一种油库安防方法、系统、装置和存储介质制造方法及图纸

本发明专利技术公开了一种油库安防方法、系统、装置和存储介质，油库安防方法包括获取包含油库的监控视频，从所述监控视频提取得到视频帧，通过混合高斯模型对所述视频帧进行处理，以及对所述前景部分进行异常性识别等步骤。通过使用混合高斯模型来对拍摄所得的视频帧进行处理，能够有效应对树叶落叶等动态背景，也就是当摄像模块拍摄所得的监控视频中含有树叶落叶和树叶晃动等内容时，这些高频而小幅的运动将被识别为背景部分，因此可以避免异常性识别的结果受到高频小幅的背景运动的影响，从而降低智能化视频分析技术灵敏度的不可控性，达到进一步更有可能地避免误报警或避免因忽略真正异常情况而不报警等现象。本发明专利技术广泛应用于图像处理技术领域。

【技术实现步骤摘要】
一种油库安防方法、系统、装置和存储介质
本专利技术涉及图像处理
，尤其是一种油库安防方法、系统、装置和存储介质。
技术介绍
油库是保障生产所需燃油存储、发放的重要场所，能够保障铁路牵引动力燃油供应，对铁路运输提供有力保障，因此对油库的安防是日常工作的重点。由于规划等原因，铁路系统的油库普遍设置在偏僻位置，并且由于面积较大、重点部位较多，安保人员的巡逻难以在时间和空间上实现完整覆盖，对油库的安防工作产生了障碍。一些现有技术使用视频监控结合智能化视频分析技术，其基本原理是将视频监控拍摄所得的各帧画面进行对比，判断各帧画面之间是否存在较大幅度的变化，从而识别视频监控的视野中是否出现异物入侵或非法人员入侵等异常情况，这些现有技术可以在一定程度上替代部分由安保人员执行的巡逻工作。但是，由于油库所在地往往具有较复杂的自然环境，视频监控的视野范围内经常出现树叶落叶、树叶晃动、水面波动、小动物入侵以及大雨或冰雹等天气现象，上述这些情况一般并不属于油库管理中的异常情况，但是却会被现有技术判断为出现异物入侵或非法人员入侵等异常情况，从而产生误报警。总的来说，现有技术存在灵敏度不易掌握、容易误报警或因忽略真正异常情况而不报警等缺点。
技术实现思路
针对上述至少一个技术问题，本专利技术的目的在于提供一种油库安防方法、系统、装置和存储介质。一方面，本专利技术实施例包括一种油库安防方法，包括以下步骤：获取包含油库的监控视频；从所述监控视频提取得到视频帧；通过混合高斯模型对所述视频帧进行处理；所述处理的结果为视频帧被分为前景部分和背景部分；对所述前景部分进行异常性识别；所述异常性识别的结果为所述前景部分存在入侵目标或所述前景部分不存在入侵目标。进一步地，油库安防方法还包括以下步骤：当所述异常性识别的结果为所述前景部分存在入侵目标，根据所述入侵目标的类型进行警报。进一步地，油库安防方法还包括获取所述混合高斯模型的步骤，所述获取所述混合高斯模型的步骤包括：建立和初始化多个高斯分布模型；从所述多个高斯分布模型中，为样本图像中的背景像素确定相匹配的高斯分布模型；所述相匹配的高斯分布模型与所述样本图像中的背景像素的时域分布之间的偏差小于预设的第一阈值；根据所确定的学习速率和所述样本图像中的背景像素的时域分布，对所述相匹配的高斯分布模型进行更新；根据所述学习速率，确定各所述高斯分布模型的权重；确定目标高斯分布模型；所述目标高斯分布模型为各自权重最靠前且其权重之和恰大于预设的第二阈值的高斯分布模型；各所述目标高斯分布模型组成所述混合高斯模型。进一步地，所述通过混合高斯模型对所述视频帧进行处理这一步骤，具体包括：确定所述视频帧中的像素的时域分布与各所述目标高斯分布模型之间的关系；当所述视频帧中的像素的时域分布与各所述目标高斯分布模型之间的偏差均小于预设的第三阈值，确定所述视频帧中的像素属于所述背景部分，反之，确定所述视频帧中的像素属于所述前景部分。进一步地，油库安防方法还包括以下步骤：确定所述油库所在位置的气象信息；根据所述气象信息，确定所述学习速率。进一步地，根据时间变化周期性或非周期性地调整所述学习速率，根据调整后的所述学习速率执行所述获取所述混合高斯模型的步骤。进一步地，所述根据时间变化周期性或非周期性地调整所述学习速率，具体包括：按照季节变换周期性地调整所述学习速率。另一方面，本专利技术实施例还包括一种油库安防系统，包括：摄像模块，用于拍摄包含油库的监控视频；处理模块，用于从所述监控视频提取得到视频帧，通过混合高斯模型对所述视频帧进行处理，所述处理的结果为视频帧被分解成前景部分和背景部分，对所述前景部分进行异常性识别，输出所述异常性识别的结果。另一方面，本专利技术实施例还包括一种计算机装置，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行实施例所述方法。另一方面，本专利技术实施例还包括一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行实施例所述方法。本专利技术的有益效果是：通过使用混合高斯模型来对拍摄所得的视频帧进行处理，将视频帧分成背景部分和前景部分，并对前景部分进行异常性识别，能够有效应对树叶落叶、树叶晃动、水面波动、小动物入侵以及大雨或冰雹等动态背景，也就是当摄像模块拍摄所得的监控视频中含有树叶落叶和树叶晃动等内容时，这些高频而小幅的运动将被识别为背景部分，而本专利技术的实施例中是针对背景部分以外的前景部分进行异常性识别，因此可以避免异常性识别的结果受到以上高频小幅的背景运动的影响，这些背景运动所带来的不可控因素也随之减少，从而降低智能化视频分析技术灵敏度的不可控性，达到进一步更有可能地避免误报警或避免因忽略真正异常情况而不报警等现象。附图说明图1为实施例中油库安防系统的结构示意图；图2为实施例中的油库安防方法的流程图。具体实施方式本专利技术的实施例中，执行油库安防方法所使用的硬件的架构如图1所示，通过由多个摄像头组成的摄像头模块，拍摄油库的油罐区、泵房、收发油区等重点部位得到监控视频，将监控视频通过交换机发送至处理模块，处理模块包括基于ARM的嵌入式边缘计算平台和个人计算机。本专利技术的实施例中，由基于ARM的嵌入式边缘计算平台或个人计算机执行油库安防方法，参照图2，油库安防方法包括以下步骤：S1.获取包含油库的监控视频；S2.从所述监控视频提取得到视频帧；S3.通过混合高斯模型对所述视频帧进行处理；所述处理的结果为视频帧被分为前景部分和背景部分；S4.对所述前景部分进行异常性识别；所述异常性识别的结果为所述前景部分存在入侵目标或所述前景部分不存在入侵目标。本专利技术的实施例中，在执行步骤S1-S4之前，处理模块还执行以下步骤：P1.获取混合高斯模型。通过执行步骤P1获取到的混合高斯模型，可以在执行步骤S3和S4时使用。本专利技术的实施例中，获取混合高斯模型的步骤，即步骤P1，具体包括：P101.建立和初始化多个高斯分布模型；P102.从所述多个高斯分布模型中，为样本图像中的背景像素确定相匹配的高斯分布模型；所述相匹配的高斯分布模型与所述样本图像中的背景像素的时域分布之间的偏差小于预设的第一阈值；P103.根据所确定的学习速率和所述样本图像中的背景像素的时域分布，对所述相匹配的高斯分布模型进行更新；P104.根据所述学习速率，确定各所述高斯分布模型的权重；P105.确定目标高斯分布模型；所述目标高斯分布模型为各自权重最靠前且其权重之和恰大于预设的第二阈值的高斯分布模型；P106.各所述目标高斯分布模型组成所述混合高斯模型。步骤P101-P106是建立多个高斯分布模型，并使用样本图像对这多个高斯分布模型本文档来自技高网...

