一种变电站多路视频实时目标检测方法及系统技术方案

本发明专利技术公开了一种变电站多路视频实时目标检测方法及系统，包括：获取待检测的变电站多路视频流数据；调用硬件环境参数接口，获取当前硬件环境参数，判断当前硬件环境；基于当前硬件环境，调用相关硬件环境下的接口函数，对获取的多路视频流数据进行解码；将解码后的多路视频流进行合并，然后输入至训练好的目标检测模型，输出每一路的目标检测结果。本发明专利技术可以同时适配不同的硬件环境或硬件设施，在GPU环境或CPU环境下皆可实现多路视频实时目标检测，无需改变算法模型。无需改变算法模型。无需改变算法模型。

【技术实现步骤摘要】
一种变电站多路视频实时目标检测方法及系统


[0001]本专利技术涉及目标检测
，尤其涉及一种变电站多路视频实时目标检测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]基于目标检测的实时视频检测技术，主要是从图像或视频中检测并分类出人们感兴趣的特定对象。可以将该技术应用于对变电站的远程可视化监控过程中，通过实时视频检测技术对于未穿工作服、未戴安全帽或者挂空悬浮物等目标进行检测并告警。
[0004]目前的目标检测模型多依赖于神经网络模型，需要大量的算力支撑，现有技术方案多是在NVIDIA的GPU下，或者在intel的CPU下进行模型部署，通过增大算法的方式来增加多路视频实时目标检测的需求；但是由于两者在架构参数以及处理算法上的不一致，导致路线之间的隔离性较大，不可跨硬件部署。
[0005]然而不同于学术研究，在实际应用中各种不同的需求场景都会出现。当前基于视频的实时目标检测技术多是基于特定的硬件部署实施，或基于特定的模型框架开发，不能灵活应对不同算法变更需求以及不同硬件环境的需求。

