现象，安排保安在小区内按时巡逻或在监控室实时监控，效率低下，占用资源多，为了降低楼宇内火灾发生风险，很有必要对电动车驶入电梯的行为进行实时检测并提出警告，现阶段对电动车入梯行为提出了基于CNN、RCNN等算法，但其模型较大，速度较慢，而YOLO(You Only Look Once)算法由于其单阶段的特性，在实时性要求高的情况下更为优秀。

技术实现思路

[0003]为了解决现有技术中存在的问题，本专利技术提供一种基于YOLO
‑
MobileNet的电动车入梯行为识别方法，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于YOLO
‑
MobileNet的电动车入梯行为识别方法，其特征在于，包括以下步骤：加载最优模型对采集到的电梯内图片数据进行预测；所述最优模型判断并获得各检测目标的类别、置信度和对应的目标框坐标信息，进而得到是否有电动车入梯行为；所述最优模型以YOLOv5网络作为基础网络，使用MobileNetv3代替CPSDarknet作为主干网络，并使用轻量级的ULSAM注意力模块替换原有的SE注意力模块，生成YOLO
‑
MobileNet网络，对YOLO
‑
MobileNet网络进行训练得到最优模型。2.根据权利要求1所述的基于YOLO
‑
MobileNet的电动车入梯行为识别方法，其特征在于，具体模型构建包括以下步骤：(1)构建深度可分离卷积结构，通过深度可分离卷积将普通卷积分解为一个深度卷积和一个点卷积；(2)在(1)的基础上构建倒残差结构和线性瓶颈结构；在倒残差结构中，先使用1
×
1卷积实现升维，再通过3
×
3的深度可分离卷积提取特征，最后使用1
×
1卷积实现降维，调换降维和升维的顺序，并将3
×
3的标准卷积换为深度可分离卷积，呈两头小、中间大的梭形结构，在最后一个卷积使用线性激活函数替换原残差结构的ReLU6激活函数；在线性瓶颈残差结构中加入ULSAM注意力模块，得到MobileNetv3的网络结构，改进后的MobileNetv3的网络结构替换YOLOv5主干特征提取网络CSPDarknet53，从而构建出基于YOLO
‑
MobileNet的目标检测模型，对基于YOLO
‑
MobileNet的目标检测模型进行训练得到最优模型。3.根据权利要求1所述的基于YOLO
‑
MobileNet的电动车入梯行为识别方法，其特征在于，所述最优模型以下步骤训练得到：采集电梯内行人、电动车、自行车图像构建数据集，对图像按照行人、电动车、婴儿车、轮椅和自行车进行分类和标注，得到带有类别标签的数据集；引入ULSAM注意力模块改进MobileNetv3网络模型；基于改进MobileNetv3网络模型，构建YOLO
‑
MobileNet电动车入梯行为检测模型；从带有类别标签的数据集中取出训练集、测试集和验证集；对YOLO
‑
MobileNet电动车入梯行为检测模型进行训练和测试，得到最优模型。4.根据权利要求3所述的基于YOLO<...

【专利技术属性】
技术研发人员：石明翰，高晓，马宗方，贾露枭，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：