本发明属于计算机视觉技术领域，尤其涉及一种直梯内宠物牵绳检测方法及系统。
背景技术：
随着人们休闲方式和情感寄托的多样化，饲养宠物成为众多家庭的消遣方式。“撸猫”、“吸狗”逐渐成为了一种风潮。随着饲养宠物的群体加速扩大，城市小区宠物也逐渐增多，小区内遛狗频繁，于是文明养宠物成为众多人的诉求，但目前城市小区内不文明的养宠物行为时有发生。例如，在乘坐电梯时，主人不牵绳子任由宠物活动，在密闭轿厢内宠物存在应激反应而伤害到其他乘客。类似事件引发纠纷，诉讼法律请见也逐渐变多。宠物伤人后与伤人原因、细节等案件事实不同，责任承担主体也有明显不同，因此需要急需一种直梯内宠物检测系统，用于及时对直梯内的宠物状态进行检测，是否存在不牵绳行为，及时发出提醒，防止出现宠物伤人事故。
技术实现要素：
本发明的目的在于提供一种检测直梯内宠物是否牵绳的直梯内宠物牵绳检测方法及系统。
为实现上述目的，本发明提供一种直梯内宠物牵绳检测方法，包括：
s1、检测直梯是否处于运行状态，在检测到直梯处于运行状态的情况下，采集直梯内图像；
s2、对所述图像进行处理，利用resnet18主干网络检测图像中是否存在宠物；
s3、在检测到存在宠物的情况下，将宠物位置信息坐标映射至原检测图像进行裁剪获得宠物图片，对宠物进行分类；
s4、根据宠物分类结果，在直梯触发相应的动画和语音提醒。
根据本发明的一个方面，所述步骤s1包括：
检测直梯门是否关闭；
检测直梯是否存在运行速度；
当检测到直梯门关闭且存在运行速度时判定直梯处于运行状态。
根据本发明的一个方面，所述步骤s2包括：
对采集到的直梯内图像进行解码、裁剪处理；
利用训练好的宠物检测模型对裁剪处理后的图像进行检测。
根据本发明的一个方面，利用resnet18主干网络采集检测图像，将尺寸裁剪至416*416；
所述resnet18主干网络的检测算法包括预处理部分和推理模块部分，所述预处理部分进行多线程加速，所述脱离模块部分进行tensorrt加速。
根据本发明的一个方面，在所述步骤s3中，对宠物分类包括牵绳和不牵绳两种，分类网络采用resnet34网络；
所述resnet34网络采用tensorrt加速。
根据本发明的一个方面，对宠物进行分类包括：
将获得宠物图片进一步裁剪至224*224尺寸；
进行softmax回归得到宠物类别。
根据本发明的一个方面，在所述步骤s2中，在检测到所述图像中存在宠物的情况下，还包括记录直梯内宠物的数量。
本发明还提供一种利用上述直梯内宠物牵绳检测方法的系统，包括：
分析请求模块，用于检测直梯是否处于运行状态，并在检测到直梯处于运行状态时发出图像分析处理请求；
宠物检测分类模块，用于接收所述图像分析处理请求，对所述图像进行宠物检测、分类，并在检测到图像中存在宠物的情况下发出视频保存指令和语音提示指令；
语音模块，根据所述语音提示指令发出提醒语音。
本发明的直梯内宠物牵绳检测方法，能够有效检测出直梯内的宠物是否处于牵绳状态，并及时发出语音提示，可以防止由于宠物不牵绳的不文明行为导致的乘客伤害事故发生。
附图说明
图1示意性表示根据本发明一种实施方式的直梯内宠物牵绳检测方法的流程图；
图2示意性表示根据本发明的宠物分类流程图；
图3示意性表示根据本发明一种实施例的宠物检测示图。
具体实施方式
为了更清楚地说明本发明实施方式或现有技术中的技术方案，下面将对实施方式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发明的一些实施方式，对于本领域普通技术人员而言，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。
