(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 202211158465.0 (22)申请日 2022.09.22 (71)申请人 杭州展特智能科技有限公司 地址 311100 浙江省杭州市余杭区良渚街 道金家渡南路4 号Y59室 (72)发明人 严一博　李科　唐建飞　冯儒斌　 严友华　 (74)专利代理 机构 杭州天正专利事务所有限公 司 33201 专利代理师 王兵　王幸祥 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/25(2022.01) G06V 10/762(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) (54)发明名称 一种针对宠物牵绳的电梯视频光幕系统的 检测方法 (57)摘要 本发明公开了一种针对宠物牵绳的电梯视 频光幕系统的检测方法， 具体包括如下步骤： S1: 视频数据收集单元采集视频信息， 并将所得视频 信息通过有线或无线的方式传输给视频数据解 析单元； S2:视频数据解析单元利用宠物牵绳检 测算法， 将检测得到的结果， 向电梯语音预警单 元和电梯轿厢控制单元发送信息； 当人和宠物准 备乘坐电梯时， 所述视频数据解析单元检测到宠 物牵绳， 根据识别结果传输命令至电梯轿厢控制 单元， 维持电梯门开启， 直至人和宠物完全进入 电梯； 同时所述视频数据解析单元将该信息传至 所述电梯语音预警单元， 所述电梯语音预警单元 发出警告， 提醒人注意宠物的位置， 快速将宠物 带入电梯。 权利要求书2页 说明书5页 附图2页 CN 115546684 A 2022.12.30 CN 115546684 A 1.一种针对宠物牵绳的电梯视频光幕系统的检测方法， 具体包括如下步骤： S1:视频数据收集单元采集视频信息， 并将所得视频信息通过有线或无线的方式传输 给视频数据解析 单元； S2:视频数据解析单元利用宠物牵绳检测算法， 将检测得到的结果， 向电梯语音预警单 元和电梯轿厢控制单元发送信息； 当人和宠物准备乘坐电梯时， 所述视频数据解析单元检 测到宠物牵绳， 根据识别结果传输命令至电梯轿厢控制单元， 维持电梯门开启， 直至人和宠 物完全进入电梯； 同时所述视频数据解析单元将该信息传至所述电梯语音预警单元， 所述 电梯语音预警单 元发出警告， 提醒 人注意宠物的位置， 快速将宠物带入电梯； S3:电梯轿厢控制单元根据视频数据解析单元的控制命令维持电梯的开门状态， 直至 人和宠物完全进入电梯； S4:电梯语音预警单 元根据视频 数据解析 单元的处理结果发出相应的语音提醒； 所述步骤S2中的宠物牵绳检测算法包括如下流 程： 对采集到的图像预处理： 对采集的视频图像 中随机挑选具有光照变化、 不同位置、 不同 形态宠物和人的联合图像， 对这些目标图像标注后划分为预训练集， 测试机和验证集； 以 Mosaic数据增强方式通过 随机选取训练集中的4张图片 并分别对其进行 随机截取、 翻转和 缩放等操作， 再将截取后的4张图片分别拼接在新图片的左 上、 右上、 左 下和右下4个位置； 其中默认设定的锚框为[10， 13， 16， 30， 33， 2 3]、 [30， 61， 62， 45， 59， 119]、 [116， 90， 156， 198， 373， 326]， 在开始训练前会对训练数据集的标签文件计算默认锚框的最大可能召回率， 如 果最大可能召回率小于0.98， 则重新计算锚框； 选取通过聚类检测方法随机计算每个锚框 的目标大小,即首先随机依 次选取一个数据找到集中多个点将其作为集合聚类产物中心, 然后针对每个数据集中的每个聚合样本类别计算其中找到集中多个点的聚合分类产物中 心的目标距离， 并将其进 行分类后放到目标距离最小的一个聚类产物中心所在相对应的样 本类别中,接着再针对每个样本类别重新 随机计算一个聚类产物中心， 最后得到每个锚框 大小尺度； 采用多目标检测算法： 提取人和宠物以及相应的联合目标预测框， 通过测量最小化目 标预测其中框物体坐标与扩大目标预测框物体坐标 的高度均方差距离来不断改进目标预 测框中物体的测量精度， 并利用一种 具有强尺度不变性的损失函数来刻画测 量精度， 表达 式如下： 其中： α 为权重， υ为衡量长宽比的相似度， b， bgt分别表示预测框和目标框的中心点， d为 两个矩形框之间的一个指标， 包含对称性、 非负性、 同一性以及三角不等性,两者之间距离 采用欧式距离ρ， c表示能同时包 含预测框和目标框的最小包围框的斜距； 在目标检测算法的后处理阶段中， 针对多目标框的筛选问题， 以及对重叠多个目标的 网络检测中， 抑制 冗余的预测框不仅要考虑重叠部分， 也要考虑预测框和目标框的中心点 距离， 采用直接最小化距离的非最大值抑制， 提高检测的准确性， 表达式如下： 权　利　要　求　书 1/2 页 2 CN 115546684 A 2其中： B和Bgt分别表示预测框和真实目标框， d表示预测框与真实目标框的交并比， N表 示高置信度候选框， Bi为遍历各个框跟置信度高的重合情况， R表示预测框中心与目标框中 心之间的距离， ε为非最大值抑制阈值， ki为每个不同类别分类得分值； 采取注意力机制的方法进行宠物牵绳局部特征提取： 可分为压缩和激励两个步骤， 对 目标检测 所提取的H*W个特征进行压缩， 得到输出F1， 相当于一个全局平均池化操作； 再对 输出得到的结果F1进行激励， 相当于 两个全连接操作， 得到 想要的输出 特征， 表达式如下： X＝F(u,s)＝su 其中： X表示输出 特征， u,s分别为特 征映射和标量； F为激励后的尺寸； 提取得到宠物牵绳的局部特征后， 基于所述宠物牵绳检测算法进行人、 宠物、 宠物牵绳 的联合检测； 在所述疑似图像中凸显人牵宠物类似物的疑似联合 目标框； 根据所述宠物牵 绳检测算法输出疑似联合 目标框中对应的置信度； 若所述置信度大于预设置信度阈值， 则 确定该所述疑似图像含有人和宠物。权　利　要　求　书 2/2 页 3 CN 115546684 A 3