一种基于超分辨率重建的变电站吸烟行为识别方法技术

本发明专利技术公开了一种基于超分辨率重建的变电站吸烟行为识别方法包括：通过监控摄像头实时采集变电站图像；通过目标检测算法，识别定位出当前图像中人员面部位置；在原图中扣取图像中人员面部图像，进行图像超分辨率重建；对重建后的图像输入到分类网络进行精细化识别，输出识别结果。本发明专利技术提供的基于超分辨率重建的变电站吸烟行为识别方法对实时采集到的变电站图像进行分析，及时对变电站的吸烟行为进行告警；并能进行全天候24小时的工作，保证了变电站的安全性；采用图像超分辨率重建算法对小目标图像进行重建，能够减小算法中出现的虚警现象，提高算法对变电站吸烟行为识别的召回率和准确率。率和准确率。率和准确率。

【技术实现步骤摘要】
一种基于超分辨率重建的变电站吸烟行为识别方法


[0001]本专利技术涉及智能监控
，具体为一种基于超分辨率重建的变电站吸烟行为识别方法。

技术介绍

[0002]吸烟有害身体健康，尤其是变电站吸烟，还容易引发火灾、爆炸等安全事故。因此，需要对特定场所内的吸烟行为进行实时检测与发布警报。
[0003]目前，有以下两种吸烟行为识别方法：一种是使用烟雾报警装置检测吸烟行为，其监测效果与部署的传感器的数量成正比，为了达到较好的检查效果，往往需要部署大量的传感器，受烟雾报警装置自身灵敏度的影响，开放的环境，导致检查效果往往比较差；另一种方法是利用监控摄像头获取人脸图像，采用深度学习的方法对人脸信息进行检测，判断是否存在吸烟行为，这种方法的弊端是必须采集到清晰的正面人脸图像，同时香烟的特征也必须明显，导致此方法的准确率比较低。

