【技术实现步骤摘要】
一种基于深度学习的高空抛物识别方法
[0001]本专利技术涉及人工智能
，具体为一种基于深度学习的高空抛物识别方法。
技术介绍
[0002]随着现代建筑水平的不断提升，城市中的大厦、居民楼高度愈发随之拔高，随之而来的高空抛物问题，严重影响了建筑周边行人的生命安全，由于高空抛物行为发生时间短，突发性强，导致该行为一直难以监测和遏制。
[0003]在高空抛物识别中，传统的方法往往依赖于手工设计的特征提取器和分类器，然而，手工设计的特征通常无法充分表达复杂的抛物体形态和动态变化，限制了识别的准确性和泛化能力，这些方法对于不同场景或不同抛物体的变化不具备良好的适应性，当遇到新的抛物体类型或形状时，传统方法需要重新设计和调整特征提取器，增加了开发和部署的困难。
[0004]为此，本专利技术提供了一种基于深度学习的方法可以通过训练神经网络来自动学习特征，而无需手动设计特征提取器。神经网络可以根据输入的图像数据自动发现和提取抛物体的相关特征，具有更强的表达能力，并且在大规模数据集上具有更好的泛化能力。
专利技...
【技术保护点】
【技术特征摘要】
1.基于深度学习的高空抛物识别方法，其特征在于，包括以下步骤：使用数据收集模块收集大量的高空抛物的图像或视频数据，包括实际的抛物实例以及模拟生成的数据；基于数据增强模块对实际抛物数据和模拟生成的数据进行数据增强操作，包括旋转、裁切、缩放和改变亮度/对比度；通过数据筛选模块筛选高质量图片素材用作训练集；使用模型生成及训练模块对Faster R
‑
CNN进行训练，并生成最终的高空抛物识别模型。2.根据权利要求1所述的基于深度学习的高空抛物识别方法，其特征在于：在不同时间和地点进行观测，记录实际的高空抛物运动，捕捉抛物运动的视频及图像，获取其运动轨迹和形状的变化；对收集到的图像或视频进行标记和注释，标记抛物物体的位置、速度和轨迹；在实际抛物数据不足或难以收集的条件下，使用物理引擎或仿真软件来生成高空抛物的模拟数据；使用收集到数据，在训练验证及测试后，获取模型。3.根据权利要求2所述的基于深度学习的高空抛物识别方法，其特征在于：对收集到的图像进行裁剪，将裁剪后的图像按照统一的尺寸进行缩放；对图像进行随机旋转操作，并随机改变图像的亮度和对比度，模拟不同光照条件下的抛物运动。4.根据权利要求1所述的基于深度学习的高空抛物识别方法，其特征在于：通过图像清晰度评估，包括图像锐化算法及图像质量评估指标，获取图像清晰度评分、边缘锐利度及分辨率数据，生成图片清晰度参数QX；评估图像的对比度，使用直方图均衡化及对比度增强方法对数据集中的图像进行对比度值评估，获取图片对比度参数DB；使用直方图均衡化及自适应亮度调整方法，评估图像的亮度水平，获取图像亮度值LD；通过提取图像中的物体边缘特征，使用边缘检测算法包括Canny算法及Sobel算法，获取图像物体边缘特征值TZ；评估图像中不同物体的区分度，使用局部变二值法及颜色检测方法，获取图像区分度值QF。5.根据权利要求4所述的基于深度学习的高空抛物识别方法，其特征在于：根据图片清晰度参数QX对训练集中的图像数据进行一轮筛选，过滤清晰度低，影响训练集整体图像质量的数据，计算公式如下：QX≥D？use:F式中，参数意义为：D为训练集图像清晰度最低阈值；当公式输出“use”时，表明当前图像清晰度值高于D，该图像质量合格，可用于训练集；当公式输出“F”，表明当前图像清晰度值低于D，该图像质量不合格，做过滤处理。6.根据权利要求5...
【专利技术属性】
技术研发人员：刘成刚，请求不公布姓名，请求不公布姓名，
申请(专利权)人：深圳市星河智善科技有限公司，
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。