[發(fā)明專利]一種視頻監(jiān)控異常檢測(cè)方法、裝置及設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202210612915.2
• 申請(qǐng)日: 2022-05-31
• 公開(kāi)（公告）號(hào): CN114898273A
• 公開(kāi)（公告）日: 2022-08-12
• 發(fā)明（設(shè)計(jì)）人: 杜飛平;譚永華;馬猛;陳雪峰
• 申請(qǐng)（專利權(quán)）人: 西安航天動(dòng)力研究所
• 主分類(lèi)號(hào): G06V20/40
• 分類(lèi)號(hào): G06V20/40;G06V20/52;G06N3/04;G06N3/08;G06V10/25;G06V10/82
• 代理公司: 北京知迪知識(shí)產(chǎn)權(quán)代理有限公司 11628
• 代理人: 王勝利

本發(fā)明公開(kāi)一種視頻監(jiān)控異常檢測(cè)方法、裝置及設(shè)備，本發(fā)明涉及模型識(shí)別領(lǐng)域，用于解決現(xiàn)有技術(shù)中對(duì)于視頻監(jiān)控異常檢測(cè)效率低以及檢測(cè)進(jìn)度低的問(wèn)題。包括：獲取液體火箭發(fā)動(dòng)機(jī)地面熱試車(chē)過(guò)程中的視頻圖像數(shù)據(jù)；將視頻圖像數(shù)據(jù)輸入訓(xùn)練完成的YOLOv5模型中，識(shí)別所述視頻圖像數(shù)據(jù)中是否包含火焰圖像；當(dāng)視頻圖像數(shù)據(jù)中包含火焰圖像時(shí)，確定火焰的位置信息；基于位置信息，生成火焰故障報(bào)警信息。通過(guò)加入一個(gè)改進(jìn)的CA注意力機(jī)制來(lái)改進(jìn)YOLOv5體系結(jié)構(gòu)，且采用LeakyRlue函數(shù)作為激活函數(shù)，檢測(cè)視頻中特定幀中的火焰目標(biāo)，具有更快的收斂速度，可以得到置信度更高的檢測(cè)結(jié)果，液體火箭發(fā)動(dòng)機(jī)地面熱試車(chē)中，能夠在出現(xiàn)火災(zāi)故障時(shí)發(fā)出瞬時(shí)報(bào)警信號(hào)。

技術(shù)領(lǐng)域

本發(fā)明涉及模型識(shí)別技術(shù)領(lǐng)域，尤其涉及一種視頻監(jiān)控異常檢測(cè)方法、裝置及設(shè)備。

背景技術(shù)

液體火箭發(fā)動(dòng)機(jī)(LRE)是液體火箭的動(dòng)力源，是火箭系統(tǒng)的核心部件。一般來(lái)說(shuō)，LRE的工作條件很苛刻，即工作溫度高、壓力大、轉(zhuǎn)速高、工作要求不穩(wěn)定。由于其極端工作條件，可能會(huì)發(fā)生各種故障，例如火焰、泄漏和傳感器脫落。盡管紅線切斷系統(tǒng)以及許多其他方法已經(jīng)應(yīng)用于LRE，并在監(jiān)控LRE的運(yùn)行過(guò)程時(shí)取得了良好的性能，但不可避免的故障仍可能發(fā)生且無(wú)法檢測(cè)到。目前處理這些故障的方法依賴于手動(dòng)操作，這意味著需要專門(mén)的人員負(fù)責(zé)逐幀檢查視頻記錄，并判斷是否出現(xiàn)故障以及故障位置。但是，在實(shí)際實(shí)現(xiàn)過(guò)程中，人工識(shí)別故障模型通常需要中斷運(yùn)行。并且，識(shí)別效率以及準(zhǔn)確率低下。因此，采用對(duì)LRE進(jìn)行適當(dāng)?shù)囊曨l監(jiān)控，將節(jié)省大量資源。深度學(xué)習(xí)的繁榮使之成為可能。近些年來(lái)，深度學(xué)習(xí)在目標(biāo)檢測(cè)和計(jì)算機(jī)視覺(jué)中的應(yīng)用已經(jīng)有許多。Ren等人提出了更快的區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(R-CNN)，它將R-CNN和區(qū)域建議網(wǎng)絡(luò)相結(jié)合，通過(guò)降低計(jì)算成本，在檢測(cè)精度和速度方面取得了巨大進(jìn)步。Vaswani等人提出了注意機(jī)制的概念。他們認(rèn)為在探測(cè)對(duì)象中，目標(biāo)所在的位置應(yīng)該是明顯的部分，Chen等人創(chuàng)建了MEGA算法，該算法使用一個(gè)視頻中關(guān)鍵幀周?chē)臅r(shí)空隨機(jī)采樣幀來(lái)幫助檢測(cè)關(guān)鍵幀中的目標(biāo)。在基于深度學(xué)習(xí)的目標(biāo)檢測(cè)領(lǐng)域，經(jīng)過(guò)如此多的努力，已經(jīng)足以滿足所需的要求。

You only look once(YOLO)于2016年由約瑟夫·雷德蒙首次提出[10]。YOLO運(yùn)用了將目標(biāo)檢測(cè)視為回歸問(wèn)題的思想。它基于一個(gè)獨(dú)立的端到端網(wǎng)絡(luò)，將整個(gè)圖像逐步網(wǎng)格化，并輸出中心坐標(biāo)、包圍框高度和寬度以及中心同時(shí)落在一個(gè)網(wǎng)格上的某個(gè)目標(biāo)的置信度，從而完成目標(biāo)的定位和分類(lèi)問(wèn)題。這樣，定位和分類(lèi)一步到位，檢測(cè)速度大大提高，但檢測(cè)精度降低。

因此，亟需提供一種更為可靠的視頻監(jiān)控異常檢測(cè)方案，。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種視頻監(jiān)控異常檢測(cè)方法、裝置及設(shè)備，用于解決現(xiàn)有技術(shù)中對(duì)于視頻監(jiān)控異常檢測(cè)效率低以及檢測(cè)進(jìn)度低的問(wèn)題。

為了實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

第一方面，本發(fā)明提供一種視頻監(jiān)控異常檢測(cè)方法，所述方法包括：

獲取液體火箭發(fā)動(dòng)機(jī)地面熱試車(chē)過(guò)程中的視頻圖像數(shù)據(jù)；

將所述視頻圖像數(shù)據(jù)輸入訓(xùn)練完成的YOLOv5模型中，識(shí)別所述視頻圖像數(shù)據(jù)中是否包含火焰圖像，得到識(shí)別結(jié)果；訓(xùn)練完成的YOLOv5模型使用CA注意力機(jī)制，且所述CA注意力機(jī)制使用的激活函數(shù)為L(zhǎng)eakyRlue函數(shù)；

當(dāng)所述識(shí)別結(jié)果表示所述視頻圖像數(shù)據(jù)中包含火焰圖像時(shí)，確定火焰的位置信息；所述火焰圖像中的火焰像素之間存在空間維度上的聯(lián)系；

基于所述位置信息，生成火焰故障報(bào)警信息。

第二方面，本發(fā)明提供一種視頻監(jiān)控異常檢測(cè)裝置，包括：

視頻圖像數(shù)據(jù)獲取模塊，用于獲取液體火箭發(fā)動(dòng)機(jī)地面熱試車(chē)過(guò)程中的視頻圖像數(shù)據(jù)；