一种异常生产场景的识别方法技术

本发明专利技术公开了一种异常生产场景的识别方法，包括：获取第一运行部位的待识别场景图像；基于SIFT算法对所述待识别场景图像进行特征提取，获得N个第一SIFT特征向量；获取所述第一运行部位对应的第一关键视觉词典，所述第一关键视觉词典中存储有表征所述第一运行部位的标准场景图像的N个关键SIFT特征向量，N为正整数；基于所述第一关键视觉词典中的所述关键SIFT特征向量与所述第一SIFT特征向量，得到所述待识别场景图像与所述标准场景图像的匹配度；当所述匹配度低于预设阈值时，发出预警信息。本申请解决了传统钢铁生产线的监控方式，缺乏对图像数据的处理、分析和理解，对人工的依赖性很强，导致操作人员工作量巨大的技术问题。

A recognition method of abnormal production scene

【技术实现步骤摘要】
一种异常生产场景的识别方法
本专利技术涉及钢卷生产线智能监控的
，尤其涉及一种异常生产场景的识别方法。
技术介绍
冶金行业生产线目前使用的视频监控系统，具有摄像、传输、显示、记录等功能，通过布置于钢卷生产线上的图像采集设备对现场的生产场景的空间结构进行实时图像的采集，并将采集到的实时图像通过网络传输到后台进行显示和记录，操作人员根据实时图像对生产线进行远程监控。此种传统监控方式，缺乏对图像数据的处理、分析和理解，对人工的依赖性很强，需要操作人员人眼随时观测实时图像，对监控场景中的变化进行定位、识别和跟踪，一旦发生状态，需要立即做出调控，导致操作人员工作量巨大；同时，若操作人员未发现生产场景的空间结构异常，容易导致废钢率增加。
技术实现思路
本申请实施例通过提供一种异常生产场景的识别方法，解决了传统钢铁生产线的监控方式，缺乏对图像数据的处理、分析和理解，对人工的依赖性很强，导致操作人员工作量巨大的技术问题。第一方面，本申请通过本申请的一实施例提供如下技术方案：一种异常生产场景的识别方法，包括：获取第一运行部位的待识别场景图像；基于SIFT算法对所述待识别场景图像进行特征提取，获得N个第一SIFT特征向量，单个所述第一SIFT特征向量用于表征所述待识别场景图像的一个关键点；获取所述第一运行部位对应的第一关键视觉词典，所述第一关键视觉词典中存储有表征所述第一运行部位的标准场景图像的N个关键SIFT特征向量，其中，单个所述关键SIFT特征向量用于表征所述第一运行部位的标准场景图像的一个关键点，N为正整数；基于所述第一关键视觉词典中的所述关键SIFT特征向量与所述第一SIFT特征向量，得到所述待识别场景图像与所述标准场景图像的匹配度；当所述匹配度低于预设阈值时，发出预警信息。在一个实施例中，所述基于所述第一关键视觉词典中的所述关键SIFT特征向量与所述第一SIFT特征向量，得到所述待识别场景图像与所述标准场景图像的匹配度，具体包括：利用SIFT-Flow算法、所述关键SIFT特征向量及所述第一SIFT特征向量，得到所述待识别场景图像与所述标准场景图像的所述匹配度。在一个实施例中，所述利用SIFT-Flow算法、所述关键SIFT特征向量与所述第一SIFT特征向量，得到所述待识别场景图像与所述标准场景图像的所述匹配度，具体包括：基于所述关键SIFT特征向量与所述第一SIFT特征向量之间的相似度，确定出所述待识别场景图像与所述标准场景图像中的相似关键点；获取所述待识别场景图像与所述标准场景图像中所述相似关键点的水平位移差和竖直位移差，分别得到水平位移匹配矢量矩阵和竖直位移匹配矢量矩阵；基于所述水平位移匹配矢量矩阵及所述竖直位移匹配矢量矩阵，得到所述待识别场景图像与所述标准场景图像的所述匹配度。在一个实施例中，所述获取第一运行部位的待识别场景图像，具体包括：通过OPCserver监测PLC控制程序中的第一自动步信号对应的第一状态数据，其中，所述第一自动步信号用于标识所述第一运行部位，所述第一状态数据用于表征所述第一运行部位处于运行状态；当监测到所述第一状态数据时，通过设置在所述第一运行部位的第一图像采集装置获取所述第一运行部位的所述待识别场景图像。