基于语义背景模型的异物检测方法技术

本发明专利技术公开了一种基于语义背景模型的异物检测方法，包括：通过可以获取实时视频的监控摄像头拍摄缺陷图像，输出RGB图像；离线过程中，基于深度卷积神经网络的自编码器对所述监控摄像头监控场景建立具有语义的背景模型，利用自编码器将采样网络对正常物提取特征向量，建立索引；在线过程中，根据所述背景模型确定前景位置，记录其特征向量，与正常物特征进行检索，确定是否为异物；在时序上对异物进行位置跟踪判断，如果一段时间静止不动，发出报警；本发明专利技术实现了自动监视通道中的异物并报警的功能。提高了工厂清洁度，同时避免了因异物造成的事故。成的事故。成的事故。

【技术实现步骤摘要】
基于语义背景模型的异物检测方法


[0001]本专利技术涉及图像识别
，特别是一种基于语义背景模型的异物检测方法。

技术介绍

[0002]在现在工厂中，特别是烟厂各个车间，通道应保持整洁卫生。如果通道出现异物，轻则会影响工厂环境卫生，重则会引起事故。因此，实时的监测通道中是否有异物存在，便成了重要的任务。目前，经常采用的方法是工作人员定期巡检。这种方法不但耗费人力，也没法真正做到实时监控。随着，图像识别技术的发展，通过该技术来进行通道异物监测成为可能。
[0003]然而通过监控摄像头对某些区域进行异物检测时，通常会存在几种问题：(1)传统背景建模方法对光照变化等因素敏感，不够鲁棒；(2)异物的类别非常多，难以使用检测+分类的方法；(3)异物的样本数量很少，难以训练一个泛化性能好的模型；(4)即使知道异物的种类，也有足够的数量，但是在实际落地时还是存在很多未知类别的异物。

技术实现思路

[0004]为解决现有技术中存在的问题，本专利技术的目的是提供一种基于语义背景模型的异物检测方法，本专利技术实现了自动监视通道中的异物并报警的功能。提高了工厂清洁度，同时避免了因异物造成的事故。
[0005]为实现上述目的，本专利技术采用的技术方案是：一种基于语义背景模型的异物检测方法，包括以下步骤：
[0006]步骤1、通过可以获取实时视频的监控摄像头拍摄缺陷图像，输出RGB图像；
[0007]步骤2、离线过程中，基于深度卷积神经网络的自编码器对所述监控摄像头监控场景建立具有语义的背景模型，利用自编码器将采样网络对正常物提取特征向量，建立索引；
[0008]步骤3、在线过程中，根据所述背景模型确定前景位置，记录其特征向量，与正常物特征进行检索，确定是否为异物；
[0009]步骤4、在时序上对异物进行位置跟踪判断，如果一段时间静止不动，发出报警。
[0010]作为本专利技术的进一步改进，步骤2中的离线过程具体包括：
[0011]根据监控摄像头数据，收集正常场景下的画面，训练自编码器，先通过卷积网络降采样，再通过反卷积网络采样，优化其构建损失，使输出和输入相似；
[0012]利用自编码器的下采样阶段作为特征提取器，对正常物进行特征提取，建立特征向量索引。
[0013]作为本专利技术的进一步改进，步骤3中的在线过程具体包括：
[0014]输入监控摄像头数据，根据背景模型，响应最大位置为检测出的前景目标，记录其降采样过程中输出的特征向量；
[0015]与正常物特征向量进行检索，如果全部不符合，则为异物；
[0016]为异物分配一个跟踪器，记录时序上位置的移动，如果静止不动，则发生报警，判
断为异物。
[0017]本专利技术的有益效果是：
[0018]本专利技术借助监控摄像头的视频序列，通过对场景构建语义背景，实现实时识别定位异物；在解放人力的同时，也确保了实时性和准确性。实现了自动监视通道中的异物并报警的功能，提高了工厂清洁度，同时避免了因异物造成的事故。
附图说明
[0019]图1为本专利技术实施例的流程框图；
[0020]图2为本专利技术实施例中自编码器的结构示意图。
具体实施方式
[0021]下面结合附图对本专利技术的实施例进行详细说明。
[0022]实施例
[0023]如图1所示，一种基于语义背景模型的异物检测方法，包括：
[0024](1)一个获取实时视频的监控摄像头，可以清晰地拍摄到缺陷图像，输出RGB图像；
[0025](2)离线过程中，基于深度卷积神经网络的自编码器对监控场景建立具有语义的背景模型，利用自编码器降采样网络对正常物提取特征向量，建立索引。可以不断丰富正常物图库；
[0026](3)在线过程中，根据背景模型确定前景位置，记录其特征向量，与正常物特征进行检索，确定是否为异物；
[0027](4)在时序上对异物进行位置跟踪判断，如果一段时间静止不动，发出报警。
[0028]在图1中，实线表示在线过程，虚线表示离线过程。
[0029]离线阶段：
[0030](1)根据摄像头数据，收集正常场景下的画面，训练如图2所示自编码器，先通过卷积网络降采样，再通过反卷积网络上采样，优化其构建损失，使输出和输入尽可能相似；
[0031](2)利用自编码器的下采样阶段作为特征提取器，对正常物进行特征提取，建立特征向量索引。
[0032]在线阶段：
[0033](1)输入摄像头数据，根据背景模型，响应最大位置为检测出的前景目标，记录其降采样过程中输出的特征向量；
[0034](2)与正常物特征向量进行检索，如果全部不符合则为异物；
[0035](3)为异物分配一个跟踪器，记录时序上位置的移动，如果静止不动，则发生报警，判断为异物。
[0036]以上所述实施例仅表达了本专利技术的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本专利技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变形和改进，这些都属于本专利技术的保护范围。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于语义背景模型的异物检测方法，其特征在于，包括以下步骤：步骤1、通过可以获取实时视频的监控摄像头拍摄缺陷图像，输出RGB图像；步骤2、离线过程中，基于深度卷积神经网络的自编码器对所述监控摄像头监控场景建立具有语义的背景模型，利用自编码器将采样网络对正常物提取特征向量，建立索引；步骤3、在线过程中，根据所述背景模型确定前景位置，记录其特征向量，与正常物特征进行检索，确定是否为异物；步骤4、在时序上对异物进行位置跟踪判断，如果一段时间静止不动，发出报警。2.根据权利要求1所述的基于语义背景模型的异物检测方法，其特征在于，步骤2中的离线过程具体包括...

【专利技术属性】
技术研发人员：韩英军，郭非，金鑫，胡武，罗红，李旭东，胡华，张志强，李储存，陈和平，蔡劼，
申请(专利权)人：四川中烟工业有限责任公司，
类型：发明
国别省市：