【技术实现步骤摘要】
一种基于视频分割的无人扫地机器车异常检测方法及系统
[0001]本专利技术涉及人工智能
，尤其涉及一种基于视频分割的无人扫地机器车异常检测方法及系统。
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]无人扫地机器车在扫地的过程中，机器车的周围难免会出现突发状况，如物体闯入、机器停滞不前，当无人扫地机器车不能准确识别突发状况类的异常事件时，会影响自动化扫地机器车的响应判断而造成事故发生，如碰撞、道路堵塞等。现有的视频异常检测技术，通常为通过摄像头获取无人扫地机器车周围视频，对周围视频中的活动物体进行识别，判断有无异常事件发生，但由于视频中活动的物体并非完全是需要检测异常的对象，如可以当作背景的喷泉、风吹动的树叶等，当即将所有活动物体均判定为异常事件时，增加异常事件检测的错误率。
技术实现思路
本专利技术为了解决上述问题，提出了一种基于视频分割的无人扫地机器车异常检测方法及系统，获取了当前时刻实例掩码和预测实例掩码，并计算了当前时刻实例...
【技术保护点】
【技术特征摘要】
1.一种基于视频分割的无人扫地机器车异常检测方法，其特征在于，包括：获取无人扫地机器车的监控视频；对监控视频进行帧划分，获得当前时刻视频帧和历史时刻视频帧；根据当前时刻视频帧、历史时刻视频帧和训练好的视频实例分割模型，获得当前时刻实例掩码和历史时刻实例掩码；根据历史时刻实例掩码和训练好的生成模型，获得当前时刻预测实例掩码；计算获得当前时刻实例掩码在当前时刻视频帧的占比和当前时刻预测实例掩码与当前时刻实例掩码的交并比，将占比和交并比进行加权，获得当前时刻视频帧的比重；根据当前时刻视频帧的比重，判断当前时刻是否发生了异常事件。2.如权利要求1所述的一种基于视频分割的无人扫地机器车异常检测方法，其特征在于，视频实例分割模型从当前时刻视频帧和历史时刻视频帧中检测实例目标，获得包含当前时刻视频帧目标矩阵和历史时刻视频帧目标矩阵的目标检测集合，计算相邻两个时刻视频帧目标矩阵的相似度，获得亲和度矩阵集合，通过目标检测集合圈定各时刻视频帧中实例目标的初始位置，通过亲和度矩阵集合对实例目标的初始位置进行校正，将实例目标的初始位置中相邻两个时刻视频帧的相似度小于等于设定阈值的像素区域排除，获得各时刻实例掩码。3.如权利要求1所述的一种基于视频分割的无人扫地机器车异常检测方法，其特征在于，生成模型采用卷积神经网络模型。4.如权利要求1所述的一种基于视频分割的无人扫地机器车异常检测方法，其特征在于，生成模型的损失函数包括实例的活动范围损失函数、实例掩码预测误差损失函数和实例掩码的光流损失函数。5.如权利要求1所述的一种基于视频分割的无人扫地机器车异常检测方法，其特征在于，将当前时刻视频帧的比重和异常事件比重阈值进行比较，当当前时刻视频帧的比重大于等于异常事件比重阈值时，判断当前时刻发生了异常事件；当当前时刻视频帧的比重小于异常事件比重阈值时，判断当前时刻没有发生异常事...
【专利技术属性】
技术研发人员：徐龙生，孙振行，庞世玺，杨纪冲，
申请(专利权)人：山东省凯麟环保设备股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。