在针对本发明的实施方式进行描述时，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”所表达的方位或位置关系是基于相关附图所示的方位或位置关系，其仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此上述术语不能理解为对本发明的限制。
下面结合附图和具体实施方式对本发明作详细地描述，实施方式不能在此一一赘述，但本发明的实施方式并不因此限定于以下实施方式。
结合图1所示，本发明的直梯内宠物牵绳检测方法包括以下步骤：s1、检测直梯是否处于运行状态，在检测到直梯处于运行状态的情况下，采集直梯内图像；s2、对所述图像进行处理，利用resnet18主干网络检测图像中是否存在宠物；s3、在检测到存在宠物的情况下，将宠物位置信息坐标映射至原检测图像进行裁剪获得宠物图片，对宠物进行分类；s4、根据宠物分类结果，在直梯触发相应的动画和语音提醒。
本发明的直梯内宠物牵绳检测方法，能够有效检测出直梯内的宠物是否处于牵绳状态，并及时发出语音提示，可以防止由于宠物不牵绳的不文明行为导致的乘客伤害事故发生。
具体来说，本发明的直梯内宠物牵绳检测方法中，在步骤s1中，包括检测直梯门是否关闭；检测直梯是否存在运行速度；当检测到直梯门关闭且存在运行速度时判定直梯处于运行状态。根据本发明的构思，通过轿厢内的顶部相机，在每一次起停过程中采集一张图像，其中无法判断轿厢内是否有人乘坐，即电梯可能空载情况，通过相机端算法可以判断直梯门关闭，减少电梯门开情况的图像处理数据。
然后对采集到的图像调用yolov3算法做宠物检测。针对直梯里的宠物目标，标记了10w多宠物样本，来自不同的直梯轿厢，利用darknet框架训练宠物模型，其模型具备泛化表现，该模型ap99.50，能检测不同直梯环境内的宠物。检测与分类处理流程如图2所示：需要对原图进行解码，尺度变化到416*416检测网络输入尺寸。若检测到宠物，则在检测原图中按目标框坐标信息裁剪出宠物的区域，用于分类。若未检测到宠物，则记录该图片宠物数量0，写入数据库结束。宠物分类模块，区分宠物是否有牵引绳做二分类。对裁剪的宠物区域尺度变化到224*224分类网络输入尺寸，减去均值。通过softmax回归最终得到对应的输出类别，同时数据库记录宠物的数量和类别，将结果反馈到云梯平台。平台根据图像触发的时间节点及检测到的宠物目标，截取触发节点前5秒钟至触发节点后10秒钟的录像视频保存到平台做事后追溯依据，根据分类结果及触发的电梯id，对宠物所在的电梯梯内安卓屏播放宠物进梯动画，对未牵绳的宠物屏内的语音模块做劝阻提示，提醒乘客牵好宠物，防止出现宠物伤人事故隐患。
具体来说，在本发明中，对于yolov3网络上做了些优化，根据直梯宠物的标记数据，通过聚类获取图像中宠物大小的anchor保证宠物的检出性能。原始的网络主要使用darknet53的主干网络，针对直梯场景以及单一的检测任务，其网络深度比较冗余，造成性能浪费，因此替换为resnet18主干网络，减少计算量。采集到的图像多为720p或1080p，尺寸较大需要resize到416*416的尺寸提供给检测算法，预处理部分做了多线程加速，cpu多核同时做批图的解码和resize操作，推理模块做了tensorrt加速，整体算法的处理性能速度达到每秒220帧左右。在416*416的图像上通过检测得到宠物区域的位置信息，再将坐标映射到原图上进行裁剪。对裁剪好的宠物图片做二分类。分类网络采用resnet34网络，由于宠物分类只有牵绳与未牵绳两个类别，图像比较相似，类间距较小，因此选择较深的网络，对剪裁得到的宠物区域尺寸resize到224*224，再进行softmax回归得到最终的类别，分类模块也进行了tensorrt性能优化。
