预设水体区域中移动目标的检测方法、装置和系统与流程

1.本技术涉及图像检测领域，具体涉及一种预设水体区域中移动目标的检测方法、装置、系统、设备终端和可读存储介质。


背景技术：

2.随着经济的发展，观赏水类动物例如观赏鱼类越来越常见。观赏鱼类通常价钱不菲，因而观赏鱼类的日常养殖需要较多注意事项，例如对于鱼缸中的水温、ph值和氧气状况等参数均需要在对应的范围内，否则极易引发鱼类的跳缸行为，进而导致鱼类的死亡。
3.对于上述鱼类的跳缸行为，通常是在鱼缸上面放置盖网，以防止鱼跳出水面，然而，这种做法通常忽略了鱼类的实时状态，进而导致上述观赏鱼类的死亡。


技术实现要素：

4.鉴于此，本技术提供一种预设水体区域中移动目标的检测方法、装置、系统和设备终端，能够实时检测预设水体区域中的移动目标，进而对上述预设水体区域中的移动目标进行实时状态监测。
5.一种预设水体区域中移动目标的检测方法，预设水体区域中设置有摄像装置，该检测方法包括：
6.基于一阶段目标检测网络对预设训练数据集中的每张目标图像进行训练，以获得移动目标检测模型；
7.通过摄像装置获取目标拍摄图像，并对目标拍摄图像进行预处理以生成目标图像数据集，目标图像数据集包括测试数据集；
8.将测试数据集输入移动目标检测模型进行检测，以输出对应的检测结果。
9.在一个实施例中，一阶段目标检测网络采用ssd目标检测网络，基于一阶段目标检测网络对预设训练数据集中的每张目标图像进行训练，以获得移动目标检测模型的步骤包括：
10.根据预设水体区域的大小以及移动目标与摄像装置的距离范围，对ssd目标检测网络进行参数初始化；
11.将预设训练数据集输入参数初始化后的ssd目标检测网络以进行特征提取，得到至少三种不同预设尺寸的特征图；
12.基于各个预设尺寸的特征图进行特征融合后，得到各个预设尺寸的特征图的预测值；
13.通过预设损失函数对各个预测值相对于真实值进行计算，并经过反向传播求取梯度，进行权重和偏置更新，直至预设损失函数收敛以生成对应的移动目标检测模型。
14.在一个实施例中，预设损失函数采用以下公式：
[0015][0016]
其中，l表示预设损失函数，l
conf
(x)表示分类损失函数，l
loc
(x)表示定位损失函数，i表示第i个样本，m为变量，cx表示预测框的中心点的横坐标，cy表示预测框的中心点的纵坐标，代表第i个样本的预测值，代表第i个样本的标注值，n表示预测框总数目，w表示预测框的长度，h表示预测框的长度，α表示调整l
conf
(x)与l
loc
(x)之间的比例系数。
[0017]
在一个实施例中，分类损失函数l
conf
(x)采用以下公式：
[0018][0019]
其中，l
conf
(x)表示二分类交叉熵函数，yi表示第i个正样本对应的分类结果，xi表示第i个正样本对应的分类置信度，p(xi)表示xi归一化后的数值，i和j均为正整数，n为预测框总数目。
[0020]
在一个实施例中，上述检测方法还包括：
[0021]
根据检测结果，计算对应的移动目标的总数量，并判断总数量是否等于预设数值；
[0022]
若否，则生成报警提示控制信号以控制报警提示装置进行报警提示。
[0023]
在一个实施例中，上述检测方法还包括：
[0024]
在预设时间范围内，判断预设移动目标是否在检测结果中出现；
[0025]
若否，则获取摄像装置在当前时刻生成的实时拍摄图像，并将实时拍摄图像发送至移动终端以进行提示。
[0026]
此外，还提供一种预设水体区域中移动目标的检测系统，检测系统包括主控器、摄像装置和报警提示装置，预设水体区域中设置有摄像装置，摄像装置和报警提示装置分别与主控器电性连接；
[0027]
主控器用于基于一阶段目标检测网络对预设训练数据集中的每张目标图像进行训练，以获得移动目标检测模型；
[0028]
摄像装置用于获取目标拍摄图像，并发送至主控器；
[0029]
主控器还用于对目标拍摄图像进行预处理以生成目标图像数据集，目标图像数据集包括测试数据集，将测试数据集输入移动目标检测模型进行检测，以输出对应的检测结果；
