一种基于激光摄像和自编码器的坠物检测方法与系统技术方案

本发明专利技术公开了一种基于激光摄像和自编码器的坠物检测方法，获取激光摄像机对目标区域进行

【技术实现步骤摘要】
一种基于激光摄像和自编码器的坠物检测方法与系统


[0001]本专利技术涉及坠物检测
，特别涉及一种基于激光摄像和自编码器的坠物检测方法与系统
。

技术介绍

[0002]针对户外场景，随着城市建设不断向高层发展和人口密度的大幅提高，高空坠物引发的安全问题日益受到关注
。
为了有效预防和减少此类事故的发生，学者们开展了一系列关于高空坠物检测的研究
。
研究主要集中在基于计算机视觉和深度学习的物体识别方法上
。
这些方法通过分析普通图像或视频，识别出可能坠落的物体并进行预警
。
然而，现有研究在检测精度
、
实时性
、
黑夜
、
以及存在与背景相同颜色时方面仍存在严重不足
。
[0003]当前的坠物检测算法，大部分基于传统机器学习的帧间差算法，优点是需要的算力小，不过对与背景相近的颜色的目标难以区分
。
同时由于其本身去噪算法的存在，导致无法检测微小目标
。
[0004]即现有技术存在如下缺点：
[0005](1)
对大目标检测良好，对微小目标漏检高
。
[0006](2)
无法难以识别与背景颜色相近的坠物，同时对无灯光情况难以辨识
。

技术实现思路

[0007]本专利技术所要解决的技术问题是：提供一种基于激光摄像和自编码器的坠物检测方法与系统，提高坠物识别的精确度
。
[0008]为了解决上述技术问题，本专利技术采用的技术方案为：
[0009]一种基于激光摄像和自编码器的坠物检测方法，包括步骤：
[0010]S1、
获取激光摄像机对目标区域进行
3D
点云图像采集得到的视频流数据；
[0011]S2、
针对视频流中当前帧与前一帧的图像，进行连接后利用预先训练的自编码器进行背景噪声排除，生成目标掩码图；
[0012]S3、
对所述目标掩码图进行像素聚类，确定其中的各个目标类以及所述目标类所在的目标位置；
[0013]S4、
对于各个所述目标类，在后续的预设帧数范围内，判断是否识别到所述目标位置的下方存在目标类，若是则标记为坠物
。
[0014]为了解决上述技术问题，本专利技术采用的另一种技术方案为：
[0015]一种基于激光摄像和自编码器的坠物检测系统，包括激光摄像机和检测终端，所述检测终端包括处理器
、
存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0016]S1、
获取激光摄像机对目标区域进行
3D
点云图像采集得到的视频流数据；
[0017]S2、
针对视频流中当前帧与前一帧的图像，进行连接后利用预先训练的自编码器进行背景噪声排除，生成目标掩码图；
[0018]S3、
对所述目标掩码图进行像素聚类，确定其中的各个目标类以及所述目标类所在的目标位置；
[0019]S4、
对于各个所述目标类，在后续的预设帧数范围内，判断是否识别到所述目标位置的下方存在目标类，若是则标记为坠物
。
[0020]本专利技术的有益效果在于：本专利技术的一种基于激光摄像和自编码器的坠物检测方法与系统，利用激光摄像机进行
3D
点云图像采集，能够克服不同颜色与色彩与周边环境相似的影响，同时采用预训练的自编码器进行噪声去除后，解决现有噪声去除算法导致微小目标漏检率高的问题，利用像素聚类和帧间位置变化，来快速识别坠物，能够有效提高坠物识别的精确度和效率
。
附图说明
[0021]图1为本专利技术实施例的一种基于激光摄像和自编码器的坠物检测方法的流程图；
[0022]图2为本专利技术实施例的一种基于激光摄像和自编码器的坠物检测系统的结构图；
[0023]图3为本专利技术实施例的一种基于激光摄像和自编码器的坠物检测方法的自编码器结构示意图；
[0024]图4为本专利技术实施例的一种基于激光摄像和自编码器的坠物检测方法3米处坠物检测到的图像示例图；
[0025]图5为本专利技术实施例的一种基于激光摄像和自编码器的坠物检测方法
10
米处坠物检测到的图像示例图；
[0026]标号说明：
[0027]1、
一种基于激光摄像和自编码器的坠物检测系统；
2、
激光摄像机；3检测终端；
4、
处理器；
5、
存储器
。
具体实施方式
[0028]为详细说明本专利技术的
技术实现思路

