一种基于深度学习模型Fast-Rcnn改进的警情自动化判定方法
基本信息
| 申请号 | CN201910301206.0 | 申请日 | - |
| 公开（公告）号 | CN110008927A | 公开（公告）日 | 2019-07-12 |
| 申请公布号 | CN110008927A | 申请公布日 | 2019-07-12 |
| 分类号 | G06K9/00;G06K9/62 | 分类 | 计算；推算；计数; |
| 发明人 | 轩素辉;欧阳文文;生拥宏;于绘娟;张瑞 | 申请（专利权）人 | 河南大华安防科技股份有限公司 |
| 代理机构 | 成都其高专利代理事务所（特殊普通合伙） | 代理人 | 河南大华安防科技股份有限公司 |
| 地址 | 450000 河南省郑州市高新技术产业开发区翠竹街1号107幢1单元1-9层01号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习模型Fast‑Rcnn改进的警情自动化判定方法，包括以下步骤：S1：图像采集，采用图像采集卡或视霸卡将CCD或是CMOS摄像机的模拟视频信号经A/D后存储，然后送计算机进行处理；S2：候选框确定；S3：深度网络提取特征，CNN网络在卷积层之后会接上若干个全连接层，将卷积层产生的特征图映射成一个固定长度的特征向量，使用该像素周围的一个图像块作为CNN的输入用于训练和预测；S4：图像分类，对于对象的实际类可以特定于目标设备，由适配器负责创建并返回适当的编写器；S5：图像尺寸调整；S6：结果预测，最后两个loss层要改成一个softmax层，利用这种算法只检测人体的移动的时候，可以对真实警情程度能有很好的预测。 |
