鼠患的识别方法及装置与流程

摘要: 本发明涉及计算机视觉,例如涉及一种鼠患的识别方法及装置。背景技术:1、在餐饮、食堂等场所的鼠患监测场景中,鼠类活动不仅会造成食品污染,还可能传播疾病,严重威胁公...
鼠患的识别方法及装置与流程

本发明涉及计算机视觉,例如涉及一种鼠患的识别方法及装置。

背景技术:

1、在餐饮、食堂等场所的鼠患监测场景中,鼠类活动不仅会造成食品污染,还可能传播疾病,严重威胁公共饮食安全。

2、相关技术中,通常采用基于卷积神经网络(cnn)的目标检测算法对监控视频中的老鼠目标进行识别,例如yolo系列算法。然而,鼠患监测场景具有特殊性:老鼠活动多发生在夜间,监控设备通常切换至红外模式,导致图像缺乏颜色信息、特征单一;同时,厨房环境复杂,各类器具、杂物繁多,容易形成与老鼠形态相似的干扰目标;此外,老鼠目标在图像中通常占比较小,进一步增加了识别难度。上述因素导致传统的cnn目标检测算法在该场景下误检率较高,难以满足实际应用对识别精度的要求,进而导致现有鼠患识别方法在复杂红外监控场景下识别精度不足的问题。

技术实现思路

1、本发明旨在提供一种鼠患的识别方法、装置、电子设备及存储介质。

2、根据本发明的一方面,提出一种鼠患的识别方法,包括:获取预设监控设备拍摄的视频流,并从视频流中提取当前帧图像;通过预设的第一视觉模型对当前帧图像进行目标检测,以得到至少一个候选目标;利用预设的第二视觉模型对候选目标进行复核,以得到候选目标的复核结果;根据复核结果,确定当前帧图像中是否存在老鼠目标。

3、根据本发明的一方面,提出一种鼠患的识别装置,包括:

4、图像获取模块,用于获取预设监控设备拍摄的视频流,并从视频流中提取当前帧图像;

5、目标检测模块,用于通过预设的第一视觉模型对当前帧图像进行目标检测,以得到至少一个候选目标;

6、复核模块,用于利用预设的第二视觉模型对候选目标进行复核,以得到候选目标的复核结果;

7、鼠患确定模块,用于根据复核结果,确定当前帧图像中是否存在老鼠目标。

8、根据本发明的一方面,提出一种电子设备,该电子设备包括:处理器;存储器,存储有计算机程序,当计算机程序被处理器执行时,使得处理器执行如上文的方法。

9、根据本发明的一方面,提出一种非瞬时性计算机可读介质,其上存储有可读指令,当指令被处理器执行时,使得处理器执行如上文中的方法。

10、应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本发明。

11、有益效果:

12、通过本发明所提供的上述实施例,通过构建小模型快速筛选+大模型精准复核的层级式协同识别架构,在保证高召回率的前提下显著提升了识别精度。其中,通过先利用轻量化的第一视觉模型对图像进行快速目标检测以召回尽可能多的疑似目标,再利用参数量更大、能力更强的第二视觉模型对疑似目标进行精细化复核,形成了“粗筛+精判”的两级协同架构。这种架构兼顾了检测召回率与识别精度,其中第一视觉模型通过设置较低的置信度阈值保证了疑似目标不会被漏掉,第二视觉模型则凭借其强大的特征提取能力对第一轮检测结果进行深度验证,有效剔除了第一视觉模型产生的误检目标。相比于单一目标检测模型或单纯提高置信度阈值的方案,本方法在保持较高检出率的同时显著降低了误检率,尤其适用于红外小目标、复杂背景等挑战性场景下的鼠患识别任务。

1.一种鼠患的识别方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述通过预设的第一视觉模型对所述当前帧图像进行目标检测,以得到至少一个候选目标,包括:

3.根据权利要求1所述的方法,其特征在于,所述第一视觉模型包括检测器和第一分类器;

4.根据权利要求1所述的方法,其特征在于,所述利用预设的第二视觉模型对所述候选目标进行复核,以得到所述候选目标的复核结果,包括:

5.根据权利要求4所述的方法,其特征在于,所述第二视觉模型包括特征提取主干网络和分类头部;

6.根据权利要求5所述的方法,其特征在于,所述分类头部包括多头注意力层、层归一化层、多层感知机层和分类输出层;

7.根据权利要求1所述的方法,其特征在于,所述利用预设的第二视觉模型对所述候选目标进行复核,以得到所述候选目标的复核结果,包括:

8.一种鼠患的识别装置,其特征在于,包括:

9.一种电子设备,其特征在于,包括:

10.一种非瞬时性计算机可读存储介质,其特征在于,其上存储有计算机可读指令,当所述指令被处理器执行时,使得所述处理器执行如权利要求1-7任一项所述的方法。