[發(fā)明專利]基于紅外-可見光圖像融合的電網(wǎng)現(xiàn)場作業(yè)一體管控方法

在審

• 申請?zhí)枺?/td>: 202310211096.5
• 申請日: 2023-03-07
• 公開（公告）號: CN116363748A
• 公開（公告）日: 2023-06-30
• 發(fā)明（設(shè)計）人: 常榮;楊傳旭;萬洪強;于虹;張志生;張航
• 申請（專利權(quán)）人: 云南電網(wǎng)有限責任公司玉溪供電局
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V40/10;G06V20/52;G06V10/80;G06V10/82;G06N3/0475;G06N3/045
• 代理公司: 昆明合眾智信知識產(chǎn)權(quán)事務(wù)所 53113
• 代理人: 范嚴生

本發(fā)明涉及電網(wǎng)監(jiān)控圖像處理技術(shù)領(lǐng)域，具體地說，涉及基于紅外?可見光圖像融合的電網(wǎng)現(xiàn)場作業(yè)一體管控方法。包括基于自循環(huán)學習的特征融合；基于多通道的剩余增強；基于不同樣本特征的特征融合，能針對RFP模型進行修改和完善，縮短信息路徑的同時削減冗余特征，使用迭代機制實現(xiàn)特征融合模型；基于紅外?可見光圖像融合的異常行為識別。本發(fā)明設(shè)計提供了基于自循環(huán)學習融合的模型，通過與公共數(shù)據(jù)集的對比，驗證了融合模塊的優(yōu)勢，可以針對實際復(fù)雜的監(jiān)控數(shù)據(jù)提取精準精確的目標，在較為復(fù)雜實際場景數(shù)據(jù)集中具有很高的識別精度，且具有靈活處理場景中的目標的功能；其對數(shù)據(jù)具有很強的適應(yīng)性，尤其在標定數(shù)據(jù)較少的情況下能夠獲得更好效果。

技術(shù)領(lǐng)域

本發(fā)明涉及電網(wǎng)監(jiān)控圖像處理技術(shù)領(lǐng)域，具體地說，涉及基于紅外-可見光圖像融合的電網(wǎng)現(xiàn)場作業(yè)一體管控方法。

背景技術(shù)

紅外-可見光系統(tǒng)，是利用可見光和紅外兩種技術(shù)實現(xiàn)全天時、全天候監(jiān)控。通過網(wǎng)絡(luò)、無線傳輸或光纜等多種傳輸手段，實現(xiàn)監(jiān)視傳輸，使上級部門能夠直觀、實時地掌控現(xiàn)場情況，并可在千里之外操縱前方的攝像機，進行重點觀察。系統(tǒng)也可用于消防、油田森林防火、交通管理、電力電網(wǎng)行業(yè)等重要場所等需要全天時、全天候監(jiān)控的領(lǐng)域。但是，現(xiàn)有的系統(tǒng)，在面對惡劣環(huán)境下，如霧氣、光照不足、惡劣天氣時，監(jiān)測的視頻圖像受到嚴重干擾和影響，導(dǎo)致最終的成像質(zhì)量降低、目標識別率下降，甚至導(dǎo)致監(jiān)控系統(tǒng)無法工作，從而影響工作穩(wěn)定性。因此，研究多特征的紅外-可見光多源圖像增強技術(shù)，為遠方監(jiān)控人員提供更好的監(jiān)控視頻效果，已是目前行業(yè)內(nèi)的重要課題。

圖像增強的主要目的是利用卷積神經(jīng)網(wǎng)絡(luò)，解決背景復(fù)雜和低光照問題，主要是將圖像特征點提取出來經(jīng)過卷積反復(fù)進行特征增強，使需要的目標差異特征最大化，提升識別準確度，為遠方監(jiān)控人員提供更好的監(jiān)控視頻效果。

人體行為識別和深度學習理論是智能視頻分析領(lǐng)域的研究熱點，近年來得到了學術(shù)界及工程界的廣泛重視，是智能視頻分析與理解、視頻監(jiān)控、人機交互等諸多領(lǐng)域的理論基礎(chǔ)。近年來，被廣泛關(guān)注的深度學習算法已經(jīng)被成功運用于語音識別、圖形識別等各個領(lǐng)域。深度學習理論在靜態(tài)圖像特征提取上取得了卓著成就，并逐步推廣至具有時間序列的視頻行為識別研究中。如何進一步提高弱光環(huán)境下對視頻圖像中人體行為識別的精確性，是本發(fā)明所要解決的技術(shù)問題。

在電力作業(yè)工作場景中，神經(jīng)網(wǎng)絡(luò)仍不能很好地檢測出特定的工作人員、安全帽、安全帶、使用的工作設(shè)備等復(fù)雜場景中有背景干擾的目標。特征融合在這些方面取得了顯著的突破。特征融合是提高分割性能的一個重要手段，可以解決主干網(wǎng)絡(luò)提取出的多尺度特征融合問題，得到包含不同尺度和空間位置的信息。特征融合通過結(jié)合不同層的檢測結(jié)果改進檢測性能。由于信息在神經(jīng)網(wǎng)絡(luò)中的傳播具有重要的意義，特征融合可以實現(xiàn)骨干網(wǎng)絡(luò)提取的多層次特征之間的信息傳遞。但是目前的行業(yè)中，很多算力系統(tǒng)都是設(shè)置在終端，實時性和及時性需要通過網(wǎng)絡(luò)通信才能完成，造成了實用性差、及時性不夠穩(wěn)定可靠的問題。鑒于此，我們提出了基于紅外-可見光圖像融合的電網(wǎng)現(xiàn)場作業(yè)一體管控方法。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供基于紅外-可見光圖像融合的電網(wǎng)現(xiàn)場作業(yè)一體管控方法，以解決上述背景技術(shù)中提出的問題。

為實現(xiàn)上述技術(shù)問題的解決，本發(fā)明的目的之一在于，提供了基于紅外-可見光圖像融合的電網(wǎng)現(xiàn)場作業(yè)一體管控方法，包括如下步驟：

S1、基于自循環(huán)學習的特征融合步驟，對特征金字塔FPN輸出的多尺度特征圖像進行特征的再次學習；

S2、基于多通道的剩余增強步驟，對再次學習的特征圖像降低冗余特征干擾；

S3、基于不同樣本特征的特征融合步驟，在網(wǎng)絡(luò)中添加特征增強機制，通過不同圖片間的目標共享提高模型效率；能針對RFP模型進行修改和完善，縮短信息路徑的同時削減冗余特征，使用迭代機制實現(xiàn)特征融合模型；