一种图像检测方法、系统、存储介质及电子设备技术方案

本发明专利技术实施例提供了一种图像检测方法、系统、存储介质及电子设备。其中，方法包括：利用二值化后差分图像的像素值变化确定视频流中是否存在发生变化的图像，对于检测到发生变化的图像，提取发生变化时刻之前的第一预设时长的视频流；对于未检测到发生变化的图像，提取第一时间段的视频流中的第二时间段的视频流；将提取的视频流作为待检测视频流，将待检测视频流中的待检测图像输入训练好的目标检测模型，得到待检测图像异常信息。本发明专利技术相较于对视频流的全部图像进行检测，大大减少了图像检测时的计算量，节约了因算力消耗带来的成本。

【技术实现步骤摘要】
一种图像检测方法、系统、存储介质及电子设备
本专利技术涉及智能监控
，特别是涉及一种图像检测方法、系统、存储介质及电子设备。
技术介绍
随着监控设备的大量布置，实现了监控区域的全范围监控。目前，采用智能检测方法对监控信息进行识别、分类、分析等处理，实现了智能化图像监控。然而，大量的监控设备产生了海量的监控信息，要实现图像检测需要大量的智能计算装置支撑，这对于算力的消耗存在巨额的浪费。因此，针对海量监控信息的图像检测，降低算力消耗是十分必要的。
技术实现思路
本专利技术实施例的目的在于提供一种图像检测方法、系统、存储介质及电子设备，能够减少图像检测时的计算量，节约了因算力消耗带来的成本。具体技术方案如下：本专利技术提供一种图像检测方法，包括：将视频流中的相邻帧采用像素相减的方法，得到差分图像；对所述差分图像进行二值化处理，得到二值化后的差分图像；判断所述二值化后的差分图像的像素值是否小于预设像素阈值，若是，则确定所述视频流中的图像未发生变化，若否，则确定所述视频流中的图像发生了变化；...

【技术保护点】
1.一种图像检测方法，其特征在于，包括：/n将视频流中的相邻帧采用像素相减的方法，得到差分图像；/n对所述差分图像进行二值化处理，得到二值化后的差分图像；/n判断所述二值化后的差分图像的像素值是否小于预设像素阈值，若是，则确定所述视频流中的图像未发生变化，若否，则确定所述视频流中的图像发生了变化；/n在确定所述视频流中的图像发生了变化时，提取发生变化时刻之前的第一预设时长的视频流，和/或在未监测到第一时间段的所述视频流中的图像变化时，提取所述第一时间段的所述视频流中的第二时间段的视频流，所述第一时间段的时长为第二预设时长，所述第二时间段的时长小于所述第一时间段的时长，且所述第二时间段的最晚时刻...

【技术特征摘要】
1.一种图像检测方法，其特征在于，包括：
将视频流中的相邻帧采用像素相减的方法，得到差分图像；
对所述差分图像进行二值化处理，得到二值化后的差分图像；
判断所述二值化后的差分图像的像素值是否小于预设像素阈值，若是，则确定所述视频流中的图像未发生变化，若否，则确定所述视频流中的图像发生了变化；
在确定所述视频流中的图像发生了变化时，提取发生变化时刻之前的第一预设时长的视频流，和/或在未监测到第一时间段的所述视频流中的图像变化时，提取所述第一时间段的所述视频流中的第二时间段的视频流，所述第一时间段的时长为第二预设时长，所述第二时间段的时长小于所述第一时间段的时长，且所述第二时间段的最晚时刻与所述第一时间段的最晚时刻相同；
将提取的视频流作为待检测视频流，将所述待检测视频流中的待检测图像输入训练好的目标检测模型，得到待检测图像异常信息；所述待检测图像异常信息为所述待检测图像表征存在异常情况的概率。


2.根据权利要求1所述的图像检测方法，其特征在于，所述目标检测模型是采用标记的图像样本对改进的FasterR-CNN模型进行训练得到的，所述改进的FasterR-CNN模型包括骨干网络、特征金字塔网络、卷积层和全连接层，所述骨干网络为去除全连接层的ResNet卷积神经网络；
所述目标检测模型的训练方法，具体包括：
获取图像样本，对所述图像样本进行标记，得到所述标记的图像样本；
将所述标记的图像样本输入所述骨干网络进行特征提取，得到特征图；
将所述特征图与所述特征金字塔网络进行融合，得到特征层；
将所述特征层输入所述卷积层，得到卷积输出结果，将所述卷积输出结果输入所述全连接层，得到预测的图像异常概率；
对所述改进的FasterR-CNN模型的权重进行调整，直至所述预测的图像异常概率与实际的图像异常概率的偏差在容许范围内时，训练完成，得到训练好的目标检测模型。


3.根据权利要求2所述的图像检测方法，其特征在于，所述将所述标记的图像样本输入所述骨干网络进行特征提取，得到特征图，具体包括：
将所述标记的图像样本输入所述骨干网络，采用所述骨干网络的各阶段卷积模块进行特征提取后，得到多个阶段的特征图；其中，后一阶段特征图的尺寸小于前一阶段特征图的尺寸，后一阶段特征图的语义特征个数大于前一阶段特征图的语义特征个数，后一阶段特征图的分辨率小于前一阶段特征图的分辨率。


4.根据权利要求3所述的图像检测方法，其特征在于，所述将所述特征图与所述特征金字塔网络进行融合，得到特征层，具体包括：
按照最后一个阶段的特征图对应所述特征金字塔网络的顶层，第二阶段的特征图对应所述特征金字塔网络的底层的顺序，将各个阶段的特征图与所述特征金字塔网络的层进行对应；
将最后一个阶段的特征图输入所述特征金字塔的顶层进行特征融合，得到所述特征金字塔顶层的输出结果；
将所述特征金字塔网络的第二层作为当前层，将所述当前层的上一层输出结果与所述当前层对应的特征图一起输入所述当前层中进行处理，得到当前层的输出结果；
若所述当前层存在下一层，则将下一层作为当前层，返回步骤“将所述当前...

【专利技术属性】
技术研发人员：张晓航，廖逍，谢可，刘迪，邱镇，王兴涛，白景坡，卢大玮，李文璞，靳敏，徐凡，李小宁，黄晓光，
申请(专利权)人：国网信息通信产业集团有限公司，
类型：发明
国别省市：北京;11