[发明专利]一种烟框重复过磅行为识别方法及装置

权利要求书

1.一种烟框重复过磅行为识别方法，其特征在于，所述方法包括以下步骤：

S1：卷积神经网络模型训练：得到训练后的卷积神经网络模型；

S2：数据采集：通过摄像头获取烟框过磅过程中的时序连续的实时图像集；

S3：磅所在区域的位置确定：标记所述实时图像集中磅所在区域的位置；

S4：烟框位置检测：通过训练后的卷积神经网络模型对所述实时图像集中的每一帧实时图像进行处理，获取所述实时图像集中的每个烟框的位置，根据所述每个烟框初次获取到的先后顺序对所述每个烟框进行顺序编号。

S5：烟框轨迹建立：采用最近邻跟踪算法对所述实时图像集中的每个烟框的运动轨迹进行跟踪，获得每个所述烟框的运动轨迹；

S6：烟框重复过磅行为识别：根据每个所述烟框的运动轨迹以及所述磅所在区域的位置，判断每个所述烟框进入所述磅所在区域的次数，若烟框的运动轨迹进入所述磅所在的区域的次数大于1，则判定所述烟框出现重复过磅行为。

2.根据权利要求1所述的一种烟框重复过磅行为识别方法，其特征在于，所述步骤S1具体步骤包括：

S11：通过摄像头采集图像样本集；

S12：对所述图像样本集进行预处理；

S13：构建卷积神经网络；

S14：对所述预处理后的图像样本集进行训练，得到所述训练后的卷积神经网络模型。

3.根据权利要求2所述的一种烟框重复过磅行为识别方法，其特征在于，对所述图像样本集的预处理步骤包括：

第一步，标记所述图像样本集中所有图像中目标的位置所在的区域，制作训练样本的标签，所述目标为烟框；

第二步，对经过所述第一步处理后的所述图像样本进行灰度调整，不改变标记的所述目标的位置；

第三步，对经过所述第二步处理后的所述图像样本集进行色度调整，不改变标记的所述目标的位置；

第四步，对经过所述第三步处理后的所述图像样本集进行裁剪或缩小处理：所述裁剪过程中保证所述目标在裁剪区域内，所述目标的位置修改为裁剪图像中目标的实际位置；所述缩小处理过程中，所述图像样本边界以外用黑色像素填充。

4.根据权利要求2所述的一种烟框重复过磅行为识别方法，其特征在于，所述卷积神经网络包括第一卷积层、第一最大值池化层、第二卷积层、第二最大值池化层、第三卷积层、第三最大值池化层、第四卷积层、第五卷积层、第六卷积层、回归层，其中所述第一最大值池化层与所述第一卷积层串联，所述第二卷积层与所述第一最大值池化层串联，所述第二最大值池化层与所述第二卷积层串联，所述第三卷积层与所述第二最大值池化层串联，所述第三最大值池化层与所述第三卷积层串联，所述第四卷积层与所述第三最大值池化层串联，所述第五卷积层与所述第四卷积层串联，所述第六卷积层与所述第五卷积层串联，所述回归层与所述第六卷积层串联。

5.根据权利要求4所述的一种烟框重复过磅行为识别方法，其特征在于，步骤S14对所述预处理后的图像样本集进行训练中，采用随机梯度下降对所述卷积神经网络中的卷积核参数进行优化，使得损失函数的值收敛至预设值以下，得到所述训练后的卷积神经网络模型。

6.根据权利要求5所述的一种烟框重复过磅行为识别方法，其特征在于，使得所述损失函数的值收敛至0.3以下。

7.根据权利要求1所述的所述一种烟框重复过磅行为识别方法，其特征在于，所述步骤S5中采用最近邻跟踪算法对每个所述烟框进行跟踪，具体为：根据步骤S4获得的所述实时图像集中的每个烟框的位置，对初始帧中检测到的每个烟框建立烟框的运动轨迹，所述初始帧就是烟框在画面中出现的第一帧，根据所述第一帧中检测到的每个所述烟框位置确定每个所述烟框的运动轨迹的起点，所述烟框的运动轨迹的预推位置表示下一帧中所述烟框的估计出现位置；在后续的每一帧图像中，比较根据步骤S4获得的所述实时图像集中的每个烟框的位置与所述烟框的运动轨迹的预推位置之间的距离，将每个根据步骤S4获得的所述实时图像集中的每个烟框的位置添加到距其最近所述烟框的运动轨迹中，并更新下一帧图像中的每个所述烟框的运动轨迹的预推位置。