[发明专利]一种基于输电系统的侵入目标实时检测系统

权利要求书

1.一种基于输电系统的侵入目标实时检测系统，其特征在于，包括：双目同步图像序列采集模块、感兴趣区域检测模块、侵入目标报警模块；

所述双目同步图像序列采集模块，基于双目相机采集输电通道的图像；

所述感兴趣区域检测模块，用于确定输电线路通道感兴趣区域，所述感兴趣区域检测模块具体执行如下步骤：

步骤一：获取输电线路通道区域图像；

步骤二：对获取到的输电线路通道区域图像进行粗定位，组成样本数据集；

步骤三：针对粗定位后的输电线路通道区域图像中感兴趣区域进行矩形框标记，并组成标记信息集；

步骤四：将样本数据集与标记信息集进行特征提取，并利用提取后的特征对神经网络进行训练；

步骤五：利用训练好的神经网络对感兴趣区域进行检测；

所述侵入目标报警模块，若检测到感兴趣区域图像，则发出相应的报警。

2.根据权利要求1所述的一种基于输电系统的侵入目标实时检测系统，其特征在于所述神经网络为inception_v2网络。

3.根据权利要求2所述的一种基于输电系统的侵入目标实时检测系统，其特征在于所述inception_v2网络的具体结构为：

包含大小为1*1的卷积核，后接ReLU激活函数；

池化层，后接大小为1*1的卷积核，后再接ReLU激活函数；

大小为1*1的卷积核，后接ReLU激活函数，然后接大小为3*3的卷积核，后再接ReLU激活函数；

大小为1*1的卷积核，后接ReLU激活函数，然后接大小为3*3的卷积核，之后接ReLU激活函数，再接大小为3*3的卷积核，最后接ReLU激活函数；

最后提取出的特征通过一个filter进行合并。

4.根据权利要求3所述的一种基于输电系统的侵入目标实时检测系统，其特征在于所述inception_v2网络的损失函数为：

其中，表示两个网络的分类损失，表示回归损失,N_cls是feature map的大小,λ取10,t表示RPN训练阶段的预测偏移量，t^*表示RPN训练阶段相对于GT的实际偏移量，其中R表示smooth_L1函数。