一种智能AI水库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智能AI水库目标检测方法及系统，包括以下步骤：实时获取待测水库周围环境的视频流，基于所述视频流按帧数获取视频流图像；对所述视频流图像进行预处理，对预处理后的图像进行特征提取和特征融合处理，获取融合后的图像；对融合后的图像进行图像预测，获取检测完成后的图像，对所述图像进行未知目标判断，检测出未知目标的图像上传至服务器并发出警报信息。本发明专利技术根据预先设定的检测区域和目标类别准确地检测出范围内的目标类别和数量，能够达到实际工程的要求。能够达到实际工程的要求。能够达到实际工程的要求。

【技术实现步骤摘要】
一种智能AI水库目标检测方法及系统


[0001]本专利技术属于水库目标检测
，尤其涉及一种智能AI水库目标检测方法及系统。

技术介绍

[0002]为了减少人力实时检测的压力，并且做到全天候不间断检测，水库目标检测大多基于计算机视觉的算法，根据被检测对象的形状、大小等特征进行目标检测，或者基于人工智能算法设定不同范围的阈值进行被检测对象和背景的区分。
[0003]近年来计算机视觉算法迅猛发展，但在该领域中之前使用到的人工智能算法网络结构较为复杂，例如区域卷积神经网络(Regions with Convolutional Network，RCNN)系列都是生成候选区域后，再针对候选区域进行识别，最后经过阈值设定实现目标检测。SSD(Single Shot MultiBox Detector)可以在不同的层级特征图下进行检测，但是算法复杂度较高。同时，技术上还存在目标检测精度低、实时性检测效果差、不同场景泛化能力弱、硬件和算法不能更好结合等问题。
[0004]针对上述技术问题，本专利提供了一种基于深度学习网络的水库目标检测方法，可以实时读取多路摄像头视频流进行检测，解决了现有技术检测速度慢的不足，更好地提升检测效率和精度，并且减少无效资源的消耗。

