[发明专利]一种电力现场作业视频数据提取异常行为的方法及装置

权利要求书

1.一种电力现场作业视频数据提取异常行为的方法，其特征在于，包括：

获取作业视频图像并对所述作业视频图像进行预处理；

从经过预处理的所述作业视频图像中提取出运动目标区域，具体包括：

对经过预处理的所述作业视频图像中的像素点分别建立背景模型和光流场，并利用所述背景模型和所述光流场分别提取出所述作业视频图像中的前景部分；

将由所述背景模型得到的前景部分和由所述光流场得到的前景部分进行融合，得到所述作业视频图像中的运动目标区域；

利用预先训练好的基于Catboost和Lasso的融合模型对所述运动目标区域进行异常行为识别。

2.根据权利要求1所述的一种电力现场作业视频数据提取异常行为的方法，其特征在于，所述对所述作业视频图像进行预处理具体为：

将所述作业视频图像利用中值滤波法进行降噪处理。

3.根据权利要求1所述的一种电力现场作业视频数据提取异常行为的方法，其特征在于，对经过预处理的所述作业视频图像中的像素点建立背景模型，并利用所述背景模型提取出所述作业视频图像中的前景部分具体包括：

建立像素点的背景模型，所述背景模型的表达式如下：

式中，t代表作业视频图像帧序列，表示像素点(x,y)的邻域，(xⁱ,yⁱ)表示中的一个随机像素点，为像素点(xⁱ,yⁱ)的像素值，表示像素点(x,y)的背景模型；

循环利用所述背景模型，为经过预处理的所述作业视频图像中的每个像素点均生成样本数相同的背景模型样本集；

分别对每个像素点的背景模型样本集进行判断，若所述背景模型样本集中像素值大于第一前景阈值的样本的数量小于预设阈值时，则将当前像素点标记为前景像素点；

根据标记后的前景像素点得到所述作业视频图像中的前景部分。

4.根据权利要求1所述的一种电力现场作业视频数据提取异常行为的方法，其特征在于，对经过预处理的所述作业视频图像中的像素点建立光流场，并利用所述光流场提取出所述作业视频图像中的前景部分具体包括：

利用光流法计算经过预处理的所述作业视频图像中像素点的光流值，并根据所述光流值得到所述作业视频图像的光流场；

通过第二前景阈值对所述作业视频图像的光流场进行阈值分割，得到所述作业视频图像中的前景部分。

5.根据权利要求1所述的一种电力现场作业视频数据提取异常行为的方法，其特征在于，基于Catboost和Lasso的融合模型的预先训练过程具体包括：

收集电力作业现场中的作业人员行为图片训练样本，并对所述训练样本进行标记；

利用PCA-SURF特征提取法对标记后的所述训练样本中的图片进行特征提取，并将提取的特征压缩为25维；

将25维特征作为Catboost模型的输入，设置运算参数中的迭代次数为30次，最大深度为3；

根据所述运算参数进行迭代运算，得到480维特征；

将所述480维特征作为Lasso模型的输入，对所述Lasso模型通过交叉验证进行模型超参数调优，得到基于Catboost和Lasso的融合模型。