(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210100137.9 (22)申请日 2022.01.27 (66)本国优先权数据 202111546886.6 2021.12.16 CN (71)申请人 西南交通大 学 地址 610000 四川省成 都市二环路北一段 申请人 四川警察学院 (72)发明人 李德鑫　张明旺　张大治　吴新春　 成鑫才　朱书霖　 (74)专利代理 机构 成都智弘知识产权代理有限 公司 51275 专利代理师 蒋丽 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/44(2022.01)G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种针对公共安全的中小目标物体的检查 算法 (57)摘要 本发明公开了一种针对公共安全的中小目 标物体的检查算法， 包括以下步骤： S1:构建卷积 神经网络， 并且对中小目标物品的数据集进行收 集和标注； S2:设定各个超参数所需图片的批次 和学习速率， 并且设定 所需训练的事件次数； S3： 通过所构建的数据集对卷积神经网络进行训练， 最后得到权重文件， S4:将训练好的权重文件放 到测试模型中， 向测试模型中输入实时场景下的 图片， 通过分类器完成目标的分类识别， 从而实 现对中小目标物体的检测； 本发明提出了SSD算 法与mobilenetv1网络结构相结合的思想， 在此 基础上又增加了一层先验框， 解决了现有的监测 设备无法实现及时的人口分类管理从而导致不 能高效的实现 保障特殊场所的安全问题。 权利要求书1页 说明书6页 附图2页 CN 115512288 A 2022.12.23 CN 115512288 A 1.一种针对公共安全的中小目标物体的检查 算法， 其特 征在于， 包括以下步骤： S1:构建一个基于SSD算法的卷积神经网络， 并且对中小目标物品的数据集进行构 建和 标注； S2:设定卷积神经网络中所需要的超参数， 并且设定所需训练的次数； S3： 利用所构建的数据集对卷积神经网络进行训练,观察损失函数的收敛情况以及是 否达到训练次数， 最后得到 权重文件， S4:将训练好的权重文件放到训练完毕的卷积神经网络中， 向卷积神经网络中输入实 时场景下 的图片， 将训练好的目标特征与图片 中的特征信息进行比对， 通过分类器完成目 标的分类识别， 从而实现对中小目标物体的检测。 2.根据权利要求1所述的针对公共安全的中小目标物体的检查算法， 其特征在于， 在步 骤S1中， 对所构建的S SD算法中的进行 先验框的改变， 获得不同数量的底层特 征。 3.根据权利要求1所述的针对公共安全的中小目标物体的检查算法， 其特征在于， 在步 骤S1中， 还 对SSD算法中的VG G16进行替换， 采用mobi lenetv1网络模型进行处 理。 4.根据权利要求1所述的针对公共安全的中小目标物体的检查算法， 其特征在于， 在步 骤S1中， 还需要对中小目标物品的参数信息进行收集， 具体的过程为： 收集服装照片或图 片， 对照片或图片中的物体进行名称标注， 构建含有中小目标物品的数据集。 5.根据权利要求4所述的针对公共安全的中小目标物体的检查算法， 其特征在于， 还需 要对数据集进 行增广， 获得数据量更多的数集， 具体的过程为： 对数据集中的图片进 行水平 翻转增强， 垂直翻转增强， 镜像对称增强， 仿射变化， 旋转， 高斯加噪， 对比度变化， 尺度变 换， 平移来增广数据集。 6.根据权利要求1所述的针对公共安全的中小目标物体的检查算法， 其特征在于， 在步 骤S3中， 首先设定损失函数为图片批次进行卷积网络提取特征， 并分类所得结果与数据集 本身预测结果差值的平方， 并且利用该损失函数对网络参数进行梯度下降更新。 7.根据权利要求6所述的针对公共安全的中小目标物体的检查算法， 其特征在于， 训练 集的损失函数一直在逐渐减小， 当验证集的损失函数有增大的趋势时， 结束训练； 如果验证 集的损失函数一直时减小的趋势， 只要达到 设定的训练事件次数， 就结束训练； 最 终得到训 练模型后的权 重文件。 8.根据权利要求1所述的针对公共安全的中小目标物体的检查算法， 其特征在于， 在步 骤S4中， 通过soft ‑max分类器完成目标的分类识别， 并且判定分类结果是否含有中小目标 物体， 如果含有上述物品， 则发送报警指令， 否则继续向测试模型中输入实时场景下的图 像。权　利　要　求　书 1/1 页 2 CN 115512288 A 2一种针对公共安全的中 小目标物体的检查算法 技术领域 [0001]本发明属于图像处理技术领域， 具体涉及 一种针对公共安全的中小目标物体的检 查算法。 背景技术 [0002]虽然我国如 今的社会治安水平居于世界前列。 尽管目前在各个大城市中监控摄像 头数量较多， 但是监控摄像头一般只能在案发后进行刑事追责， 而很难能够起到及时报警 的作用。 并且在很多经济较落后、 治安水平相对较弱的区域， 高科技监控设备并不完善， 所 以针对在一些特殊的容易产生社会性聚集的场所没有能够自动 发现安全事故并报警的装 置， 提出了相关的解决技 术。 [0003]识别安全事故发生时穿戴特殊服饰的过程属于目标检测， 目的是能够及时对事故 发生地的人群进行初步分类， 大概估计出涉及该事件的人数， 从而可以进行合适的警力部 署， 同时也能通过对穿戴特殊服饰人群的检测实现人口分类管理。 目前， 开源和应用的目标 检测算法和物种分类算法都属于深度学习领域。 通过设计目标检测， 并进 行物种分类， 从而 达到检测的目的。 发明内容 [0004]本发明要解决的技术问题是针对特殊场所 中发生安全事故时， 现有的监测设备无 法实现及时的人口分类管理从而导致不能高效的实现保障特殊场所的安全问题。 为了解决 上述问题， 提出了SSD算法与mobilenetv1网络结构相结合的思想， 在此基础上又增加了一 层先验框， 该 方法有着监测速度较快， 检测精度高， 能够检测小物体的优点。 [0005]为了实现上述目的， 本发明公开了一种针对公共安全的中小目标物体的检查算 法， 包括以下步骤： [0006]S1:构建一个基于SSD 算法的卷积神经 网络， 并且对中小目标物品的数据集进行构 建和标注； [0007]S2:设定卷积神经网络中所需要的超参数， 并且设定所需训练的次数； [0008]S3： 利用所构建的数据集对卷积神经网络进行训练,观察损失函数的收敛情况以 及是否达到训练次数， 最后得到 权重文件， [0009]S4:将训练好的权重文件放到训练完毕的卷积神经网络， 向卷积神经网络中输入 实时场景下 的图片， 将训练好的目标特征与图片 中的特征信息进行比对， 通过分类器完成 目标的分类识别， 从而实现对中小目标物体的检测。 [0010]作为优选， 在步骤S1中， 对所构建的SSD算法中的进行先验框的改变， 获得不同数 量的底层特 征。 [0011]作为优选， 在步骤S1中， 还对SSD算法中的VGG16进行替换， 采用  mobilenetv1网络 模型进行处 理。 [0012]作为优选， 在步骤S1中， 还需要对中小目标物品的参数信息进行收集， 具体的过程说　明　书 1/6 页 3 CN 115512288 A 3