基于电力监控视频风险识别的数据传输方法及系统与流程

本技术涉及电力监控、图像处理领域，具体而言，涉及一种基于电力监控视频风险识别的数据传输方法及系统。

背景技术：

1、电力视频监控是通过摄像机、网络传输等技术手段，对电力系统的设备和场所进行实时监控和录像，在保障电力系统运行安全的同时，提高电力系统的管理效率。电力系统涉及到高压电、高温等危险因素，以及设备的监管、管理等问题。电力视频监控可以在电力系统中安装监控设备，实现对电力设施、场所及线路等进行实时监控和录像，有助于发现潜在的安全隐患，减少意外事故的发生，提高电力系统的安全性。电力系统涉及到设备、维护、调度等各种问题，电力视频监控可以全天候实现对电力系统的设备和场所进行实时监控，及时获取设备运行状态，发现问题并加以处理，提高电力系统的管理效率和维修速度。电力视频监控作为电力系统重要的管理手段之一，在保障电力系统安全稳定运行的同时，提高了电力系统的管理效率和运行效率，促进了电力系统的智能化建设。如何提高基于电力监控视频识别异常态的准确性是需要考虑的技术问题。

技术实现思路

1、本发明的目的在于提供一种基于电力监控视频风险识别的数据传输方法及系统。

2、本技术实施例的技术方案是这样实现的：

3、第一方面，本技术实施例提供了一种基于电力监控视频风险识别的数据传输方法，应用于监控服务器，所述监控服务器与预警终端通信连接，所述方法包括：

4、获取电力监控视频，确定目标电力监控视频帧；

5、获取目标电力监控视频帧的图像特征和所述目标电力监控视频帧对应的参考视频帧的图像块特征矩阵；所述图像块特征矩阵包含所述参考视频帧中的各图像块对应的图像块特征；

6、分别对所述图像特征和所述图像块特征矩阵进行嵌入映射得到视频帧嵌入特征和各所述图像块对应的图像块嵌入特征；

7、对所述视频帧嵌入特征和所述图像块嵌入特征进行显著性信息提取得到各所述图像块的互相关信息；

8、对所述图像块特征矩阵进行滤波操作得到各所述图像块的滤波特征；

9、对所述互相关信息和所述滤波特征进行组合得到各所述图像块的组合特征向量，并对所述组合特征向量进行识别，得到各个所述图像块在所述目标电力监控视频帧中对应的异常识别结果；

10、当所述异常识别结果为预设结果时，将所述异常识别结果传输至所述预警终端。

11、作为一种实施方式，所述获取所述目标电力监控视频帧对应的参考视频帧的图像块特征矩阵，包括：

12、获取所述参考视频帧对应的图像块矩阵，并对所述图像块矩阵中的各所述图像块进行图像块编码得到所述图像块特征矩阵。

13、作为一种实施方式，所述分别对所述图像特征和所述图像块特征矩阵进行嵌入映射得到视频帧嵌入特征和各所述图像块对应的图像块嵌入特征，包括：

14、通过第一嵌入映射算子对所述图像特征进行所述嵌入映射，得到所述视频帧嵌入特征；所述第一嵌入映射算子包含m个的多层感知机网络；

15、通过第二嵌入映射算子对所述图像块特征矩阵进行所述嵌入映射，得到各所述图像块对应的图像块嵌入特征；所述第二嵌入映射算子包含n个的多层感知机网络；m和n均为大于0的正整数。

16、作为一种实施方式，所述对所述视频帧嵌入特征和所述图像块嵌入特征进行显著性信息提取得到各所述图像块的互相关信息，包括：

17、将所述视频帧嵌入特征确定为锚定变量和结果变量，以及将所述图像块嵌入特征确定为搜索变量；

18、对所述锚定变量、所述结果变量和所述搜索变量进行所述显著性信息提取，得到各所述图像块对应的互相关信息。

19、作为一种实施方式，所述对所述组合特征向量进行识别，得到各个所述图像块在所述目标电力监控视频帧中对应的异常识别结果，包括：

20、对所述组合特征向量进行全连接映射，得到各所述图像块对应的全连接特征；

21、对所述全连接特征进行分类归一映射，得到各所述图像块在所述目标电力监控视频帧中属于各监控状态分类的识别置信度；所述监控状态分类包括正常监控状态和异常监控状态；

