一种基于核电安全的小目标智能识别方法技术

本发明专利技术公开了一种基于核电安全的小目标智能识别方法，包括大尺寸图像分割预处理方法、目标检测算法的二级网络结构和大尺寸图像内空间坐标还原方法；所述大尺寸图像分割预处理方法：根据训练模型输入最佳图像尺寸对输入待检测图像进行合理的大小划分，得到符合检测模型要求的分块图像，依次输入模型进行检测；所述大尺寸图像内空间坐标还原方法：根据所述大尺寸图像分割预处理结果，设定输出的分割图像坐标到全局或大尺寸图像空间坐标变换函数关系。实现了核电站视频监控在实际场景下的小目标的检测识别能力，提升了核电站的安全可靠性。

【技术实现步骤摘要】
一种基于核电安全的小目标智能识别方法
本专利技术属于视频监控
，特别是涉及核电站视频监控小目标检测算法

技术介绍
视频监控技术早期是模拟化，经历了数字化，网络化后，目前正在向智能化迈进，目标检测技术作为智能化过程中一个重要技术，其在视频监控领域的地位不断凸显。核电站在视频监控智能化的过程中，在很多场景下对小目标的检测识别技术具有一定的需求，因此研究一种适用于核电站视频监控场景的小目标检测的算法技术方案具有重要的意义。最近开源的yolov5算法模型在coco数据验证集上的最高mAP达到了50.8，在中等尺度和大尺度目标的检测识别效果较好，并且相比于同等精度的目标检测算法对算力的要求低很多,在主流的平台上仍然能够保持实时性的要求，因此在核电站视频监控中采用这一技术,可以在算力一定的情况下提高对大部分目标的检测精度。但是，yolov5高的mAP主要是由于在coco数据集的中等尺度和大尺度的目标检测效果较好，在面积小于32像素平方的小目标上仍然表现一般。核电站视频监控很多实际场景下的目标面积低于15像素平方，对于小目标的检测识别能力有更高的要求，因此在yolov5模型的基础上，提出一种适用于核电站视频监控小目标检测算法的技术方案具有重要意义。
技术实现思路
为了解决现有核电领域人员安全及环境安全状况监测中的小目标检测效果较差的问题，本专利技术提供了一种基于核电安全的小目标智能识别方法，所述方法包括大尺寸图像分割预处理方法、目标检测算法的二级网络结构和大尺寸图像内空间坐标还原方法；<br>所述大尺寸图像分割预处理方法：根据训练模型输入最佳图像尺寸对输入待检测图像进行合理的大小划分，得到符合检测模型要求的分块图像，依次输入模型进行检测；所述目标检测算法的二级网络结构包括人员检测及区域提取算法、人员安全帽佩戴状况识别算法、人员工服穿着情况识别算法、人员反光背心穿着情况识别算法、人员护目镜佩戴状况识别算法、人员安全带佩戴识别算法、作业环境区域内的人车分流识别算法、作业环境区域内的高风险区域识别算法、作业环境区域内的起火点区域识别算法；所述大尺寸图像内空间坐标还原方法：根据所述大尺寸图像分割预处理结果，设定输出的分割图像坐标到全局或大尺寸图像空间坐标变换函数关系。优选的，所述人员检测及区域提取算法：在yolov5网络下，大数据训练核电作业场景下人员检测模型，并根据检测框在原图坐标，提取出检测框区域内人员图像信息；所述人员安全帽佩戴状况识别算法：基于yolov5的网络对人员头部的安全帽佩戴情况进行二级识别网络的训练，得到安全帽佩戴状况识别模型，以此判断核电作业环境下目标人员佩戴安全帽的情况；所述人员工服穿着情况识别算法：基于yolov5的网络对人员工服穿着情况进行二级识别网络的训练，得到人员工服穿着情况识别模型，以此判断核电作业环境下目标人员工服穿着情况；所述人员反光背心穿着情况识别算法：基于yolov5的网络对人员反光背心穿着情况进行二级识别网络的训练，得到人员反光背心穿着情况识别模型，以此判断核电作业环境下目标人员反光背心穿着情况；所述人员护目镜佩戴状况识别算法：基于yolov5的网络对人员护目镜佩戴状况进行二级识别网络的训练，得到人员护目镜佩戴状况识别模型，以此判断核电作业环境下目标人员护目镜佩戴状况；所述人员安全带佩戴识别算法：基于yolov5的网络对人员安全带佩戴状况进行二级识别网络的训练，得到人员安全带佩戴识别模型，以此判断核电作业环境下目标人员安全带佩戴情况；所述作业环境区域内的人车分流识别算法：在固定角度下进行二级判断，查看检出人员是否在车辆道路区域范围内的情况；所述作业环境区域内的高风险区域识别算法：在固定角度下进行二级判断，查看检出人员是否在高风险区域范围内的情况；所述作业环境区域内的起火点区域识别算法：基于yolov5网络下，大数据训练异常明火状况识别模型，并在明火识别基础下，在特定作业区域或范围内，判断有无异常明火的状况。优选的，所述大尺寸图像分割预处理方法对所述大尺寸图像分块边界处理时，按照固定的图像宽高比对所述大尺寸图像进行划分生成新的检测子图像，在相邻交界分离基础上增加适量重合区域，以实现对大尺寸图像信息最大化以及检测目标图形特征完整性的保留。优选的，所述大尺寸图像分割预处理方法按照训练模型输入最佳宽高比例，以指定倍率缩放的尺寸均匀划分输入图像，以保证原图像中检测目标形态特征不变。优选的，所述大尺寸图像内空间坐标还原方法为通过计算分割图像在所述大尺寸图像的相对位置，以及目标物体在分割图像的相对位置进行，逐层计算，得出目标物体从大尺寸图像的空间坐标到分割图像空间坐标的函数变换关系。本专利技术实现了核电站视频监控在实际场景下的小目标的检测识别能力，提升了核电站的安全可靠性。附图说明图1是本专利技术的一种实施例的集成算法流程图。具体实施方式为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。如附图1所示，本专利技术的一种实施例为一种基于输入图像预处理、多模块检测算法集成以及数据处理上报流程的图像分割处理与二级检测模型相结合的小目标智能识别的方法：一方面，提供了一种基于核电监控场景的大尺寸图像分割预处理方法，所述方法包括:对输入待检测单张大尺寸(2560*1440)图像，在保证大尺寸图像信息的完整性前提下，进行适当的划分，得出的分块图像依次输入目标检测模型；根据训练模型输入最佳图像尺寸对输入待检测图像进行合理的大小划分，得到符合检测模型要求的分块图像，依次输入模型进行检测；对大尺寸图像分块边界处理时，需在相邻交界分离基础上增加适量重合区域，以实现对大尺寸图像信息最大化以及检测目标图形特征完整性的保留。优选的，所述对输入待检测单张大尺寸(2560*1440)图像，在保证大尺寸图像信息的完整性前提下，进行适当的划分包括：按照固定的图像宽高比(如原图宽高比、输入模型宽高比、1:1等比)对大尺寸图像进行划分生成新的检测子图像。具体的，按照固定的图像宽高比(如原图宽高比、输入模型宽高比、1:1等比)对大尺寸图像进行划分生成新的检测子图像可具体为：当wsegment:hsegment＝worgin:horigin,ssegment:s＝p；则wsegment＝sqrt(p)*worgin,hsegment＝sqrt(p)*horigin，num_seg＝ceil(worgin/wsegment)*ceil(horgin/hsegment)；(即按原图宽高比划分)当wsegment:hsegment＝wmodel:hmodel,ssegment:smodel＝p；则wsegment＝sqrt(p)*wmodel,hsegment＝sqrt(p)*hmodel,num_seg＝ceil(worgin/wsegme本文档来自技高网...

