机场高清阵列摄像机自适应目标检测算法选择方法及系统

技术领域

本发明涉及目标检测技术领域，具体是涉及机场高清阵列摄像机自适应目标检测算法选择方法及系统。

背景技术

科技的发展不可避免地带来了许多安全隐患，其中机场跑道交通的安全隐患不可忽视，为了减少和有效避免这些安全隐患，智能监控技术必不可少。当前，机场主要通过高清阵列摄像机采集实时的视频图像数据，保障数据质量，而后利用目标检测算法从视频图像中检测出特定目标的位置，以此为安全隐患的智能识别和预警提供了基础保障。所以，目标检测作为机场视频监控的首要环节，直接关系到整个监控系统的好坏，其起着至关重要的作用。

目标检测是计算机视觉领域的一个重要问题，其也经历了两个时期的发展，传统目标检测和基于深度学习的目标检测，现有目标检测算法已经相对成熟。

然而，由于场景的复杂、光照变化、颜色相似、物体遮挡等问题的存在，目标检测一直都是计算机视觉领域研究的一个热点和难点，其中的每个算法都有着自己的专属擅长领域，有的检测快速，有的检测准确，有的适合检测小目标，有的适合检测密集场景。

所以，面对机场这类安全因素极其重要的环境，如何根据高清阵列摄像机所处的环境、时间段等场景信息自适应的选择对应合适的目标检测算法，以让算法发挥最大能力，从而提高目标检测的准确性和效率并减少人力成本，是当前急需解决的技术问题。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种机场高清阵列摄像机自适应目标检测算法选择方法及系统，解决当前在进行目标检测时无法根据场景信息选择合适的目标检测算法的问题。

为解决上述技术问题，本发明是采用下述技术方案实现的：

一方面，本发明提供了一种机场高清阵列摄像机自适应目标检测算法选择方法，包括：

获取机场高清阵列摄像机所在位置的场景信息，其中所述场景信息包括：气象信息、位置信息和昼夜信息；

根据所述场景信息，并结合匹配编号生成规则，生成匹配编号；

根据所述匹配编号，并结合预设的匹配编号与算法序号的关联关系，得到算法序号；

根据所述算法序号，并结合预设的算法序号与目标检测算法的关联关系，获得匹配到的目标检测算法。

进一步的，在根据所述算法序号，并结合预设的算法序号与目标检测算法的关联关系，获得匹配到的目标检测算法之后，还包括：

判断匹配到的目标检测算法是否唯一；

若是，则将匹配到的唯一目标检测算法作为所要选择的目标检测算法；

若否，则对匹配到的各个目标检测算法进行比较筛选，取最优的目标检测算法作为所要选择的目标检测算法。

进一步的，所述对匹配到的各个目标检测算法进行比较筛选的方法包括：

获取主要目标检测类别；

根据主要目标检测类别，并结合预设的算法评估指标集，得到所述各个目标检测算法的平均精度均值和在主要目标检测类别的平均精度，其中所述算法评估指标集包括：各个目标检测算法的平均精度均值、检测速度和在各种目标检测类别的平均精度；

根据理论公式计算所述各个目标检测算法的综合精度，所述理论公式包括：

P＝X*AP+Y*mAP

式中，P表示综合精度，AP表示在主要目标检测类别的平均精度，mAP表示平均精度均值，X表示平均精度的权重，Y表示平均精度均值的权重；

在所述各个目标检测算法中筛选出综合精度最大的目标检测算法；

判断所述综合精度最大的目标检测算法是否唯一；

若是，则将筛选出的的唯一目标检测算法作为所要选择的目标检测算法；

若否，则根据预设的算法评估指标集，筛选出其中检测速度最快的目标检测算法，作为所要选择的目标检测算法。

进一步的，所述匹配编号生成规则具体包括：

将所述场景信息拼接成字符串，并以逗号隔开；

利用哈希函数将所述字符串转换为固定长度的哈希值；

将所述哈希值转换为整数值；

将所述整数值映射到匹配编号取值范围内，生成匹配编号。

进一步的，所述算法序号与目标检测算法的关联关系的确定方法包括：

获取实际应用场景中所要使用到的各种目标检测算法；

对所述各种目标检测算法编号，得到算法序号与目标检测算法的关联关系。

进一步的，所述匹配编号与算法序号的关联关系的确定方法包括：

将某一目标检测算法所适用的各种场景信息，结合匹配编号生成规则，生成该目标检测算法所对应的各种匹配编号；

根据算法序号与目标检测算法的关联关系，建立该目标检测算法所对应的算法序号和各种匹配编号之间的关联关系；

汇总各个目标检测算法所对应的算法序号和各种匹配编号之间的关联关系，确定匹配编号与算法序号的关联关系。

进一步的，在判断匹配到的目标检测算法是否唯一之后，还包括：

将所述机场高清阵列摄像机与所要选择的目标检测算法绑定，建立机场高清阵列摄像机与目标检测算法的绑定关系，汇总各个机场高清阵列摄像机与目标检测算法的绑定关系，构建算法配置表；

