基于双耦合深度神经网络学习的图像处理方法技术

本申请公开了一种基于双耦合深度神经网络学习的图像处理方法。其首先将由摄像头采集的升降机的内部监控图像通过RetinaNet的骨干网络以得到第一内部监控特征图，接着，将所述第一内部监控特征图通过ShuffleNet以得到第二内部监控特征图，最后，将所述第二内部监控特征图通过所述RetinaNet的子网络以得到分类结果和回归结果。这样，可以提升检测的准确性。

【技术实现步骤摘要】

本申请涉及智能化图像处理领域，且更为具体地，涉及一种基于双耦合深度神经网络学习的图像处理方法。

技术介绍

1、随着城镇化建设的推进，高楼大厦越来越多，施工升降机的使用日益频繁，为了避免群死、群伤事故，国内对施工升降机的载运人数进行了限制，要求安全监控系统实现升降机吊笼内人数的统计。根据施工升降机工作特点，因为轿厢需要在建筑物不同层楼运输物品或工作人员，不能简单在门外安全计算装置，因此，一种可行的方案是利用图像识别的方法。

2、施工升降机吊笼尺寸一般为3.1m*1.5m*2.4m，空间狭小，在该区域内，人的运动行程短，人与人容易彼此遮挡，图像跟踪的方法容易丢失目标。

3、因此，期待一种优化的图像处理方案。

技术实现思路

1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于双耦合深度神经网络学习的图像处理方法。其首先将由摄像头采集的升降机的内部监控图像通过retinanet的骨干网络以得到第一内部监控特征图，接着，将所述第一内部监控特征图通过shufflenet以得到第二内本文档来自技高网...

【技术保护点】

1.一种基于双耦合深度神经网络学习的图像处理方法，其特征在于，包括：

2.根据权利要求1所述的基于双耦合深度神经网络学习的图像处理方法，其特征在于，将所述第二内部监控特征图通过所述RetinaNet的子网络以得到分类结果和回归结果，包括：

3.根据权利要求1所述的基于双耦合深度神经网络学习的图像处理方法，其特征在于，将所述第二内部监控特征图通过所述RetinaNet的子网络以得到分类结果和回归结果，包括：

4.根据权利要求3所述的基于双耦合深度神经网络学习的图像处理方法，其特征在于，将所述第一内部监控特征图通过ShuffleNet以得到第二内部监控特征...

【技术特征摘要】

1.一种基于双耦合深度神经网络学习的图像处理方法，其特征在于，包括：

2.根据权利要求1所述的基于双耦合深度神经网络学习的图像处理方法，其特征在于，将所述第二内部监控特征图通过所述retinanet的子网络以得到分类结果和回归结果，包括：

3.根据权利要求1所述的基于双耦合深度神经网络学习的图像处理方法，其特征在于，将所述第二内部监控特征图通过所述retinanet的子网络以得到分类结果和回归结果，包括：

4.根据权利要求3所述的基于双耦合深度神经网络学习的图像处理方法，其特征在于，将所述第一内部监控特征图通过shufflenet以得到第二内部监控特征图，包括：

5.根据权利要求4所述的基于...

【专利技术属性】
技术研发人员：徐晨瀚，姜天风，叶洲鹏，蔡艳艳，
申请(专利权)人：揽胜重工有限公司，
类型：发明
国别省市：