22、基于所述识别置信度确定各所述图像块在所述目标电力监控视频帧中对应的参考视频帧类型，并将所述参考视频帧类型作为所述图像块在所述目标电力监控视频帧中的异常识别结果。

23、作为一种实施方式，在获取目标电力监控视频帧的图像特征和所述目标电力监控视频帧对应的参考视频帧的图像块特征矩阵之前，还包括：

24、获取电力监控视频帧样本的样本图像特征和所述电力监控视频帧样本对应的目标样本参考视频帧的样本图像块特征矩阵；所述目标样本参考视频帧中的各样本图像块匹配对应的监控状态分类注释；

25、将所述样本图像特征及所述样本图像块特征矩阵加载到预设监控神经网络，同时获取所述预设监控神经网络得到的表征各所述样本图像块在所述电力监控视频帧样本中对应的监控状态分类识别结果；所述预设监控神经网络包括进行所述嵌入映射的嵌入映射算子、进行所述显著性信息提取的显著性提取算子、进行所述滤波操作的滤波算子及进行所述识别的分类识别算子；

26、通过预设调试误差函数以及各所述样本图像块对应的监控状态分类注释和监控状态分类识别结果生成误差值；

27、如果所述误差值大于误差阈值时，通过预设调节算子及所述误差值对所述预设监控神经网络进行参数优化，在优化完成时跳转至所述将所述样本图像特征及所述样本图像块特征矩阵加载到预设监控神经网络的步骤；

28、如果所述误差值小于或等于所述误差阈值时，基于所述预设监控神经网络进入所述获取目标电力监控视频帧的图像特征和所述目标电力监控视频帧对应的参考视频帧的图像块特征矩阵的步骤。

29、作为一种实施方式，所述获取电力监控视频帧样本的样本图像特征和所述电力监控视频帧样本对应的目标样本参考视频帧的样本图像块特征矩阵，包括：

30、获取常态电力监控视频帧和所述常态电力监控视频帧对应的常态图像块矩阵；所述常态电力监控视频帧包含多个监控图像区域，各所述监控图像区域与所述常态图像块矩阵中的各图像块关联；

31、对所述常态电力监控视频帧进行插值抽取；

32、对各所述监控图像区域进行任意的加噪；

33、在所述常态图像块矩阵中，为所述加噪的监控图像区域对应的图像块赋予表征异常态的第一监控状态分类注释，对没有采取所述加噪的监控图像区域对应的图像块赋予表征正常态的第二监控状态分类注释；

34、将经过所述插值抽取及所述加噪的常态电力监控视频帧确定为所述电力监控视频帧样本，以及将完成注释赋予的常态图像块矩阵确定为样本图像块矩阵；

35、将所述电力监控视频帧样本转换为图像特征，以及将所述样本图像块矩阵转换为样本图像块特征矩阵。

36、作为一种实施方式，所述为所述加噪的监控图像区域对应的图像块赋予表征异常态的第一监控状态分类注释，包括：

37、基于所述加噪的类型为所述加噪的监控图像区域对应的图像块赋予与所述类型对应的第一监控状态分类注释。

38、第二方面，本技术实施例提供一种基于电力监控视频风险识别的数据传输系统，包括互相通信的监控服务器和预警终端，所述监控服务器包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以上所述的方法。

39、第三方面，本技术提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以上所述的方法。

40、本技术至少具有的有益效果：

41、本技术实施例提供的基于电力监控视频风险识别的数据传输方法及系统，获取目标电力监控视频帧的图像特征，以及与目标电力监控视频帧对应的参考视频帧的图像块特征矩阵，图像块特征矩阵包含参考视频帧中的各图像块对应的图像块特征；然后分别对图像特征和图像块特征矩阵进行编码得到视频帧嵌入特征和各图像块对应的图像块嵌入特征，对视频帧嵌入特征和图像块嵌入特征进行显著性信息提取，得到各图像块的互相关信息，其中显著性信息提取为各图像块自发在视频帧嵌入特征中确定对应的互相关信息，可以极大提升图像块与视频帧特征的规整度；对图像块特征矩阵进行滤波操作得到各图像块的滤波特征，可将滤波特征与互相关信息结合，一起识别各图像块在目标电力监控视频帧中对应的异常识别结果，将互相关信息和目标图像特征结合识别图像块在目标电力监控视频帧中的监控状态，提高了识别的精度和可靠性。

42、在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。