申请/专利权人：无锡学院

申请日：2024-03-25

公开（公告）日：2024-06-18

公开（公告）号：CN118212691A

主分类号：G06V40/20

分类号：G06V40/20;G06V20/52;G06V20/54;G06V10/764;G06N3/0464

优先权：

专利状态码：在审-公开

法律状态：2024.06.18#公开

摘要：本发明公开了一种基于卷积神经网络的非机动车违规载人行为检测方法，包括：获取监控视频，采集监控视频中的违规行为图像，生成行为数据集，对行为数据集进行标注；将改进的Yolov5网络模型作为行人目标检测模型：在backbone网络的C3层后添加CBAM注意力机制模块；在neck网络的C3层后添加Swin‑Transformer编码器；利用预设的SORT跟踪算法对监控视频中的行人目标进行追踪，使用训练好的YOLOv5网络模型对待测数据集进行检测，识别得到非机动车违规载人行为检测结果。本发明提出一种基于改进Yolov5和SORT跟踪算法联合使用的检测方法，运用改进的Yolov5检测交通路口状况，在准确检测到非机动车违规载人行为的同时，SORT跟踪算法对目标进行跟踪标记，实现违规行为图像的实时监测。

主权项：1.一种基于卷积神经网络的非机动车违规载人行为检测方法，其特征在于，包括以下步骤：步骤1：获取监控视频，采集监控视频中的违规行为图像，生成行为数据集，对行为数据集进行标注；所述违规行为图像包括非机动车违规载人图像；步骤2：将改进的Yolov5网络模型作为行人目标检测模型：以Yolov5网络模型为基本架构在backbone网络的C3层后添加CBAM注意力机制模块；在neck网络的C3层后添加Swin-Transformer编码器；改进后的Yolov5网络模型包括Backbone网络、Neck网络、Head网络；其中，Backbone网络包括依次连接的第一CBS卷积层、第二CBS卷积层、第一C3层、第一CBAM注意力机制模块、第三CBS卷积层、第二C3层、第二CBAM注意力机制模块、第四CBS卷积层、第三C3层、第三CBAM注意力机制模块、第五CBS卷积层、第四C3层、第四CBAM注意力机制模块、SPPF模块；Neck网络包括依次连接的第六CBS卷积层、第一Concat模块、第五C3层、第七CBS卷积层、第二Concat模块、第六C3层、第一Swin-Transformer编码器、第八CBS卷积层、第三Concat模块、第七C3层、第二Swin-Transformer编码器、第九CBS卷积层、第四Concat模块；步骤3：所述backbone网络对导入的违规行为图像进行特征提取操作，通过第二CBAM注意力机制模块、第三CBAM注意力机制模块、SPPF模块依次得到第一特征图、第二特征图和第三特征图；所述neck网络对第三特征图依次进行四次上采样处理，在上采样过程中，四次上采样结果按照自下而上的顺序分别和第二特征图、第一特征图进行融合，分别得到第一融合特征图、第二融合特征图；第二融合特征图经过第六C3层、第一Swin-Transformer编码器进行特征处理，得到第一输出特征图，第一输出特征图进入检测模块；所述第一输出特征图再依次进行两次下采样处理，在下采样过程中，两次下采样结果按照自上而下的顺序分别与第七CBS卷积层输出的特征图、第六CBS卷积层输出的特征图进行融合，分别得到第二输出特征图、第三输出特征图，进入检测模块；所述检测模块结合第一输出特征图、第二输出特征图、第三输出特征图；步骤4：利用预设的SORT跟踪算法对监控视频中的行人目标进行追踪，使用训练好的YOLOv5网络模型对待测数据集进行检测，识别得到非机动车违规载人行为检测结果。

全文数据：

权利要求：

百度查询： 无锡学院 一种基于卷积神经网络的非机动车违规载人行为检测方法

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