申请/专利权人：华侨大学

申请日：2022-09-19

公开（公告）日：2022-12-02

公开（公告）号：CN115424301A

主分类号：G06V40/10

分类号：G06V40/10;G06V10/82;G06N3/08;G06N3/04

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.12.20#实质审查的生效;2022.12.02#公开

摘要：本发明公开了一种基于全局信息的扶梯场景中乘客行为检测方法及装置，涉及安全监控技术领域。所述方法包括：通过创建目标检测模型，以标注图像数据集作为卷积神经网络输入提取图像高级语义特征，并通过多层卷积注意力模块保留特征图之间的空间关系；将高级语义特征图作为坐标注意力模块的输入，建模特征图的远程依赖关系；通过多尺度特征融合输出预测图像，即可获得训练好的全局信息的扶梯场景中乘客行为检测模型。本发明通过坐标注意力和多层卷积注意力模块的结合反应感兴趣处的信息和位置，增强网络对被遮挡目标的部分身体信息的识别能力，构建被遮挡目标与遮挡目标位置信息的远程依赖，缓解了前景目标抑制被遮挡目标的问题，提高了检测精确度。

主权项：1.一种基于全局信息的扶梯场景中乘客行为检测方法，其特征在于，包括：步骤10、获取扶梯中乘客不安全行为数据集，标注出数据集中不安全行为的类别以及位置，生成标注图像数据集；步骤20、创建目标检测模型，以标注图像数据集作为目标检测模型的训练样本输入；步骤30、在卷积神经网络的backbone部分对所述标注图像数据集逐层提取特征信息，通过缩小图像尺寸并加深图像维度，生成高维语义特征图；通过坐标注意力模块对所述高维语义特征图的水平和垂直两个方向的信息进行全局编码，对相邻像素点之间构建远程依赖关系，得到全局信息特征图；步骤40、在卷积神经网络的neck部分通过PANet自下而上的对所述全局信息特征图上采样融合多个低维度特征图，增加每个维度上特征信息的表达，再通过多层卷积注意力模块融合坐标注意力特征图在空间与通道上的特征信息；通过FPN自下而上的对PANet的输出特征图与多个高维特征图再次融合得到包括低维特征图、中维特征图和高维特征图的多个维度特征图；步骤50、在卷积神经网络的head部分通过多尺度特征融合多个维度特征图再通过卷积神经网络输出基于全局信息预测的图像。

全文数据：

权利要求：

百度查询： 华侨大学 一种基于全局信息的扶梯场景中乘客行为检测方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD