[发明专利]用于水电厂视频监控系统的实时运动目标检测方法

权利要求书

1.一种用于水电厂视频监控系统的实时运动目标检测方法，其特征是，它包括如下步骤：

步骤1，分类，对水电厂视频监控系统中的视频按照其监控场景进行分类；按照被监控生产区域的重要性依次分为核心区域监控视频、重点区域监控视频和一般区域监控视频；

步骤2，构建模型，对于任一被分类为重点区域的监控视频，人工采集其位于早、晚两个时段的监控视频，利用均值法构建其对应的早、晚两个时段的虚拟背景模型；

步骤3，构建网络，构建用于视频运动目标检测的轻量级卷积神经网络；

步骤4，划分，对于任一被分类为核心区域的监控视频，捕获一段视频，并利用视频数据构建该监控区域的数据集，从所述数据集中划分训练集和验证集；

步骤5，训练，设置一定的超参数，利用所述用于视频运动目标检测的轻量级卷积神经网络和任一被分类为核心区域的监控视频对应的训练集进行训练，并利用所述验证集验证所述全卷积网络模型的拟合效果，当达到预设效果时，训练完成，获得实时运动目标检测模型；直到训练出与核心区域数量相同个数的神经网络模型时，所有训练结束；

步骤6，转化视频，分别利用帧间差分法、自适应背景更新差分模型和基于轻量级卷积神经网络的运动目标检测方法对水电厂视频监控系统实时捕获的一般区域视频、重点区域视频和核心区域视频进行处理，获得运动目标检测结果图像，将其转化为视频。

2.根据权利要求1所述的用于水电厂视频监控系统的实时运动目标检测方法，其特征是，在步骤1中，

对水电厂视频监控系统中的视频按照其监控场景进行分类，按照被监控生产区域的重要性依次分为核心区域监控视频、重点区域监控视频和一般区域监控视频；其中，核心区域为水电厂厂房内的核心生产区域，主要包括例如发电机室、水车室；重点区域为水电厂厂房内的非核心区域，主要包括中控室、办公室、走廊；一般区域为水电厂厂房外围监控优先级较低的区域。

3.根据权利要求1所述的用于水电厂视频监控系统的实时运动目标检测方法，其特征是，在步骤2中，

步骤2-1，对于任一被分类为重点区域的监控视频，人工采集其位于早、晚两个时段的监控视频，生成两段子视频，采集的视频的时长应尽可能长一些；

步骤2-2、对于所述的早、晚两个时段的子视频，将其转化为两个逐帧的视频图像集，将两个视频图像集进行灰度化处理；

步骤2-3、对于所述的两个逐帧的视频图像集，使用均值法计算出其对应的虚拟背景模型，其中均值法的公式如下：

式中，Bg(x,y)为背景模型在坐标(x,y)处的平均灰度值，为N帧图像在坐标(x,y)处像素点的灰度值总和，N为视频图像集包含的图像个数。

4.根据权利要求1所述的用于水电厂视频监控系统的实时运动目标检测方法，其特征是，在步骤3中，

步骤3-1，构建所述用于视频运动目标检测的轻量级卷积神经网络的输入层；输入任意大小的3通道RGB图像，对于长或宽不满足16倍数的图像，进行边缘自适应补0的操作；

步骤3-2，构建所述全卷积网络模型的编码器网络；所述编码器网络基于MoblieNetV3-Large网络，删除其最后的四个层级结构；该编码器网络包括5个模块，即模块1～模块5；模块1包含一个卷积核大小为3×3的卷积层和一个Bneck结构，模块2包含两个Bneck结构，模块3和模块5包含三个Bneck结构，模块4包含六个Bneck结构；

步骤3-3，构建所述用于视频运动目标检测的轻量级卷积神经网络的解码器网络；解码器网络包括5个模块，即模块6～模块10，其中模块6、模块7、模块8、模块9均包含一个上采样层和两个卷积核大小为3×3的卷积层，先使用双线性插值法完成上采样，再进行特征的拼接，拼接好的特征进入两个卷积核大小为3×3的卷积层进行上采样特征的完善；模块10中包含CBAM注意力机制模块、一个卷积核大小为1×1的卷积层和一个上采样层。