在一个实施例中，所述获取所述第一运行部位对应的第一关键视觉词典，具体包括：基于所述第一自动步信号，从标准场景图像库中获取所述第一运行部位对应的所述第一关键视觉词典，其中，所述标准场景图像库中存储有所述第一关键视觉词典，所述第一关键视觉词典标识有所述第一自动步信号；所述基于所述第一自动步信号，从标准场景图像库中获取所述第一运行部位对应的所述第一关键视觉词典之前，还包括：构建所述标准场景图像库。在一个实施例中，所述构建所述标准场景图像库，具体包括：在生产线正常运行过程中，通过OPCserver监测PLC控制程序中所述第一自动步信号对应的第一状态数据；当监测到所述第一状态数据时，通过设置在所述第一自动步信号对应的所述第一运行部位的所述第一图像采集装置，以预设频率抓拍所述第一运行部位的Q个正常场景图像，构建所述第一运行部位的第一基础图像序列集，并基于所述第一自动步信号，对所述第一基础图像序列集进行标识后存储；基于SIFT算法，对所述第一基础图像序列集中的所述Q个正常场景图像进行特征提取，获得M个第二SIFT特征向量，基于所述M个第二SIFT特征向量，构建第一视觉词典，并基于所述第一自动步信号，对所述第一视觉词典进行标识，Q为正整数；基于K-means聚类方法，对所述第一视觉词典中的所述M个第二SIFT特征向量进行聚类，获得所述N个关键SIFT特征向量，基于所述N个关键SIFT特征向量，构建所述第一运行部位对应的所述第一关键视觉词典，并基于所述第一自动步信号，对所述第一关键视觉词典进行标识，形成所述第一关键视觉词典，M为大于或等于N正整数；将形成的所述第一关键视觉词典存储，形成所述标准场景图像库。在一个实施例中，在所述当所述匹配度低于预设阈值时，发出预警信息之后，还包括：获取第一核检信息，所述第一核检信息为操作人员对所述待识别场景图像的运行状态是否异常进行核检判定后反馈的信息；判断所述第一核检信息是否表征所述待识别场景图像属于正常运行状态；若是，基于所述第一SIFT特征向量，更新所述第一运行部位的所述第一视觉词典；基于所述K-means聚类方法，对所述更新后的第一视觉词典进行聚类，更新所述第一关键视觉词典。在一个实施例中，所述当监测到所述第一状态数据时，通过设置在所述第一运行部位的第一图像采集装置获取所述第一运行部位的所述待识别场景图像之后，还包括：将所述第一运行部位的所述待识别场景图像输出到显示屏中进行显示。第二方面，本申请通过本申请的一实施例提供如下技术方案：一种异常生产场景的识别系统，包括：图像获取单元，用于获取第一运行部位的待识别场景图像；特征提取单元，基于SIFT算法对所述待识别场景图像进行特征提取，获得N个第一SIFT特征向量，单个所述第一SIFT特征向量用于表征所述待识别场景图像的一个关键点；关键视觉词典获取单元，用于获取所述第一运行部位对应的第一关键视觉词典，所述第一关键视觉词典中存储有表征所述第一运行部位的标准场景图像的N个关键SIFT特征向量，其中，单个所述关键SIFT特征向量用于表征所述第一运行部位的标准场景图像的一个关键点，N为正整数；异常生产场景识别单元，基于所述第一关键视觉词典中的所述关键SIFT特征向量与所述第一SIFT特征向量，得到所述待识别场景图像与所述标准场景图像的匹配度；预警单元，用于当所述匹配度低于预设阈值时，发出预警信息。第三方面，本申请通过本申请的一实施例提供如下技术方案：一种计算机存储介质，其上存储有计算机程序，包括：该程序被处理器执行时可以实现上述任一实施例所述的方法步骤。本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：本申请通过获取第一运行部位的待识别场景图像，并基于SIFT算法提取待识别场景图像中的各个关键点对应的本文档来自技高网...

