【技术实现步骤摘要】
本专利技术涉及监控领域，特别涉及一种基于ai图像分析的现场监控系统。
技术介绍
1、监控系统的应用范围非常广泛，涉及安防、交通、环境、生产和网络安全等多个领域，监控系统给人类提供安全保障、预防和应对突发事件、提高管理效率和决策的准确性。通过实时监测、图像采集并进行合理分析是本领域技术人员亟待解决的技术问题。
2、因此，本专利技术提供一种基于ai图像分析的现场监控系统。
技术实现思路
1、本专利技术提供一种基于ai图像分析的现场监控系统，通过对历史图像数据集中的第一图像进行预处理得到第二图像，基于第二图像构建现场管理模型，并基于对现场监控区域对当下实时图像的识别结果确定管理内容并进行管理，现场管理模型可以及时、有效和可靠的对现场监控区域的当下实时图像进行识别分类，降低人力成本、减少人工干预、实现现场监控区域管理的智能化和精准化、提高安全管理效率。
2、本专利技术提供一种基于ai图像分析的现场监控系统，包括：
3、获取模块：获取现场监控区域的历史图像集；
4、分析模块：对历史图像集中的所有第一图像进行预处理，得到对应的第二图像，并基于所有第二图像构建现场管理模型；
5、识别模块：基于现场管理模型识别所述现场监控区域的当下实时图像；
6、管理模块：根据识别结果确定所述现场监控区域的管理内容进行管理。
7、优选的，所述分析模块，包括：
8、转换单元：将历史图像集中的所有第一图像转换为对应的第一灰
9、绘制单元：绘制所述第一灰度图像的直方图，获取每个灰度级别的像素数量并计算对应的累积分布值；
10、映射单元：对每个灰度级别根据对应的累积分布值进行映射，确定第一图像的第二灰度图像；
11、计算单元：确定第二灰度图像中每个像素点的第一窗口范围，基于像素点i1与第一窗口范围内所有周围像素点的空间坐标以及第一灰度值，计算像素点i1的第二灰度值gv2i1，同时，基于像素点i1与第一窗口范围内所有周围像素点的空间坐标、第一灰度值、像素点i1第一像素值、gamma值计算对应的第二像素值pv2i1；
12、
13、
14、其中，n1表示像素点i1第一窗口范围内周围像素点的数量，像素点i1的空间坐标为(xi1，yi1)，像素点j1的空间坐标为(xj1，yj1)，(xi1-xj1)2+(yi1-yj1)2表示像素点i1与第一窗口范围内周围像素点j1的空间距离，gv1i1表示像素点i1的第一灰度值，gv1j1表示像素点j1的第一灰度值，(gv1i1-gv1j1)2表示像素点i1与第一窗口范围内周围像素点j1的第一灰度值差异，σs、σgr分别表示基于对应第一图像以及对相应第一图像的双边滤波结果确定的空间标准差、灰度标准差，pv1j1表示像素点j1的第一像素值，表示像素点i1经过双边滤波器清晰化处理后的像素值，表示像素点i1归一化后的像素值，gamma表示校正参数；
15、获取单元：基于第二灰度图像中每个像素点的第二灰度值、第二像素值，获取得到与所述第一图像对应的第二图像。
16、优选的，所述分析模块，还包括：
17、第一标注单元：标注所有第二图像的边界框，得到相应的第三图像；
18、滑动单元：按照滑动窗口在所述第三图像上的滑动卷积核，且结合第三图像的每个像素点的第二像素值，计算得到第三图像中所有像素点对应的第三像素值；
19、像素设置单元：若第三图像中像素点对应的第三像素值小于0，则将第三像素值设置为0，若第三像素值大于0，则不变，进而确定得到第三图像对应的第一特征图像；
20、选择单元：将第一特征图像根据池化窗口的大小划分为不重叠的区域，选择每个区域下的所有像素点的第三像素值中的最大像素值作为对应区域的像素值，并构建得到对应第三图像的第二特征图像；
21、长度计算单元：基于第二特征图像的高度、宽度、独立通道数，计算所述第二特征图像中每个像素点的展平长度；
22、长度设置单元：若展平长度小于0，则将对应像素点的展平长度设置为0，若展平长度不小于0，则保持对应像素点的展平长度不变；