【技术保护点】
1.一种基于核电安全的小目标智能识别方法，其特征在于，所述方法包括大尺寸图像分割预处理方法、目标检测算法的二级网络结构和大尺寸图像内空间坐标还原方法；/n所述大尺寸图像分割预处理方法：根据训练模型输入固定图像尺寸对输入待检测图像进行合理的大小划分，得到符合检测模型要求的分块图像，依次输入模型进行检测；/n所述目标检测算法的二级网络结构包括人员检测及区域提取算法、人员安全帽佩戴状况识别算法、人员工服穿着情况识别算法、人员反光背心穿着情况识别算法、人员护目镜佩戴状况识别算法、人员安全带佩戴识别算法、作业环境区域内的人车分流识别算法、作业环境区域内的高风险区域识别算法、作业环境区域内的起火点区域识别算法；/n所述大尺寸图像内空间坐标还原方法：根据所述大尺寸图像分割预处理结果，设定输出的分割图像坐标到全局或大尺寸图像空间坐标变换函数关系。/n

【技术特征摘要】
1.一种基于核电安全的小目标智能识别方法，其特征在于，所述方法包括大尺寸图像分割预处理方法、目标检测算法的二级网络结构和大尺寸图像内空间坐标还原方法；
所述大尺寸图像分割预处理方法：根据训练模型输入固定图像尺寸对输入待检测图像进行合理的大小划分，得到符合检测模型要求的分块图像，依次输入模型进行检测；
所述目标检测算法的二级网络结构包括人员检测及区域提取算法、人员安全帽佩戴状况识别算法、人员工服穿着情况识别算法、人员反光背心穿着情况识别算法、人员护目镜佩戴状况识别算法、人员安全带佩戴识别算法、作业环境区域内的人车分流识别算法、作业环境区域内的高风险区域识别算法、作业环境区域内的起火点区域识别算法；
所述大尺寸图像内空间坐标还原方法：根据所述大尺寸图像分割预处理结果，设定输出的分割图像坐标到全局或大尺寸图像空间坐标变换函数关系。


2.如权利要求1所述的一种基于核电安全的小目标智能识别方法，其特征在于，所述人员检测及区域提取算法：在yolov5网络下，大数据训练核电作业场景下人员检测模型，并根据检测框在原图坐标，提取出检测框区域内人员图像信息；
所述人员安全帽佩戴状况识别算法：基于yolov5的网络对人员头部的安全帽佩戴情况进行二级识别网络的训练，得到安全帽佩戴状况识别模型，以此判断核电作业环境下目标人员佩戴安全帽的情况；
所述人员工服穿着情况识别算法：基于yolov5的网络对人员工服穿着情况进行二级识别网络的训练，得到人员工服穿着情况识别模型，以此判断核电作业环境下目标人员工服穿着情况；
所述人员反光背心穿着情况识别算法：基于yolov5的网络对人员反光背心穿着情况进行二级识别网络的训练，得到人员反光背心穿着情况识别模型，以此判断核电作业环境下目标人员反光背心穿着情况；
所述人员护目镜佩戴状况识别算...

【专利技术属性】
技术研发人员：陈蔚，于潇，高悍宇，曹姝媛，
申请(专利权)人：上海核工程研究设计院有限公司，
类型：发明
国别省市：上海;31