[发明专利]一种基于图像识别进行智能监控的方法及系统

权利要求书

1.一种基于图像识别进行智能监控的方法，其特征在于，包括以下步骤：

步骤S1，在智能监控系统中采集图像数据，根据图像数据生成热力图；

步骤S2，搭建基于级联结构的的目标检测网络模型，所述网络模型包括依次连接的主干网络模块、特征收集网络模块和残差注意力模块；

步骤S3，将包含目标的图像数据进行标注，分为网络模型的训练集和测试集；

步骤S4，根据热力图内的成像颜色和标注后的图像数据信息在图像数据样本中裁剪出对应区域，然后在特征收集网络模块中进行目标结构和目标密度的推理；

步骤S5，根据主干网络模块初步提取图像数据的特征信息，通过特征收集网络模块对所述特征信息进行深度增强，最后使用残差注意力模块进行分类识别和检测损失；

步骤S6，最后在真实场景下的监控视频测试最优网络模型，完成基于图像识别的智能监控。

2.根据权利要求1所述的一种基于图像识别进行智能监控的方法，其特征在于，所述步骤S1包括：

明确采集目标，根据从目标图像中提取的自然特征来检测图像目标；

将图像目标与实时智能监控系统采集的图像中的特征进行比较，获取图像数据。

3.根据权利要求1所述的一种基于图像识别进行智能监控的方法，其特征在于，所述步骤S2包括：

所述主干网络模块包括上游分支结构和下游分支结构；

所述上游分支结构包括依次串联连接的第一卷积模块、第一归一化模块和softmax激活函数模块；

所述下游分支结构包括第二卷积模块、第二归一化模块、欧氏距离损失函数模块和标注图像模块，所述第二卷积模块、第二归一化模块依次串联连接，所述第二归一化模块并联连接有欧氏距离损失函数模块和标注图像模块；

所述softmax激活函数模块、欧氏距离损失函数模块和标注图像模块共同连接至全连接模块进行回归输出。

4.根据权利要求1所述的一种基于图像识别进行智能监控的方法，其特征在于，所述步骤S2包括：

在特征收集网络模块中增设空间金字塔池化模块，所述金字塔池化模块包括依次连接的金字塔卷积组块、激活函数层、最大池化层和拼接层；

所述金字塔卷积组块包括依次连接的第三卷积模块、第三归一化模块和激活函数层；

所述特征收集网络模块包括多个结构相同的卷积组块以及金字塔池化模块，所述卷积组块和金字塔卷积组块的结构相同，所述卷积组块和金字塔池化模块之间跳跃连接。

5.根据权利要求1所述的一种基于图像识别进行智能监控的方法，其特征在于，包括：

在主干网络模块中设置softmax函数、合交叉熵损失函数和欧氏距离损失函数；

在特征收集网络模块中设置检测损失函数和分类损失函数。

6.根据权利要求1所述的一种基于图像识别进行智能监控的方法，其特征在于，所述步骤S6包括：

预设相关超参数，随着网络模型的不断迭代训练更新权重参数，直至迭代次数等于最大迭代次数后停止训练。

7.根据权利要求1-6任一项所述的一种基于图像识别进行智能监控的方法，其特征在于，包括：

主干网络模块中的上游分支结构用于推理目标结构，以包含目标的图像数据作为标签由softmax函数配合交叉熵损失函数训练得到；

下游分支结构用于推理密度分布，以标注图像模块中的包含目标的图片作为标签由欧氏距离损失函数训练得到。