[发明专利]基于深度学习的自习室座位状态检测方法与座位管理系统

权利要求书

1.一种基于深度学习的自习室座位状态检测方法，其特征在于，包括以下步骤：

S1、确定N类物体，N为正整数，搜集包含N类物体的图像数据，对所述图像数据进行标注并清洗后形成数据集，用该数据集训练基于深度学习的目标检测模型；

S2、为N类物体中每类物体均定义分值，设定离座时间阈值和物体累加分值阈值，物体累加分值阈值有两个，且由小到大依次为第一累加分值阈值和第二累加分值阈值；

S3、拍摄获取自习室的座位图像Ⅰ，建立自习室座位在座位图像Ⅰ中的像素位置与在真实场景中行列位置之间的连接，输出座位映射表；

S4、拍摄获取自习室的座位图像Ⅱ，所述座位图像Ⅱ与所述座位图像Ⅰ的拍摄获取条件相同，根据座位映射表和座位图像Ⅱ，将座位图像Ⅱ中每个座位范围包含的物体信息转换成真实场景中每个座位范围内的物体累加分值信息，得到座位分值表，所述座位分值表包含各座位的行坐标、列坐标和物体累加分值，所述物体累加分值为一个座位范围内所有物体分值的累加值；

S5、根据座位分值表中各座位的物体累加分值以及离座时间阈值，判定各座位的状态，输出得到座位状态表，所述座位状态表包括各座位的行坐标、列坐标和状态值；

当一个座位的物体累加分值大于或等于所述第二累加分值阈值，则判定该座位为正常使用状态，状态值为0；

当一个座位的物体累加分值不为零，且该座位的最近一次正常使用状态出现的时刻到当前时刻的时长没有超过所述离座时间阈值，则判定该座位为暂时离开状态，状态值为1；

当一个座位的物体累加分值小于所述第一累加分值阈值，且该座位的最近一次正常使用状态出现的时刻到当前时刻的时长超过所述离座时间阈值，则判定该座位为无人使用状态，状态值为2，新的座位使用者可自行处理座位上的物体，并使用该座位；

当一个座位的物体累加分值大于或等于所述第一累加分值阈值，且小于所述第二累加分值阈值，且该座位的最近一次正常使用状态出现的时刻到当前时刻的时长超过所述离座时间阈值，则判定该座位为占座状态，状态值为3，通知自习室管理人员清理该座位上的物体；

N＝8，8类物体分别为笔记本电脑、书包、手提包、平板电脑、书、水杯、抱枕和人，其中人的分值为50分，笔记本电脑、平板电脑、书包和手提包的分值均为10分，水杯、抱枕和书的分值均为1分，所述第一累加分值阈值为10分，所述第二累加分值阈值为50分；

所述步骤S3中，所述座位映射表是由基于手工绘制的座位映射方法产生的，具体包括以下步骤：

A1、拍摄获取自习室的座位图像Ⅰ，在座位图像Ⅰ上依照整个座位区域中的行、列和边缘用鼠标手工绘制出行与行之间的行分界线、列与列之间的列分界线以及整个座位区域的边界线，其中行分界线与整个座位区域的上、下边界线统称为行线，列分界线与整个座位区域的左右边界线统称为列线，记录每一条线段的起点和终点的像素坐标，如果该线段的斜率绝对值大于1或不存在斜率，则判定该线段为列线，否则判定该线段为行线；

A2、根据线段起点和终点的像素坐标，计算出所有行线与所有列线的交点像素坐标，并保存到二维列表A_α中，二维列表A_α中一行的元素是一条行线与所有列线的交点像素坐标，一列的元素是一条列线与所有行线的交点像素坐标；

A3、对二维列表A_α中所有的交点像素坐标先按照横坐标从小到大的顺序进行排序，再按照纵坐标从大到小的顺序进行排序，在二维列表A_α中，由相邻的四个交点像素坐标确定一个四边形网格，记录相邻的四个交点像素坐标为四边形网格的四个角点像素坐标；

A4、依次计算出二维列表A_α中每个四边形网格的正副对角线交点的像素坐标，并将其作为该四边形网格的中心像素坐标，按顺序保存所有中心像素坐标到二维列表A_β中，每一个中心像素坐标在二维列表A_β中的索引值，等于其在真实场景中对应行列的行坐标减1、列坐标减1后组成的坐标；

A5、根据二维列表A_α与二维列表A_β，以行为单位，输出中心像素坐标、中心像素坐标在二维列表A_β中的索引值在横纵坐标均加1后的新值、中心像素坐标在二维列表A_α中对应的四个角点像素坐标，得到座位映射表。