如图3所示，根据本发明的一个具体实施例，结果图中检测到一只哈士奇犬，判断牵有绳子，对牵有绳子的类别仅播放宠物进梯动画。根据图像数据的来源可以确认到电梯的点位，因为处理性能得到优化，在抓图后能实时处理，因此云梯平台能实时接收到检测分类结果，并下发指令到梯内安卓屏上，安卓屏上可以实时播放宠物进梯动画与劝阻语音，提醒乘客注意牵绳，文明养宠。
结合图1所示，本发明还提供一种利用上述直梯内宠物牵绳检测方法的系统，包括：分析请求模块、宠物检测分类模块和语音模块。分析请求模块用于检测直梯是否处于运行状态，并在检测到直梯处于运行状态时发出图像分析处理请求。宠物检测分类模块用于接收所述图像分析处理请求，对所述图像进行宠物检测、分类，并在检测到图像中存在宠物的情况下发出视频保存指令和语音提示指令；语音模块用于根据语音提示指令发出提醒语音。
上述内容仅为本发明的具体方案的例子，对于其中未详尽描述的设备和结构，应当理解为采取本领域已有的通用设备及通用方法来予以实施。
以上所述仅为本发明的一个方案而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
1.一种直梯内宠物牵绳检测方法，包括：
s1、检测直梯是否处于运行状态，在检测到直梯处于运行状态的情况下，采集直梯内图像；
s2、对所述图像进行处理，利用resnet18主干网络检测图像中是否存在宠物；
s3、在检测到存在宠物的情况下，将宠物位置信息坐标映射至原检测图像进行裁剪获得宠物图片，对宠物进行分类；
s4、根据宠物分类结果，在直梯触发相应的动画和语音提醒。
2.根据权利要求1所述的直梯内宠物牵绳检测方法，其特征在于，所述步骤s1包括：
检测直梯门是否关闭；
检测直梯是否存在运行速度；
当检测到直梯门关闭且存在运行速度时判定直梯处于运行状态。
3.根据权利要求2所述的直梯内宠物牵绳检测方法，其特征在于，所述步骤s2包括：
对采集到的直梯内图像进行解码、裁剪处理；
利用训练好的宠物检测模型对裁剪处理后的图像进行检测。
4.根据权利要求3所述的直梯内宠物牵绳检测方法，其特征在于，利用resnet18主干网络采集检测图像，将尺寸裁剪至416*416；
所述resnet18主干网络的检测算法包括预处理部分和推理模块部分，所述预处理部分进行多线程加速，所述脱离模块部分进行tensorrt加速。
5.根据权利要求4所述的直梯内宠物牵绳检测方法，其特征在于，在所述步骤s3中，对宠物分类包括牵绳和不牵绳两种，分类网络采用resnet34网络；
所述resnet34网络采用tensorrt加速。
6.根据权利要求5所述的直梯内宠物牵绳检测方法，其特征在于，对宠物进行分类包括：
将获得宠物图片进一步裁剪至224*224尺寸；
进行softmax回归得到宠物类别。
7.根据权利要求1所述的直梯内宠物牵绳检测方法，其特征在于，在所述步骤s2中，在检测到所述图像中存在宠物的情况下，还包括记录直梯内宠物的数量。
8.一种使用权利要求1-7任一项所述的直梯内宠物牵绳检测方法的系统，其特征在于，包括：
分析请求模块，用于检测直梯是否处于运行状态，并在检测到直梯处于运行状态时发出图像分析处理请求；
宠物检测分类模块，用于接收所述图像分析处理请求，对所述图像进行宠物检测、分类，并在检测到图像中存在宠物的情况下发出视频保存指令和语音提示指令；
语音模块，根据所述语音提示指令发出提醒语音。
技术总结