技术实现思路

[0006]为了解决上述问题，本专利技术提出了一种变电站多路视频实时目标检测方法及系统，能在不变更算法模型的情况下，灵活部署在多种应用场景或不同硬件环境下，最大化满足不同用户的需求。
[0007]在一些实施方式中，采用如下技术方案：
[0008]一种变电站多路视频实时目标检测方法，包括：r/>[0009]获取待检测的变电站多路视频流数据；
[0010]调用硬件环境参数接口，获取当前硬件环境参数，判断当前硬件环境；
[0011]基于当前硬件环境，调用相关硬件环境下的接口函数，对获取的多路视频流数据进行解码；
[0012]将解码后的多路视频流进行合并，然后输入至训练好的目标检测模型，输出每一路的目标检测结果。
[0013]作为进一步地方案，获取当前硬件环境参数，判断当前硬件环境，所述当前硬件环境包括CPU环境或GPU环境。
[0014]作为进一步地方案，判断出当前硬件环境之后，还包括：基于当前硬件环境下的参数配置接口，对每一路视频流的检测目标进行配置。
[0015]作为进一步地方案，基于每一路配置的检测目标，对于目标检测模型的每一路目标检测结果进行筛选，仅保留各路所配置的检测目标的检测结果并输出。
[0016]作为进一步地方案，所述目标检测模型选用深度神经网络模型，并基于当前硬件环境下的模型压缩方法，对目标检测模型进行压缩。
[0017]作为进一步地方案，所述对目标检测模型进行压缩的过程包括：层间融合或张量融合，其中层间融合包括横向合并和纵向合并。
[0018]作为进一步地方案，对多路视频流数据的解码、合并以及目标检测模型的处理和每一路视频流检测结果的输出，均是基于gstreamer框架实现。
[0019]在另一些实施方式中，采用如下技术方案：
[0020]一种变电站多路视频实时目标检测系统，包括：
[0021]数据获取模块，用于获取待检测的变电站多路视频流数据；
[0022]硬件环境判断模块，用于调用硬件环境参数接口，获取当前硬件环境参数，判断当前硬件环境；
[0023]数据解码模块，用于基于当前硬件环境，调用相关硬件环境下的接口函数，对获取的多路视频流数据进行解码；
[0024]目标检测模块，用于将解码后的多路视频流进行合并，然后输入至训练好的目标检测模型，输出每一路的目标检测结果。
[0025]在另一些实施方式中，采用如下技术方案：
[0026]一种终端设备，其包括处理器和存储器，处理器用于实现各指令；存储器用于存储多条指令，所述指令适于由处理器加载并执行上述的变电站多路视频实时目标检测方法。
[0027]在另一些实施方式中，采用如下技术方案：
[0028]一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的变电站多路视频实时目标检测方法。
[0029]与现有技术相比，本专利技术的有益效果是：
[0030](1)本专利技术提出了一种能够同时适配不同硬件环境的变电站多路视频目标检测方法，可以同时适配不同的硬件环境或硬件设施，在GPU环境或CPU环境下皆可实现多路视频实时目标检测，无需改变算法模型；基于不同的硬件环境，采用与相应目标环境相适配的目标检测方法，包括：视频解码、视频流的合并、模型压缩方法、目标检测及输出过程等，同时可以对每一路视频流分别输出不同的目标检测结果，可以满足多路视频检测结果之间的独立性；同时能够大幅降低目标检测算法对于硬件内存及性能的要求，提高目标检测效率。
[0031](2)本专利技术通过对目标检测模型进行压缩，减少了计算资源的消耗，使得整个目标检测模型结构更小、计算量更小、处理速度更高效。
[0032]本专利技术的其他特征和附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本方面的实践了解到。
附图说明
[0033]图1为本专利技术实施例中的变电站多路视频实时目标检测方法流程图。
具体实施方式
[0034]应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本专利技术使用的所有技术和科学术语具有与本申请所属
的普通技术人员通
常理解的相同含义。
[0035]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0036]实施例一
[0037]在一个或多个实施方式中，公开了一种变电站多路视频实时目标检测方法，参照图1，具体包括如下过程：
[0038](1)获取待检测的变电站多路视频流数据；具体地，在对变电站进行远程视频键控时，获取多路变电站远程监控数据。其中，多路视频指的是不同检测点的视频数据，来自不同的相机。
[0039](2)调用硬件环境参数接口，获取当前硬件环境参数，判断当前硬件环境；
[0040]具体地，当前硬件环境可以是GPU环境或者CPU环境，如果是GPU环境，就调用GPU的函数接口，采用适配于GPU的视频数据处理方法；同理，如果是CPU环境，就调用CPU的函数接口，采用适配于CPU的视频数据处理方法。
[0041]其中，视频数据处理方法包括了下面的视频流数据解码、多路视频流数据合并、目标检测模型处理及输出等过程。
[0042](3)基于当前硬件环境，调用相关硬件环境下的接口函数，对获取的多路视频流数据进行解码；
[0043]对变电站多路视频流数据进行解码的过程与现有技术相同，不再详述。...

【技术保护点】

【技术特征摘要】
1.一种变电站多路视频实时目标检测方法，其特征在于，包括：获取待检测的变电站多路视频流数据；调用硬件环境参数接口，获取当前硬件环境参数，判断当前硬件环境；基于当前硬件环境，调用相关硬件环境下的接口函数，对获取的多路视频流数据进行解码；将解码后的多路视频流进行合并，然后输入至训练好的目标检测模型，输出每一路的目标检测结果。2.如权利要求1所述的一种变电站多路视频实时目标检测方法，其特征在于，获取当前硬件环境参数，判断当前硬件环境，所述当前硬件环境包括CPU环境或GPU环境。3.如权利要求1所述的一种变电站多路视频实时目标检测方法，其特征在于，判断出当前硬件环境之后，还包括：基于当前硬件环境下的参数配置接口，对每一路视频流的检测目标进行配置。4.如权利要求3所述的一种变电站多路视频实时目标检测方法，其特征在于，基于每一路配置的检测目标，对于目标检测模型的每一路目标检测结果进行筛选，仅保留各路所配置的检测目标的检测结果并输出。5.如权利要求1所述的一种变电站多路视频实时目标检测方法，其特征在于，所述目标检测模型选用深度神经网络模型，并基于当前硬件环境下的模型压缩方法，对目标检测模型进行压缩。6.如权利要求5所述的一种变电站多路视频实时目标检测方法，其特征在于，所述对目标检...

【专利技术属性】
技术研发人员：张传友，王亚菲，徐攀，李健，邵光亭，邓燕，刘维栋，吴晓东，朱琳，付崇光，
申请(专利权)人：国网智能科技股份有限公司，
类型：发明
国别省市：