技术特征：
1.一种高空危物检测方法，其特征在于，包括：获取高空危物检测模型和待检测社区的楼群图像，所述高空危物检测模型包括主干网络、分类器和检测器；通过主干网络对所述待检测社区的楼群图像进行特征提取，得到目标特征图，其中，所述主干网络包括cbm组件集和res组件集，所述cbm组件集用于对所述楼群图像进行特征提取，并将提取结果输送至所述res组件集；所述res组件集用于对所述提取结果进行优化，并输出目标特征图；通过分类器和检测器对所述目标特征图进行分类检测，得到所述楼群图像对应的危物类别。2.根据权利要求1所述的方法，其特征在于，所述cbm组件集包括第一cbm组件、第二cbm组件，所述res组件集包括若干res组件，所述通过主干网络对所述楼群图像进行特征提取，得到目标特征图，包括：通过所述第一cbm组件对所述待检测社区的楼群图像进行特征提取，得到第一输出特征图；通过所述第二cbm组件对所述第一输出特征图进行下采样处理，得到第二输出特征图；通过预设数量个所述res组件对所述第二输出特征图进行特征提取，得到若干个尺寸不同的目标特征图。3.根据权利要求1所述的方法，其特征在于，所述分类器和检测器的头部包括由平均池化算法构成的spp组件，所述方法还包括：通过spp组件对所述目标特征图进行上采样，以通过分类器和检测器对上采样结果进行分类检测，得到所述楼群图像对应的危物类别。4.根据权利要求1所述的方法，其特征在于，所述高空危物检测模型通过以下训练方法得到，包括：获取楼群图像样本集；基于所述楼群图像样本集对所述高空危物检测模型进行迭代训练，其中，通过所述高空危物检测模型对所述楼群图像样本集中的一个楼群图像样本进行分类检测，得到预测框参数；根据所述预测框参数的平方根和所述楼群图像样本对应的标签框参数的平方根之差，更新损失函数；当所述损失函数满足预设条件时，迭代结束。5.根据权利要求4所述的方法，其特征在于，在模型训练完成之后，所述方法还包括：采集目标社区的楼群图像集；将所述目标社区的楼群图像集输入训练完成的所述高空危物检测模型中，对所述高空危物检测模型的模型参数进行微调。6.根据权利要求4所述的方法，其特征在于，所述损失函数表达式为：
其中，t
x
、t
y
、t
w
、t
h
、p
ij
(a)均为预测框参数，t’x
、t’y
、t’w
、t’h
、p
′
ij
(a)均为标签框参数，为预设的loss系数，λ
box
、λ
noobj
、λ
class
为各项loss的权重常数。7.根据权利要求1所述的方法，其特征在于，所述通过分类器和检测器对所述目标特征图进行分类检测，得到所述楼群图像对应的危物类别，包括：检测所述目标特征图中是否具有在阳台防盗网周围设置悬挂物的特征；检测所述目标特征图中是否具有在阳台边缘或者阳台围墙上方放置物品的特征；检测所述目标特征图中是否具有窗体破损的特征；检测所述目标特征图中是否具有空调外机发生偏移的特征；检测所述目标特征图中是否具有在外墙安装广告牌的特征。8.根据权利要求7所述的方法，其特征在于，在所述得到所述楼群图像对应的危物类别之后，所述方法还包括：根据所述楼群图像对应的危物类别进行风险等级预测，得到预测数据。9.一种电子设备，其特征在于，包括：至少一个存储器；至少一个处理器；至少一个程序；所述程序被存储在所述存储器中，所述处理器执行至少一个所述程序以实现如权利要求1至8任一项所述的方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行信号，所述计算机可执行信号用于执行如权利要求1至8任一项所述的方法。
技术总结
本申请公开了一种高空危物检测方法、设备以及存储介质，涉及高空危物检测技术领域，包括：获取高空危物检测模型和待检测社区的楼群图像，所述高空危物检测模型包括主干网络、分类器和检测器；通过主干网络对所述楼群图像进行特征提取，得到目标特征图，其中，所述主干网络包括CBM组件集和Res组件集，所述CBM组件集用于对所述楼群图像进行特征提取，并将提取结果输送至所述Res组件集；所述Res组件集用于对所述提取结果进行优化，并输出目标特征图；通过分类器和检测器对所述目标特征图进行分类检测，得到所述楼群图像对应的危物类别。本申请有利于提高社区安全性。请有利于提高社区安全性。请有利于提高社区安全性。
技术研发人员：王天雷 李泽亮 徐颖 翟懿奎 梁长钊 李文霸 谭梓峻 江子义 廖锦锐 李青 周建宏
受保护的技术使用者：五邑大学
技术研发日：2022.09.20
技术公布日：2022/12/9