【技术保护点】
1.一种异常生产场景的识别方法，其特征在于，包括：/n获取第一运行部位的待识别场景图像；/n基于SIFT算法对所述待识别场景图像进行特征提取，获得N个第一SIFT特征向量，单个所述第一SIFT特征向量用于表征所述待识别场景图像的一个关键点；/n获取所述第一运行部位对应的第一关键视觉词典，所述第一关键视觉词典中存储有表征所述第一运行部位的标准场景图像的N个关键SIFT特征向量，其中，单个所述关键SIFT特征向量用于表征所述第一运行部位的标准场景图像的一个关键点，N为正整数；/n基于所述第一关键视觉词典中的所述关键SIFT特征向量与所述第一SIFT特征向量，得到所述待识别场景图像与所述标准场景图像的匹配度；/n当所述匹配度低于预设阈值时，发出预警信息。/n

【技术特征摘要】
1.一种异常生产场景的识别方法，其特征在于，包括：
获取第一运行部位的待识别场景图像；
基于SIFT算法对所述待识别场景图像进行特征提取，获得N个第一SIFT特征向量，单个所述第一SIFT特征向量用于表征所述待识别场景图像的一个关键点；
获取所述第一运行部位对应的第一关键视觉词典，所述第一关键视觉词典中存储有表征所述第一运行部位的标准场景图像的N个关键SIFT特征向量，其中，单个所述关键SIFT特征向量用于表征所述第一运行部位的标准场景图像的一个关键点，N为正整数；
基于所述第一关键视觉词典中的所述关键SIFT特征向量与所述第一SIFT特征向量，得到所述待识别场景图像与所述标准场景图像的匹配度；
当所述匹配度低于预设阈值时，发出预警信息。


2.如权利要求1所述的异常生产场景的识别方法，其特征在于，所述基于所述第一关键视觉词典中的所述关键SIFT特征向量与所述第一SIFT特征向量，得到所述待识别场景图像与所述标准场景图像的匹配度，具体包括：
利用SIFT-Flow算法、所述关键SIFT特征向量及所述第一SIFT特征向量，得到所述待识别场景图像与所述标准场景图像的所述匹配度。


3.如权利要求2所述的异常生产场景的识别方法，其特征在于，所述利用SIFT-Flow算法、所述关键SIFT特征向量与所述第一SIFT特征向量，得到所述待识别场景图像与所述标准场景图像的所述匹配度，具体包括：
基于所述关键SIFT特征向量与所述第一SIFT特征向量之间的相似度，确定出所述待识别场景图像与所述标准场景图像中的相似关键点；
获取所述待识别场景图像与所述标准场景图像中所述相似关键点的水平位移差和竖直位移差，分别得到水平位移匹配矢量矩阵和竖直位移匹配矢量矩阵；
基于所述水平位移匹配矢量矩阵及所述竖直位移匹配矢量矩阵，得到所述待识别场景图像与所述标准场景图像的所述匹配度。


4.如权利要求1所述的异常生产场景的识别方法，其特征在于，所述获取第一运行部位的待识别场景图像，具体包括：
通过OPCserver监测PLC控制程序中的第一自动步信号对应的第一状态数据，其中，所述第一自动步信号用于标识所述第一运行部位，所述第一状态数据用于表征所述第一运行部位处于运行状态；
当监测到所述第一状态数据时，通过设置在所述第一运行部位的第一图像采集装置获取所述第一运行部位的所述待识别场景图像。


5.如权利要求4所述的异常生产场景的识别方法，其特征在于，所述获取所述第一运行部位对应的第一关键视觉词典，具体包括：
基于所述第一自动步信号，从标准场景图像库中获取所述第一运行部位对应的所述第一关键视觉词典，其中，所述标准场景图像库中存储有所述第一关键视觉词典，所述第一关键视觉词典标识有所述第一自动步信号；
所述基于所述第一自动步信号，从标准场景图像库中获取所述第一运行部位对应的所述第一关键视觉词典之前，还包括：
构建所述标准场景图像库。


6.如权利要求5所述的异常生产场景的识别方法，其特征在于，所述构建所述标准场景图像库，具体包括：
在生产线正...

【专利技术属性】
技术研发人员：刘敬，周海伦，安俊君，施子楷，韩东平，林娜，孙春阳，郑旭，梁玉，张银萍，李少英，
申请(专利权)人：北京首钢自动化信息技术有限公司，
类型：发明
国别省市：北京;11