[发明专利]基于深度学习目标检测的非法流动摊贩识别方法有效
| 申请号： | 201810688380.0 | 申请日： | 2018-06-28 |
| 公开（公告）号： | CN108921083B | 公开（公告）日： | 2021-07-27 |
| 发明（设计）人： | 陈晋音;龚鑫;方航;俞露;王诗铭 | 申请（专利权）人： | 浙江工业大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 杭州天勤知识产权代理有限公司 33224 | 代理人： | 曹兆霞 |
| 地址： | 310014 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明的目的是提供一种基于深度学习目标检测的非法流动摊贩识别方法，包括以下步骤：获取道路监控图像，并将该道路监控视频截成帧图像；利用目标检测模型从帧图像中检测出摊位和行人的位置；根据摊位的位置，滤除图像中运动的摊位，保留固定摊位；基于固定摊位的位置和数量，用K‑means聚类方法对行人聚类，得到与每个固定摊位对应的行人；利用行人识别模型和摊位识别模型分别区分不同的行人和摊位；判定被划分为同一个固定摊位所在类的行人是否为摊贩。本发明提供的方法可以实现对道路监控范围内存在的非法流动摊贩进行自动取证，有效地提高城市管理部门的效率，减少人力成本。 | ||
| 搜索关键词： | 基于 深度 学习 目标 检测 非法 流动 摊贩 识别 方法 | ||
【主权项】：
1.一种基于深度学习的目标检测的非法流动摊贩识别方法，包括以下步骤：(1)获取道路监控图像，并将该道路监控视频截成帧图像；(2)利用目标检测模型从帧图像中检测出摊位和行人的位置；(3)根据摊位的位置，滤除图像中运动的摊位，保留固定摊位；(4)基于固定摊位的位置和数量，用K‑means聚类方法对行人聚类，得到与每个固定摊位对应的行人；(5)利用行人识别模型和摊位识别模型分别区分不同帧图像中的行人或摊位是否为同一个行人或摊位；(6)判定被划分为同一个固定摊位所在类的行人是否为摊贩；所述目标检测模型由Inception Resnet v2网络和Faster R‑CNN网络组成的学习网络训练得到；所述行人识别模型和摊贩识别模型均由Inception Resnet v2网络训练得到。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江工业大学，未经浙江工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810688380.0/，转载请声明来源钻瓜专利网。
