一种攀爬异常行为检测方法、系统及电子设备
申请人信息
- 申请人:浪潮软件科技有限公司
- 申请人地址:250000 山东省济南市高新区浪潮路1036号浪潮科技园
- 发明人: 浪潮软件科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种攀爬异常行为检测方法、系统及电子设备 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311764577.5 |
| 申请日 | 2023/12/21 |
| 公告号 | CN117456610A |
| 公开日 | 2024/1/26 |
| IPC主分类号 | G06V40/20 |
| 权利人 | 浪潮软件科技有限公司 |
| 发明人 | 李冰; 储佳祥; 王彦功; 李照川; 李蒙; 王可; 张悦 |
| 地址 | 山东省济南市高新区浪潮路1036号浪潮科技园 |
摘要文本
本发明公开一种攀爬异常行为检测方法、系统及电子设备，涉及检测识别技术领域；包括步骤1：改进YOLOv5网络模型中YOLOv5卷积模块，步骤2：制作YOLOv5网络模型相关数据集；步骤3：利用数据集训练并验证用于攀爬异常行为检测的YOLOv5网络模型；步骤4：采集实时视频数据，利用YOLOv5网络模型进行攀爬异常行为的判定；通过本发明重构YOLOv5网络的基本卷积单元，拓展了YOLOv5网络的网络层次，增强了网络特征的提取能力，有效地提高了YOLOv5网络模型对攀爬行为特征的敏感度，提高了检测精准度，可通过摄像头等设备进行自动安保巡查，节省人力、财力成本，避免存在安保巡查盲点。 搜索专利查询网
专利主权项内容
1.一种攀爬异常行为检测方法，其特征是包括：步骤1：改进YOLOv5网络模型中YOLOv5卷积模块，其中所述YOLOv5卷积模块包括卷积单元、归一化层和Leaky ReLU激活函数，所述卷积单元包括卷积层、卷积注意力模块、h-swish激活模块和ReLU激活函数，通过卷积注意力模块利用最大池化算法和平均池化算法对特征图在通道和空间两个维度上进行压缩，调节特征权重, 引导网络模型对关键特征的关注度，减弱无关特征的学习，通过h-swish激活模块减小计算开销并实现激活函数的非线性复杂程度；步骤2：制作YOLOv5网络模型相关数据集；步骤3：利用数据集训练并验证用于攀爬异常行为检测的YOLOv5网络模型；步骤4：采集实时视频数据，利用YOLOv5网络模型进行攀爬异常行为的判定：步骤41：获得预测结果的[]数组，()代表检测目标的中心点坐标，()代表检测目标的宽和高，代表标签类别的可信度，x, y, w, h, cx, yw, hc步骤42：设置可信度阈值，对预测结果进行过滤，若大于可信度阈值，则认为预测结果准确，否则认为是误检测，c步骤43：针对误检测引入二次判别，对误检测进行核实。