【技术实现步骤摘要】
本专利技术涉及视频监控，特别是涉及一种输煤栈桥的视频智能监控系统及方法。
技术介绍
1、人工智能监控系统在火电厂的应用，为实现智慧电厂奠定了基础。随着先进的视频识别技术的推广和应用，电厂输煤系统的智能化监控可以逐步达到一个标准化、常态化的模式。
2、现有技术中，通过人工智能技术对工业电视系统进行优化改造，实现用前端高清摄像机结合神经网络模型代替人工巡检工作，但是神经网络模型对输煤图像样本识别准确率低，不对识别结果进行确认，导致发送错误报警信号，降低输煤系统工作效率。
技术实现思路
1、针对上述现有技术存在的问题，本专利技术的目的是提供一种输煤栈桥的视频智能监控系统及方法，解决了神经网络模型对输煤图像样本识别准确率低，不对识别结果进行确认，导致发送错误报警信号的问题。
2、为了实现上述目的，本专利技术提供了一种输煤栈桥的视频智能监控系统及方法，该系统包括：
3、采集模块，用于实时采集监控区域的视频图像，对视频图像进行预处理，得到待检图像；
4、识别模块，用于将所述待检图像输入至训练好的神经网络模型中，所述神经网络模型对待检图像进行特征提取和识别，得到识别结果；
5、判断模块，用于计算所述识别结果的置信度，若所述置信度不小于预设置信度阈值，判断所述识别结果是否处于故障特征库，若处于所述故障特征库，发送报警信号。
6、在本申请的一些实施例中，训练好的神经网络模型，包括：
7、获取历史视频图像，对所述历史视
8、构建预设神经网络模型，根据训练集对所述预设神经网络模型进行训练，所述预设神经模型对所述训练集进行特征提取和识别，得到第一神经网络模型；
9、将所述测试集输入至第一神经网络模型中，得到测试识别结果，根据所述测试识别结果得到所述第一神经模型的应用评价度；
10、当所述应用评价度不小于预设应用评价度阈值时，将所述第一神经模型设定为训练好的神经网络模型，当所述应用评价度小于预设应用评价度阈值时，增设所述训练集，对所述第一神经网络模型进行迭代训练。
11、在本申请的一些实施例中，所述预设神经模型对所述训练集进行特征提取和识别，包括：
12、所述预设神经模型对所述训练集中的历史视频图像进行分割，确定目标区域，对所述目标区域进行提取，得到提取结果，将所述提取结果与故障特征库进行匹配，若匹配，识别结果为目标区域对应的历史视频图像是故障图像，若不匹配，识别结果为目标区域对应的历史视频图像是正常图像，其中，所述目标区域为疑似故障区域；
13、所述目标区域的提取结果为：
14、
15、其中，为预设神经模型中第j个卷积层的第i通道输出的目标区域的提取结果，e为预设神经模型偏置值，y为激活函数，为预设神经模型卷积核，h0为卷积核的权重值，gi为预设神经模型中第j个卷积层输入的历史视频图像。
16、在本申请的一些实施例中，将所述提取结果与故障特征库进行匹配，包括：
17、对所述提取结果进行特征分析得到第一预设特征集，第二预设特征集和第三预设特征集；
18、根据匹配算法依次计算第一预设特征集、第二预设特征集、第三预设特征集与故障特征库的第一匹配度、第二匹配度和第三匹配度；
19、将第一匹配度、第二匹配度和第三匹配度进行加权计算，得到特征匹配度值，若所述特征匹配度值大于预设匹配度阈值，则提取结果与故障特征库匹配，若所述特征匹配度值不大于预设匹配度阈值，则提取结果与故障特征库不匹配。
20、在本申请的一些实施例中，根据所述测试识别结果得到所述预设神经模型的应用评价度，包括：
21、根据所述测试识别结果得到正确识别的第一样本数量a1，正确识别故障图像的第二样本数量a2，正确识别正常图像的第三数量a3，错误识别正常图像的第四数量数量a4；
22、所述应用评价度的计算公式为：
23、
24、其中，k为应用评价度，w为测试集识别结果的全部样本数量。
25、在本申请的一些实施例中，计算所述识别结果的置信度，包括：
26、根据当前识别结果对应的样本维度值计算样本评价度，根据样本评价度与应用评价度确定所述识别结果的置信度；
27、所述样本维度值根据样本分辨率与样本有效值进行计算；
28、所述样本评价度的计算公式为：
29、
