加能站睡岗检测模型的训练方法、装置、设备及存储介质制造方法及图纸

本申请提供了一种加能站睡岗检测模型的训练方法、装置、设备及存储介质。所述方法包括：获取模型训练样本，所述模型训练样本为对实时拍摄的加能站出的图像进行亮度增强及颜色增强处理后的包含人物的图像；将所述模型训练样本输入至待训练睡岗检测模型；基于所述MobileNetv3‑Large对所述模型训练样本进行多尺度特征提取，得到图像特征；基于所述YOLOv5对所述图像特征进行目标检测，得到目标检测结果；基于所述图像特征和所述目标检测结果，计算得到所述待训练睡岗检测模型的损失函数；在所述损失函数指示所述待训练睡岗检测模型收敛的情况下，将训练后得到的待训练睡岗检测模型作为最终的睡岗检测模型。

【技术实现步骤摘要】

本申请涉及睡岗行为检测，特别是涉及一种加能站睡岗检测模型的训练方法、装置、设备及存储介质。

技术介绍

1、现有各智能平台的员工睡岗识别方案中，采用大量采集、标注、清洗员工睡岗和未睡岗数据，对不同的深度模型进行训练，通过测试后上线部署运行。

2、当前针对员工睡岗的识别方法主要分为两类：1.监控人员在监控室查看现场实时监控画面，基于视频画面判别是否出现睡岗现象；2.智能平台分析监控视频判断，利用当前流行的目标检测模型yolov5对已准备好的数据集进行训练，完成训练后部署运行。这两种识别方法存在两个个方面的问题：1.风险较高。监控室人员也会存在睡岗现象，导致不能及时反馈危险行为；2.计算资源高。无论是深度模型训练还是线上运行，均存在大量计算资源消耗的问题。

技术实现思路

1、本申请实施例所要解决的技术问题是提供一种加能站睡岗检测模型的训练方法、装置、设备及存储介质，以从模型轻量化的角度对yolov5m进行改进，并在实时视频监控中，该方法在推理过程中仅需少量计算资源即可完成最终判断，同时可以提高睡岗行为检本文档来自技高网...

【技术保护点】

1.一种加能站睡岗检测模型的训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述MobileNetv3-Large对所述模型训练样本进行多尺度特征提取，得到图像特征，包括：

3.根据权利要求1所述的方法，其特征在于，所述基于所述图像特征和所述目标检测结果，计算得到所述待训练睡岗检测模型的损失函数，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述第一损失函数和所述第二损失函数，计算得到所述待训练睡岗检测模型的损失函数，包括：

5.根据权利要求1所述的方法，其特征在于，所述获取模型训练样本，...

【技术特征摘要】

1.一种加能站睡岗检测模型的训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述mobilenetv3-large对所述模型训练样本进行多尺度特征提取，得到图像特征，包括：

3.根据权利要求1所述的方法，其特征在于，所述基于所述图像特征和所述目标检测结果，计算得到所述待训练睡岗检测模型的损失函数，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述第一损失函数和所述第二损失函数，计算得到所述待训练睡岗检测模型的损失函数，包括：

5.根据权利要求1所述的方法，其特征在于，所述获取模型训练样本，包括：

6.根据权利要求5所述的方...

【专利技术属性】
技术研发人员：陈友明，陈思竹，李烽，
申请(专利权)人：四川弘和数智集团有限公司，
类型：发明
国别省市：