启动机场高清阵列摄像机，机场高清阵列摄像机根据算法配置表中绑定的目标检测算法进行目标检测，记录目标检测结果，构建目标检测结果列表，其中，所述目标检测结果包括：目标类别、目标坐标、目标置信度和处理速度FPS；

获取机场综合信息，计算得到目标在图像中的像素坐标信息，将所述实目标在图像中的像素坐标信息与所述目标检测结果列表进行比对，构建目标检测比对误差列表；

根据所述目标检测比对误差列表，判断比对误差是否超过预设的阈值，若是则判断迁移训练次数是否小于预设的阈值，则是进行迁移训练；

根据所述目标检测比对误差列表，对原有的目标检测算法模型进行重新训练，得到新的目标检测算法模型；

判断新的目标检测算法模型是否优于原有的目标检测算法模型，若是则将新的目标检测算法模型覆盖原有的目标检测算法模型，否则申请人工介入。

进一步的，计算得到目标在图像中的像素坐标信息，包括：

根据机场综合信息中的飞行计划及航空管制信息得到航班数量及客流量；

根据机场综合信息中的雷达信息得到目标的具体位置信息；

根据航班数量、客流量和目标的具体位置信息，利用坐标换算公式，计算得到目标在图像中的像素坐标信息。

另一方面，本发明提供了一种机场高清阵列摄像机自适应目标检测算法选择系统，包括：

信息获取模块：用于获取场景信息，其中所述场景信息包括：气象信息、位置信息和昼夜信息；

匹配算法构造器：用于根据所述场景信息，并结合匹配编号生成规则，生成匹配编号；

算法池：用于根据所述匹配编号，并结合预设的匹配编号与算法序号的关联关系，得到算法序号；

算法选择模块：用于根据所述算法序号，并结合预设的算法序号与目标检测算法的关联关系，获得匹配到的目标检测算法。

进一步的，还包括：

算法筛选模块：用于判断匹配到的目标检测算法是否唯一；

若是，则将匹配到的唯一目标检测算法作为所要选择的目标检测算法；

若否，则对匹配到的各个目标检测算法进行比较筛选，取最优的目标检测算法作为所要选择的目标检测算法。

与现有技术相比，本发明所达到的有益效果是：

1、本发明通过获取场景信息，并将其与目标检测算法所适用的场景信息进行匹配，从而能够自适应地选择最适合高清阵列摄像机当前所处场景的目标检测算法，其时效性高，评估维度全面，显著提高了检测效率和精度并降低了人力成本，为后续智能监控场景提供了基础保障；

2、本发明依据算法评估指标对匹配到目标检测算法进行筛选，可选择出在检测精度和检测速度方面均得到兼顾的最优选择，确保所采用的目标检测算法为当前最适合的选择，实际应用效果佳。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明实施例一提供的机场高清阵列摄像机自适应目标检测算法选择方法的流程图；

图2是本发明实施例二提供的机场高清阵列摄像机自适应目标检测算法选择方法的流程图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

实施例一：

本实施例提供了机场高清阵列摄像机自适应目标检测算法选择方法，包括：

S1：获取机场高清阵列摄像机所在位置的场景信息，其中场景信息包括：气象信息、位置信息和昼夜信息。

例如，某一场景信息为：多云，扶梯旁和白天。场景信息的获取源可以是：布置于机场周围的多源传感器，

S2：根据所述场景信息，并结合匹配编号生成规则，生成匹配编号。

所述匹配编号生成规则具体包括：

A：将所述场景信息拼接成字符串，并以逗号隔开。

具体的，气象信息为weather、位置信息为location、昼夜信息为(day or night)，其中昼夜信息用0和1表示，0代表白天，1代表夜晚；收集以上信息得到字符串str＝weather,location,day。例如：将上述场景信息(多云，扶梯旁和白天)拼接成str＝cloudy,by the escalator,0。

B：利用哈希函数将所述字符串转换为固定长度的哈希值。

具体的，本实施例采用的哈希函数为：SHA-256哈希函数，但不仅限于此，具体不做限定。其可将上述字符串(str＝cloudy,by the escalator,0)转换为哈希值：e06cd9e92167ba069debf4a19c3a1cc3b754a0e43f111c789c49aeddc1fae3d8。

