[发明专利]一种基于视频图像的目标检测系统及方法

说明书

本发明提供一种基于视频图像的目标检测系统及方法，通过安全帽安装的CCD传感器采集实时视频，并传送到所述移动平台内，所述移动平台部署有离线训练模型，所述离线训练模型对所述CCD传感器采集的实时视频图像进行关键帧提取并检测关键帧中的封存物资，将检测结果发送到所述后台服务器。本发明对质量抽检业务全程可视化监控，实时检测封存样本，能有效避免封存抽检物资被调换。

技术领域

本发明属于计算机视觉技术领域，具体涉及一种基于视频图像的目标检测系统及方法。

背景技术

建设坚强智能电网、打造安全可控的新一代电力系统是国网公司发展的固本之要，其中设备质量是电网安全稳定运行的物质基础，是实现质量强网、推动发展质量转型的关键。目前国网系统内各省市主要依靠制度建设、人员监督来规范抽检业务实施，把控设备入网质量，无法对质量抽检业务全程可视化监控，实时检测封存样本，无法避免封存抽检物资被调换的问题。

发明内容

本发明的目的是提供一种基于视频图像的目标检测系统及方法，对质量抽检业务全程可视化监控，实时检测封存样本，能有效避免封存抽检物资被调换。

本发明提供了如下的技术方案：

一种基于视频图像的目标检测系统，包括安全帽和后台服务器，所述安全帽上设有相互连接的CCD传感器和移动平台，所述移动平台连接所述后台服务器；所述CCD传感器用于采集实时视频图像并传送到所述移动平台内；所述移动平台内部署有离线训练模型，所述离线训练模型对所述CCD传感器采集的实时视频图像进行关键帧提取并检测关键帧中的封存物资，将检测结果发送到所述后台服务器。

优选的，所述离线训练模型包括：

样本采集单元，收集封存物资样本图像，标注出封存物资在图片中的位置坐标；

数据增强单元，利用数据增强算法增加样本数量；

模型训练单元，采用深度卷积神经网络训练封存物资检测模型并得到封存物资检测模型；

模型量化单元，对训练好的模型进行压缩量化，并部署到所述安全帽中的移动平台内。

优选的，所述数据增强单元的数据增强算法增加样本数量包括对原始封存物资样本进行按比例缩放得到不同大小的样本图像，或或将原始封存物资样本分别进行顺时针方向和逆时针方向30°以内的角度旋转得到不同旋转角度下的样本图像，或将原始封存物资样本输入对抗生成网络将网络输出图片加入样本。

优选的，所述检测结果包括以下信息：终端编号、检测到的封存封装物资数量、每个物资的坐标和原始图像，所述移动平台将以上信息通过网络发送到后台服务器。

一种基于视频图像的目标检测方法，包括以下步骤：

S1：通过安全帽上的CCD传感器采集实时视频图像并传送到安全帽中的移动平台内；

S2：移动平台内部署有离线训练模型，离线训练模型对所述CCD传感器采集的实时视频图像进行关键帧提取并检测关键帧中的封存物资；

S3：移动平台将检测结果发送到后台服务器。

优选的，所述S2中离线训练模型部署包括以下步骤：

S21：收集封存物资样本图像，标注出封存物资在图片中的位置坐标；

S22：利用数据增强算法增加样本数量；

S23：采用深度卷积神经网络训练封存物资检测模型并得到封存物资检测模型；

S24：对训练好的模型进行压缩量化，并部署到所述安全帽中的移动平台内。