[0030]
主控器还用于根据检测结果，计算对应的移动目标的总数量，并判断总数量是等于预设数值，若否，则生成报警提示控制信号；
[0031]
报警提示装置用于接收主控器发送的报警提示信息以进行报警提示。
[0032]
此外，还提供一种预设水体区域中移动目标的检测装置，预设水体区域中设置有摄像装置，检测装置包括：
[0033]
训练单元，用于基于一阶段目标检测网络对预设训练数据集中的每张目标图像进行训练，以获得移动目标检测模型；
[0034]
拍摄单元，用于通过摄像装置获取目标拍摄图像，并对目标拍摄图像进行预处理以生成目标图像数据集，目标图像数据集包括测试数据集；
[0035]
检测单元，用于将测试数据集输入移动目标检测模型进行检测，以输出对应的检测结果。
[0036]
此外，还提供一种设备终端，设备终端包括处理器和存储器，存储器用于存储计算机程序，处理器运行计算机程序以使设备终端执行上述检测方法。
[0037]
此外，还提供一种可读存储介质，可读存储介质存储有计算机程序，计算机程序在被处理器执行时实施上述检测方法。
[0038]
上述移动目标的检测方法，基于一阶段目标检测网络对预设训练数据集中的每张目标图像进行训练，以获得移动目标检测模型，通过摄像装置获取目标拍摄图像，并对目标拍摄图像进行预处理以生成目标图像数据集，目标图像数据集包括测试数据集，将测试数据集输入移动目标检测模型进行检测，以输出对应的检测结果，实现了对预设水体区域中移动目标的实时检测，进而对该移动目标的实时状态进行监测，以便实时作出应对措施，提高了对预设水体区域中移动目标的监控能力。
附图说明
[0039]
为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0040]
图1是本技术一实施例提供的一种预设水体区域中移动目标的检测方法的应用环境示意图；
[0041]
图2是本技术一实施例提供的一种预设水体区域中移动目标的检测方法的流程示意图；
[0042]
图3是本技术一实施例提供的一种获得移动目标检测模型的方法流程示意图；
[0043]
图4是本技术一实施例提供的另一种预设水体区域中移动目标的检测方法的流程示意图；
[0044]
图5是本技术一实施例提供的又一种预设水体区域中移动目标的检测方法的流程示意图；
[0045]
图6是本技术一实施例提供的一种预设水体区域中移动目标的检测系统的结构框图；
[0046]
图7是本技术一实施例提供的一种预设水体区域中移动目标的检测装置的结构框图。
具体实施方式
[0047]
下面结合附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术一部分实施例，而非全部实施例。基于本技术中的实施例，本领域技
术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。在不冲突的情况下，下述各个实施例及其技术特征可以相互组合。
[0048]
如图1所示，提供了一种预设水体区域中移动目标的检测方法的应用环境示意图，图1中包括主控器101和摄像装置102，其中主控器101和摄像装置102电性连接，其中，主控器101通过鱼缸103侧面设置的引线孔104与摄像装置102电性连接，摄像装置102均设置在鱼缸103的底部内壁上，摄像装置102用于将拍摄的图像实时传输到主控器101。
[0049]
如图2所示，提供一种预设水体区域中移动目标的检测方法，该检测方法应用于预设水体区域，预设水体区域中设置有摄像装置，该检测方法包括：
[0050]
步骤s110，基于一阶段目标检测网络对预设训练数据集中的每张目标图像进行训练，以获得移动目标检测模型。
[0051]
其中，采用一阶段目标检测网络，例如ssd目标检测网络和yolo目标检测网络，对预设训练数据集中的每张目标图像进行训练，以获得移动目标检测模型。
[0052]
在一个实施例中，预设水体区域中移动目标为鱼类，预设训练数据集包含多种类别的观赏鱼对应的拍摄图像。