23、展平单元：基于第二特征图像中每个像素点的最终展平长度，来将所述第二特征图像展平为一维向量；
24、向量确定单元：确定基于所述第二特征图像中所有像素点的权重矩阵，将所述一维向量与权重矩阵相乘得到像素矩阵，并提取所述像素矩阵的特征向量；
25、计算单元：基于向量分析模型，分别获取得到每个特征向量的代表值集，其中，所述代表值集中包含代表值以及代表值的值描述，并按照特征描述阈值对所述代表值集进行划分，确定对应第二特征图像的分布向量；
26、
27、其中，n11表示第1个划分结果下的值个数；n1n2表示第n2个划分结果下的值个数；n1l1表示第l1个划分结果下的值个数；n2表示划分结果的数量；m1表示第1个划分结果下的结果描述；mn2表示第n2个划分结果下的结果描述；
28、构建单元：分别建立每个分布向量与相应第二图像的任务分类之间的映射关系，并基于所有映射关系构建现场管理模型。
29、优选的，所述分析模块，还包括：
30、第二标注单元：对历史图像集中所有测试图像进行特征标注和任务分类标注；
31、识别分类单元：使用现场管理模型对所有测试图像进行特征识别和任务分类；
32、比较单元：将特征识别和任务分类结果与同个图像的特征标注和任务分类标注结果进行比较；
33、评估单元：基于比较结果评估现场管理模型的性能。
34、优选的，所述识别模块，包括：
35、确定单元：将现场监控区域的当下实时图像输入到现场管理模型中，确定当下实时图像对应的当下分布向量；
36、分类单元：基于当下实时图像对应的当下分布向量以及当下实时图像与任务分类之间的映射关系，确定对应的任务分类。
37、优选的，所述管理模块，包括：
38、确定单元：基于任务分类确定对应的判定规则和管理标准；
39、分类管理单元：基于现场管理模型识别的当下实时图像的任务分类以及任务分类对应的判定规则和管理标准，对当下实时图像进行分类任务的管理。
40、优选的，所述确定单元，包括：
41、确定块：基于任务分类的判定规则确定管理标准；
42、判定块：判定当下实时图像的任务分类是否满足对应的判定规则，若是，则结合现场管理模型对当下实时图像任务分类识别结果的判定规则以及管理需求来调整管理标准，若否，则判定当下实时图像为异常图像并触发报警机制。
43、与现有技术相比，本申请的有益效果如下：通过对历史图像数据集中的第一图像进行预处理得到第二图像，基于第二图像构建现场管理模型，并基于对现场监控区域对当下实时图像的识别结果确定管理内容并进行管理，本文档来自技高网...
【技术保护点】
1.一种基于AI图像分析的现场监控系统，其特征在于，包括：
2.根据权利要求1所述的一种基于AI图像分析的现场监控系统，其特征在于，所述分析模块，包括：
3.根据权利要求1所述的一种基于AI图像分析的现场监控系统，其特征在于，所述分析模块，还包括：
4.根据权利要求1所述的一种基于AI图像分析的现场监控系统，其特征在于，所述分析模块，还包括：
5.根据权利要求1所述的一种基于AI图像分析的现场监控系统，其特征在于，所述识别模块，包括：
6.根据权利要求5所述的一种基于AI图像分析的现场监控系统，其特征在于，所述管理模块，包括：
7.根据权利要求6所述的一种基于AI图像分析的现场监控系统，其特征在于，所述确定单元，包括：
【技术特征摘要】
1.一种基于ai图像分析的现场监控系统，其特征在于，包括：
2.根据权利要求1所述的一种基于ai图像分析的现场监控系统，其特征在于，所述分析模块，包括：
3.根据权利要求1所述的一种基于ai图像分析的现场监控系统，其特征在于，所述分析模块，还包括：
4.根据权利要求1所述的一种基于ai图像分析的现场监控系统，其特...
【专利技术属性】
技术研发人员：李健，蔺叶，陈璐，张瑞峰，王崇，
申请(专利权)人：北方联合电力有限责任公司包头第二热电厂，
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。