买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江工业大学

摘要：非法遛狗识别方法，包括如下步骤：1采集大量街道中高空摄像头的图像以及其他狗样本数据集，依据现场的管理需求进行数据集的标定，确定使用的一阶段目标检测算法模型。2构建参数自适应的损失函数和3构建一阶段目标检测算法模型的损失函数LOSS。4采用梯度下降法对一阶段目标检测算法模型的权值进行更新，直到模型收敛为止；将训练好的模型在实际系统中完成对狗样本的检测，并发出告警，完成对街道内非法遛狗的检测。本发明的优点在于能够提高目标检测模型的参数自适应性，大幅提高了目标检测的准确率。

主权项：1.非法遛狗识别方法，包括以下步骤：Step1：构建狗样本数据集M′，训练数据集T，验证数据集V，标注狗样本类别数C，训练数据批次大小batch，训练批次数batches，学习率l_rate，训练数据集T与验证数据集V之间的比例系数ζ； ζ＝CardVCardT其中：V∪T＝M′，C∈N+，ζ∈0,1，batches∈N+,l_rate∈N+，batch∈N+，表示图像的高和宽，r表示图像的通道数；Step2：确定待训练的一阶段目标检测模型；设卷积神经网络深度为L，网络卷积层卷积核集合G，网络输出层采用全连接方式，其卷积核集合A，网络特征图集合U，表示第l层网络中第k个特征图对应的网格数量，锚点集合M，具体定义如下： 其中：表示第l层网络对应的卷积核的高、宽、维度，表示特征图的高、宽、维度，表示锚点的高、宽，ha,k,wa,k,ra,k表示输出层卷积核的高、宽、维度；表示第l层网络卷积核的填充大小，表示第l层网络卷积步长，f表示卷积神经元的激励函数，Θ表示选取的输入特征，Λ∈N+表示第l层网络的锚点总数，Ξ∈N+表示输出层节点总数，Φ∈N+表示第l层网络特征图总数，Δ∈N+表示第l层卷积核的总数；Step3：设计参数自适应的焦点损失函数，具体包括： 其中： 表示第l层网络上第i个网格中第j个锚点在图像tk的狗样本与街道背景样本置信度的损失函数；同理，表示狗样本预测框的损失函数，表示狗样本类别的损失函数，λ∈Q为损失函数参数；和分别表示狗样本目标和街道背景目标的损失函数，具体如下所示： 表示第l层网络上第i个网格中第j个锚点预测的前景狗样本概率值，同理，表示相对应的街道背景概率值；分别表示第l层网络上第i个网格中第j个锚点的预测框中心点横坐标和纵坐标，同理分别表示狗样本标定框的中心点横坐标与纵坐标；分别表示第l层网络上第i个网格中第j个锚点的标定框中心点到该框边界的最短欧式距离，同理分别表示狗样本预测框的中心点到该框边界的最短欧式距离；表示第l层网络上第i个网格中第j个锚点预测的狗样本类别预测值；同理，表示狗样本类别的标定状态，表示是否对狗样本进行预测，表示是否对街道背景样本进行预测，具体计算如下： 其中参数α∈0,1；iouj表示锚点mj在第i个网格中锚点框与狗样本标定框的交叠率，miou表示最大交叠率；Step4：利用Step3中的一阶段目标检测算法模型的损失函数，对模型进行梯度下降法训练，直至模型收敛；在系统运行阶段，利用一阶目标检测模型提取网络特征值，并基于K-means聚类方法确定锚点，在系统运行阶段，利用模型分类输出当前视频监测区域内已经出现的狗，并发出告警。

全文数据：

权利要求：

百度查询： 浙江工业大学 非法遛狗识别方法