【技術實現步驟摘要】
本專利技術涉及安防監控，尤其涉及一種基于attention和retinex技術的低光照安防檢測裝置。
技術介紹
1、傳統的安防監控系統是指利用視頻監控技術對特定區域或場所進行實時監控和錄像，主要通過攝像頭、監視器、錄像設備等硬件設施，結合安防控制中心進行集中管理。其基本功能是通過實時獲取現場視頻信息，幫助安保人員及時發現異常情況，進而采取應對措施，確保人員和財產的安全。傳統安防監控系統一般由攝像機、監視器、視頻錄像機、信號傳輸線路、存儲設備等組成。攝像機負責采集現場影像信號，監視器則用于實時顯示視頻畫面，錄像機和存儲設備則用于錄制和保存監控畫面，便于事后查看和取證。傳統系統通常依賴于模擬信號傳輸和本地存儲，相比現代的數字化和網絡化安防系統，其數據傳輸和存儲方式較為局限，管理和調度也相對不夠靈活。
2、在使用上，傳統安防監控系統多應用于銀行、商場、機場、交通樞紐、居民小區等場所，以防范盜竊、破壞、入侵等犯罪行為。在一些關鍵領域，監控畫面也可作為法律證據，幫助破案。然而，傳統系統由于硬件設備的局限性，存儲容量有限且不易擴展，遠程監控能力較弱，存在維護和管理的難度。隨著科技的發展，傳統的安防監控系統逐漸被數字化、智能化、網絡化的新型系統所替代。
3、但是由于傳統的安防監控系統成本低廉，且功能相對穩定，故而傳統的安防監控系統仍舊得到較為廣泛的應用。
4、傳統的安防監控系統在光線充足的環境下表現良好，但在低光照條件下，由于圖像質量下降，往往導致目標檢測、跟蹤及識別等任務性能大幅下降，具體的，在低光照條件
5、為此，需要一種能夠在低光照環境中有效改善圖像質量，并提升檢測精度的技術解決方案。
6、故而提出一種基于attention和retinex技術的低光照安防檢測裝置用以解決或緩解上述問題。
技術實現思路
1、本專利技術的目的是為了解決現有技術中存在的缺點，而提出的一種基于attention和retinex技術的低光照安防檢測裝置，旨在提升在低光照環境下的視頻分析精度與效率，增強安防系統的實用性和可靠性。
2、為了實現上述目的，本專利技術采用了如下技術方案：
3、一種基于attention和retinex技術的低光照安防檢測裝置，包括輸入層、分解網絡、反射分量去噪網絡、照度分量增強網絡、注意力機制模塊、重建網絡、以及目標檢測網絡，所述輸入層用于接收來自監控攝像頭的低光照視頻幀，所述分解網絡用于將輸入的低光照視頻幀分解為反射分量和照度分量，所述反射分量去噪網絡用于對反射分量進行去噪處理，所述照度分量增強網絡用于對照度分量進行亮度調整和對比度增強，所述注意力機制模塊用于在計算特征時給予重要區域更高的權重，所述重建網絡用于將去噪后的反射分量和增強后的照度分量重新組合成增強后的視頻幀，所述目標檢測網絡用于在增強后的視頻幀上檢測目標行為。
4、優選地，還包括報警模塊，所述報警模塊用于目標檢測網絡確認行為發生觸發報警機制。
5、優選地，所述分解網絡用于將輸入的低光照視頻幀分解為反射分量和照度分量，包括如下步驟，
6、接收輸入的低光照視頻幀；
7、采用cnn網絡提取特征，并采用prelu激活函數實現低光照視頻幀的特征學習；
8、利用卷積層將提取的特征映射呈反射分量rlow和照度分量ilow；
9、將反射分量rlow和照度分量ilow分別輸出。
10、優選地，所述prelu激活函數為swish，所述prelu激活函數為r(x)＝x*sigmoid(x)，所述分解網絡包括s(x,y)＝r(x,y)·i(x,y)，其中，s(x,y)是圖像，r(x,y)是反射分量，i(x,y)是照度分量。
11、優選地，所述分解網絡用于將輸入的低光照視頻幀分解為反射分量和照度分量，還包括如下步驟，
12、利用卷積層將提取的特征映射呈反射分量rlow和照度分量ilow；
