(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 202210217493.9 (22)申请日 2022.03.07 (71)申请人 盛景智能科技 （嘉兴） 有限公司 地址 314506 浙江省嘉兴 市桐乡市桐乡经 济开发区发展大道 288号4幢116室 (72)发明人 徐臻哲　沈飞　唐振　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 周治宇 (51)Int.Cl. G06V 10/40(2022.01) G06V 10/44(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) (54)发明名称 卷扬乱绳识别方法、 装置、 电子设备和存储 介质 (57)摘要 本发明涉及计算机技术领域， 提供一种卷扬 乱绳识别方法、 装置、 电子设备和存储介质， 所述 方法包括： 确定卷扬区域内待识别的目标图像 帧； 将目标图像帧输入至乱绳识别模型， 得到乱 绳识别模型输出的乱绳识别结果； 乱绳识别模型 用于提取目标图像帧的全局特征以及多个不同 尺度的局部特征后， 对全局特征以及多个不同尺 度的局部特征进行拼接， 得到拼接特征， 并基于 拼接特征确定乱绳识别结果。 本发 明提供的卷扬 乱绳识别方法、 装置、 电子设备和存储介质， 能够 进一步准确根据拼接特征确定卷扬区域内是否 存在卷扬乱绳现象， 提高卷扬乱绳识别精度。 权利要求书2页 说明书8页 附图2页 CN 114663667 A 2022.06.24 CN 114663667 A 1.一种卷扬乱绳识别方法， 其特 征在于， 包括： 确定卷扬区域内待识别的目标图像帧； 将所述目标图像帧输入至乱绳识别模型， 得到所述乱绳识别模型输出的乱绳识别结 果； 所述乱绳识别结果用于表征 所述卷扬区域内是否存在乱绳现象； 其中， 所述乱绳识别模型基于样本图像帧以及样本图像帧的样本乱绳识别结果训练得 到； 所述乱绳识别模型用于提取所述目标图像帧的全局特征以及多个不同尺度的局部特征 后， 对所述全局特征以及所述多个不同尺度的局部特征进行拼接， 得到拼接特征， 并基于所 述拼接特征确定所述乱绳识别结果。 2.根据权利要求1所述的卷扬乱绳识别方法， 其特征在于， 所述将所述目标图像帧输入 至乱绳识别模型， 得到所述乱绳识别模型输出的乱绳识别结果， 包括： 将所述目标图像帧输入至所述乱绳识别模型的全局特征提取层， 由所述全局特征提取 层对所述目标图像帧进行全局特 征提取， 得到所述全局特 征提取层输出的所述全局特 征； 将所述目标图像帧输入至所述乱绳识别模型的局部特征提取层， 由所述局部特征提取 层提取所述目标图像帧的多个不同尺度的局部特征， 得到所述局部特征提取层输出的多个 不同尺度的局部特 征； 将所述全局特征和所述多个不同尺度的局部特征输入至所述乱绳识别模型的特征拼 接层， 由所述特征拼接层对所述全局特征和所述多个不同尺度的局部特征进行特征拼接， 得到所述特 征拼接层输出的所述 拼接特征； 将所述拼接特征输入至所述乱绳识别模型的乱绳识别层， 由所述乱绳识别层基于所述 拼接特征进行乱绳识别， 得到所述乱绳识别层输出的所述乱绳识别结果。 3.根据权利要求2所述的卷扬乱绳识别方法， 其特征在于， 所述局部特征提取层基于特 征金字塔网络构建得到， 所述局部特 征提取层包括多个特 征提取子层。 4.根据权利要求3所述的卷扬乱绳识别方法， 其特征在于， 所述将所述目标图像帧输入 至所述乱绳识别模型的局部特征提取层， 由所述局部特征提取层提取所述目标图像帧的多 个不同尺度的局部特 征， 得到所述局部特 征提取层输出的多个不同尺度的局部特 征， 包括： 将所述目标图像帧输入至所述局部特征提取层， 由所述局部特征提取层中自上而下的 预设数量的特征提取子层分别对目标图像帧进 行特征提取， 得到所述局部特征提取层输出 的对应尺度的局部特 征。 5.根据权利要求2所述的卷扬乱绳识别方法， 其特征在于， 所述全局特征提取层基于卷 积神经网络构建得到 。 6.根据权利要求1至5任一项所述的卷扬乱绳识别方法， 其特征在于， 所述乱绳识别结 果为在所述卷扬区域存在乱绳现象的概 率。 7.根据权利要求1至5任一项所述的卷扬乱绳识别方法， 其特征在于， 所述得到所述乱 绳识别模型输出的乱绳识别结果， 之后还 包括： 在所述乱绳识别结果 为所述卷扬区域存在乱绳现象的情况 下， 进行预警提示。 8.一种卷扬乱绳识别方法， 其特 征在于， 包括： 确定单元， 用于确定卷扬区域内待识别的目标图像帧； 识别单元， 用于将所述目标图像帧输入至乱绳识别模型， 得到所述乱绳识别模型输出 的乱绳识别结果； 所述乱绳识别结果用于表征 所述卷扬区域内是否存在乱绳现象；权　利　要　求　书 1/2 页 2 CN 114663667 A 2其中， 所述乱绳识别模型基于样本图像帧以及样本图像帧的样本乱绳识别结果训练得 到； 所述乱绳识别模型用于提取所述目标图像帧的全局特征以及多个不同尺度的局部特征 后， 对所述全局特征以及所述多个不同尺度的局部特征进行拼接， 得到拼接特征， 并基于所 述拼接特征确定所述乱绳识别结果。 9.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至7任一项所 述卷扬乱绳识别方法的步骤。 10.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算 机程序被处 理器执行时实现如权利要求1至7任一项所述卷扬乱绳识别方法的步骤。权　利　要　求　书 2/2 页 3 CN 114663667 A 3