一种基于云端处理的管廊视频智能分析方法及系统技术方案

本发明专利技术公开了一种基于云端处理的管廊视频智能分析方法及系统，所述方法包括：获取管廊正常以及异常学习样本集；深度神经网络分类器训练；采用训练后的深度神经网络分类器对新获取，待识别的图像进行智能分析；进行数据增强处理，消除样本类别间频数不均干扰；使用画面增强算法对亮度过暗的图像进行预处理，消除弱光源干扰；进行时间连续性分析，消除摄像头抖动影响。本发明专利技术能有效对管廊视频进行识别分析，可快速地进行异常预警，提高管廊日常运营维护管理的效率。

【技术实现步骤摘要】
一种基于云端处理的管廊视频智能分析方法及系统
本专利技术属于计算机数字图像处理与模式识别
，涉及管廊视频智能分析领域，特别涉及一种基于云端处理的管廊视频智能分析方法及系统。
技术介绍
综合管廊(也称“共同沟”或“共同管道”)就是地下城市管道综合走廊，即在城市地下建造一个隧道空间，将电力、通信、燃气、供热、给排水等各种工程管线集于一体，设有专门的检修口、吊装口和监测系统，实施统一规划、统一设计、统一建设和管理，是保障城市运行的重要基础设施和“生命线”。管廊的建设意义重大，其在日常的管廊维护养护中，主要依赖于人工巡视或机器人巡视人工观察监控视频分析判断。当城市管廊建设达到一定规模以后，依赖于人工的检查方式从效率、成本上都备受局限。综上，管廊巡检效率提高的需求迫不及待。随着技术的发展，如何实现综合管廊的自动化监控的模式是亟需解决的问题。现有的实施方法视频分析方法普遍存在以下几点问题：1.准确率低，鲁棒性差，只在某些特定场景下具有良好的效果；2.智能化程度低，只能简单得对管廊里的目标进行检测，无法智能识别该场景是否正常，一旦发生异常自动报本文档来自技高网...

【技术保护点】
1.一种基于云端处理的管廊视频智能分析方法，其特征在于，包括以下步骤：/n步骤1，获取管廊正常及异常学习样本集；/n步骤2，使用步骤1获得的管廊正常及异常学习样本集对预构建的深度神经网络进行训练，获得训练好的网络模型；/n步骤3，使用步骤2训练好的网络模型对待识别的图像进行异常检测，获得异常检测结果；/n步骤4，使用异常阈值对步骤3获得的异常检测结果进行筛选，消除模糊样本干扰，获得筛选后的结果；/n步骤5，对步骤4获得的结果进行画面增强处理，减小弱光源情况干扰，获得增强处理后的结果；/n步骤6，对步骤5获得的结果进行时域因素限制，减小摄像头抖动干扰。/n

【技术特征摘要】
1.一种基于云端处理的管廊视频智能分析方法，其特征在于，包括以下步骤：
步骤1，获取管廊正常及异常学习样本集；
步骤2，使用步骤1获得的管廊正常及异常学习样本集对预构建的深度神经网络进行训练，获得训练好的网络模型；
步骤3，使用步骤2训练好的网络模型对待识别的图像进行异常检测，获得异常检测结果；
步骤4，使用异常阈值对步骤3获得的异常检测结果进行筛选，消除模糊样本干扰，获得筛选后的结果；
步骤5，对步骤4获得的结果进行画面增强处理，减小弱光源情况干扰，获得增强处理后的结果；
步骤6，对步骤5获得的结果进行时域因素限制，减小摄像头抖动干扰。


2.根据权利要求1所述的一种基于云端处理的管廊视频智能分析方法，其特征在于，步骤1中，管廊正常及异常学习样本集包括：正样本和负样本；其中，正样本包括待检测的管廊异常目标，负样本包括管廊正常图像。


3.根据权利要求2所述的一种基于云端处理的管廊视频智能分析方法，其特征在于，步骤1具体包括：通过安装于管廊顶部跑道上的巡逻机器人采集若干管廊实地视频，形成管廊正常及异常学习样本集。


4.根据权利要求1所述的一种基于云端处理的管廊视频智能分析方法，其特征在于，步骤2中，所述预构建的深度神经网络为Resnet、Densenet、VGG或Alexnet。


5.根据权利要求1所述的一种基于云端处理的管廊视频智能分析方法，其特征在于，步骤2中，对预构建的深度神经网络进行训练的步骤包括：
对样本集进行过采样并增加仿射变换平衡样本类别间频数；
对样本集的训练图像进行随机平移与旋转变换，模拟摄像头抖动情况，增加网络泛化性能。


6.根据权利要求1所述的一种基于云端处理的管廊视频智能分析方法，其特征在于，...

【专利技术属性】
技术研发人员：钱学明，王萱，汤培勇，王泽远，
申请(专利权)人：长兴云尚科技有限公司，
类型：发明
国别省市：浙江;33