申请/专利权人:西北工业大学
申请日:2023-11-03
公开(公告)日:2024-03-29
公开(公告)号:CN117789109A
主分类号:G06V20/52
分类号:G06V20/52;G06V10/26;G06V10/74;G06V10/80;G06V10/82;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.16#实质审查的生效;2024.03.29#公开
摘要:本发明涉及一种工业场景下无人值守的异常行为检测方法和系统,包括:获取待识别图像;其中,待识别图像为工业场景下的监控图像;对待识别图像进行预处理,以得到预处理后的图像;对预处理后的图像进行切片辅助推理,以得到图像特征向量;将图像特征向量输入到预先训练好的YOLO模型中进行目标识别,以得到目标边界框的位置;基于目标边界框的位置,从待识别图像中裁剪出目标边界框图像,并将目标边界框图像输入到预先训练好的SAM模型中进行分割处理,以得到分割后的图像;将分割后的图像与语义库中的参考图像进行相似度比较,以得到相似度得分,并根据相似度得分判断待识别图像所在的工业场景中是否存在异常行为,从而能够提高检测效率。
主权项:1.一种工业场景下无人值守的异常行为检测方法和系统,其特征在于,包括:获取待识别图像;其中,所述待识别图像为所述工业场景下的监控图像;对所述待识别图像进行预处理,以得到预处理后的图像;对所述预处理后的图像进行切片辅助推理,以得到图像特征向量;将所述图像特征向量输入到预先训练好的YOLO模型中进行目标识别,以得到目标边界框的位置;基于所述目标边界框的位置,从所述待识别图像中裁剪出目标边界框图像,并将所述目标边界框图像输入到预先训练好的SAM模型中进行分割处理,以得到分割后的图像;将分割后的图像与语义库中的参考图像进行相似度比较,以得到相似度得分,并根据所述相似度得分判断所述待识别图像所在的工业场景中是否存在异常行为。
全文数据:
权利要求:
百度查询: 西北工业大学 一种工业场景下无人值守的异常行为检测方法和系统
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。