一种异常检测方法以及异常检测系统技术方案

本申请涉及人工智能技术领域，特别是涉及一种异常检测方法以及异常检测系统。所述方法包括：获取巡检视频数据以及巡检定位数据，基于所述巡检定位数据确定巡检机器人所处的位置区间；在异常检测模型池中确定与所述位置区间对应的目标异常检测模型，所述异常检测模型池中包括预先构建的各个位置区间的异常检测模型，所述异常检测模型基于在对应的所述位置区间采集的数据训练得到；应用所述目标异常检测模型对所述巡检视频数据进行异常检测，得到巡检结果。采用本方法能够降低智能巡检系统中异常检测模型的开发成本，提高模型输出结果的准确度。准确度。准确度。

【技术实现步骤摘要】
一种异常检测方法以及异常检测系统


[0001]本申请涉及人工智能
，特别是涉及一种异常检测方法以及异常检测系统。

技术介绍

[0002]巡检是指由技术人员在规定的负责区域内，按照特定的巡检路线对巡检区域内的设备或环境进行检查并记录，得到巡检结果后进行上报的工作。相比于在特定点位通过摄像头进行视频监控的方式，巡检可以将检测工作覆盖到巡检区域内更大的范围内，突出了动态检查的属性，因此在生产、生活中得到了广泛的应用。随着遥感技术以及遥感数据获取方式的发展，尤其是无人机应用的快速发展，利用无人机原理构建的巡检机器人可以按照预先设定得巡检路线，在巡检区域内获取设备以及环境得视频数据或图像数据，再通过算法模型对视频数据或图像数据进行分析，得到巡检结果，最终降低了巡检工作所需的人工成本。
[0003]目前，在常见的智能机器巡检中，智能巡检机器人通常整合有机器人技术、传感器技术、视觉识别技术、导航定位技术等以实现对环境、设备的不间断监测。其中的传感器技术和视觉识别技术为智能异常检测的关键技术，例如烟雾传感器、温度传感器、水位传感器以及气体传感器等可解决火灾、水灾、有害气体泄露等异常问题的检出。视觉识别技术即通过在巡检系统中配置视觉识别算法模型，从而实现人员闯入、明火火灾、设备外观缺陷等一类仅通过观察图像即可判别出异常的检测功能。
[0004]然而，目前的智能机器巡检方式，存在如下的技术问题：
[0005]目前的智能机器巡检中，巡检结果依赖于异常检测模型的应用，但是相关技术的异常检测模型的整体开发成本高，模型输出结果的准确度较低。

