[发明专利]高炉风口异常检测方法、装置、电子设备和存储介质

权利要求书

1.一种高炉风口异常检测方法，其特征在于，包括：

确定待检测高炉风口对应的待检测视频片段；

将所述待检测视频片段输入至向量表示模型中，得到所述向量表示模型输出的待检测向量；其中，所述向量表示模型是基于样本锚视频片段、样本正常视频片段和样本异常视频片段训练得到的；

基于目标锚向量和所述待检测向量，确定所述待检测高炉风口的异常检测结果；其中，所述目标锚向量是将所述待检测高炉风口对应的目标锚视频片段输入至所述向量表示模型得到的。

2.基于权利要求1所述的高炉风口异常检测方法，其特征在于，所述向量表示模型的损失函数是基于所述样本锚视频片段和所述样本正常视频片段之间的向量相似度，以及所述样本锚视频片段和所述样本异常视频片段之间的向量相似度确定的。

3.基于权利要求1或2所述的高炉风口异常检测方法，其特征在于，所述样本锚视频片段和样本正常视频片段属于同一集合，所述样本锚视频片段和所述样本异常视频片段属于不同集合；

其中，任一集合内包括从同一高炉风口的连续监控视频中拆分的若干个具有相同异常检测标签的视频片段。

4.基于权利要求1所述的高炉风口异常检测方法，其特征在于，所述将所述待检测视频片段输入至向量表示模型中，得到所述向量表示模型输出的待检测向量，具体包括：

将所述待检测视频片段的图像序列输入至所述向量表示模型，由所述向量表示模型对所述图像序列中每帧图像的语义特征，以及每帧图像之间的关联特征进行融合，得到所述向量表示模型输出的所述待检测向量。

5.根据权利要求4所述的高炉风口异常检测方法，其特征在于，所述将所述待检测视频片段输入至向量表示模型中，由所述向量表示模型对所述图像序列中每帧图像的语义特征，以及每帧图像之间的时空关联进行融合，得到所述向量表示模型输出的待检测向量，具体包括：

将所述图像序列的每帧图像输入至所述向量表示模型的语义特征提取层，得到所述语义特征提取层输出的每帧图像的语义特征；

将所述每帧图像的语义特征输入至所述向量表示模型的空时注意力层，由所述空时注意力层通过对每帧图像的语义特征进行逐点卷积，得到所述空时注意力层输出的所述图像序列在每一区域的时序变化特征；

将所述每帧图像的语义特征和所述每一区域的时序变化特征输入至所述向量表示模型的特征输出层，得到所述特征输出层输出的所述待检测向量。

6.根据权利要求1所述的高炉风口异常检测方法，其特征在于，所述基于目标锚向量和所述待检测向量，确定所述待检测高炉风口的异常检测结果，具体包括：

确定所述目标锚向量和所述待检测向量之间的距离；

基于所述距离与预设距离阈值，确定所述待检测高炉风口的异常检测结果。

7.根据权利要求1、2、4至6中任一项所述的高炉风口异常检测方法，其特征在于，所述目标锚视频片段是自所述待检测高炉风口的异常检测启动时刻起预设时长的视频片段，异常检测启动是在人工确定所述待检测高炉风口处于正常工作状态后执行的。

8.一种高炉风口异常检测装置，其特征在于，包括：

视频片段确定单元，用于确定待检测高炉风口对应的待检测视频片段；

向量表示单元，用于将所述待检测视频片段输入至向量表示模型中，得到所述向量表示模型输出的待检测向量；其中，所述向量表示模型是基于样本锚视频片段、样本正常视频片段和样本异常视频片段训练得到的；

异常检测单元，用于基于目标锚向量和所述待检测向量，确定所述待检测高炉风口的异常检测结果；其中，所述目标锚向量是将所述待检测高炉风口对应的目标锚视频片段输入至所述向量表示模型得到的。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7中任一项所述的高炉风口异常检测方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7中任一项所述的高炉风口异常检测方法的步骤。