[发明专利]基于神经网络的油田视频智能安全事件检测方法及系统

说明书

本发明公开了一种基于神经网络的油田视频智能安全事件检测方法及系统，所述方法包括：获取油田现场摄像头采集的安全事件视频，标注形成数据集；训练深度神经网络模型对安全事件进行检测与识别；对油田监控视频的实时图像进行图像预处理并输入预先训练好的检测器中进行安全事件检测定位。本发明可同时对油田现场多路摄像头进行实时快速地安全事件报警，针对远场景小目标检测进行了优化，并且对不同场景有着很好的鲁棒性，能够很好解决多路油田监控视频实时安全事件检测的痛点。

技术领域

本发明属于计算机数字图像处理与模式识别技术领域，涉及油气田场景的安全事件检测领域，特别涉及一种基于神经网络的油田视频智能安全事件检测方法及系统。

背景技术

随着监控设备的普及，人们对如何自动挖掘诸多视频中的感兴趣内容愈发重视。以油气田场景为例，中国的油田大多分布在人烟稀少、环境恶劣、通行不畅的地区，容易遭到动物、恶劣天气的破坏，同时外来人员的破坏、设备意外事故、工作人员的操作失误等等也是油气田现场安全的重要隐患。对这些异常事件的早期发现至关重要，可以极大降低发生大灾难的可能性。其中火灾和漏油是油气田中最危险的事故，对油气田现场作业的安全有严重威胁。如何将人工智能技术应用到监控视频信息，构建油田视频智能实时安全事件检测系统，准确地对安全事件进行早期预警，已成为油田安全领域的重点研究课题，具有重要的研究价值。

发明内容

本发明的目的在于提供一种基于神经网络的油田视频智能安全事件检测方法及系统，以解决油气田现场存在的安全事件隐患。本发明针对于油气田现场的多样化场景，对采集的数据集进行了数据增强处理，利用自定义的两级深度神经网络结构，实现油田场景下安全事件的快速有效识别。

为达到上述目的，本发明采用以下技术方案：

本发明的一种基于神经网络的油田视频智能安全事件检测方法，包括以下步骤：

将油田视频的图像输入预先训练好的检测器中进行安全事件检测定位，获得检测结果；

所述检测器的深度神经网络模型包括：

第一级网络模型，用于输入油田视频的图片进行安全事件的一次目标检测，输出油田视频的图片中所有安全事件目标物的坐标以及一次分类信息；

第二级网络模型，用于输入预设关心安全事件目标图进行安全事件的二次目标检测，输出二次分类信息；其中，所述预设关心目标图根据第一级网络模型的输出结果裁剪获得；

根据第一级网络模型和第二级网络模型的输出结果，获得检测结果。

本发明的进一步改进在于，将油田视频的图像输入预先训练好的检测器之前，还包括：对油田视频的图像进行图像预处理；所述图像预处理包括：数据增强、自适应锚框计算和自适应图片缩放中的一种或多种。

本发明的进一步改进在于，所述预先训练好的检测器的获取步骤包括：

获取油田的安全事件视频，标注形成训练数据集；其中，所述标注形成训练数据集中的安全事件包括明火、黑烟、白烟和漏油中的一种或多种；

通过所述训练数据集训练深度神经网络模型，达到预设收敛条件，获得用于安全事件检测的训练好的检测器。

本发明的进一步改进在于，所述通过所述训练数据集训练深度神经网络模型，获得用于安全事件检测的训练好的检测器的步骤具体包括：

将训练数据集的标签转化为YOLO标注格式，获得转化后的YOLO标准数据集；

将转化后的YOLO标准数据集输入深度神经网络模型中进行训练，根据训练数据集中标注的目标标签和位置信息计算联合损失函数，基于联合损失函数迭代调整深度神经网络的网络参数，使用随机梯度下降方法更新网络参数，生成深度神经网络目标检测器；每迭代一个epoch进行一次测试，根据测试的性能指标选择性能最佳的模型作为训练好的检测器。