[發(fā)明專利]基于實時視頻的排污智能監(jiān)控方法在審
| 申請?zhí)枺?/td> | 201810881946.1 | 申請日: | 2018-08-04 |
| 公開(公告)號: | CN108881857A | 公開(公告)日: | 2018-11-23 |
| 發(fā)明(設(shè)計)人: | 肖恒念 | 申請(專利權(quán))人: | 肖恒念 |
| 主分類號: | H04N7/18 | 分類號: | H04N7/18;G06N99/00 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 657400 云南省昭通市大關(guān)縣*** | 國省代碼: | 云南;53 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 智能監(jiān)控 排污 機器學(xué)習(xí) 實時視頻 傳感器固定 地表植被 概率分析 排污監(jiān)測 生長狀態(tài) 實時獲取 視頻信息 圖像特征 運算量 匹配 關(guān)聯(lián) 污水 監(jiān)控 | ||
1.一種基于實時視頻的排污智能監(jiān)控方法,包括:
(1)通過機器學(xué)習(xí)的方式建立排污智能監(jiān)控模型;
(2)通過無人機實時獲取的視頻信息進行排污監(jiān)控。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述步驟(1)包括:
(10)建立地理信息庫;
(20)通過機器學(xué)習(xí)方式根據(jù)所述地理信息庫建立視頻信息識別模型。
3.根據(jù)權(quán)利要求2所述的方法,其特征在于,所述步驟(2)包括:
(30)獲取無人機視頻信息;
(40)根據(jù)無人機視頻信息和所述模型,確定污水地段并發(fā)出告警信息。
4.根據(jù)權(quán)利要求2所述的方法,其特征在于,所述步驟(10)包括:獲取污水排放口周圍的至少兩幅在時間上連續(xù)拍攝的圖像,該圖像均能夠唯一性地標識相應(yīng)的污水排放口,將圖像及圖像中某一位置對應(yīng)的經(jīng)緯度信息共同保存到數(shù)據(jù)庫中,作為標識污水排放地的地理信息庫。
5.根據(jù)權(quán)利要求2所述的方法,其特征在于,所述機器學(xué)習(xí)是根據(jù)植物生長狀況圖像以無監(jiān)督學(xué)習(xí)方式進行機器學(xué)習(xí)。
6.根據(jù)權(quán)利要求2所述的方法,其特征在于,所述機器學(xué)習(xí)是采用隨機梯度下降法對植物生長狀況圖像進行機器學(xué)習(xí)。
7.根據(jù)權(quán)利要求4所述的方法,其特征在于,所述步驟(20)包括:
(2021)關(guān)鍵幀信息確定:假設(shè)地表植被圖像Ei對應(yīng)植被健康狀態(tài)Cj;植被健康狀態(tài)Cj對應(yīng)的可能原因Sm構(gòu)成集合{Sm,Pm},則以植被健康狀態(tài)Cj為關(guān)鍵幀,其中Pm是可能原因Sm成為造成植被健康狀態(tài)Cj的概率,i、j和m均為從1開始的自然數(shù);
(2022)定義植被健康狀態(tài)Cj的出現(xiàn)對于可能原因的概率:
p(Sm|Cj)=χgh(pj),
其中
m=1,2,3,4,5,6;且為以為均值、ξm為方差的m階對角陣,
(2023)根據(jù)概率p(Sm|Cj)確定植被健康狀態(tài)Cj取當前含義時與季節(jié)的匹配度:
計算其中p’表示對p進行差分;
計算是否小于第一預(yù)設(shè)閾值:當小于時,確定Cj中j表示的可能原因的序號符合Ei對應(yīng)的季節(jié),否則令j=j(luò)+1,跳轉(zhuǎn)到步驟(2022),如果j經(jīng)過遍歷到達了其最大值,則令j=1并繼續(xù)進行步驟(2024),u和v均為自然數(shù);
(2024)校正Sm作為Cj的對應(yīng)的可能原因時與季節(jié)的匹配度:
計算是否小于第二預(yù)設(shè)閾值:當小于時,確定Sm作為Cj的對應(yīng)的可能原因符合季節(jié),否則令m=m+1,跳轉(zhuǎn)到步驟(2022),如果m經(jīng)過遍歷到達了其最大值,則令m=1。
8.根據(jù)權(quán)利要求7所述的方法,其特征在于,所述步驟(30)包括:
(301)對攝像頭采集的視頻進行分幀采樣;
(302)對樣本圖像進行歸一化;
(303)利用卷積神經(jīng)網(wǎng)絡(luò)對歸一化后的圖像進行特征提取。
9.根據(jù)權(quán)利要求8所述的方法,其特征在于,所述步驟(40)包括:
基于所述無人機獲得的視頻信息和所述模型,當確定某圖像對應(yīng)的可能原因是污水時,即排除了天氣、病蟲害等預(yù)先確定的原因以后根據(jù)圖像表示的地表植被的顏色以及生長狀態(tài)等圖像特征的比較確定可能原因是污水排放造成的,則根據(jù)該圖無人機獲得的圖像信息對應(yīng)的第二經(jīng)緯度信息,再次使無人機拍攝與該第二經(jīng)緯度信息最接近的、在所述地理信息庫中已經(jīng)存在的經(jīng)緯度信息對應(yīng)的排污口的圖像,確定排污口位置和排污口可能涉及的地段,向該排污口相關(guān)的監(jiān)控或管理人員發(fā)出告警信息。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于肖恒念,未經(jīng)肖恒念許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810881946.1/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 在多個機器學(xué)習(xí)任務(wù)上訓(xùn)練機器學(xué)習(xí)模型
- 用于機器學(xué)習(xí)系統(tǒng)的學(xué)習(xí)教練
- 用于訓(xùn)練機器學(xué)習(xí)模型的方法及系統(tǒng)
- 用于機器學(xué)習(xí)模型的并行化坐標下降法
- 機器學(xué)習(xí)裝置和機器學(xué)習(xí)裝置的機器學(xué)習(xí)方法
- 一種機器學(xué)習(xí)程序更新方法、裝置及設(shè)備
- 模型優(yōu)化方法、裝置、存儲介質(zhì)及服務(wù)器
- 修改機器學(xué)習(xí)模型以改善局部性
- 管理機器學(xué)習(xí)特征
- 一種基于強化學(xué)習(xí)的自動化機器學(xué)習(xí)系統(tǒng)





