[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

说明书

一种用于水电厂视频监控系统的实时运动目标检测方法，主要采用分类、构建模型、构建网络、划分、训练和转化视频的步骤，对水电厂视频监控系统的视频场景分级，改进自适应背景更新差分模型，基于轻量级卷积神经网络的运动目标检测，针对不同级别的监控视频使用不同的运动目标检测算法发掘其中的关键信息，实时且较为准确地分离出监控视频中的运动目标，能提高水电厂运行人员视频巡检的效率，减少运行人员的视频巡检工作量，提高电力生产的安全性。

技术领域

本发明属于水电站巡检技术领域，涉及一种用于水电厂视频监控系统的实时运动目标检测方法。

背景技术

水电厂生产区域普遍应用到监控摄像头，运行人员通过视频巡检(在中控室中观察生产区域的视频图像)而替代繁杂劳累的现场巡检。但是，水电厂中往往存在较多的重点监控区域，人工的视频巡检由于需要频繁切换场景而容易遗漏一些关键信息，因此，如何利用计算机视觉算法实时地从视频数据中提取关键信息进而辅助运行人员对现场情况进行判断变得尤为重要。

视频运动目标检测是计算机视觉领域的基础研究方向之一，它的任务是从监控摄像头捕获的视频中分离出运动与静止区域。在大多数的智能视频监控系统中，运动目标检测能为跟踪、分类、识别、行为分析等高级处理任务提供关注的焦点。因此，在水电厂视频监控系统中如何实时对运动目标检测算法，并能减少运行人员的视频巡检工作量，提高电力生产的安全性是目前需要解决的关键问题。

发明内容

本发明所要解决的技术问题是提供一种用于水电厂视频监控系统的实时运动目标检测方法，用于提高水电厂运行人员视频巡检的效率，减少运行人员的视频巡检工作量，提高电力生产的安全性。

为解决上述技术问题，本发明所采用的技术方案是：一种用于水电厂视频监控系统的实时运动目标检测方法，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。

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。

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；