技术实现思路

[0005]为解决上述技术问题，本专利技术提出了一种智能AI水库目标检测方法及系统，根据预先设定的检测区域和目标类别准确地检测出范围内的目标类别和数量，能够达到实际工程的要求。
[0006]一方面为实现上述目的，本专利技术提供了一种智能AI水库目标检测方法，包括以下步骤：
[0007]实时获取待测水库周围环境的视频流，基于所述视频流按帧数获取视频流图像；
[0008]对所述视频流图像进行预处理，对预处理后的图像进行特征提取和特征融合处理，获取融合后的图像；
[0009]对融合后的图像进行图像预测，获取检测完成后的图像，对所述图像进行未知目标判断，检测出未知目标的图像上传至服务器并发出警报信息。
[0010]可选的，实时获取待测水库周围环境的视频流，首先需要采用若干个网络摄像头，所述网络摄像头的信息包括：摄像头用户名、摄像头管理密码、帧率、图像分辨率、IP地址、物理地址。
[0011]可选的，实时获取待测水库周围环境的视频流的具体方法包括：根据摄像头RTSP协议进行客户机和服务器请求交互数据流，基于交互数据流采用OpenCV实时获取待测水库周围环境的视频流。
[0012]可选的，基于所述视频流按帧数获取视频流图像的方法包括：
[0013]确定区域检测范围，计算出不规则范围各个顶点的坐标占据的整幅图像中宽和高的比例；
[0014]基于划定的检测范围，将划定的检测范围的图像保持不变，检测范围外的用纯色覆盖；
[0015]对所述划定的检测范围的图像进行检测，并在图像上记录目标的类别信息、概率信息和目标框信息；
[0016]将记录目标的类别信息、概率信息和目标框信息标注在原始图像上。
[0017]可选的，获取融合后的图像的方法包括：
[0018]对所述视频流图像进行数据增强处理，对光照变化大、纹理不清晰情况下的小目标进行采样处理，获取所述预处理后的图像；
[0019]基于加深骨干网络，对预处理后的图像进行预设目标框优化，获取预设目标优化图像，对所述预设目标优化图像进行特征提取和特征融合处理，获取融合后的图像。
[0020]可选的，检测出未知目标的图像上传至服务器，其中上传的方法具体包括：
[0021]在同一个检测范围中，检测结果中若目标数量连续3次大于0且3次目标数均相同的情况出现，则记录下3次检测结果，并连续检测第4次；
[0022]若目标和前3次相同，则抛弃第4次检测结果，并不保存接下来连续10次检测结果；
[0023]从第11次若出现目标则重新保存检测结果，未出现目标则不保存。
[0024]可选的，所述报警信息包括：报警类型、报警描述、摄像头编号、机位编号、报警数量、附件流、附件名称、报警时间。
[0025]另一方面为实现上述目的，本专利技术还提供了一种智能AI水库目标检测系统，包括：图像采集模块、图像预处理模块、图像特征提取模块、图像特征融合模块、图像预测模块和图像判断模块，所述图像采集模块、所述图像预处理模块、所述图像特征提取模块、所述图像特征融合模块、所述图像预测模块和所述图像判断模块依次连接；
[0026]所述图像采集模块，用于获取待测水库周围环境的视频流，按帧数获取视频流图像；
[0027]所述图像预处理模块，用于对所述视频流图像进行数据增强处理，获取预处理后的图像；
[0028]所述图像特征提取模块，用于对所述预处理后的图像进行特征提取处理，获取特征提取后的图像；
[0029]所述图像特征融合模块，用于对所述特征提取后的图像进行特征融合处理，获取融合后的图像；
[0030]所述图像预测模块，用于对所述融合后的图像进行图像预测处理，获取检测完成后的图像；
[0031]所述图像判断模块，用于对所述检测完成后的图像进行未知目标判断，检测出未知目标的图像上传至服务器并发出警报信息。
[0032]本专利技术技术效果：本专利技术技术效果：本专利技术公开了一种基于深度学习网络的水库目标检测方法及系统，将水库中多路摄像头数据流实时拉取，用户能自定义范围内的检测区域，该检测方法主要通过深度神经网络进行特征提取，使用网络提取候选边框，最后通过极大值抑制的方式舍去候选边框。同时算法在检测速度上实现了TensorRT加速，使算法根
据预先设定的检测区域、目标类别更快速准确地检测出范围内的目标类别和数量，极大提升了检测的效率，并且在设定条件下实现自动报警功能。实验验证表明，本专利技术可以在不同场景条件准确检测出目标类别和数量，准确率达到98.9％，能够满足实际工程的需求。
附图说明
[0033]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0034]图1为本专利技术实施例一种智能AI水库目标检测方法的流程示意图；
[0035]图2为本专利技术实施例TensorRT安装验证示意图；
[0036]图3为本专利技术实施例光照条件好、不规则区域内单目标检测结果示意图；
[0037]图4为本专利技术实施例光照条件好、不规则区域内多目标检测结果示意图；
[0038]图5为本专利技术实施例光照条件好、同一场景中出现的多类和多目标示意图；
[0039]图6为本专利技术实施例光照强度大、不规则区域内目标检测结果示意图；
[0040]图7为本专利技术实施例光照条件差、不规则区域内目标检测结果示意图；
[0041]图8为本专利技术实施例检测结果信息显示示意图；
[0042]图9为本专利技术实施例报警信息上传服务器成功返回值示意图；
[0043]图10为本专利技术实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能AI水库目标检测方法，其特征在于，包括以下步骤：实时获取待测水库周围环境的视频流，基于所述视频流按帧数获取视频流图像；对所述视频流图像进行预处理，对预处理后的图像进行特征提取和特征融合处理，获取融合后的图像；对融合后的图像进行图像预测，获取检测完成后的图像，对所述图像进行未知目标判断，检测出未知目标的图像上传至服务器并发出警报信息。2.如权利要求1所述的智能AI水库目标检测方法，其特征在于，实时获取待测水库周围环境的视频流，首先需要采用若干个网络摄像头，所述网络摄像头的信息包括：摄像头用户名、摄像头管理密码、帧率、图像分辨率、IP地址、物理地址。3.如权利要求2所述的智能AI水库目标检测方法，其特征在于，实时获取待测水库周围环境的视频流的具体方法包括：根据摄像头RTSP协议进行客户机和服务器请求交互数据流，基于交互数据流采用OpenCV实时获取待测水库周围环境的视频流。4.如权利要求1所述的智能AI水库目标检测方法，其特征在于，基于所述视频流按帧数获取视频流图像的方法包括：确定区域检测范围，计算出不规则范围各个顶点的坐标占据的整幅图像中宽和高的比例；基于划定的检测范围，将划定的检测范围的图像保持不变，检测范围外的用纯色覆盖；对所述划定的检测范围的图像进行检测，并在图像上记录目标的类别信息、概率信息和目标框信息；将记录目标的类别信息、概率信息和目标框信息标注在原始图像上。5.如权利要求1所述的智能AI水库目标检测方法，其特征在于，获取融合后的图像的方法包括：对所述视频流图像进行数据增强处理，对光照变化大、纹理不清晰情况下的小目标进行采样处理，获取所述预处理后的图像；基于加深骨干网络，对预处理后的图像进行预设目标...

【专利技术属性】
技术研发人员：刘甲甲，万毅，马忠丽，张顺，安若瑾，张佳鹏，张航天，
申请(专利权)人：成都信息工程大学，
类型：发明
国别省市：