[0053]
步骤s120，通过摄像装置获取目标拍摄图像，并对目标拍摄图像进行预处理以生成目标图像数据集，目标图像数据集包括测试数据集。
[0054]
其中，预设水体区域可为容器中的预设水体区域，例如鱼缸中的水体区域，摄像装置获取目标拍摄图像并发送至主控制器，主控器对目标拍摄图像进行预处理，例如对目标拍摄图像进行图像数据增强，以及对目标拍摄图像进行标注，进而生成包括测试数据集的目标图像数据集。
[0055]
步骤s130，将测试数据集输入移动目标检测模型进行检测，以输出对应的检测结果。
[0056]
其中，在训练得到移动目标检测模型之后，可进一步将上述得到的测试数据集输入移动目标检测模型进行检测，以得到对应的检测结果。
[0057]
其中，测试数据集可由预设时间段拍摄的目标拍摄图像得来，例如可由24h内的目标拍摄图像进行预处理得到。
[0058]
上述移动目标的检测方法，基于一阶段目标检测网络对预设训练数据集中的每张目标图像进行训练，以获得移动目标检测模型，通过摄像装置获取目标拍摄图像，并对目标拍摄图像进行预处理以生成目标图像数据集，目标图像数据集包括测试数据集，将测试数据集输入移动目标检测模型进行检测，以输出对应的检测结果，实现了对预设水体区域中移动目标的实时检测，进而对该移动目标的实时状态进行监测，以便实时作出应对措施，提高了对预设水体区域中移动目标的监控能力。
[0059]
在一个实施例中，一阶段目标检测网络采用ssd目标检测网络，如图3所示，步骤s120包括：
[0060]
步骤s122，根据预设水体区域的大小以及移动目标与摄像装置的距离范围，对ssd目标检测网络进行参数初始化。
[0061]
其中，ssd目标检测网络一种一阶段的目标检测方法，相对比其它的目标检测方法，具有速度快和准确率较高的特点，在上述ssd目标检测网络应用时，需要根据预设水体区域的大小以及移动目标与摄像装置的距离范围来设置ssd目标检测网络的初始参数，例
如设置ssd目标检测网络的初始步长step＝{0.1,0.5,1}，步长分别为0.1、0.5以及1，可兼顾移动目标与摄像装置的距离较近的大目标，移动目标与摄像装置的距离中等的目标，以及移动目标与摄像装置的距离远的小目标。
[0062]
在一个实施例中，上述移动目标为鱼类，考虑到鱼类为一个水平的目标，近似于长方形。
[0063]
在一个实施例中，宽高比取值为1.8、1.5.1.25和1。
[0064]
步骤s124，将预设训练数据集输入参数初始化后的ssd目标检测网络以进行特征提取，得到至少三种不同预设尺寸的特征图。
[0065]
其中，上述ssd目标检测网络的参数初始化之后，预设训练数据集输入后，通过ssd目标检测网络进行特征提取，得到至少三种不同预设尺寸的特征图。
[0066]
在一个实施例中，上述预设水体区域为鱼缸，设置ssd目标检测网络的初始步长step＝{0.1,0.5,1}，步长分别为0.1、0.5以及1可兼顾到距离近的大目标，以及距离远的小目标，此时得到三种不同预设尺寸的特征图，包括第一预设尺寸的特征图、第二预设尺寸的特征图和第三预设尺寸的特征图，第一预设尺寸的特征图与上述步长step＝0.1对应，第二预设尺寸的特征图与上述步长step＝0.5对应，第三预设尺寸的特征图与上述步长step＝1对应。
[0067]
例如，第一预设尺寸可为38
×
38，第一预设尺寸的特征图用于检测远处体积较小的鱼类，第二预设尺寸可为10
×
10，第二预设尺寸的特征图用于检测体积中等大小的鱼类，第三预设尺寸可为1
×
1，第三预设尺寸的特征图用于检测体积较大的鱼类。
[0068]
步骤s126，基于各个预设尺寸的特征图进行特征融合后，得到各个预设尺寸的特征图的预测值。
[0069]
其中，在得到各个不同预设尺寸的特征图之后，对各个预设尺寸的特征图进行特征融合，得到各个预设尺寸的特征图的预测值。
[0070]
