(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211353043.9 (22)申请日 2022.11.01 (71)申请人 济钢防务 技术有限公司 地址 250132 山东省济南市历城区王 舍人 街道工业北路矿 源路9号 (72)发明人 姜春福　李伟　亓晓　李佳航　 闫梦龙　 (74)专利代理 机构 济南泉城专利商标事务所 37218 专利代理师 李桂存 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/26(2022.01) G06N 3/04(2006.01) F42D 5/04(2006.01) (54)发明名称 一种基于卷积神经网络的激光排爆系统紧 急安全控制方法 (57)摘要 本发明提供了一种基于卷积神经网络的激 光排爆系统紧急安全控制方法， 为激光排爆技术 领域。 包括以下步骤： 从实时视频中抽取视频图 像， 将视频图像进行分割预处理， 分为目标检测 区和激光光束区。 将水平方向划分出的目标检测 区从两侧向中部激光光束区依次输入到目标检 测算法。 对输入的每个目标检测区进行垂直方向 分割， 获得预测对象 的边界框及其对应的类别的 概率。 对检测出的目标进行差异性验证， 确定不 同的目标检测区检测出的目标是否是同一目标， 利用二者的灰度特征来比较两帧图像的差异性。 采用专门设计的安全控制策略， 激光排爆控制系 统根据目标检测结果控制激光排爆系统。 本发明 为提高激光器工作安全性， 降低误伤 概率提供了 一条新的技 术途径。 权利要求书3页 说明书11页 附图2页 CN 115410136 A 2022.11.29 CN 115410136 A 1.一种基于卷积神经网络的激光排爆系统紧急安全控制方法， 其特征在于， 包括以下 步骤： 步骤1： 从实时视频中抽取视频图像， 将视频图像进行分割预处理， 分为目标检测区和 激光光束区， 所述激光 光束区位于 视频图像中部， 两侧为目标检测区； 具体分割方法如下： 水平方向分割， 将图像分割为2 n个目标检测区和一个激光光束区， n取值范围为 n≥1的 正整数， 分割得到的每一 块目标检测区域宽度为 ， 具体计算方式如下： 式中： TRUNC函数进行数值取整， 即不论括号中的数值是正数还是负数， 去掉小数后直 接取整不进位； 激光光束区宽度 为 式中：X为视频图像宽度； 步骤2： 将水平方向划分出的目标检测区从两侧向中部激光光束区依次输入到目标检 测算法； 步骤3： 对输入的每个目标检测区进行垂直方向分割， 以目标检测区域宽度 作为高 度， 延图像垂直方向分割为网格， 对垂直方向分割区域高度不足 的进行填充； 对每个网 格划定识别类别， 则每 个网格对应一个m维向量： 向量中字符代表的含义分别 为： 表示目标存在的概率， 为检测出的目标边界 框的中心 x位置， 为边界框的中心 y位置， 为边界框的高， 为边界框的宽， 表示目标类别； 步骤4： 对每个网格应用图像分类和定位处理， 获得预测对象的边界框及其对应的类别 的概率；权　利　要　求　书 1/3 页 2 CN 115410136 A 2步骤5： 对检测出的目标进行差异性验证， 确定不同的目标检测区检测出的目标是否是 同一目标， 利用二 者的灰度特 征来比较两帧图像的差异性； 步骤6： 激光排爆控制系统对视频图像左右两边的目标检测区进行检测， 左侧目标检测 区按照从左到右顺序， 右侧目标检测区按照 从右到左的顺序依 次检测， 检测完成一个遍历 周期； 根据目标检测结果激光 排爆系统出光。 2.根据权利要求1所述的基于卷积神经网络的激光排爆系统紧急安全控制方法， 其特 征在于， 当检测目标有多个时， 在目标检测方法的识别网络添加2个不同的锚框设计， 一个 锚框宽度与目标检测区域宽度 一致， 高度为图像实际高度， 另一个锚框宽度高度均与目 标检测区域宽度 一致。 3.根据权利要求1所述的基于卷积神经网络的激光排爆系统紧急安全控制方法， 其特 征在于， 所述 计算还有如下 方式： 比较两种方式计算的 值大小， 选取值更小的作为目标检测区宽度。 4.根据权利要求1所述的基于卷积神经网络的激光排爆系统紧急安全控制方法， 其特 征在于， 所述利用二 者的灰度特 征来比较两帧图像的差异性具体步骤如下： 步骤5‑1： 将识别出的目标的每个像素转换为灰度直方图， 并计算灰度值， 计算方式如 下： Gray = R*0.299 + G*0.587 + B*0.114 式中： R、 G、 B为某一像素的RGB值， 灰度Gray的值 为0~255； 步骤5‑2： 根据计算出的灰度值在同一坐标系下画出其灰度图， 按照识别出的目标大 小， 将其灰度直方图统一 转换成全域百分比形式； 步骤5‑3： 按照识别出的目标大小， 将其灰度直方图统一转换成全域百分比形式， 即： 设 某一灰度值的点 为 个， 其转换关系为： 式中： 表示某一灰度值的点个数， N表示某一灰度值的点数占图像所有像素之和的百 分比； 步骤5‑4： 选取不同目标区域某一灰度值， 计算目标检测区域该灰度值所占比重， 通过 比重计算某灰度值在前后图像中占比百分比的差的绝对值之和的平均值， 与设定阈值进 行 比较， 小于阈值的认为差异 性小， 前后两幅图像识别出来的对象属于同一对象， 大于阈值的 认为差异性大， 不属于同一对象。 5.根据权利要求1所述的基于卷积神经网络的激光排爆系统紧急安全控制方法， 其特 征在于， 所述控制方法包括两种安全 控制策略： 红色应急响应模式和黄色应急响应模式； 所述红色应急响应模式系统检测到目标， 系统立即发出紧急停光信号， 自动停光；权　利　要　求　书 2/3 页 3 CN 115410136 A 3