[發(fā)明專利]一種主站調(diào)度系統(tǒng)后臺(tái)畫面圖像的動(dòng)態(tài)識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202210164311.6
• 申請(qǐng)日: 2022-02-23
• 公開（公告）號(hào): CN114241280B
• 公開（公告）日: 2022-05-27
• 發(fā)明（設(shè)計(jì)）人: 鐘志明;汪杰;段孟雍;李波;郭志軍;吳鐘飛;李祺威
• 申請(qǐng)（專利權(quán)）人: 廣東電網(wǎng)有限責(zé)任公司東莞供電局
• 主分類號(hào): G06V10/80
• 分類號(hào): G06V10/80;G06V10/82;G06V10/774;G06N3/04;G06T7/246
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 杜嘉偉

本發(fā)明涉及圖像動(dòng)態(tài)識(shí)別技術(shù)領(lǐng)域，公開了主站調(diào)度系統(tǒng)后臺(tái)畫面圖像的動(dòng)態(tài)識(shí)別方法，包括：獲取后臺(tái)畫面圖像傳入骨干卷積神經(jīng)網(wǎng)絡(luò)提取特征激活圖；對(duì)所述原始特征數(shù)據(jù)采用數(shù)據(jù)增廣策略增加原始特征數(shù)據(jù)訓(xùn)練樣本的多樣性，獲取訓(xùn)練樣本的數(shù)據(jù)連續(xù)幀，根據(jù)數(shù)據(jù)幀數(shù)設(shè)計(jì)特征譜流；通過計(jì)算所述相鄰數(shù)據(jù)幀數(shù)之間特征譜流獲取融合特征，提取短時(shí)運(yùn)動(dòng)特征；基于所述短時(shí)運(yùn)動(dòng)特征采用數(shù)據(jù)交換策略模擬長時(shí)運(yùn)動(dòng)特征獲取動(dòng)態(tài)圖像。本發(fā)明利用圖像中特征譜流作為相鄰數(shù)據(jù)幀之間特征譜級(jí)別的差異表示，通過對(duì)特征譜的二維卷積和殘差連接操作，降低了算法的復(fù)雜程度，采用特征融合方法使融合特征具有更好的時(shí)空表征能力，有效提高了行為識(shí)別的正確率。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及圖像動(dòng)態(tài)識(shí)別技術(shù)領(lǐng)域，具體涉及一種主站調(diào)度系統(tǒng)后臺(tái)畫面圖像的動(dòng)態(tài)識(shí)別方法。

背景技術(shù)

現(xiàn)有模式下主站調(diào)度系統(tǒng)已經(jīng)應(yīng)用到各個(gè)方面，調(diào)度環(huán)節(jié)肩負(fù)著整個(gè)主站系統(tǒng)的安全運(yùn)行與管理，其運(yùn)行水平的高低是智能主站信息化建設(shè)的一個(gè)重要表征，但是現(xiàn)有的調(diào)度中心和主站的自動(dòng)化系統(tǒng)各自遵循不同的標(biāo)準(zhǔn)體系，在主站調(diào)度系統(tǒng)里需對(duì)后臺(tái)畫面圖像進(jìn)行識(shí)別處理后同步至其他系統(tǒng)。

現(xiàn)有的主站調(diào)度系統(tǒng)在處理后臺(tái)圖像上存在以下缺陷：

現(xiàn)有的圖像識(shí)別方法采用雙流法在時(shí)間流分支上常采用 RGB 差異作為輸入，作為空間特征的補(bǔ)充，時(shí)間流可以作為圖像的時(shí)域信息，但是算法復(fù)雜度高，圖像的幀間 RGB差異幾乎為零，會(huì)使其喪失對(duì)運(yùn)動(dòng)特征的判別性，識(shí)別精度不高。

通過使用五個(gè)二維卷積層作為特征提取模塊，分別對(duì)光流和單幀進(jìn)行特征提取，而在融合三維卷積的雙流網(wǎng)絡(luò)中，則通過時(shí)間維度上的卷積和池化來篩選時(shí)域上的特征，無法精確的體現(xiàn)圖像中物體的運(yùn)動(dòng)特性，而且隨著網(wǎng)絡(luò)數(shù)據(jù)的增加還存在計(jì)算量過大的問題。

發(fā)明內(nèi)容

為此，本發(fā)明實(shí)施例提供一種主站調(diào)度系統(tǒng)后臺(tái)畫面圖像的動(dòng)態(tài)識(shí)別方法，采用二維卷積對(duì)圖像兩分支的主干網(wǎng)絡(luò)進(jìn)行特征提取，隨著網(wǎng)

絡(luò)的加深，對(duì)特征譜和特征譜流施以反復(fù)的二維卷積，利用數(shù)據(jù)交換策略更好地模擬長時(shí)運(yùn)動(dòng)特征，以解決現(xiàn)有技術(shù)中僅針對(duì)時(shí)間維度上的卷積和池化的時(shí)序特征導(dǎo)致的計(jì)算復(fù)雜，且精確度低的問題。

為了實(shí)現(xiàn)上述目的，本發(fā)明的實(shí)施方式提供如下技術(shù)方案：

一種主站調(diào)度系統(tǒng)后臺(tái)畫面圖像的動(dòng)態(tài)識(shí)別方法，包括以下步驟：

步驟100、獲取后臺(tái)畫面圖像，將所述后臺(tái)畫面圖像傳入骨干卷積神經(jīng)網(wǎng)絡(luò)中提取特征激活圖，將所述特征激活圖作為輸入圖像信息的原始特征數(shù)據(jù)；

步驟200、采用數(shù)據(jù)增廣策略，對(duì)所述原始特征數(shù)據(jù)增加原始特征數(shù)據(jù)，訓(xùn)練樣本的多樣性，獲取訓(xùn)練樣本的數(shù)據(jù)連續(xù)幀；使用1×1的二維卷積對(duì)輸入的數(shù)據(jù)連續(xù)幀進(jìn)行降維，獲取數(shù)據(jù)幀數(shù)，根據(jù)所述數(shù)據(jù)幀數(shù)設(shè)計(jì)特征譜流；

步驟300、計(jì)算相鄰的所述數(shù)據(jù)幀數(shù)之間的特征譜流，獲取融合特征，對(duì)運(yùn)動(dòng)建模及提取短時(shí)運(yùn)動(dòng)特征；

步驟400、基于所述短時(shí)運(yùn)動(dòng)特征，采用數(shù)據(jù)交換策略模擬長時(shí)運(yùn)動(dòng)特征，獲取動(dòng)態(tài)圖像。

可選地，所述步驟100包括：

步驟101、使用ResNet50網(wǎng)絡(luò)作為骨干卷積網(wǎng)絡(luò)，從最后一個(gè)卷積層中提取數(shù)據(jù)特征點(diǎn)，得到特征激活圖；其中，是特征激活圖的通道數(shù)量，和分別是特征激活圖空間尺寸的高度和寬度；

步驟102、選定所述特征激活圖，沿豎直方向?qū)⑺鎏卣骷せ顖D平均地劃分為部分，獲得水平特征激活圖區(qū)域；其中，表示圖片中物體水平區(qū)域劃分的區(qū)域數(shù)量；

步驟103、將全局平均特征分別應(yīng)用于每一個(gè)水平特征激活圖區(qū)域上，得到個(gè)局部特征，每個(gè)局部特征表示為一個(gè)通道數(shù)為Ｃ的特征向量；

步驟104、使用個(gè)局部特征區(qū)域的特征向量監(jiān)督全局特征，獲取全部原始特征數(shù)據(jù)。