基于电力线载波与深度学习融合的电力监控系统及方法技术方案

本发明专利技术提出了一种基于电力线载波与深度学习融合的电力监控系统，包括视频数据采集模块，用于捕获视频数据；电力线载波收发模块，用于接收视频数据采集模块发送的对应数据，并通过正交频分复用编码将数据调制到电力线上传输；视频解码播放模块，用于接收并解析电力线传输的视频数据，并按照用户配置的输出协议发送到外部视频设备；视频高清播放模块，经过视频渐对齐融合网络模块处理后的视频目标帧，被送入图像超分辨率重建网络模块中进行超分辨率重建操作。本发明专利技术充分利用电力线作为传输介质，实现了视频数据的短距离传输，降低布线成本和人力施工成本，通过视频超分辨率重建模型应用于电力视频监控中，有效地提升了监控视频的分辨率和视觉效果。

【技术实现步骤摘要】

本专利技术属于视频监控，具体涉及一种基于电力线载波与深度学习融合的电力监控系统及方法。

技术介绍

1、视频监控已广泛应用于生产、管理和检测等各个领域，当前市场上的监控产品主要划分为两类：模拟摄像机和ipc摄像机。模拟摄像机通过同轴电缆传输视频信号，但其缺点在于像素受限，通常为200w像素以下。而另一种是ipc(网络摄像机)，它通过有线或无线网络传输视频流。这两种市场产品的共同不足之处在于视频数据传输常借助光纤、宽带网络、双绞线等，从而在生产和安装过程中耗费大量人力和物力资源，同时传统的监控视频的图像分辨率有待提高，以提升对监测对象细节的识别度，在此基础上，提出了一种基于电力线载波与深度学习融合的电力监控系统及方法。

技术实现思路

1、本专利技术主要提供了一种基于电力线载波与深度学习融合的电力监控系统及方法，用以解决上述
技术介绍
中提出的技术问题。

2、本专利技术解决上述技术问题采用的技术方案为:

3、基于电力线载波与深度学习融合的电力监控系统，包括

4、视频数据采集模块，用于本文档来自技高网...

【技术保护点】

1.基于电力线载波与深度学习融合的电力监控系统，其特征在于，包括

2.根据权利要求1所述的基于电力线载波与深度学习融合的电力监控系统，其特征在于，电力线载波收发模块由电力线控制芯片和模拟前端构成，芯片物理层采用OFDM调制方式，通过将待发送的信息码元通过位换并减小速率，增加码元周期，以减弱多径干扰的影响。

3.根据权利要求1所述的基于电力线载波与深度学习融合的电力监控系统，其特征在于，视频渐对齐融合网络模块包括特征提取模块、特征对齐模块和特征融合模块，特征提取模块利用卷积神经网络对输入视频帧进行有效特征提取，特征对齐、特征融合模块是指目标帧之前与之后的支持帧都是从...

【技术特征摘要】

1.基于电力线载波与深度学习融合的电力监控系统，其特征在于，包括

2.根据权利要求1所述的基于电力线载波与深度学习融合的电力监控系统，其特征在于，电力线载波收发模块由电力线控制芯片和模拟前端构成，芯片物理层采用ofdm调制方式，通过将待发送的信息码元通过位换并减小速率，增加码元周期，以减弱多径干扰的影响。

3.根据权利要求1所述的基于电力线载波与深度学习融合的电力监控系统，其特征在于，视频渐对齐融合网络模块包括特征提取模块、特征对齐模块和特征融合模块，特征提取模块利用卷积神经网络对输入视频帧进行有效特征提取，特征对齐、特征融合模块是指目标帧之前与之后的支持帧都是从视频序列最两端，逐帧向中间目标帧对齐和融合。

4.根据权利要求1所述的基于电力线载波与深度学习融合的电力监控系统，其特征在于，视频渐对齐融合网络模块的具体步骤为：

5.根据权利要求1所述的基于电力线载波与深度学习融合的电力监控系统，其特征在于，对齐模块使用目标帧和每个支持帧的特征，动态预测支持帧的形变偏移量...

【专利技术属性】
技术研发人员：周冕，刘敏杰，周柄兆，席梓航，卯水龙，刘志豪，
申请(专利权)人：京甲云信息技术南京有限公司，
类型：发明
国别省市：