区域预警方法、预警设备、电子设备和介质技术

本申请公开了一种区域预警方法、预警设备、电子设备和介质，该预警方法包括：获取背景图，得到背景图的待对比区域；获取待检测目标的前景图，得到前景图的目标区域，背景图为前景图的参考帧；基于待对比区域，利用差异检测模型对目标区域进行处理，确定待对比区域和目标区域之间的多个差异区域；对满足报警规则的多个差异区域进行预警。通过上述方式，本申请使用差异检测模型对目标区域进行重点处理，从而找出监控场景中的生产线的多个差异区域，进而对满足报警规则的差异区域进行有效预警。而对满足报警规则的差异区域进行有效预警。而对满足报警规则的差异区域进行有效预警。

【技术实现步骤摘要】
区域预警方法、预警设备、电子设备和介质


[0001]本申请涉及图像处理与计算机视觉
，特别是涉及一种区域预警方法、预警设备、电子设备和介质。

技术介绍

[0002]随着深度学习与计算机视觉技术的发展，在工厂生产线、传送带等区域利用视频监控系统自动检测出机器是否出现故障，对异常的故障情况及时预警已成一种迫切需要。
[0003]目前，一些自动检测研究采用复杂的数据进行训练，从而构建机器学习模型，再采用机器学习模型对采集到的图像序列进行检测，往往通过图像中的具体颜色空间变化，利用经验值来判断生产线上的异常或故障，这导致了主观因素的比例上升，从而忽略掉一些异常，或在存在干扰情况下容易产生错误的判断。