C：将所述哈希值转换为整数值。

例如，可将上述哈希值的前八个字节解释为一个64位无符号整数，具体方式如下所示：

首先，将其由十六进制数转化成二进制数，得到：1110000001101100110110011110100100100001101101110110101111011010001101111000111110100000111 00010000111001001101101010111101111010010000110000001110100001111100001000111111111101000100111000111000111001100011110101111；

然后，按照每八位分割，得到8个八位的二进制数：11100000，01101100，11011001，11101001，00100011，01101101，11011010，10111101；

最终，将其由二进制数转化成十进制数：22410821724935109218189。

D：将所述整数值映射到匹配编号取值范围内，生成匹配编号。

具体的，本实施例中通过取模运算完成整数值的映射，但不仅限于此；设定匹配编号取值范围为：[1～weather数量*location数量*2]。

S3：根据所述匹配编号，并结合预设的匹配编号与算法序号的关联关系，得到算法序号。

具体地，S3中所述匹配编号与算法序号的关联关系的确定方法包括：

步骤1：将某一目标检测算法所适用的各种场景信息，结合匹配编号生成规则，生成该目标检测算法所对应的各种匹配编号。

可以理解的是，每个目标检测算法所适用的场景信息有多个，因此生成的匹配编号也相应地有多个。

步骤2：根据算法序号与目标检测算法的关联关系，建立该目标检测算法所对应的算法序号和各种匹配编号之间的关联关系。

需要说明的是，目标检测算法与算法序号之间是1对1的关系，而算法序号与匹配编号之间是1对多的关系。

步骤3：汇总各个目标检测算法所对应的算法序号和各种匹配编号之间的关联关系，确定匹配编号与算法序号的关联关系。

S4：根据所述算法序号，并结合预设的算法序号与目标检测算法的关联关系，获得匹配到的目标检测算法。

具体地，S4中所述的算法序号与目标检测算法的关联关系的确定方法包括：

步骤I：获取实际应用场景中所要使用到的各种目标检测算法。

需要说明的是，所要使用到的各种目标检测算法是至少在某一方面表现优异的算法，如YOLO系列、Faster-RCNN等。

步骤II：对所述各种目标检测算法编号，得到算法序号与目标检测算法的关联关系。

S5：判断匹配到的目标检测算法是否唯一；

若是，则将匹配到的唯一目标检测算法作为所要选择的目标检测算法；

若否，则对匹配到的各个目标检测算法进行比较筛选，取最优的目标检测算法作为所要选择的目标检测算法。

需要说明的是，因为同一场景信息可能同时有多个目标检测算法对其适用，因此若匹配到多个目标检测算法，则需要对其进行筛选，以选取出其中最合适的一个目标检测算法，从而保障目标检测的准确性达到最佳。

本发明通过上述步骤能够自适应地选择最适合当前场景的目标检测算法，从而显著提高了检测效率和精度，为后续智能监控场景提供了基础保障。

具体地，S5中所述对匹配到的各个目标检测算法进行比较筛选的方法包括：

a：获取主要目标检测类别。

需要说明的是，每个目标检测算法均存在有多个目标检测类别，例如(飞机，鸟，车，人)，同一目标检测算法针对不同的目标检测类别，其检测的准确性存在有差异。

b：根据主要目标检测类别，并结合预设的算法评估指标集，得到所述各个目标检测算法的平均精度均值和在主要目标检测类别的平均精度。

其中，所述算法评估指标集包括：各个目标检测算法的平均精度均值、检测速度和在各种目标检测类别的平均精度。

具体的，在目标检测领域，平均精度用于评价目标检测算法针对某个单一目标检测类别的检测准确性；而平均精度均值则用于评价目标检测算法综合的检测准确性，其通过对数据集中所有目标检测类别的平均精度取平均值而得到。

需要说明是，目标检测算法的算法评估指标，可在算法训练完成后，通过现有技术来进行计算测量得到，具体方式这里不再赘述；本申请通过预设，可在使用过程中直接对其进行调用，并不需要实时进行评估。

c：根据理论公式计算所述各个目标检测算法的综合精度，所述理论公式包括：

P＝X*AP+Y*mAP

式中，P表示综合精度，AP表示在主要目标检测类别的平均精度，mAP表示平均精度均值，X表示平均精度的权重，Y表示平均精度均值的权重。

在本实施例中，设定平均精度的权重X为：0.6，平均精度均值的权重Y为：0.4，但不仅限于此，也可是其他占比，可根据实际进行调整，不作具体限定。

d：在所述各个目标检测算法中筛选出综合精度最大的目标检测算法。

可以理解的是，综合精度在侧重于对主要目标检测类别的检测准确性的同时，还在一定程度上兼顾对其他目标检测类别的检测准确性，以此作为筛选依据，可筛选出最符合实际使用需求的目标检测算法。