、
所实现目的及效果，以下结合实施方式并配合附图予以说明
。
[0029]请参照图1，一种基于激光摄像和自编码器的坠物检测方法，包括步骤：
[0030]S1、
获取激光摄像机对目标区域进行
3D
点云图像采集得到的视频流数据；
[0031]S2、
针对视频流中当前帧与前一帧的图像，进行连接后利用预先训练的自编码器进行背景噪声排除，生成目标掩码图；
[0032]S3、
对所述目标掩码图进行像素聚类，确定其中的各个目标类以及所述目标类所在的目标位置；
[0033]S4、
对于各个所述目标类，在后续的预设帧数范围内，判断是否识别到所述目标位置的下方存在目标类，若是则标记为坠物
。
[0034]从上述描述可知，本专利技术的有益效果在于：本专利技术的一种基于激光摄像和自编码器的坠物检测方法与系统，利用激光摄像机进行
3D
点云图像采集，能够克服不同颜色与色彩与周边环境相似的影响，同时采用预训练的自编码器进行噪声去除后，解决现有噪声去除算法导致微小目标漏检率高的问题，利用像素聚类和帧间位置变化，来快速识别坠物，能够有效提高坠物识别的精确度和效率
。
[0035]进一步的，步骤
S2
包括步骤：
[0036]S21、
判断当前图像是否为视频流的第一帧，若是则进入步骤
S22
，否则进入步骤
S23
；
[0037]S22、
跳过当前图像，并返回步骤
S21
；
[0038]S23、
获取当前图像的前一帧图像与当前图像进行连接，并作为预先训练的自编码器的输入，由所述自编码器进行背景和噪声的过滤，输出目标掩码图
。
[0039]由上述描述可知，自编码器拥有数据筛查的性质，能通过训练后过滤图像中的噪声与背景
。
[0040]进一步地，所述自编码器采用深度学习网络，包括一个编码器和一个解码器；
[0041]所述编码器由六个
2*(Conv+Relu)
以及两个...

【技术保护点】

【技术特征摘要】
1.
一种基于激光摄像和自编码器的坠物检测方法，其特征在于，包括步骤：
S1、
获取激光摄像机对目标区域进行
3D
点云图像采集得到的视频流数据；
S2、
针对视频流中当前帧与前一帧的图像，进行连接后利用预先训练的自编码器进行背景噪声排除，生成目标掩码图；
S3、
对所述目标掩码图进行像素聚类，确定其中的各个目标类以及所述目标类所在的目标位置；
S4、
对于各个所述目标类，在后续的预设帧数范围内，判断是否识别到所述目标位置的下方存在目标类，若是则标记为坠物
。2.
根据权利要求1所述的一种基于激光摄像和自编码器的坠物检测方法，其特征在于，步骤
S2
包括步骤：
S21、
判断当前图像是否为视频流的第一帧，若是则进入步骤
S22
，否则进入步骤
S23
；
S22、
跳过当前图像，并返回步骤
S21
；
S23、
获取当前图像的前一帧图像与当前图像进行连接，并作为预先训练的自编码器的输入，由所述自编码器进行背景和噪声的过滤，输出目标掩码图
。3.
根据权利要求1或2所述的一种基于激光摄像和自编码器的坠物检测方法，其特征在于，所述自编码器采用深度学习网络，包括一个编码器和一个解码器；所述编码器由六个
2*(Conv+Relu)
以及两个
Conv+Relu+stride(2)
组成；所述解码器由六个
2*(Conv+Relu)
以及两个
Deconv+stride(2)
组成；其中，
Conv
表示卷积层，
Relu
表示激活函数，
stride(2)
表示步长为2，
Deconv
表示反卷积层，
2*
表示两个模块叠加
。4.
根据权利要求1所述的一种基于激光摄像和自编码器的坠物检测方法，其特征在于，步骤
S3
包括步骤：
S31、
筛选所述目标掩码图中像素值大于像素阈值的所有像素点，汇入目标点集合中；
S32、
利用预设的聚类算法对目标点集合中的像素点根据预设聚类阈值进行聚类，得到所述目标掩码图中的各个目标类以及所述目标类所在的目标位置
。5.
根据权利要求4所述的一种基于激光摄像和自编码器的坠物检测方法，其特征在于，预设的聚类算法具体为
DBSCAN
聚类算法
。6.
一种基于激光摄像和自编码器的坠物检测系统，其特征在于，包括激光摄像机和检测终端...

【专利技术属性】
技术研发人员：谢军伟，方靖雲，高钦泉，童同，邓炜，赖天歌，罗鸣，
申请(专利权)人：福建帝视科技集团有限公司，
类型：发明
国别省市：