一种基于视觉Transformer的高空坠物检测方法

摘要

本发明涉及一种基于视觉Transformer的高空坠物检测方法，包括以下步骤：S1：获取监控区域的视频图像；S2：根据获取的视频图像，利用卷积神经网络提取当前帧的特征，并与上一帧提取的特征进行拼接；S3：将拼接后的特征输入编码器，并经计算后将结果输入解码器；步骤S4：将历史帧的特征值嵌入输入解码器，将编码器的输出与历史帧的特征值嵌入进行关联计算；步骤S5：将运算得到的最后一个序列分别输入到三个全连接网络中，进而计算出物体为坠物的类别概率、目标边界框以及物体的帧间运动向量；步骤S6：根据计算结果识别出坠落物体，并对坠落物体进行跟踪和发出报警提示。本发明将transformer技术应用到坠物检测中，能够解决传统多阶段坠物检测方法中存在的滞后性和误检率高的问题。