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：中兴飞流信息科技有限公司

摘要：本发明公开了一种基于深度学习的铁路站台遗留物检测方法，涉及铁路站台遗留物检测领域。其包括如下步骤：S1：获取图像，在有遗留物检测需求的铁路站台安装摄像头，视频图像采集模块，从摄像头端采集现场正常情况下的视频，获取需要检测的当前帧图像，同时获取历史的视频帧，并且通过人员模拟物品遗留的情况，以此来作为测试验证数据。本发明通过融合3DUnet分割算法和yolov7检测算法，能够提升铁路站台遗留物检测的鲁棒性和检测精度，同时适用于各种不同的公共场合。3DUnet分割算法和yolov7检测算法都具有较高的精度，在分割出可疑区域的基础上，进一步应用检测算法确定遗留物的种类和位置。

主权项：1.一种基于深度学习的铁路站台遗留物检测方法，其特征在于，采用多模块组来对铁路站台遗留物进行检测，所述多模块组包括视频图像采集模块101、图片相异分割模块102、目标检测模块103、遗留物匹配模块104和信息上报模块105；铁路站台遗留物检测方法包括如下步骤：S1：获取图像，在有遗留物检测需求的铁路站台安装摄像头，视频图像采集模块101，从摄像头端采集现场正常情况下的视频，获取需要检测的当前帧图像，同时获取历史的视频帧，并且通过人员模拟物品遗留的情况，以此来作为测试验证数据；S2：数据标注和模型训练，数据标注包括两种标签形式，一种是分割模型mask图的标签，另一种是目标检测的标签，对原始数据集中的所有已知目标进行标注，使用标注后的数据训练基于yolov7的检测模型，得到目标检测模型yolov7；训练基于3DUnet的分割模型，模型返回的是输入序列中相异区域的目标mask图，记为segmentation1；S3：序列图片差异分割，通过网络以及RTSP协议获取摄像头视频流数据，解码后得到视频的每一帧图像，使用3DUnet模型对当前帧、历史帧一和历史帧二分割提取，获取三帧图中相异区域mask图，根据目标的mask图获取其外接矩形框；S4：判断输入序列是否有差异输出，若没有输出，未检测到遗留物；若检测到差异输出，进一步判定是何种遗留物；S5：目标检测，通过模块S2训练的目标检测模型yolov7，分别对输入的三帧图进行检测，得到每一帧图中的目标检测框的坐标和遗留物的类别，输出当前帧、历史帧一、历史帧二的检测结果detection1、detection2、detection3；S6：两种模型目标匹配，获取模块S3分割结果segmentation1和模块S5检测结果detection1、detection2、detection3，分别计算交并比IOU1、IOU2、IOU3，与设定的阈值1比较，大于阈值1即匹配为同一目标，小于阈值1不能匹配；S7：判断与阈值1是否匹配，获取模块S6计算的IOU1、IOU2、IOU3值，并设置阈值1与之比较，若都不能匹配，输出未知类别的遗留物和分割目标框坐标；若IOU1、IOU2或IOU3能够匹配，则输出detection1的检测框和类别；S8：遗留物检测报警，分类上报遗留物，并在图中进行标注，发出警告，提醒工作人员及时处理。

全文数据：

权利要求：

百度查询： 中兴飞流信息科技有限公司 一种基于深度学习的铁路站台遗留物检测方法