【技术实现步骤摘要】
本专利技术涉及石化安全工程，特别涉及一种危废库视频监控方法、装置、电子设备及存储介质。
技术介绍
1、危险废物储存仓库位置往往处于石化厂区边缘，且储存危废种类繁多，成分较为复杂，其风险管控是重点关注目标。针对这一现状，业界多采用基于云计算的视频智能分析及监控方法。云计算能够将仓库采集的视频数据传输到云端，再通过云端计算得到违章结果用于预警。云端的处理方式能够处理庞大而复杂的图像、视频数据，无需维护计算硬件、数据本地区域上的存储和相关软件就可以轻松使用，但视频数据较大，传输带来的网络负载也会随时增大，将导致云端视频、图片存储以及算力需求大大增加，但应用于危废库这类云平台和传感器物理上相距遥远的情况，双向通讯、网络环境可能带来延迟，对于难以满足明火、烟雾这类强调时效性的识别场景还存在问题。
2、例如，中国专利申请cn110312103a公开了一种基于云计算平台的高速设备防盗监控视频处理方法，由高速监控设备采集相关信息，并通过建立起来的通信网络将信息传输给预处理节点，进行数据校准及融合，然后将其传送至云计算平台，由云计算平台进行数据信息分析，即采用三帧差法选取视频关键帧，并对关键帧中的信息进行卷积处理，得出结果，最后将目标信息作为样本信息在综合平台输出，综合平台对信息进行搜集整理，生成可视信息，该方法采用三帧差法和卷积神经网络相结合，数据处理能力高，但对云端的算力要求仍然较高，传输的网络负载较大，无法有效满足实时识别、预警并采取措施的应用场景。
3、边缘计算将计算任务移植到网络边缘端，通过变短设备实现对视频、图
4、因此，亟需一种新的模式能够结合云计算的大规模数据计算能力与边缘计算良好的的响应速度更好的完成相应的处理要求，有效满足石化领域危废库视频的实时识别、预警并采取应对措施的应用场景。
5、公开于该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
技术实现思路
1、本专利技术的目的在于提供一种危废库视频监控方法及装置，通过将云计算的大规模数据计算能力与边缘计算良好的的响应速度进行结合，更好地完成石化领域危废库安全预警的相应处理要求，满足实时识别、预警并可为采取及时的应急措施提供协助。
2、为实现上述目的，根据本专利技术的第一方面，本专利技术提供了一种危废库视频监控方法，包括如下步骤：a、采集危废库的视频数据并对视频数据中的目标行为划分为明火、烟雾、人员不合规穿戴和/或液体泄漏；b、将视频数据传输至云端进行卷积神经网络模型训练，在初始化阶段，将云端的模型训练获取的浅层参数共享至边缘端并作为边缘端的浅层固定参数；c、借助边缘端的浅层固定参数对边缘端的卷积神经网络模型进行训练，获取除浅层固定参数以外的其余参数，完成对边缘端的模型训练；d、借助边缘端和/或云端训练后的模型对目标行为的视频关键帧数据进行识别并预警。
3、进一步，上述技术方案中，边缘端的模型训练包括初始化阶段和更新阶段；在更新阶段，边缘端基于浅层固定参数对其余参数进行微调来进行重新训练。
4、进一步，上述技术方案中，在初始化阶段，选择n个浅层的卷积层用于初始浅层的边缘端模型训练；当训练集为时，模型训练的损失函数具体为：
5、
6、其中，设pc为训练完成的云端模型的参数，pnc为云端模型pre-n层的参数，pe为浅层边缘端模型的参数；使用pnc替换浅层边缘端模型前n层的参数；则只需训练参数pe-nc，pe-nc为移除pnc后的浅层边缘端模型的其余参数。
7、进一步，上述技术方案中，在更新阶段，当后续输入数据的数据集为时，使用对边缘端模型进行重新训练，模型重新训练的损失函数具体为：
8、
9、进一步，上述技术方案中，边缘端和云端的卷积神经网络模型均包括至少一种类型的三层卷积层；三层卷积层的参数为共享的浅层参数。
10、进一步，上述技术方案中，边缘端的卷积神经网络模型的三层卷积层具有32个内核；云端的卷积神经网络模型包括四种类型的卷积层，其中第一种类型的卷积层与边缘端的卷积层相同。
11、进一步，上述技术方案中，边缘端接收采集的视频数据并进行数据预处理后推送至云端。
12、进一步，上述技术方案中，步骤d中的对目标行为的视频关键帧数据进行识别并预警可具体为：通过边缘端和云端中任意一端的模型识别出的明火、烟雾、人员不合规穿戴和/或液体泄漏报警信息均进行提示并记录。
13、进一步，上述技术方案中，步骤d之后还可包括以下步骤：e、对边缘端和/或云端的识别结果信息以及报警信息进行整合，并对目标行为类型、算法反应时间以及消警响应速度进行管理。
14、根据本专利技术的第二方面，本专利技术提供了一种危废库视频监控装置，包括：数据采集模块，其用于采集危废库的视频数据并对视频数据中的目标行为划分为明火、烟雾、人员不合规穿戴和/或液体泄漏；参数共享模块，其用于将视频数据传输至云端进行卷积神经网络模型训练，在初始化阶段，将云端的模型训练获取的浅层参数共享至边缘端并作为边缘端的浅层固定参数；模型训练模块，其用于借助边缘端的浅层固定参数对边缘端的卷积神经网络模型进行训练，获取除浅层固定参数以外的其余参数，完成对边缘端的模型训练；识别预警模块，其用于借助边缘端和/或云端训练后的模型对目标行为的视频关键帧数据进行识别并预警。