技术实现思路

[0006]基于此，有必要针对上述技术问题，提供一种能够降低智能巡检系统中异常检测模型的开发成本，提高模型输出结果的准确度的一种异常检测方法以及一种异常检测系统。
[0007]第一方面，本申请提供了一种异常检测方法。所述方法包括：
[0008]获取巡检视频数据以及巡检定位数据，基于所述巡检定位数据确定巡检机器人所处的位置区间；
[0009]在异常检测模型池中确定与所述位置区间对应的目标异常检测模型，所述异常检测模型池中包括预先构建的各个位置区间的异常检测模型，所述异常检测模型基于在对应的所述位置区间采集的数据训练得到；
[0010]应用所述目标异常检测模型对所述巡检视频数据进行异常检测，得到巡检结果。
[0011]在其中一个实施例中，所述方法包括：
[0012]构建特征提取模型，基于公开数据集将所述特征提取模型训练至收敛，得到预训
练模型；
[0013]获取巡检区域内设备与环境均处于正常状态时的第一巡检视频数据，基于所述第一巡检视频数据构建初始样本集，所述初始样本集包括训练集以及测试集；
[0014]应用所述预训练模型对所述初始样本集进行特征重构，得到与所述初始样本集对应的特征向量集，所述特征向量集包括训练特征集以及测试特征集；
[0015]应用预设的中心算法在所述训练特征集中确定若干个中心特征，以所述中心特征构建所述异常检测模型的特征池；
[0016]获取所述异常检测模型的异常检测阈值，所述异常检测阈值基于由所述测试特征集构建的PR曲线确定。
[0017]在其中一个实施例中，所述应用所述目标异常检测模型对所述巡检视频数据进行异常检测，得到巡检结果包括：
[0018]按照预设的采样规则在所述巡检视频数据中提取出样本图像；
[0019]应用所述预训练模型将所述样本图像处理为样本特征；
[0020]遍历计算所述样本特征与所述特征池中每个所述中心特征的特征距离；
[0021]利用所述异常检测阈值对所述特征距离进行判别，得到所述巡检结果。
[0022]在其中一个实施例中，所述获取巡检区域内设备与环境均处于正常状态时的第一巡检视频数据，基于所述第一巡检视频数据构建初始样本集，所述初始样本集包括训练集以及测试集包括：
[0023]抽取所述第一巡检视频数据中的每一帧正常样本图像，以所述正常样本图像构建得到正常样本集；
[0024]对所述正常样本图像进行差异处理，得到异常样本图像，以所述异常样本图像构建得到异常样本集，所述差异处理包括图像噪声添加、图像遮挡以及图像裁剪中的一种或多种；
[0025]按照预设的样本比例重构所述正常样本集以及所述异常样本集，得到所述训练集以及所述测试集。
[0026]在其中一个实施例中，所述按照预设的样本比例重构所述正常样本集以及所述异常样本集，得到所述训练集以及所述测试集包括：
[0027]获取所述正常样本图像以及异常样本图像的掩膜图像，以所述掩膜图像作为所述正常样本图像以及所述异常样本图像的标签图像；
[0028]以所述标签图像、所述异常样本图像以及所述正常样本图像构建得到所述测试集。
[0029]在其中一个实施例中，获取所述巡检区域内与不同的位置区间对应的所述异常检测模型并构建为异常检测模型池；
[0030]当预设的模型更新条件被触发时，获取待更新的所述异常检测模型对应的位置区间内的所述第一巡检视频数据，基于更新后的所述第一巡检视频数据更新所述异常检测模型。
[0031]第二方面，本申请还提供了一种异常检测装置。所述装置包括：
[0032]巡检定位模块，用于获取巡检视频数据以及巡检定位数据，基于所述巡检定位数据确定巡检机器人所处的位置区间；
[0033]模型匹配模块，用于在异常检测模型池中确定与所述位置区间对应的目标异常检测模型，所述异常检测模型池中包括预先构建的各个位置区间的异常检测模型，所述异常检测模型基于在对应的所述位置区间采集的数据训练得到；
[0034]异常检测模块，用于应用所述目标异常检测模型对所述巡检视频数据进行异常检测，得到巡检结果。
[0035]在其中一个实施例中，所述装置包括：
[0036]模型构建模块，用于构建特征提取模型，基于公开数据集将所述特征提取模型训练至收敛，得到预训练模型；
[0037]样本构建模块，用于获取巡检区域内设备与环境均处于正常状态时的第一巡检视频数据，基于所述第一巡检视频数据构建初始样本集，所述初始样本集包括训练集以及测试集；
[0038]特征重构模块，用于应用所述预训练模型对所述初始样本集进行特征重构，得到与所述初始样本集对应的特征向量集，所述特征向量集包括训练特征集以及测试特征集；
[0039]特征池构建模块，用于应用预设的中心算法在所述训练特征集中确定若干个中心特征，以所述中心特征构建所述异常检测模型的特征池；
[0040]阈值确定模块，用于获取所述异常检测模型的异常检测阈值，所述异常检测阈值基于由所述测试特征集构建的PR曲线确定。
[0041]在其中一个实施例中，所述异常检测模块包括：
[0042]图像提取模块，用于按照预设的采样规则在所述巡检视频数据中提取出样本图像；
[0043]图像特征模块，用于应用所述预训本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常检测方法，其特征在于，所述方法包括：获取巡检视频数据以及巡检定位数据，基于所述巡检定位数据确定巡检机器人所处的位置区间；在异常检测模型池中确定与所述位置区间对应的目标异常检测模型，所述异常检测模型池中包括预先构建的各个位置区间的异常检测模型，所述异常检测模型基于在对应的所述位置区间采集的数据训练得到；应用所述目标异常检测模型对所述巡检视频数据进行异常检测，得到巡检结果。2.根据权利要求1所述的方法，其特征在于，所述方法包括：构建特征提取模型，基于公开数据集将所述特征提取模型训练至收敛，得到预训练模型；获取巡检区域内设备与环境均处于正常状态时的第一巡检视频数据，基于所述第一巡检视频数据构建初始样本集，所述初始样本集包括训练集以及测试集；应用所述预训练模型对所述初始样本集进行特征重构，得到与所述初始样本集对应的特征向量集，所述特征向量集包括训练特征集以及测试特征集；应用预设的中心算法在所述训练特征集中确定若干个中心特征，以所述中心特征构建所述异常检测模型的特征池；获取所述异常检测模型的异常检测阈值，所述异常检测阈值基于由所述测试特征集构建的PR曲线确定。3.根据权利要求2所述的方法，其特征在于，所述应用所述目标异常检测模型对所述巡检视频数据进行异常检测，得到巡检结果包括：按照预设的采样规则在所述巡检视频数据中提取出样本图像；应用所述预训练模型将所述样本图像处理为样本特征；遍历计算所述样本特征与所述特征池中每个所述中心特征的特征距离；利用所述异常检测阈值对所述特征距离进行判别，得到所述巡检结果。4.根据权利要求2所述的方法，其特征在于，所述获取巡检区域内设备与环境均处于正常状态时的第一巡检视频数据，基于所述第一巡检视频数据构建初始样本集，所述初始样本集包括训练集以及测试集包括：抽取所述第一巡检视频数据中的每一帧正常样本图像，以所述正常样本图像构建得到正常样本集；对所述正常样本图像进行差异处理，得到异常样本图像，以所述异常样本图像构建得到异常样本集，所述差异处理包括图像噪声添加、图像遮挡以及图像裁剪中的一种或多种；按照预设的样本比例重构所述正常样本集以及所述异常样本集，得到所述...

【专利技术属性】
技术研发人员：曹燕，王宏飞，
申请(专利权)人：苏州光格科技股份有限公司，
类型：发明
国别省市：