【技术实现步骤摘要】
本专利技术涉及目标识别，尤其涉及一种输液监控场景中的小目标识别方法、系统及设备。
技术介绍
1、目前能够实现输液识别/监控的技术大约有三类：1)称重式的输液监控装置：一种类似于称杆的装置，通过实时测量输液容器的重量，通过判断重量是否接近于空瓶容器的重量，来判断输液是否完成并进行报警。2)红外监控夹断式装置：通过将装置安装在输液管上，红外监控输液管中是否有液体，当没有液体时立刻夹断输液管中止输液过程。3)基于深度学习/ai的图像输液监控算法：依托于深度学习模型，通过模型分析图片中的物体，识别到输液目标，并通过一系列的算法判断是否输液完成。
2、而随着深度学习技术的迅速发展，上述基于深度学习/ai的图像输液监控算法逐渐成为最常用的输液监控技术。但是在输液监控这个场景下，输液容器放置的位置一般不固定，尤其使用广角摄像头拍摄输液画面时，输液容器在画面中占据的比例会进一步减小。因此在通过图像识别进行目标检测时，一个比较大的难题是在一张较大的图片中准确识别到较小的物体。要解决这个问题一般会采用以下手段：1.需要使用更复杂的模型，针对小目标做单独的识别层，但这样会使模型训练的成本增加，使用过程中需要使用更高配置的硬件，一般是独立的边缘服务器，嵌入式设备/移动设备一般无法负载。2.需要使用更高清的摄像头，处理高清图片又需要更高配置的硬件，这样会使成本进一步提升。3.为了尽量减少小目标识别的情况，一般会固定被拍摄物体的位置，选择合适的视野，但是在输液检测这个医疗场景下，固定输液袋位置会对医护工作者在临床使用场景上带来诸多的不便。>
3、综上可知，目前的小目标识别方法需要使用更复杂的识别模型以及更高配置的硬件，会增加目标识别的成本，且对被拍摄物体位置固定的要求不适合输液监测等医疗场景。
技术实现思路
1、本专利技术实施例提供了一种输液监控场景中的小目标识别方法、系统及设备，用于解决如下技术问题：目前的小目标识别方法需要使用更复杂的识别模型以及更高配置的硬件，会增加目标识别的成本，且对被拍摄物体位置固定的要求不适合输液监测等医疗场景。
2、本专利技术实施例采用下述技术方案：
3、一方面，本专利技术实施例提供了一种输液监控场景中的小目标识别方法，方法包括：将输液场景中的拍摄图像平均划分为预设数量的小区域；基于预设规则，将所述小区域进行两两合并，得到若干个合并区域；以第一参数标准，设置输液目标识别模型的置信率以及目标预测框的检测得分阈值，分别对所述若干个合并区域进行低精度目标识别，得到若干个待确认目标；对识别出的所有待确认目标进行就近合并，得到若干个矩形区域；以每个矩形区域为中心，在所述拍摄图像中进行图像区域截取，得到若干个目标汇总图像；以第二参数标准，设置所述输液目标识别模型的置信率以及检测得分阈值，分别对所述若干个目标汇总图像进行高精度目标识别，剔除所述待确认目标中的错误目标，得到最终的正确检测目标。
4、在一种可行的实施方式中，将输液场景中的拍摄图像平均划分为预设数量的小区域，具体包括：
5、通过n条纵向分割线，将在输液场景中拍摄的图像平均划分为预设数量个小区域；其中，预设数量＝n+1；所述输液场景中拍摄的图像中包含至少一个输液袋或输液瓶。
6、在一种可行的实施方式中，基于预设规则，将所述小区域进行两两合并，得到若干个合并区域，具体包括：
7、将小区域t1与相邻的小区域t2进行合并，得到合并区域r1；
8、将所述小区域t2与相邻的小区域t3进行合并，得到合并区域r2；
9、以此类推，直至将小区域tn与相邻的小区域tn+1合并为合并区域rn；其中，n为合并区域的总数量，n+1为小区域的总数量，即所述预设数量。
10、在一种可行的实施方式中，以第一参数标准，设置输液目标识别模型的置信率以及目标预测框的检测得分阈值，分别对所述若干个合并区域进行低精度目标识别，得到若干个待确认目标，具体包括：
11、基于所述第一参数标准，将所述输液目标识别模型的置信率设置为最低值，将所述目标预测框的检测得分阈值设置为最高值；
12、通过调参后的所述输液目标识别模型，分别对所述若干个合并区域进行低精度目标识别，得到若干个待确认目标。
13、在一种可行的实施方式中，对识别出的所有待确认目标进行就近合并，得到若干个矩形区域，具体包括：
14、在识别出的所有待确认目标中，将距离小于预设距离的待确认目标划为一组目标；
15、确定每组目标的外接矩形，得到若干个矩形区域；其中，所述矩形区域的尺寸不超过所述输液目标识别模型的训练图片尺寸的2倍；
16、若任一组目标的外接矩形尺寸超过所述训练图片尺寸的2倍，则将该组目标的外接矩形再次划分为多个矩形区域。
17、在一种可行的实施方式中，以每个矩形区域为中心，在所述拍摄图像中进行图像区域截取，得到若干个目标汇总图像，具体包括：