【技术保护点】
1.一种油库安防方法，其特征在于，包括以下步骤：/n获取包含油库的监控视频；/n从所述监控视频提取得到视频帧；/n通过混合高斯模型对所述视频帧进行处理；所述处理的结果为视频帧被分为前景部分和背景部分；/n对所述前景部分进行异常性识别；所述异常性识别的结果为所述前景部分存在入侵目标或所述前景部分不存在入侵目标。/n

【技术特征摘要】
1.一种油库安防方法，其特征在于，包括以下步骤：
获取包含油库的监控视频；
从所述监控视频提取得到视频帧；
通过混合高斯模型对所述视频帧进行处理；所述处理的结果为视频帧被分为前景部分和背景部分；
对所述前景部分进行异常性识别；所述异常性识别的结果为所述前景部分存在入侵目标或所述前景部分不存在入侵目标。


2.根据权利要求1所述的油库安防方法，其特征在于，还包括以下步骤：
当所述异常性识别的结果为所述前景部分存在入侵目标，根据所述入侵目标的类型进行警报。


3.根据权利要求1或2所述的油库安防方法，其特征在于，还包括获取所述混合高斯模型的步骤，所述获取所述混合高斯模型的步骤包括：
建立和初始化多个高斯分布模型；
从所述多个高斯分布模型中，为样本图像中的背景像素确定相匹配的高斯分布模型；所述相匹配的高斯分布模型与所述样本图像中的背景像素的时域分布之间的偏差小于预设的第一阈值；
根据所确定的学习速率和所述样本图像中的背景像素的时域分布，对所述相匹配的高斯分布模型进行更新；
根据所述学习速率，确定各所述高斯分布模型的权重；
确定目标高斯分布模型；所述目标高斯分布模型为各自权重最靠前且其权重之和恰大于预设的第二阈值的高斯分布模型；
各所述目标高斯分布模型组成所述混合高斯模型。


4.根据权利要求3所述的油库安防方法，其特征在于，所述通过混合高斯模型对所述视频帧进行处理这一步骤，具体包括：
确定所述视频帧中的像素的时域分布与各所述目标高斯分布...

【专利技术属性】
技术研发人员：凌政，董选明，
申请(专利权)人：广州忘平信息科技有限公司，
类型：发明
国别省市：广东;44