步骤s128，通过预设损失函数对各个预测值相对于真实值进行计算，并经过反向传播求取梯度，进行权重和偏置更新，直至预设损失函数收敛以生成对应的移动目标检测模型。
[0071]
其中，针对预设训练数据集中的每一目标图像数据，执行上述步骤s122至步骤s126，得到每一目标图像数据对应的各个预设尺寸的特征图的预测值，进而执行步骤s128，通过采用预设损失函数，对各个预测值相对于真实值进行计算，并经过反向传播求取梯度，进行权重和偏置更新，直至预设损失函数收敛，以生成对应的移动目标检测模型。
[0072]
本实施例中，在结合每张目标图像中预设水体区域的大小以及移动目标与摄像装置的距离范围，对ssd目标检测网络进行参数初始化的基础上，将预设训练数据集输入参数初始化后的ssd目标检测网络以进行特征提取，得到至少三种不同预设尺寸的特征图，进而基于各个预设尺寸的特征图进行特征融合后，得到各个预设尺寸的特征图的预测值，最后通过采用预设损失函数对各个预测值相对于真实值进行计算，并经过反向传播求取梯度，进行权重和偏置更新，直至预设损失函数收敛以生成对应的移动目标检测模型，使得训练后建立的移动目标检测模型能够对预设水体区域中的移动目标的实时检测，进而对该移动目标的实时状态进行监测，以便实时作出应对措施，提高了对预设水体区域中移动目标的监控能力。
[0073]
在一个实施例中，预设损失函数采用以下公式：
[0074][0075]
其中，l表示预设损失函数，l
conf
(x)表示分类损失函数，l
loc
(x)表示定位损失函数，i表示第i个样本，m为变量，cx表示预测框的中心点的横坐标，cy表示预测框的中心点的纵坐标，代表第i个样本的预测值，代表第i个样本的标注值，n表示预测框总数目，w表示预测框的长度，h表示预测框的长度，α表示调整l
conf
(x)与l
loc
(x)之间的比例系数。
[0076]
其中，定位损失函数l
loc
(x)采用改进后的smooth l1损失函数，其中，由于现有的smooth l1损失函数中，当预测框与真实框很接近时，对应的导函数也很小，进而使得对应的目标模型能够更好地收敛到最优解；当预测框与真实框差距较大时(|x|大于1)，对应的导数恒为1，好处是对应导数不会因为预测值与真实值差距过大导致模型拟合出现来回震荡无法收敛的情况，但缺点是当识别对象比较复杂多变时，容易出现训练无法拟合或者拟合速度慢的情况，显然，对于移动目标，例如特别是鱼缸中的观赏鱼类，种类繁多，大小不一，且由于鱼类的游动，导致鱼类的形态多变，因而在定位损失函数l
loc
(x)中，当|x|大于等于1时导函数值为4，加快了模型的拟合速度，进而从总体上加快了移动目标的检测速度，提高了对预设水体区域内的移动目标的监测能力。
[0077]
在一个实施例中，分类损失函数l
conf
(x)采用以下公式：
[0078][0079]
其中，l
conf
(x)表示二分类交叉熵函数，yi表示第i个正样本对应的分类结果，xi表示第i个正样本对应的分类置信度，p(xi)表示xi归一化后的数值，i和j均为正整数，n为预测框总数目。
[0080]
在一个实施例中，预设水体区域为鱼缸，由于只有鱼类，因此，上述分类损失函数可只采用二分类交叉熵函数即可。
[0081]
在一个实施例中，如图4所示，上述检测方法还包括：
[0082]
步骤s140，根据检测结果，计算对应的移动目标的总数量，并判断总数量是否等于预设数值，若否，则进入步骤s150。
[0083]
步骤s150，生成报警提示控制信号以控制报警提示装置进行报警提示。
[0084]
在一个实施例中，上述预设水体区域为鱼缸内水体区域，通过计算对应的目标鱼类的总数量，并判断总数量是否等于预设数值，进一步在总数量产生异常时，生成报警提示控制信号以控制报警提示装置进行报警提示，进一步提高了对预设水体区域内的移动目标的实时监测能力。
[0085]
在一个实施例中，如图5所示，上述检测方法还包括：
[0086]
步骤s160，在预设时间范围内，判断预设移动目标是否在检测结果中出现，若否，则进入步骤s170。
[0087]
