【技术实现步骤摘要】
本专利技术涉及图像识别。更具体地说，本专利技术涉及一种监控视频图像的轻量化目标检测方法。
技术介绍
1、目前，业界使用最广的目标检测算法主要有两大类，rcnn系列检测网络和yolo系列检测网络。其中yolo系列目标检测网络相比rcnn系列，其推理速度有了大幅的提升，是安防监控目标检测领域的一个里程碑，但仍然存在一些问题，比如很难同时拥有高精度和高推理速度。准确度高的网络，推理速度往往较慢，且需要更好的计算设备；而推理速度快的网络，其准确度一般都比较低。如何设计轻量化的网络结构，减少模型参数数量和计算复杂度，提高模型的检测精度和实时性是目前亟需解决的问题。
技术实现思路
1、本专利技术的一个目的是解决至少上述问题，并提供至少后面将说明的优点。
2、本专利技术还有一个目的是提供一种监控视频图像的轻量化目标检测方法，可显著提高监控视频图像目标检测的准确性和检测速度。
3、为了实现根据本专利技术的这些目的和其它优点，提供了一种监控视频图像的轻量化目标检测方法，包括：
4、获取视频图像；
5、对视频图像进行预处理；
6、利用基于yolov5s改进得到的轻量化图像目标检测模型进行图像目标检测；
7、其中，基于yolov5s改进得到轻量化图像目标检测模型的方法包括：将yolov5s主干网络中的sppf模块更换为sppf-a模块，并在sppf-a模块前插入cbam模块；
8、所述sppf-a模块包括串联的conv模
9、优选的是，基于yolov5s改进得到轻量化图像目标检测模型的方法还包括：将yolov5s主干网络中的c3模块更换为dsf模块；
10、所述dsf模块为：将c3模块中的conv模块更换为dsconv模块，并将c3模块中的bottleneck模块更换为fasternet模块后所得到的模块。
11、优选的是，基于yolov5s改进得到轻量化图像目标检测模型的方法还包括：在yolov5s的neck部分插入carafe模块。
12、优选的是，基于yolov5s改进得到轻量化图像目标检测模型的方法还包括：在yolov5s的head部分使用decoupled head模块。
13、优选的是，基于yolov5s改进得到轻量化图像目标检测模型的方法还包括：将模型进行剪枝和知识蒸馏处理。
14、优选的是，剪枝处理采用的方法为group-wise pruning剪枝方法，知识蒸馏处理采用的方法为fitnets知识蒸馏方法。
15、优选的是，将模型进行剪枝和知识蒸馏处理的过程包括：以剪枝前模型作为教师模型，剪枝后模型作为学生模型，采用知识蒸馏方法和剪枝方法循环重复调整学生模型，直至模型收敛。
16、优选的是，对视频图像进行预处理的方法包括：对视频图像进行缩放、裁剪、归一化和标签处理至少一种。
17、本专利技术还提供一种监控视频图像的轻量化目标检测设备，包括：
18、存储器，用于存储计算机程序；；
19、处理器，用于执行所述计算机程序时实现上述监控视频图像的轻量化目标检测方法的步骤。
20、本专利技术还提供一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述监控视频图像的轻量化目标检测方法的步骤。
21、本专利技术至少包括以下有益效果：
22、1、检测速度提升：本专利技术提出的监控视频图像的轻量化目标检测方法，可有效降低模型计算量，较大的提升检测速度；
23、2、检测准确率提升：本专利技术改进后的轻量化图像目标检测模型对监控视频图像有更好的识别能力、检测准确率有所提高。
24、基于以上两点，本专利技术所述监控视频图像的轻量化目标检测方法可以为周界监控、巡逻监控、安防监控提供较好的技术支持。
25、本专利技术的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本专利技术的研究和实践而为本领域的技术人员所理解。
本文档来自技高网...【技术保护点】
1.一种监控视频图像的轻量化目标检测方法，其特征在于，包括：
2.如权利要求1所述的监控视频图像的轻量化目标检测方法，其特征在于，基于YOLOv5s改进得到轻量化图像目标检测模型的方法还包括：将YOLOv5s主干网络中的C3模块更换为DSF模块；
3.如权利要求1所述的监控视频图像的轻量化目标检测方法，其特征在于，基于YOLOv5s改进得到轻量化图像目标检测模型的方法还包括：在YOLOv5s的Neck部分插入CARAFE模块。
4.如权利要求1所述的监控视频图像的轻量化目标检测方法，其特征在于，基于YOLOv5s改进得到轻量化图像目标检测模型的方法还包括：在YOLOv5s的head部分使用Decoupled Head模块。
5.如权利要求1～4任一项所述的监控视频图像的轻量化目标检测方法，其特征在于，基于YOLOv5s改进得到轻量化图像目标检测模型的方法还包括：将模型进行剪枝和知识蒸馏处理。
6.如权利要求5所述的监控视频图像的轻量化目标检测方法，其特征在于，剪枝处理采用的方法为Group-wise Pruning剪枝方
7.如权利要求6所述的监控视频图像的轻量化目标检测方法，其特征在于，将模型进行剪枝和知识蒸馏处理的过程包括：以剪枝前模型作为教师模型，剪枝后模型作为学生模型，采用知识蒸馏方法和剪枝方法循环重复调整学生模型，直至模型收敛。
8.如权利要求1所述的监控视频图像的轻量化目标检测方法，其特征在于，对视频图像进行预处理的方法包括：对视频图像进行缩放、裁剪、归一化和标签处理至少一种。
9.一种监控视频图像的轻量化目标检测设备，其特征在于，包括：
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1～8任一项所述监控视频图像的轻量化目标检测方法的步骤。
...【技术特征摘要】
1.一种监控视频图像的轻量化目标检测方法，其特征在于，包括：
2.如权利要求1所述的监控视频图像的轻量化目标检测方法，其特征在于，基于yolov5s改进得到轻量化图像目标检测模型的方法还包括：将yolov5s主干网络中的c3模块更换为dsf模块；
3.如权利要求1所述的监控视频图像的轻量化目标检测方法，其特征在于，基于yolov5s改进得到轻量化图像目标检测模型的方法还包括：在yolov5s的neck部分插入carafe模块。
4.如权利要求1所述的监控视频图像的轻量化目标检测方法，其特征在于，基于yolov5s改进得到轻量化图像目标检测模型的方法还包括：在yolov5s的head部分使用decoupled head模块。
5.如权利要求1～4任一项所述的监控视频图像的轻量化目标检测方法，其特征在于，基于yolov5s改进得到轻量化图像目标检测模型的方法还包括：将模型进行剪枝和知识蒸馏处理。
【专利技术属性】
技术研发人员：黄江涛，朱明睿，邱林，陆建波，
申请(专利权)人：南宁师范大学，
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。