e：判断所述综合精度最大的目标检测算法是否唯一；

若是，则将筛选出的的唯一目标检测算法作为所要选择的目标检测算法；

若否，则根据预设的算法评估指标集，筛选出其中检测速度最快的目标检测算法，作为所要选择的目标检测算法。

可以理解的是，以检测速度作为筛选依据，可筛选出其中效率最佳的目标检测算法，从而在保障检测精度的同时，使检测速度也得到了兼顾。

本发明通过上述步骤可依据算法评估指标对目标检测算法进行筛选，可选择出在检测精度和检测速度方面均得到兼顾的最优选择，确保所采用的目标检测算法为当前最适合的选择，实际应用效果佳。

具体地，S5中所述对匹配到的各个目标检测算法进行比较筛选的方法包括：

步骤i：并行启动得到的各个目标检测算法，分别对视频流进行检测，得到对应的检测结果。

需要说明的是，视频流来源于布置于机场的高清阵列摄像机。

步骤ii：对所述检测结果进行分析，得到检测到的目标数量及坐标信息。

步骤iii：获取雷达探测到的目标数量和坐标信息。

步骤iv：将所述探测到的目标数量和坐标信息与各个所述检测到的目标数量及坐标信息分别进行比对，得到各个目标检测算法的误差率。

步骤v：在所述各个目标检测算法中筛选出误差率最小的目标检测算法，作为所要选择的目标检测算法。

需要说明的是，上述筛选方法以目标检测算法的检测结果来进行判断，可以确保最终所选出的目标检测算法的准确性最高，但其需要获得雷达探测的信息并且运行占用资源较多，使用限制较大，可根据实际情况选择性采用。

实施例二：

本实施例提供了机场高清阵列摄像机自适应目标检测算法选择方法，其与实施例一的不同之处，在于还包括以下步骤：

S6：将所述机场高清阵列摄像机与所要选择的目标检测算法绑定，建立机场高清阵列摄像机与目标检测算法的绑定关系，汇总各个机场高清阵列摄像机与目标检测算法的绑定关系，构建算法配置表。

S7：启动机场高清阵列摄像机，机场高清阵列摄像机根据算法配置表中绑定的目标检测算法进行目标检测，记录目标检测结果，构建目标检测结果列表，其中，目标检测结果包括：目标类别、目标坐标、目标置信度和处理速度FPS。

S8：获取机场综合信息，计算得到目标在图像中的像素坐标信息，将所述实目标在图像中的像素坐标信息与所述目标检测结果列表进行比对，构建目标检测比对误差列表。

需要说明的是，目标检测比对误差列表主要记录机场高清阵列摄像机在t时刻漏检、误检的目标类别和目标坐标。机场综合信息包括：飞行计划、雷达信息和航班管制信息。

具体地，S8中所述计算得到目标在图像中的像素坐标信息，包括：

S81：根据机场综合信息中的飞行计划及航空管制信息得到航班数量及客流量。

S82：根据机场综合信息中的雷达信息得到目标的具体位置信息。

S83：根据航班数量、客流量和目标的具体位置信息，利用坐标换算公式，计算得到目标在图像中的像素坐标信息。

S9：根据目标检测比对误差列表，判断比对误差是否超过预设的阈值，若是则判断迁移训练次数是否小于预设的阈值，则是进行迁移训练。

S10：根据所述目标检测比对误差列表，对原有的目标检测算法模型进行重新训练，得到新的目标检测算法模型。

S11：判断新的目标检测算法模型是否优于原有的目标检测算法模型，若是则将新的目标检测算法模型覆盖原有的目标检测算法模型，否则申请人工介入。

可以理解的是，人工介入即由工作人员进行判断是否需要更换算法，若需要，则更新算法配置表。

实施例三：

本实施例提供了机场高清阵列摄像机自适应目标检测算法选择系统，包括：

信息获取模块：用于获取场景信息，其中所述场景信息包括：气象信息、位置信息和昼夜信息。

匹配算法构造器：用于根据所述场景信息，并结合匹配编号生成规则，生成匹配编号。

算法池：用于根据所述匹配编号，并结合预设的匹配编号与算法序号的关联关系，得到算法序号。

算法选择模块：用于根据所述算法序号，并结合预设的算法序号与目标检测算法的关联关系，获得匹配到的目标检测算法。

算法筛选模块：用于判断匹配到的目标检测算法是否唯一；若是，则将匹配到的唯一目标检测算法作为所要选择的目标检测算法；若否，则对匹配到的各个目标检测算法进行比较筛选，取最优的目标检测算法作为所要选择的目标检测算法。

本申请是参照根据本申请实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。