18、以每个矩形区域为中心点，截取三种预设尺寸的初始图像；其中，所述三种预设尺寸分别为：输液目标识别模型的训练图片尺寸的1/2、1倍及1.5倍；
19、在所述三种预设尺寸的初始图像中，选择符合预设条件的图像，确定为所述目标汇总图像。
20、在一种可行的实施方式中，所述预设条件为：所述初始图像能够完整包裹所述矩形区域，且尺寸不超过所述拍摄图像原尺寸的1/2。
21、在一种可行的实施方式中，以第二参数标准，设置所述输液目标识别模型的置信率以及检测得分阈值，分别对所述若干个目标汇总图像进行高精度目标识别，剔除所述待确认目标中的错误目标，得到最终的正确检测目标，具体包括：
22、基于所述第二参数标准，将所述输液目标识别模型的置信率提高到第一预设值，并将所述检测得分阈值降低到第二预设值；
23、通过调参后的所述输液目标识别模型，分别对所述若干个目标汇总图像进行高精度目标识别，以剔除所述待确认目标中的错误目标，得到最终的正确检测目标。
24、另一方面，本专利技术实施例还提供了一种输液监控场景中的小目标识别系统，所述系统包括：图像处理模块，用于将输液场景中的拍摄图像平均划分为预设数量的小区域；基于预设规则，将所述小区域进行两两合并，得到若干个合并区域；对识别出的所有待确认目标进行就近合并，得到若干个矩形区域；以每个矩形区域为中心，在所述拍摄图像中进行图像区域截取，得到若干个目标汇总图像；目标识别模块，用于以第一参数标准，设置输液目标识别模型的置信率以及目标预测框的检测得分阈值，分别对所述若干个合并区域进行低精度目标识别，得到若干个待确认目标；以第二参数标准，设置所述输液目标识别模型的置信率以及检测得分阈值，分别对所述若干个目标汇总图像进行高精度目标识别，剔除所述待确认目标中的错误目标，得到最终的正确检测目标。
25、最后，本专利技术实施例还提供了一种输液监控场景中的小目标识别设备，其特征在于，所述设备包括：至少一个处理器；以及，与所述本文档来自技高网...
【技术保护点】
1.一种输液监控场景中的小目标识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种输液监控场景中的小目标识别方法，其特征在于，将输液场景中的拍摄图像平均划分为预设数量的小区域，具体包括：
3.根据权利要求1所述的一种输液监控场景中的小目标识别方法，其特征在于，基于预设规则，将所述小区域进行两两合并，得到若干个合并区域，具体包括：
4.根据权利要求1所述的一种输液监控场景中的小目标识别方法，其特征在于，以第一参数标准，设置输液目标识别模型的置信率以及目标预测框的检测得分阈值，分别对所述若干个合并区域进行低精度目标识别，得到若干个待确认目标，具体包括：
5.根据权利要求1所述的一种输液监控场景中的小目标识别方法，其特征在于，对识别出的所有待确认目标进行就近合并，得到若干个矩形区域，具体包括：
6.根据权利要求1所述的一种输液监控场景中的小目标识别方法，其特征在于，以每个矩形区域为中心，在所述拍摄图像中进行图像区域截取，得到若干个目标汇总图像，具体包括：
7.根据权利要求6所述的一种输液监控场景中的小
8.根据权利要求1所述的一种输液监控场景中的小目标识别方法，其特征在于，以第二参数标准，设置所述输液目标识别模型的置信率以及检测得分阈值，分别对所述若干个目标汇总图像进行高精度目标识别，剔除所述待确认目标中的错误目标，得到最终的正确检测目标，具体包括：
9.一种输液监控场景中的小目标识别系统，其特征在于，所述系统包括：
10.一种输液监控场景中的小目标识别设备，其特征在于，所述设备包括：
...【技术特征摘要】
1.一种输液监控场景中的小目标识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种输液监控场景中的小目标识别方法，其特征在于，将输液场景中的拍摄图像平均划分为预设数量的小区域，具体包括：
3.根据权利要求1所述的一种输液监控场景中的小目标识别方法，其特征在于，基于预设规则，将所述小区域进行两两合并，得到若干个合并区域，具体包括：
4.根据权利要求1所述的一种输液监控场景中的小目标识别方法，其特征在于，以第一参数标准，设置输液目标识别模型的置信率以及目标预测框的检测得分阈值，分别对所述若干个合并区域进行低精度目标识别，得到若干个待确认目标，具体包括：
5.根据权利要求1所述的一种输液监控场景中的小目标识别方法，其特征在于，对识别出的所有待确认目标进行就近合并，得到若干个矩形区域，具体包括：
...
【专利技术属性】
技术研发人员：孟萌，周璞，王军，
申请(专利权)人：山东亚华电子股份有限公司，
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。