買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜浙江工業大學申請的專利一種基于改進PBAS算法與YOLOv5的校園異常行為檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114694090B 。

龍圖騰網通過國家知識產權局官網在2025-05-30發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210209202.1，技術領域涉及：G06V20/52；該發明授權一種基于改進PBAS算法與YOLOv5的校園異常行為檢測方法是由李偉;余文杰;李澎林;余孝琴設計研發完成，并于2022-03-04向國家知識產權局提交的專利申請。

本一種基于改進PBAS算法與YOLOv5的校園異常行為檢測方法在說明書摘要公布了：一種基于改進PBAS算法與YOLOv5的校園異常行為檢測方法，包括以下步驟：1選用Yolov5網絡進行模型訓練：收集大量的數據樣本，對樣本進行標定，對不同參數設定下的模型進行對比選定最終訓練參數和模型，為后續異常行為檢測做準備；2改進PBAS算法提取動態前景：利用改進的PBAS算法對視頻運動區域完成動態前景提取，捕捉到有效的動態行為，過濾掉靜態和動態背景，從而屏蔽光照和動態背景等環境因素對目標檢測的干擾；3Yolov5模型檢測異常行為：將處理完成后視頻幀作為YOLOv5模型的輸入進行目標檢測，從而確定學生是否存在危險行為。本發明檢測結果精確，漏檢和誤檢率相對較小，可以很好地完成校園異常行為的檢測。

本發明授權一種基于改進PBAS算法與YOLOv5的校園異常行為檢測方法在權利要求書中公布了：1.一種基于改進PBAS算法與YOLOv5的校園異常行為檢測方法，包括以下步驟：1使用Yolov5網絡進行模型訓練：收集大量的數據樣本，對樣本進行標定，對不同參數設定下的模型進行對比選定最終訓練參數和模型；2改進PBAS算法提取動態前景：利用改進的PBAS算法對視頻運動區域完成動態前景提取，捕捉到有效的動態行為；3Yolov5模型檢測異常行為：將處理完成后視頻幀作為YOLOv5模型的輸入進行目標檢測，從而確定學生是否存在危險行為；所述步驟2具體包括：2.1輸入視頻幀，通過圖像的背景模型與當前像素進行，從而確定前景和背景的分類；其中背景模型是由鄰近當前視頻幀觀察到的N個歷史像素值組成的：Bxi＝B1xi，...，Bkxi，...,BNxi1同時，PBAS算法通過當前幀Ixi與背景模型Bxi的比較來決定當前像素屬于背景或者前景，具體為比較一個像素點在背景模型中前N個歷史像素值與當前像素值，如果當前值與其中至少#min個歷史值的距離小于判定閾值Rxi，則將該點判定為前景點，否則將其判定為背景點；2.2改進自適應決策閾值更新，根據PBAS算法和步驟2.1可以確定前景分割掩模計算式為： 其中，F＝0和F＝1分別表示該像素點為背景點和前景點，distIxi,Bkxi表示當前點與背景模型的距離；具體改進步驟如下：2.2.1首先在算法通過目標框判斷運動區域中的像素點為前景點或背景點時，計算出目標框面積為Stargetxi,同時引用一個平衡函數Rbanxi并設置為固定絕對值；2.2.2然后將Rxi與由原來的線性關系重新定義為非線性關系；即 其中，定義Rbanxi為固定絕對值；由于動態背景的目標框面積通常較小，即當Stargetxi,越小像素點xi越有可能為背景點，Rbanxi與Stargetxi,的比值也就越大，因此與原始PBAS算法中決策閾值Rxi值相比，改進的決策閾值Rxi值變化更大，由式5可知在進行前景或背景判決時，如果Rxi值越大，值小于決策閾值Rxi的次數大于#min，那么此時像素點就被判別為背景點；而當Stargetxi,超過一定值時，此時運動區域中的像素點更大概率為前景點，Rbanxi與Stargetxi,的比值也趨向于0，決策閾值Rxi與背景復雜度仍為線性關系，所以目標框面積Stargetxi,過大并不會影響對運動前景的判斷；根據以上分析，可以將決策閾值Rxi的動態更新方式重新定義為： 其中，Bxi為狀態變量，Rbanxi為固定絕對值；2.3更新背景模型，若當前像素點xi被判斷為背景點，則用該像素點隨機均勻地替換背景樣本中的像素點，Bkxi，k∈1，…，N；在此基礎上,當前像素點樣本集中的樣本點會以1Txi的概率被替換，且每個像素點對應一個概率值1Txi；2.4判斷閾值和更新學習率，引入了背景復雜度使背景決策閾值可以自適應更新，如果一個像素點與背景模型有很大的差異，那么該像素點就會被檢測為前景點，并且這個像素點還要以相對較小的概率去更新背景模型；因此PBAS算法在建立背景模型時還建立一個數組Dxi用來記錄相似度最小距離值，而背景復雜度就是相似度最小距離的平均值； 其中，為N0個最小距離矩陣值的平均值，即背景復雜度；PBAS算法自適應地調整判別閾值如下式所示： 其中，Rinde和Rscale均為預先設定的固定值；學習率Txi的更新策略表示為： 其中，Tinc和Tdec為預先設定的固定值。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江工業大學，其通訊地址為：310014 浙江省杭州市拱墅區潮王路18號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。