步骤s170，获取摄像装置在当前时刻生成的实时拍摄图像，并将实时拍摄图像发送至移动终端以进行提示。
[0088]
在一个实施例中，上述预设水体区域为鱼缸内水体区域，通过在预设时间范围内对某一重要的预设目标鱼类进行检测，若该预设目标鱼类未在检测结果中出现，则通过步骤s170可及时的通过摄像装置在当前时刻生成的实时拍摄图像，并将实时拍摄图像发送至移动终端以进行提示，进一步提高了对预设水体区域内的目标鱼类的实时监测能力。
[0089]
此外，还提供一种预设水体区域中移动目标的检测系统200，如图6所示，检测系统200包括主控器210、摄像装置220和报警提示装置230，预设水体区域中设置有摄像装置220，摄像装置220和报警提示装置230分别与主控器210电性连接；
[0090]
主控器210用于基于一阶段目标检测网络对预设训练数据集中的每张目标图像进行训练，以获得移动目标检测模型，
[0091]
摄像装置220用于获取目标拍摄图像，并发送至主控器210；
[0092]
主控器210还用于对目标拍摄图像进行预处理以生成目标图像数据集，目标图像数据集包括测试数据集，将测试数据集输入移动目标检测模型进行检测，以输出对应的检测结果；
[0093]
主控器210还用于根据检测结果，计算对应的移动目标的总数量，并判断总数量是否等于预设数值，若否，则生成报警提示控制信号；
[0094]
报警提示装置230用于接收主控器210发送的报警提示信息以进行报警提示。
[0095]
此外，如图7所示，还提供一种预设水体区域中移动目标的检测装置300，预设水体区域中设置有摄像装置，检测装置300包括：
[0096]
训练单元310，用于基于一阶段目标检测网络对预设训练数据集中的每张目标图像进行训练，以获得移动目标检测模型；
[0097]
拍摄单元320，用于通过摄像装置获取目标拍摄图像，并对目标拍摄图像进行预处理以生成目标图像数据集，目标图像数据集包括测试数据集；
[0098]
检测单元330，用于将测试数据集输入移动目标检测模型进行检测，以输出对应的检测结果。
[0099]
此外，还提供一种设备终端，设备终端包括处理器和存储器，存储器用于存储计算机程序，处理器运行计算机程序以使设备终端执行上述检测方法。
[0100]
此外，还提供一种可读存储介质，可读存储介质存储有计算机程序，计算机程序在被处理器执行时实施上述检测方法。
[0101]
上述检测装置300中各个单元的划分仅用于举例说明，在其他实施例中，可将上述检测装置300按照需要划分为不同的单元，以完成上述检测装置300的全部或部分功能。关于上述检测装置300具体限定可以参见上文中对于方法的限定，在此不再赘述。
[0102]
即，以上所述仅为本技术的实施例，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，例如各实施例之间技术特征的相互结合，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。
[0103]
另外，对于特性相同或相似的结构元件，本技术可采用相同或者不相同的标号进行标识。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0104]
在本技术中，“例如”一词是用来表示“用作例子、例证或说明”。本技术中被描述为“例如”的任何一个实施例不一定被解释为比其它实施例更加优选或更加具优势。为了使本领域任何技术人员能够实现和使用本技术，本技术给出了以上描述。在以上描述中，为了解释的目的而列出了各个细节。
[0105]
应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本技术。在其它实施例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本技术的描述变得晦涩。因此，本技术并非旨在限于所示的实施例，而是与符合本技术所公开的原理和特征的最广范围相一致。