技术实现思路

[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0005]鉴于上述存在的问题，提出了本专利技术。
[0006]因此，本专利技术解决的技术问题是：现有的吸烟行为识别方法存在投入成本高、准确率比较低的问题，以及实现全天候吸烟行为监测的优化问题。
[0007]为解决上述技术问题，本专利技术提供如下技术方案：一种基于超分辨率重建的变电站吸烟行为识别方法，包括：
[0008]通过监控摄像头实时采集变电站图像；
[0009]通过目标检测算法，识别定位出当前图像中人员面部位置；
[0010]在原图中扣取图像中人员面部图像，进行图像超分辨率重建；
[0011]对重建后的图像输入到分类网络进行精细化识别，输出识别结果。
[0012]作为本专利技术所述的基于超分辨率重建的变电站吸烟行为识别方法的一种优选方案，其中：所述通过监控摄像头实时采集变电站图像包括：
[0013]通过监控摄像头实时拍摄监控视频；
[0014]从监控视频中抽帧获得图像；
[0015]将图像像素等比缩放至640
×
640px。
[0016]作为本专利技术所述的基于超分辨率重建的变电站吸烟行为识别方法的一种优选方案，其中：所述从监控视频中抽帧获得图像包括：
[0017]根据历史人员活动情况将全天时间分为密集活动时段、一般时段和相对静止时段；
[0018]设置所述密集活动时段关键帧抽取图像时间间隔为D1；
[0019]设置所述一般时段关键帧抽取图像时间间隔为D2；
[0020]设置所述相对静止时段关键帧抽取图像时间间隔为D3；
[0021]所述D1＜D2＜D3。
[0022]作为本专利技术所述的基于超分辨率重建的变电站吸烟行为识别方法的一种优选方案，其中：所述从监控视频中抽帧获得图像还包括：
[0023]判断所述抽取图像中是否存在人员活动；
[0024]当有人员活动时，所述一般时段和相对静止时段关键帧抽取图像频率按照D1进行，所述密集活动时段关键帧抽取图像时间间隔不变；
[0025]当无人员活动时关键帧抽取图像频率不变。
[0026]作为本专利技术所述的基于超分辨率重建的变电站吸烟行为识别方法的一种优选方案，其中：所述判断是否进行图像超分辨率重建的步骤包括：
[0027]通过目标检测算法获得人脸图像的坐标；
[0028]在原图中扣取图像中人员面部图像；
[0029]判断面部图像大小是否大于112
×
112px；
[0030]若是，则不对面部图像进行图像超分辨率重建；
[0031]若否，则对面部图像进行图像超分辨率重建。
[0032]作为本专利技术所述的基于超分辨率重建的变电站吸烟行为识别方法的一种优选方案，其中：所述对面部图像进行图像超分辨率重建是指通过超分辨率算法将所述人员面部图像重建到图像大小为224
×
224px。
[0033]作为本专利技术所述的基于超分辨率重建的变电站吸烟行为识别方法的一种优选方案，其中：所述对重建后的图像输入到分类网络进行精细化识别的步骤包括：
[0034]采集历史识别错误的图像构建负样本特征库；
[0035]采用神经网络提取特征向量；
[0036]计算此特征向量与负样本特征库中所有特征向量的最大归一化自相关系数；
[0037]设置最大归一化自相关系数阈值，进行结果输出。
[0038]作为本专利技术所述的基于超分辨率重建的变电站吸烟行为识别方法的一种优选方案，其中：所述最大归一化自相关系数γ
max
计算方法为：
[0039]γ
max
＝max(γ
k
)，k＝1,2,
…
,N
[0040][0041]其中，γ
k
为2个特征向量V
k
、V
T
的归一化相关系数，V
k,i
为样本库中第i个特征向量，V
T,i
为提取得到的第i个特征向量，P为负样本特征库中特征向量i数量。
[0042]作为本专利技术所述的基于超分辨率重建的变电站吸烟行为识别方法的一种优选方案，其中：所述最大归一化自相关系数阈值为0.9；
[0043]若最大归一化自相关系数大于0.9，认为此检测结果为负样本虚警，不进行结果输出；
[0044]否则，认为此检测结果为正确，输出检测结果。
[0045]作为本专利技术所述的基于超分辨率重建的变电站吸烟行为识别方法的一种优选方案，其中：所述结果输出包括：向吸烟人员所在区域发出吸烟警告，同时将吸烟人员面部图像、时间、所在区域、摄像机编号上传警告结果库。
[0046]本专利技术的有益效果：本专利技术提供的基于超分辨率重建的变电站吸烟行为识别方法对实时采集到的变电站图像进行分析，及时对变电站的吸烟行为进行告警；并能进行全天候24小时的工作，保证了变电站的安全性；采用图像超分辨率重建算法对小目标图像进行重建，能够减小算法中出现的虚警现象，提高算法对变电站吸烟行为识别的召回率和准确率。
附图说明
[0047]为了更清楚地说明本专利技术实施例的技术方案，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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
[0048]图1为本专利技术一个实施例提供的一种基于超分辨率重建的变电站吸烟行为识别方法的整体流程图。
具体实施方式
[0049]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，下面结合说明书附图对本专利技术的具体实施方式做详细的说明，显然所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于超分辨率重建的变电站吸烟行为识别方法，其特征在于，包括：通过监控摄像头实时采集变电站图像；通过目标检测算法，识别定位出当前图像中人员面部位置；在原图中扣取图像中人员面部图像，进行图像超分辨率重建；对重建后的图像输入到分类网络进行精细化识别，输出识别结果。2.如权利要求1所述的基于超分辨率重建的变电站吸烟行为识别方法，其特征在于：所述通过监控摄像头实时采集变电站图像包括：通过监控摄像头实时拍摄监控视频；从监控视频中抽帧获得图像；将图像像素等比缩放至640
×
640px。3.如权利要求2所述的基于超分辨率重建的变电站吸烟行为识别方法，其特征在于：所述从监控视频中抽帧获得图像包括：根据历史人员活动情况将全天时间分为密集活动时段、一般时段和相对静止时段；设置所述密集活动时段关键帧抽取图像时间间隔为D1；设置所述一般时段关键帧抽取图像时间间隔为D2；设置所述相对静止时段关键帧抽取图像时间间隔为D3；所述D1＜D2＜D3。4.如权利要求2所述的基于超分辨率重建的变电站吸烟行为识别方法，其特征在于：所述从监控视频中抽帧获得图像还包括：判断所述抽取图像中是否存在人员活动；当有人员活动时，所述一般时段和相对静止时段关键帧抽取图像频率按照D1进行，所述密集活动时段关键帧抽取图像时间间隔不变；当无人员活动时关键帧抽取图像频率不变。5.如权利要求1所述的基于超分辨率重建的变电站吸烟行为识别方法，其特征在于：所述判断是否进行图像超分辨率重建的步骤包括：通过目标检测算法获得人脸图像的坐标；在原图中扣取图像中人员面部图像；判断面部图像大小是否大于112
×
112px；若是，则不对面部图像进行图像超分辨率重建；若否，则对面部图像进行图像超分辨率重建。6.如权利要求5所述...

【专利技术属性】
技术研发人员：李旭旭，陈在新，于洋，伍青，汪渊，贾承锦，蒋慧慧，
申请(专利权)人：国网四川省电力公司南充供电公司，
类型：发明
国别省市：