[发明专利]基于大数据监控的人工智能油气田防范判别系统与方法

说明书

本发明提供了基于大数据监控的人工智能油气田防范判别系统与方法。该系统包括存储单元、视频巡检控制单元和视频分析识别单元；视频巡检控制单元设置视频巡检预置点位，每次发出巡检指令后在数据库内添加对应的信息框，信息框内包括该预置点的属性信息；视频分析识别单元获取数据库内的该预置点的属性信息，通过图像分析对比确定是否存在入侵目标及入侵目标的类型，将识别后的结果经过处理后返回至数据库；视频巡检控制单元读取由视频分析识别单元返回的结果，并在该结果超出预设的报警阈值时进行报警。本发明的上述技术能够识别巡检点是否有入侵目标及其类型，利用视频巡检单元显示报警结果输出，克服了现有技术的不足。

技术领域

本发明涉及信息处理技术，尤其涉及一种基于大数据监控的人工智能油气田防范判别系统与方法。

背景技术

目前，现有的视频监控系统当需要判断被监控范围内是否进入人、车辆等时，需要人为实时地观看判别，而这种方式存在人工工作强度大、漏报率低等问题。特别当监控点位过多时，需要耗费大量的人力和时间，而不能由单人完成对大量监控点的同时监控管理。

另外，如果被监控范围内存在长时间运动的部件，现有的报警系统不会屏蔽，则会持续进行误报。

除此之外，现有报警系统，无法识别出入侵目标的类别。

发明内容

在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不意图确定本发明的关键或重要部分，也不意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

鉴于此，本发明提供了基于大数据监控的人工智能油气田防范判别系统与方法，以至少解决现有技术中存在的需要人为实时监控等问题。

本发明的一方面提供了一种基于大数据监控的人工智能油气田防范判别系统，所述基于大数据监控的人工智能油气田防范判别系统包括包括存储单元、视频巡检控制单元和视频分析识别单元；其中，存储单元用于存储预定的数据库；视频巡检控制单元用于设置视频巡检预置点位，每次发出巡检指令后在所述数据库内添加对应的信息框，所述信息框内包括该预置点的属性信息；视频分析识别单元用于获取所述数据库内的该预置点的属性信息，对该预置点进行图像分析对比，以确定是否存在入侵目标及入侵目标的类型，将识别后的结果经过处理后返回至所述数据库；视频巡检控制单元还用于读取所述数据库内的由所述视频分析识别单元返回的结果，并在该结果超出预设的报警阈值时进行报警。

进一步地，每个预置点的属性信息包括以下一种或多种：巡检点标识；云台信息；相机类型；相机信息；以及观测范围。

进一步地，该系统还包括模型获得单元，所述模型获得单元用于构建用于识别入侵目标及入侵目标类型的识别模型；其中，所述模型获得单元包括：RPN(Region ProposalNetwork，区域建议网络)训练模块，其用于利用训练样本对预定模型进行RPN训练；快速R-CNN(fast Region-CNN，快速区域卷积神经网络)训练模块，其用于利用训练样本对经过所述RPN训练后的模型进行快速R-CNN训练；RPN微调模块，其用于对当前模型进行RPN微调；快速R-CNN微调模块，其用于对当前模型进行快速R-CNN微调。

进一步地，所述模型获得单元构建的所述识别模型用于识别以下对象：可见光下人员、可见光下车辆、红外下人员以及红外下车辆。

进一步地，所述模型获得单元在训练所述识别模型的过程中，基于巡检参数，采用深度学习方法来训练可见光下人员及车辆的训练样本，采用移动目标检测方法来训练红外下人员及车辆的训练样本。