30、其中，q为样本评价度，l为摄像机摄像范围，v为摄像机精度，β1为样本分辨率对应的权重值，r0为样本宽和高，r1为卷积核的宽和高，s为步长值，p为样本需填充个数，β2为样本有效值对应的权重值；
31、所述置信度的计算公式为：
32、t＝k*α1+q*α2；
33、其中，t为置信度，α1为应用评价度对应的权重值，α2为样本评价度对应的权重值。
34、在本申请的一些实施例中，对视频图像进行预处理，包括：
35、对视频图像进行灰度处理，得到灰度图像，对所述灰度图像去除噪声数据，得到待检图像，其中所述灰度处理对视频图像多个颜色进行加权平均处理，转换为灰度值。
36、在本申请的一些实施例中，判断所述识别结果是否处于故障特征库，若处于所述故障特征库，发送报警信号，包括：
37、将所述识别结果与故障特征库进行匹配，得到多个匹配值，对多个匹配值进行加权计算，得到最终的匹配度值，若最终的匹配度值大于预设匹配度阈值，则识别结果与故障特征库匹配，所述识别结果处于故障特征库，发送报警信号，若最终的匹配度值不大于预设匹配度阈值，则识别结果与故障特征库不匹配，所述识别结果不处于故障特征库，不发送报警信号。
38、在本申请的一些实施例中，还包括一种输煤栈桥的视频智能监控方法：
39、实时采集监控区域的视频图像，对视频图像进行预处理，得到待检图像；
40、将所述待检图像输入至训练好的神经网络模型中，所述神经网络模型对待检图像进行特征提取和识别，得到识别结果；
41、计算所述识别结果的置信度，若所述置信度不小于预设置信度阈值，判断所述识别结果是否处于故障特征库，若处于所述故障特征库，发送报警信号。
42、本专利技术提供了一种输煤栈桥的视频智能监控系统及方法，相较现有技术，具有以下有益效果：
43、本专利技术公开了一种输煤栈桥的视频智能监控系统及方法，通过对视频图像进行预处理得到待检图像，将待检图像输入至训练好的神经网络模型中，神经网络模型对待检图像进行特征提取和识别，得到识别结果，计算识别结果的置信度，若置信度不小于预设置信度阈值，再判断识别结果是否处于故障特征库，若处于所述故障特征库，发送报警信号，若置信度小于预设置本文档来自技高网...
【技术保护点】
1.一种输煤栈桥的视频智能监控系统，其特征在于，包括：
2.根据权利要求1所述的输煤栈桥的视频智能监控系统，其特征在于，训练好的神经网络模型，包括：
3.根据权利要求2所述的输煤栈桥的视频智能监控系统，其特征在于，所述预设神经模型对所述训练集进行特征提取和识别，包括：
4.根据权利要求3所述的输煤栈桥的视频智能监控系统，其特征在于，将所述提取结果与故障特征库进行匹配，包括：
5.根据权利要求3所述的输煤栈桥的视频智能监控系统，其特征在于，根据所述测试识别结果得到所述预设神经模型的应用评价度，包括：
6.根据权利要求5所述的输煤栈桥的视频智能监控系统，其特征在于，计算所述识别结果的置信度，包括：
7.根据权利要求6所述的输煤栈桥的视频智能监控系统，其特征在于，对视频图像进行预处理，包括：
8.根据权利要求4所述的输煤栈桥的视频智能监控方法，其特征在于，判断所述识别结果是否处于故障特征库，若处于所述故障特征库，发送报警信号，包括：
9.一种输煤栈桥的视频智能监控方法，其特征在于，包括：p>...
【技术特征摘要】
1.一种输煤栈桥的视频智能监控系统，其特征在于，包括：
2.根据权利要求1所述的输煤栈桥的视频智能监控系统，其特征在于，训练好的神经网络模型，包括：
3.根据权利要求2所述的输煤栈桥的视频智能监控系统，其特征在于，所述预设神经模型对所述训练集进行特征提取和识别，包括：
4.根据权利要求3所述的输煤栈桥的视频智能监控系统，其特征在于，将所述提取结果与故障特征库进行匹配，包括：
5.根据权利要求3所述的输煤栈桥的视频智能监控系统，其特征在于，根据所...
【专利技术属性】
技术研发人员：孙泽平，徐海，单军，赵菲，沈强，尹浩洁，
申请(专利权)人：华能临沂发电有限公司，
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。