13、通過損失函數對輸出的進行反射分量rlow和照度分量ilow優化。
14、優選地，所述損失函數為ld＝lr+λirlir+λislis，其中，lr為重建損失，lir為不變反射率損失，lis為平滑度損失，而λir、λis分別為不變反射率lir和平滑度損失lis的權重系數，所述重建損失其中ln為低光照(low)正常光照(normal)視頻幀，共享反射率損失lir用來約束反射率的一致性，共享反射率損失lir＝||rnormal-rlow||，所述平滑度損失lis＝∑i＝ln‖ii·p(z＝i||x,q)‖，在平滑度損失lis中p(z＝i||x,q)代表軟性注意力參數，其注意力打分函數采用雙線性模型其中，w為可學習的網絡參數。
15、優選地，所述照度分量增強網絡用于對照度分量進行亮度調整和對比度增強，包括如下步驟，
16、將照度分量ilow作為輸入；
17、通過一系列由卷積和prelu激活函數組成的下采樣塊進行下采樣得到小尺度特征圖；
18、通過上采樣調整特征圖尺度的大小，重建局部的光照分布；
19、將特征圖進行拼接并與最終尺寸的特征圖相連；
20、將特征圖通道降為3通道；
21、通過卷積重建出增強后的光照分量。
22、優選地，所述照度分量增強網絡用于對照度分量進行亮度調整和對比度增強，還包括如下步驟，
23、通過卷積重建出增強后的光照分量；
24、對增強后的光照分量進行損失優化，所述損失優化包括增強圖像重構損失、結構感知損失和顏色損失，所述損失優化ladjust＝ωlc+len+lis，其中，lc為顏色損失,ω為對應權重值，len為增強圖像重構損失，所述增強圖像重構損失其中，in為正常圖像照度分量，ien為增強后的照度分量，為ien的梯度值，為in的梯度值，所述顏色損失lc＝||f(sen)-f(snormal)||，其中，f(x)為高斯模糊操作，sen為增強后的圖像，snormal為正常照度的圖像。
25、優選地，所述注意力機制模塊包括通道注意力模塊、和空間注意力模塊，所述注意本文檔來自技高網...
【技術保護點】
1.一種基于Attention和Retinex技術的低光照安防檢測裝置，其特征在于，包括輸入層(1)、分解網絡(2)、反射分量去噪網絡(3)、照度分量增強網絡(4)、注意力機制模塊(5)、重建網絡(6)、以及目標檢測網絡(7)，所述輸入層(1)用于接收來自監控攝像頭的低光照視頻幀，所述分解網絡(2)用于將輸入的低光照視頻幀分解為反射分量和照度分量，所述反射分量去噪網絡(3)用于對反射分量進行去噪處理，所述照度分量增強網絡(4)用于對照度分量進行亮度調整和對比度增強，所述注意力機制模塊(5)用于在計算特征時給予重要區域更高的權重，所述重建網絡(6)用于將去噪后的反射分量和增強后的照度分量重新組合成增強后的視頻幀，所述目標檢測網絡(7)用于在增強后的視頻幀上檢測目標行為。
2.根據權利要求1所述的一種基于Attention和Retinex技術的低光照安防檢測裝置，其特征在于，還包括報警模塊，所述報警模塊用于目標檢測網絡(7)確認行為發生觸發報警機制。
3.根據權利要求1所述的一種基于Attention和Retinex技術的低光照安防檢測裝置，其特征在于，所述分
4.根據權利要求3所述的一種基于Attention和Retinex技術的低光照安防檢測裝置，其特征在于，所述PReLU激活函數為Swish，所述PReLU激活函數為R(x)＝x*sigmoid(x)，所述分解網絡(2)包括S(x,y)＝R(x,y)·I(x,y)，其中，S(x,y)是圖像，R(x,y)是反射分量，I(x,y)是照度分量。
5.根據權利要求1所述的一種基于Attention和Retinex技術的低光照安防檢測裝置，其特征在于，所述分解網絡(2)用于將輸入的低光照視頻幀分解為反射分量和照度分量，還包括如下步驟，
