32、监控摄像头事故检测与隔离病房轮式机器人应用

监控摄像头事故检测与隔离病房轮式机器人应用

一、监控摄像头事故检测

1.1 数据集情况

图片和评论被保存在新的分区中。2017 年测试集是 2015 年测试集 41K 张图片的子集，并且 2017 年版本新增了一个包含 123K 张未标注图片的新数据集。在总计 330,000 张图片中，有超过 200,000 张图片被标记为真实信息，这是一个用于目标识别、分割和标注的大规模数据集。

1.2 车辆检测 - YOLO 算法

YOLO（You Only Look Once）方法使用神经网络来评估图像。它将图像划分为 S × S 网格，并带有边界框。该算法有 24 个卷积层，随后是两个全连接层，通过将 1 × 1 卷积层与前一层交替，减少特征空间。目标识别问题是一个预测模型，旨在分离地理上有边界的框并识别边界框内的相关类别。单个神经网络只需一次评估，就能从输入图像中预测边界框和类别概率。
与 CNN 选择图像的感兴趣区域不同，YOLO 在算法的单次运行中就能预测整个图像的类别和边界框。使用该技术时，需要明确要预测的对象，以便训练算法来寻找对象类别和边界框。

1.3 事故检测

事故检测通过 CCTV 摄像头完成，摄像头将视频素材提供给系统。系统会将视频转换为帧，并将它们逐个输入到 YOLO 进行识别。为了进行事故检测，会保存帧中看到的所有车辆，并验证它们是否交叉。
具体操作步骤如下：
1. 通过目标检测器（这里使用的是 YOLOv4），YOLOv4 预训练可识别近 83 种事物类别，但我们只关注给定输入帧中任何时候检测到的车辆。
2. 若检测结果大于零，则进入下一步。识别输出包含