一种基于优选下采样尺度的周界入侵人员检测方法及系统技术方案

本发明专利技术公开一种基于优选下采样尺度的周界入侵人员检测方法及系统。其中，该方法包括：获取原始数据集、生成下采样数据集，对两个数据集进行标注；构建训练集和测试集；训练模型Ma和模型Mb；选取最优下采样尺度；将待检测点云根据最优下采样尺度进行下采样得到待检测下采样点云，将待检测下采样点云输入到模型Mb中进行预测得到入侵目标信息。本发明专利技术的方法通过量化的性能分析指标，在预设的各个下采样尺度中自动地选择出最优下采样尺度，该最优下采样尺度同时权衡了精度和计算效率；同时通过引入下采样尺度因子和结合下采样尺度因子的候选目标框的平均置信度损失改进了网络训练的损失函数，从而能够使得训练的模型对下采样的点云有更好的检测精度。

【技术实现步骤摘要】

本专利技术涉及周界入侵检测，具体而言，涉及一种基于优选下采样尺度的周界入侵人员检测方法及系统。

技术介绍

1、基于深度学习的目标检测算法具有检测精度高的优点，但是在大多数实时性要求较高的场景难以应用。以pointrcnn目标检测架构来说，其采用pointnet++作为骨干网络来提取特征，由于要做最远点采样的操作，输入点云点数较多时，计算量和耗时也会大大增加，难以直接在周界入侵这种单帧就有几十万甚至几百万的点的场景中应用。因此，在输入网络之前先提前对输入点云进行体素下采样的预处理操作是非常有必要的，但是怎么选择体素下采样的尺寸是一个难点，如果下采样的尺度过大，可能会导致输入点云的目标过于稀疏，从而使识别率降低，如果下采样的尺度过小，下采样后的点云点数依旧很多，那么就起不到降低计算量和耗时的效果。

2、针对现有技术中下采样尺度过大，导致输入点云的目标过于稀疏、识别率降低；下采样尺度过小，下采样后的点云点数依旧很多，计算量大、耗时多的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本专利技术实施例本文档来自技高网...

【技术保护点】

1.一种基于优选下采样尺度的周界入侵人员检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述S2包括：

3.根据权利要求1所述的方法，其特征在于，所述S6包括：

4.根据权利要求1所述的方法，其特征在于，将所述迭代下采样样本输入到更正PointRCNN网络中进行训练并根据原始候选目标框的置信度，得到前景点分割损失值、分类损失值、回归损失值、平均置信度损失值；将所有损失值求和得到迭代总损失值包括：

5.根据权利要求4所述的方法，其特征在于，所述平均置信度损失值根据以下公式计算：

6.根据权利要求4所述的方法...

【技术特征摘要】

1.一种基于优选下采样尺度的周界入侵人员检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述s2包括：

3.根据权利要求1所述的方法，其特征在于，所述s6包括：

4.根据权利要求1所述的方法，其特征在于，将所述迭代下采样样本输入到更正pointrcnn网络中进行训练并根据原始候选目标框的置信度，得到前景点分割损失值、分类损失值、回归损失值、平均置信度损失值；将所有损失值求和得到迭代总损失值包括：

5.根据权利要求4所述的方法，其特征在于，所述平均置信度损失值根据以下公式计算：

6.根...

【专利技术属性】
技术研发人员：俞永方，陈奇，汪定博，司小珍，徐志刚，
申请(专利权)人：浙江华是科技股份有限公司，
类型：发明
国别省市：