申请/专利权人：浪潮软件科技有限公司

申请日：2023-12-21

公开（公告）日：2024-04-12

公开（公告）号：CN117456610B

主分类号：G06V40/20

分类号：G06V40/20;G06V20/40;G06V20/52;G06V10/44;G06V10/77;G06V10/82;G06N3/045;G06N3/0464;G06N3/048;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2024.02.13#实质审查的生效;2024.01.26#公开

摘要：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。

主权项：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、BN归一化层和LeakyReLU激活函数，改进所述卷积单元，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，卷积层采用3x3大小的卷积核进行卷积运算，其中所述卷积单元内依次连接3*3卷积层、BN归一化层、ReLU激活函数、卷积注意力模块、3*3卷积层和h-swish激活模块，通过h-swish激活模块输出到依次连接的3*3卷积层、BN归一化层、RELU激活函数和卷积注意力模块，然后再将卷积注意力模块与第一个3*3卷积层的输出加权，加权后输出连接3*3卷积层，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[x,y,w,h,c]数组，x,y代表检测目标的中心点坐标，w,h代表检测目标的宽和高，c代表标签类别的可信度，步骤42：设置可信度阈值，对预测结果进行过滤，若c大于可信度阈值，则认为预测结果准确，否则认为是误检测，步骤43：针对误检测引入二次判别，对误检测进行核实。

全文数据：

权利要求：

百度查询： 浪潮软件科技有限公司 一种攀爬异常行为检测方法、系统及电子设备

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