[发明专利]一种主站调度系统后台画面图像的动态识别方法

说明书

本发明涉及图像动态识别技术领域，公开了主站调度系统后台画面图像的动态识别方法，包括：获取后台画面图像传入骨干卷积神经网络提取特征激活图；对所述原始特征数据采用数据增广策略增加原始特征数据训练样本的多样性，获取训练样本的数据连续帧，根据数据帧数设计特征谱流；通过计算所述相邻数据帧数之间特征谱流获取融合特征，提取短时运动特征；基于所述短时运动特征采用数据交换策略模拟长时运动特征获取动态图像。本发明利用图像中特征谱流作为相邻数据帧之间特征谱级别的差异表示，通过对特征谱的二维卷积和残差连接操作，降低了算法的复杂程度，采用特征融合方法使融合特征具有更好的时空表征能力，有效提高了行为识别的正确率。

技术领域

本发明实施例涉及图像动态识别技术领域，具体涉及一种主站调度系统后台画面图像的动态识别方法。

背景技术

现有模式下主站调度系统已经应用到各个方面，调度环节肩负着整个主站系统的安全运行与管理，其运行水平的高低是智能主站信息化建设的一个重要表征，但是现有的调度中心和主站的自动化系统各自遵循不同的标准体系，在主站调度系统里需对后台画面图像进行识别处理后同步至其他系统。

现有的主站调度系统在处理后台图像上存在以下缺陷：

现有的图像识别方法采用双流法在时间流分支上常采用 RGB 差异作为输入，作为空间特征的补充，时间流可以作为图像的时域信息，但是算法复杂度高，图像的帧间 RGB差异几乎为零，会使其丧失对运动特征的判别性，识别精度不高。

通过使用五个二维卷积层作为特征提取模块，分别对光流和单帧进行特征提取，而在融合三维卷积的双流网络中，则通过时间维度上的卷积和池化来筛选时域上的特征，无法精确的体现图像中物体的运动特性，而且随着网络数据的增加还存在计算量过大的问题。

发明内容

为此，本发明实施例提供一种主站调度系统后台画面图像的动态识别方法，采用二维卷积对图像两分支的主干网络进行特征提取，随着网

络的加深，对特征谱和特征谱流施以反复的二维卷积，利用数据交换策略更好地模拟长时运动特征，以解决现有技术中仅针对时间维度上的卷积和池化的时序特征导致的计算复杂，且精确度低的问题。

为了实现上述目的，本发明的实施方式提供如下技术方案：

一种主站调度系统后台画面图像的动态识别方法，包括以下步骤：

步骤100、获取后台画面图像，将所述后台画面图像传入骨干卷积神经网络中提取特征激活图，将所述特征激活图作为输入图像信息的原始特征数据；

步骤200、采用数据增广策略，对所述原始特征数据增加原始特征数据，训练样本的多样性，获取训练样本的数据连续帧；使用1×1的二维卷积对输入的数据连续帧进行降维，获取数据帧数，根据所述数据帧数设计特征谱流；

步骤300、计算相邻的所述数据帧数之间的特征谱流，获取融合特征，对运动建模及提取短时运动特征；

步骤400、基于所述短时运动特征，采用数据交换策略模拟长时运动特征，获取动态图像。

可选地，所述步骤100包括：

步骤101、使用ResNet50网络作为骨干卷积网络，从最后一个卷积层中提取数据特征点，得到特征激活图；其中，是特征激活图的通道数量，和分别是特征激活图空间尺寸的高度和宽度；

步骤102、选定所述特征激活图，沿竖直方向将所述特征激活图平均地划分为部分，获得水平特征激活图区域；其中，表示图片中物体水平区域划分的区域数量；

步骤103、将全局平均特征分别应用于每一个水平特征激活图区域上，得到个局部特征，每个局部特征表示为一个通道数为Ｃ的特征向量；

步骤104、使用个局部特征区域的特征向量监督全局特征，获取全部原始特征数据。