基于深度学习的乘客多标签分类方法、系统、介质及设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114973325A(43)申请公布日2022.08.30(21)申请号202210555443.1G06V10/82(2022.01)(22)申请日2022.05.19G06N3/04(2006.01)G06K9/62(2022.01)(71)申请人上海交通大学地址200240上海市闵行区东川路800号(72)发明人武对娣黄海清胡洁戚进(74)专利代理机构上海汉声知识产权代理有限公司31236专利代理师胡晶(51)Int.Cl.G06V40/10(2022.01)G06V20/40(2022.01)G06V10/20(2022.01)G06V10/28(2022.01)G06V10/764(2022.01)G06V10/774(2022.01)权利要求书2页说明书10页附图4页(54)发明名称基于深度学习的乘客多标签分类方法、系统、介质及设备(57)摘要本发明提供了一种基于深度学习的乘客多标签分类系统、方法、介质及设备，包括：图像数据采集模块：获取监控视频并转码播放，调用目标检测算法进行人员检测并截取乘客图像；属性数据集建立及处理模块：建立乘客属性数据集并遍历校对图像和标签，分别提取图像和标签列表并将标签转化为独热码；乘客属性识别模块：加载图像并预处理、加载属性标签并重排，划分数据集，配置深度神经网络模型参数并训练，进行模型预测，在图像层面和属性层面计算评价指标；结果显示和保存模块：构建背景和预测字典，打印属性识别和评价结果并保存。本发明可实现重点乘客识别，为电梯大数据、智能安防、广告投放等工作提供技术支持，提高电梯乘坐的安全性和商业性。CN114973325ACN114973325A权利要求书1/2页1.一种基于深度学习的乘客多标签分类系统，其特征在于，包括：图像数据采集模块：获取监控视频并转码播放，调用目标检测算法进行人员检测并截取乘客图像；属性数据集建立及处理模块：建立乘客属性数据集并遍历校对图像和标签，分别提取图像和标签列表并将标签转化为独热码；乘客属性识别模块：先加载图像并预处理、加载属性标签并重排，接着划分数据集，配置深度神经网络模型参数并训练，然后进行模型预测，在图像层面和属性层面计算评价指标；结果显示和保存模块：构建背景和预测字典，打印属性识别和评价结果并保存。2.根据权利要求1所述的基于深度学习的乘客多标签分类系统，其特征在于，所述图像数据采集模块包括有依次通信连接的监控视频获取单元、人员检测单元、图像截取单元；所述监控视频获取单元，利用电梯顶部安装的摄像头实时采集监控视频、转码并流畅播放；所述人员检测单元，调用深度学习方法，检测视频流中的人员；所述图像截取单元，用于在视频流中截取人员检测回归框，并保存至数据集路径。3.根据权利要求1所述的基于深度学习的乘客多标签分类系统，其特征在于，所述属性数据集建立及处理模块包括：建立电梯图像数据集，包含图像文件夹与标签csv文件；利用乘客属性数据集建立及处理方法，遍历校对图像与标签使之一一对应；分别提取图像和标签列表，并将文字标签转化为二值化独热码。4.根据权利要求1所述的基于深度学习的乘客多标签分类系统，其特征在于，所述乘客属性识别模块包括：模型搭建及训练单元，用于准备训练数据、配置网络参数和训练深度学习模型；模型测试及评价单元，用于分别在图像层面和属性层面评价模型性能，评价指标包括准确率、精确率和召回率。5.一种基于深度学习的乘客多标签分类方法，其特征在于，包括：图像数据采集步骤：获取监控视频并转码播放，调用目标检测算法进行人员检测并截取乘客图像；属性数据集建立及处理步骤：建立乘客属性数据集并遍历校对图像和标签，分别提取图像和标签列表并将标签转化为独热码；乘客属性识别步骤：先加载图像并预处理、加载属性标签并重排，接着划分数据集，配置深度神经网络模型参数并训练，然后进行模型预测，在图像层面和属性层面计算评价指标；结果显示和保存步骤：构建背景和预测字典，打印属性识别和评价结果并保存。6.根据权利要求5所述的基于深度学习的乘客多标签分类方法，其特征在于，所述图像数据采集步骤包括：监控视频获取步骤：利用电梯顶部安装的摄像头实时采集监控视频、转码并流畅播放；人员检测步骤：调用深度学习方法，检测视频流中的人员；图像截取步骤：在视频流中截取人员检测回归框，并保存至数据集路径。2CN114973325A权利要求书2/2页7.根据权利要求5所述的基于深度学习的乘客多标签分类方法，其特征在于，所述属性数据集建立及处理步骤包括：建立电梯图像数据集，包含图像文件夹与标签csv文件；利用乘客属性数据集建立及处理方法，遍历校对图像与标签使之一一对应；分别提取图像和标签列表，并将文字标签转化为二值化独热码。8.根据权利要求5所述的