The abnormal scene detection method and the device provided by the invention can acquire a plurality of image data by receiving the video data transmitted by the first terminal, sampling the video data according to the preset sampling interval, input the image data into the preset first convolution neural network model, and calibrate the first convolution neural network model according to the first convolution neural network model. Results To determine whether the image is abnormal or not, if the abnormal image is confirmed, the image information of the abnormal image is sent to the second terminal, so that the second terminal users can take emergency response measures in time to avoid the occurrence of secondary accidents. Through the above method, the problem of low accuracy in detecting abnormal scenes along railway or highway is solved.
【技术实现步骤摘要】
异常场景检测方法及装置
本专利技术涉及视频图像处理
,尤其涉及一种异常场景检测方法及装置。
技术介绍
当前国家铁路建设已成为国家发展战略中举足轻重的一环,便捷的铁路网为国家发展提供了保障,更为人民生活提供了便利。当遇到突发的自然灾害如泥石流、山体滑坡等造成铁轨掩埋以及铁轨道路路基坍塌等问题时,对轨道交通系统的安全性构成了很大威胁,因此,在铁路运营管理中,对铁路及周遭环境进行安全巡检是非常重要的环节,以确保列车的安全行驶。目前,铁路部门常用的方法为人工巡检,工人沿铁轨进行巡查,排除铁轨周围的异常情况,确保铁路通行安全。这种方法费时费力,而且难以及时地对可能发生的自然灾害隐患进行准确排查。因此相关论文提出了通过无人机实现基于空基的自主监视的检测系统,对铁路沿线的环境进行巡检。无人机可通过携带的摄像头采集地面的图像数据,并运用计算机视觉技术进行智能分析与处理,对铁路沿线的场景情况进行判断,实现自主巡检,确保铁路安全。然而,受到光照、天气变化等自然条件的影响,传统的计算机视觉技术很难准确地对铁路沿线的自然灾害做出检测与识别,因此,检测系统亟待完善。
技术实现思路
本专利技术提供一种异常场景检测方法及装置,解决了现有技术中存在的对铁路或公路沿线异常场景检测准确率低的问题。本专利技术的第一方面提供一种异常场景检测方法,包括:接收第一终端发送的视频数据;根据预设采样间隔对所述视频数据进行采样,得到多个图像数据;将各所述图像数据输入到第一卷积神经网络模型中;所述第一卷积神经网络模型用于标定图像是否为异常图像;根据所述第一卷积神经网络模型的标定结果确定所述图像是否为异常图 ...
【技术保护点】
1.一种异常场景检测方法,其特征在于,包括:接收第一终端发送的视频数据;根据预设采样间隔对所述视频数据进行采样,得到多个图像数据;将各所述图像数据输入到第一卷积神经网络模型中;所述第一卷积神经网络模型用于标定图像是否为异常图像;根据所述第一卷积神经网络模型的标定结果确定所述图像是否为异常图像,若是,则将所述异常图像的信息发送到第二终端。
【技术特征摘要】
1.一种异常场景检测方法,其特征在于,包括:接收第一终端发送的视频数据;根据预设采样间隔对所述视频数据进行采样,得到多个图像数据;将各所述图像数据输入到第一卷积神经网络模型中;所述第一卷积神经网络模型用于标定图像是否为异常图像;根据所述第一卷积神经网络模型的标定结果确定所述图像是否为异常图像,若是,则将所述异常图像的信息发送到第二终端。2.根据权利要求1所述的方法,其特征在于,所述将各所述图像数据输入到第一卷积神经网络模型中之前,还包括:将第一场景数据库的图像样本导入卷积神经网络,并对所述卷积神经网络进行预训练,得到第二卷积神经网络模型;所述第一场景数据库包括不同类型的场景;将第二场景数据库的图像样本导入所述第二卷积神经网络模型;所述第二场景数据库包括自然灾害场景;对所述第二卷积神经网络模型进行二次训练,得到所述第一卷积神经网络模型。3.根据权利要求2所述的方法,其特征在于,所述将第二场景数据库的图像样本导入所述第二卷积神经网络模型之前,还包括:将第二场景数据库的图像样本分为训练集和测试集;对所述训练集中的图像样本进行多尺度变换和多角度变换,得到扩充后的训练集;所述将第二场景数据库的图像样本导入所述第二卷积神经网络模型,包括:将所述扩充后的训练集导入所述第二卷积神经网络模型;所述对所述第二卷积神经网络模型进行二次训练,得到第一卷积神经网络模型,包括:在所述扩充后的训练集中对所述第二卷积神经网络模型进行二次训练,得到第三卷积神经网络模型;将所述测试集输入到所述第三卷积神经网络模型,得到测试结果;根据所述测试结果计算所述第三卷积神经网络模型的标定准确率;确定所述标定准确率满足预设准确率,则将所述第三卷积神经网络模型作为所述第一卷积神经网络模型。4.根据权...
【专利技术属性】
技术研发人员:曹先彬,甄先通,李岩,黄元骏,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。