[发明专利]基于环境自适应和小样本学习的电力场景视频检测方法

权利要求书

1.一种基于环境自适应和小样本学习的电力场景视频检测方法，其特征在于，包括：

1)运动检测：

采用改进的广义高斯混合模型对监控视频进行环境自适应的运动检测，将检测到的运动目标用候选框标记出来；

同时，根据候选框进行相应的图像内容裁剪；

然后，将裁剪得到的“特写”图像作为下一环节目标检测的输入；

最后，接收目标检测的结果，进行可视化标示或警报；

2)目标检测：

首先，对YOLOv3模型进行针对性调整；

然后，将所述“特写”图像输入改进后的YOLOv3模型进行目标检测，通过判断该对象是否为动物，来判定是否发生了动物入侵。

2.根据权利要求1所述的一种基于环境自适应和小样本学习的电力场景视频检测方法，其特征在于，使用三维GGD模型，对彩色图像的RGB三个通道分别进行建模，对于三维特征向量X＝(x₁,x₂,x₃)∈R³，其GGD分布定义如下：

其中μ＝(μ₁,μ₂,μ₃)，δ＝(δ₁,δ₂,δ₃)，λ＝(λ₁,λ₂,λ₃)分别为GGD的均值、方差和形状参数，λ_l≥1(l＝1,2,3)；

GGMM是由M个GGD混合组成的，其PDF为：

其中p_j为第j个GGD的权重，满足参数Θ＝(ε₁,ε₂,ε₃,ε₄)，表示M个GGD的全部参数，其中ε₁＝(μ₁,μ₂,...,μ_M),ε₂＝(δ₁,δ₂,...,δ_M),ε₃＝(λ₁,λ₂,...,λ_M),ε₄＝(p₁,p₂,...,p_M)；p(x|μ_j,δ_j,λ_j)为第j个GGD的PDF。

3.根据权利要求2所述的一种基于环境自适应和小样本学习的电力场景视频检测方法，其特征在于，所述参数Θ的估计方法包括：

采用迭代公式在线估计每个像素点的值，利用n时刻上估计的参数与n+1时刻的输入，计算n+1时刻的参数，过程如下：

其中：β_n是学习速率，决定了背景更新的快慢；θ_j的更新代表了参数μ_j,δ_j,λ_j的更新。

4.根据权利要求2所述的一种基于环境自适应和小样本学习的电力场景视频检测方法，其特征在于，在GGD模型数量M为固定数量模型：3-5个中的任意一个数量。

5.根据权利要求1所述的一种基于环境自适应和小样本学习的电力场景视频检测方法，其特征在于，该检测方法还包括背景更新：

考虑每个像素点的值与任一GGD是否匹配，即当每个像素点的值与任一GGD的偏差小于某个阈值时，认为二者相匹配；否则，建立一个新的GGD，使其均值与新的像素点的值相等，从而实现背景的更新；

前景目标提取：将M个GGD按照以下标准进行排序：

p_j/||δ_j||(j＝1,2,...M)

选择前B个用于背景建模：

其中，T是设定的阈值，优选默认0.7，其他的M-B个分布用于前景的描述，从而将运动目标提取出来；一旦检测到运动目标，就将其截图传入目标检测环节；

采用背景差法将当前帧与更新背景做差得到前景。