技术实现思路

[0004]为解决上述技术问题，本申请第一方面采用的技术方案是提供一种区域预警方法，该预警方法包括：获取背景图，得到背景图的待对比区域；获取待检测目标的前景图，得到前景图的目标区域，背景图为前景图的参考帧；基于待对比区域，利用差异检测模型对目标区域进行处理，确定待对比区域和目标区域之间的多个差异区域；对满足报警规则的多个差异区域进行预警。
[0005]为解决上述技术问题，本申请第二方面采用的技术方案是提供一种预警设备，该预警设备包括：
[0006]获取模块，用于获取背景图，得到背景图的待对比区域；
[0007]获取模块，还用于获取待检测目标的前景图，得到前景图的目标区域，背景图为前景图的参考帧；
[0008]差异检测模块，用于基于待对比区域，对目标区域进行处理，确定待对比区域和目标区域之间的多个差异区域；
[0009]预警模块，用于对满足报警规则的多个差异区域进行预警。
[0010]为解决上述技术问题，本申请第三方面采用的技术方案是提供电子设备，该电子设备包括：处理器和存储器，该存储器中存储有计算机程序，处理器用于执行计算机程序以实现本申请第一方面所述的预警方法。
[0011]为解决上述技术问题，本申请第四方面采用的技术方案是提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，计算机程序能够被处理器执行时实现本申请第一方面所述的预警方法。
[0012]本申请的有益效果是：本申请基于生产线的监控视频，采用图像处理与计算机视觉技术，基于待对比区域，将监控视频与正常运行状态下进行比对，通过使用差异检测模型对目标区域进行重点处理，从而找出监控场景中的生产线的多个差异区域，进而对满足报警规则的差异区域进行有效预警。
附图说明
[0013]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0014]图1是本申请区域预警方法一实施例的流程示意图；
[0015]图2是本申请预警方法一具体实施例的整体结构示意图；
[0016]图3是本申请图1中步骤S12一具体实施例的流程示意图；
[0017]图4是本申请图1中步骤S13一具体实施例的流程示意图；
[0018]图5是本申请注意力机制模块加入瓶颈模块中的结构示意图；
[0019]图6是本申请图4中步骤S32一具体实施例的流程示意图；
[0020]图7是本申请差异检测模块的一具体结构示意图；
[0021]图8是本申请图像特征提取与差异特征增强连接的结构示意图；
[0022]图9是本申请差异特征增强模块的一具体结构示意图；
[0023]图10是本申请检测头的一具体结构示意图；
[0024]图11是本申请设置预警规则的一实施例的流程示意图；
[0025]图12是本申请按预警规则进行预警的一实施例的流程示意图；
[0026]图13是本申请按预警规则进行预警的一具体实施例的流程示意图；
[0027]图14是本申请预警设备实施例的结构示意框图；
[0028]图15是本申请电子设备实施例的结构示意框图；
[0029]图16是本申请计算机可读存储介质实施例的电路示意框图。
具体实施方式
[0030]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
[0031]应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0032]还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0033]还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0034]如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0035]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0036]为了说明本申请的技术方案，下面通过具体实施例来进行说明本申请提供一种区域预警方法，该预警方法可以适用于生产线异常的预警系统中，还可以应用于检测差异区域的预警系统中，本申请以基于监控视频的纺织厂生产线异常的预警系统为例，请参阅图1和图2，图1是本申请区域预警方法一实施例的流程示意图，图2是本申请预警方法一具体实施例的整体结构示意图，该预警方法具体包括以下步骤：
[0037]S11：获取背景图，得到背景图的待对比区域；
[0038]通常，为了对两张图进行差异区域检测，往往可以排除掉干扰因素，比如滤除两张图中的干扰因素，首先可以预先设置一张背景作为差异检测模型的背景图，并且通过界定固定区域作为主要的比对区域，为后续提供一个可靠的对比范围。
[0039]其中，背景图为静止图，其待对比区域可以人为圈定，具体可以根据实际情况本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种区域预警方法，其特征在于，所述预警方法包括：获取背景图，得到所述背景图的待对比区域；获取待检测目标的前景图，得到所述前景图的目标区域，所述背景图为所述前景图的参考帧；基于所述待对比区域，利用差异检测模型对所述目标区域进行处理，确定所述待比对区域和所述目标区域之间的多个差异区域；对满足报警规则的多个所述差异区域进行预警。2.根据权利要求1所述的预警方法，其特征在于，所述获取待检测目标的前景图，得到所述前景图的目标区域，包括：获取间隔预设数量个帧的所述前景图；基于目标检测模型，检测所述前景图中的所述待检测目标，得到所述前景图的目标信息，所述目标信息至少包括所述待检测目标的检测框和目标类别；根据目标类别，对所述待检测目标的所述检测框进行区域标定，得到所述目标区域。3.根据权利要求2所述的预警方法，其特征在于，所述基于待对比区域，利用差异检测模型对所述目标区域进行处理，确定所述待对比区域和所述目标区域之间的多个差异区域，包括：利用所述目标检测模型中的注意力机制模块分别对所述前景图和所述背景图进行图像特征提取，得到所述待对比区域的第一多层级差异特征和所述目标区域的第二多层级差异特征，其中，多层级差异特征至少包括图像通道差异特征和图像空间差异特征；利用所述差异检测模型的差异特征增强模块，对所述第一多层级差异特征和所述第二多层级差异特征分别进行特征增强，得到所述前景图对应的第一增强特征图和所述背景图对应的第二增强特征图；将所述第一增强特征图和所述第二增强特征图输入通道注意力模块进行进一步增强，以对所述前景图和所述背景图之间的差异特征建立联系；将所述差异特征与多层级的网络特征进行合并操作，得到多个所述差异区域。4.根据权利要求3所述的预警方法，其特征在于，所述目标检测模型包含多个骨干网络，所述骨干网络中包括瓶颈模块；在利用所述目标检测模型中的注意力机制模块分别对所述前景图和所述背景图进行图像特征提取，得到所述待对比区域的第一多层级差异特征和所述目标区域的第二多层级差异特征之前，所述预警方法还包括：将所述注意力机制模块嵌入所述瓶颈模块中，得到更新后的瓶颈模块；其中，所述注意力机制模块能够对更新前的所述瓶颈模块的输出特征的权值进行提取，得到图像的空间注意力权值，所述空间注意力权值通过与更新前的所述瓶颈模块的输出特征进行像素级相乘，且与图像的输入特征进跨层链接，以使更新后的所述瓶颈模块得到所述前景图对应输出的多层级第一特征图以及所述背景图对应输出的多层级第二特征图。5.根据权利要求4所述的预警方法，其特征在于...

【专利技术属性】
技术研发人员：戴媛，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：