15、进一步，上述技术方案中，该装置还可包括：信息整合模块，其用于对边缘端和/或云端的识别结果信息以及报警信息进行整合，并对目标行为类型、算法反应时间以及消警响应速度进行管理。
16、根据本专利技术的第三方面，本专利技术提供了一种危废库视频监控电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如前述的危废库视频监控方法。
17、根据本专利技术的第四方面，本专利技术提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使所述计算机执行如前述的危废库视频监控方法。
18、与现有技术相比，本专利技术具有如下一个或多个有益效果：
19、1)本专利技术提供的危废库视频监控方法采用云边协同框架，通过边缘端和云端cnn模型的参数共享，建立协同的深度学习算法，对危废库中的明火、烟雾、人员未穿戴安全帽工作服、液体泄漏等视频关键帧进行快速识别，并对违规现象或事故进行预本文档来自技高网...
【技术保护点】
1.一种危废库视频监控方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的危废库视频监控方法，其特征在于，所述边缘端的模型训练包括所述初始化阶段和更新阶段；在所述更新阶段，边缘端基于所述浅层固定参数对所述其余参数进行微调来进行重新训练。
3.根据权利要求2所述的危废库视频监控方法，其特征在于，在所述初始化阶段，选择n个浅层的卷积层用于初始浅层的边缘端模型训练；当训练集为时，模型训练的损失函数具体为：
4.根据权利要求3所述的危废库视频监控方法，其特征在于，在所述更新阶段，当后续输入数据的数据集为时，使用对所述边缘端模型进行重新训练，模型重新训练的损失函数具体为：
5.根据权利要求4所述的危废库视频监控方法，其特征在于，所述边缘端和云端的卷积神经网络模型均包括至少一种类型的三层卷积层；所述三层卷积层的参数为所述共享的浅层参数。
6.根据权利要求2所述的危废库视频监控方法，其特征在于，所述边缘端的卷积神经网络模型的三层卷积层具有32个内核；所述云端的卷积神经网络模型包括四种类型的卷积层，其中第一种类型的卷积层与边缘端的
7.根据权利要求1所述的危废库视频监控方法，其特征在于，所述边缘端接收采集的视频数据并进行数据预处理后推送至云端。
8.根据权利要求1所述的危废库视频监控方法，其特征在于，所述步骤D中的对目标行为的视频关键帧数据进行识别并预警具体为：通过边缘端和云端中任意一端的模型识别出的明火、烟雾、人员不合规穿戴和/或液体泄漏报警信息均进行提示并记录。
9.根据权利要求8所述的危废库视频监控方法，其特征在于，所述步骤D之后还包括以下步骤：
10.一种危废库视频监控装置，其特征在于，包括：
11.根据权利要求10所述的危废库视频监控装置，其特征在于，还包括：
12.一种危废库视频监控电子设备，其特征在于，包括：
13.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使所述计算机执行如权利要求1至9中任意一项所述的危废库视频监控方法。
...【技术特征摘要】
1.一种危废库视频监控方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的危废库视频监控方法，其特征在于，所述边缘端的模型训练包括所述初始化阶段和更新阶段；在所述更新阶段，边缘端基于所述浅层固定参数对所述其余参数进行微调来进行重新训练。
3.根据权利要求2所述的危废库视频监控方法，其特征在于，在所述初始化阶段，选择n个浅层的卷积层用于初始浅层的边缘端模型训练；当训练集为时，模型训练的损失函数具体为：
4.根据权利要求3所述的危废库视频监控方法，其特征在于，在所述更新阶段，当后续输入数据的数据集为时，使用对所述边缘端模型进行重新训练，模型重新训练的损失函数具体为：
5.根据权利要求4所述的危废库视频监控方法，其特征在于，所述边缘端和云端的卷积神经网络模型均包括至少一种类型的三层卷积层；所述三层卷积层的参数为所述共享的浅层参数。
6.根据权利要求2所述的危废库视频监控方法，其特征在于，所述边缘端的卷积神经网络模型的三层卷积层具有32个内核；所述云端的卷积神经网络模型包括...
【专利技术属性】
技术研发人员：程思嘉，崔靖文，李千登，王云龙，郭晓燕，
申请(专利权)人：中国石油化工股份有限公司，
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。