6.根據權利要求5所述的一種基于Attention和Retinex技術的低光照安防檢測裝置，其特征在于，所述損失函數為Ld＝Lr+λirLir+λisLis，其中，Lr為重建損失，Lir為不變反射率損失，Lis為平滑度損失，而λir、λis分別為不變反射率Lir和平滑度損失Lis的權重系數，所述重建損失Lr＝∑i＝LN∑j＝LNλij‖Ri°Ij-Sj‖，其中LN為低光照(low)正常光照(normal)視頻幀，共享反射率損失Lir用來約束反射率的一致性，共享反射率損失Lir＝||Rnormal-Rlow||，所述平滑度損失Lis＝∑i＝LN‖Ii·p(z＝i||X,q)‖，在平滑度損失Lis中p(z＝i||X,q)代表軟性注意力參數，其注意力打分函數采用雙線性模型其中，W為可學習的網絡參數。
7.根據權利要求1所述的一種基于Attention和Retinex技術的低光照安防檢測裝置，其特征在于，所述照度分量增強網絡(4)用于對照度分量進行亮度調整和對比度增強，包括如下步驟，
8.根據權利要求7所述的一種基于Attention和Retinex技術的低光照安防檢測裝置，其特征在于，所述照度分量增強網絡(4)用于對照度分量進行亮度調整和對比度增強，還包括如下步驟，
9.根據權利要求1所述的一種基于Attention和Retinex技術的低光照安防檢測裝置，其特征在于，所述注意力機制模塊(5)包括通道注意力模塊、和空間注意力模塊，所述注意力機制模塊(5)用于在計算特征時給予重要區域更高的權重，包括如下步驟，
10.根據權利要求1所述的一種基于Attention和Retinex技術的低光照安防檢測裝置，其特征在于，所述目標檢測網絡(7)包括特征提取器、分類器和邊界框回歸器，所述特征提取器為基于YOLOv9算法的卷積神經網絡。
...【技術特征摘要】
1.一種基于attention和retinex技術的低光照安防檢測裝置，其特征在于，包括輸入層(1)、分解網絡(2)、反射分量去噪網絡(3)、照度分量增強網絡(4)、注意力機制模塊(5)、重建網絡(6)、以及目標檢測網絡(7)，所述輸入層(1)用于接收來自監控攝像頭的低光照視頻幀，所述分解網絡(2)用于將輸入的低光照視頻幀分解為反射分量和照度分量，所述反射分量去噪網絡(3)用于對反射分量進行去噪處理，所述照度分量增強網絡(4)用于對照度分量進行亮度調整和對比度增強，所述注意力機制模塊(5)用于在計算特征時給予重要區域更高的權重，所述重建網絡(6)用于將去噪后的反射分量和增強后的照度分量重新組合成增強后的視頻幀，所述目標檢測網絡(7)用于在增強后的視頻幀上檢測目標行為。
2.根據權利要求1所述的一種基于attention和retinex技術的低光照安防檢測裝置，其特征在于，還包括報警模塊，所述報警模塊用于目標檢測網絡(7)確認行為發生觸發報警機制。
3.根據權利要求1所述的一種基于attention和retinex技術的低光照安防檢測裝置，其特征在于，所述分解網絡(2)用于將輸入的低光照視頻幀分解為反射分量和照度分量，包括如下步驟，
4.根據權利要求3所述的一種基于attention和retinex技術的低光照安防檢測裝置，其特征在于，所述prelu激活函數為swish，所述prelu激活函數為r(x)＝x*sigmoid(x)，所述分解網絡(2)包括s(x,y)＝r(x,y)·i(x,y)，其中，s(x,y)是圖像，r(x,y)是反射分量，i(x,y)是照度分量。
5.根據權利要求1所述的一種基于attention和retinex技術的低光照安防檢測裝置，其特征在于，所述分解網絡(2)用于將輸入的低光照視頻幀分解為反射分量和照度分量，還包括...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。