一种资产变更检测方法技术

本发明专利技术公开了一种资产变更检测方法，包括以下步骤：通过无人机在资产附近飞行，获取资产图像，另一时间段，在同一位置飞行，货物当时的图像；将两次获得的同一位置和同一角度的图像进行配准；将配准后的图像，分别采用深度卷积神经网络进行特征提取，将提取到的特征采用支持向量机的方式进行分类；对两幅图像的分类结果进行对比分析，通过上述结果确认资产变更。本发明专利技术具有采用无人机航拍和深度学习图像对比识别的方式，高效、高速的解决了电力资产变更检测问题的优点。

【技术实现步骤摘要】
一种资产变更检测方法
：本专利技术专利涉及图像检测领域，具体涉及了一种深度学习资产变更检测方法。
技术介绍
：利用无人机图像对其获取的图像进行识别已经发展了一段时间，在建筑物识别、农作物数量和规模的统计、密林中树木信息统计过程中都采用了相关的方式进行。目前电力企业在进行资产变更检测的时候，通常采用人工的方式进行，电力资产中，尤其是高压电力设备，会对检测员的生命安全造成严重威胁，但是，电力设备更换又是一个常见问题，基于当前情况，研制一种无人巡守的电力设备及资产变更办法势在必行，通过无人机获取图像、深度学习方式进行图像对比识别可以有效解决当前电力设备资产更换存在的问题。
技术实现思路
：本专利技术的目的是为了克服以上的不足，提供一种采用无人机航拍和深度学习图像对比识别的方式，高效、高速的解决了电力资产变更检测问题的资产变更检测装置。本专利技术的目的通过以下技术方案来实现：对两幅由无人机实地采集到的图像进行配准，利用快速模型，提取资产变更前后，分别找出候选区域，对提取到的区域调整为规定大小的图像块，提取采集到的图像块的CNN特征利用SVM对CNN特征进行分类，将分类结果进行对比，判断是否发生资产变更；进一步的，在资产变更之前，利用无人机，采集到某一角度和某一位置的资产图像，将采集到的图像通过无线局域网传送至远程计算机；进一步的，在固定的时间段内，固定的时间段由用户自由设定和选择，参考用户需求，自行选择检测时间。同时通过无人机在同一位置和同一角度(参考需要对比的)获取当前的图像；进一步的，将获取的两幅图像进行灰度、平滑、边缘处理等预处理过程，通过特征点提取匹配的方法对图像进行配准；进一步的，选用深度学习的方式对两幅资产图像分别进行特征提取，通过深度神经网络进行特征提取的方式如下，将经过配准的两幅I1(x,y)和I2(x,y)分别输入深度神经网络，卷积神经网络。两幅图像进行特征提取后所得到的特征集合分别表示为F1和F2；进一步的，将每一副图像得到的特征提取结果，通过支持向量机进行分类，从原理上说，支持向量机采用超平面分类的方式将特征进行分类，通过支持向量机的方法求出最终的分离超平面。以此可以求得图像特征与的分类结果；进一步的将两幅图像的分类结果集合M1,M2和M1',M2'，进行比对计算，若发生变化，则代表资产发生过变换，最终解决资产变换的检测问题。本专利技术与现有技术相比具有的优点为：解决了危险电力设备资产更换的检测工作，采用无人机获取图像输入深度神经网络，通过学习的方式，进行图像变换的识别和检测，有效的解决了人工排查电力设备的人力物力消耗，以及其中涉及到人员伤害的巨大危险性，为电力单位进行资产变更检测，提供了切实有效的管理办法和技术手段，通过以上提出的专利技术方法，为大型电力企业设备安全管理提供了高效合理的解决方案。附图说明：图1本专利技术的检测流程图；图2卷积神经网络原理图；具体实施方式：为了加深对本专利技术的理解，下面将结合实施例和附图对本专利技术作进一步详述，该实施例仅用于解释本专利技术，并不构成对本专利技术保护范围的限定。如图1-2示出了本专利技术一种资产变更检测方法的具体实施方式：输入两幅实地采集到的图像进行配准，利用快速模型，提取资产变更前后，分别找出候选区域，对提取到的区域调整为规定大小的图像块，提取采集到的图像块的CNN特征利用SVM对CNN特征进行分类，将分类结果进行对比，判断是否发生资产变更；在资产变更之前，利用无人机，采集到某一角度和某一位置的资产图像，将采集到的图像通过无线局域网传送至远程计算机；在固定的时间段内，固定的时间段由用户自由设定和选择，参考用户需求，自行选择检测时间。同时通过无人机在同一位置和同一角度(参考需要对比的)获取当前的图像。将获取的两幅图像进行灰度、平滑、边缘处理等预处理过程，通过特征点提取匹配的方法对图像进行配准，设第一时间采集到的图像为I1(x,y)，另一时刻采集到的图像为I2(x,y)，两幅图像分别提取到的特征点集合用P1和P2表示，其中，P1＝{P1,P2,P3....Pm}和P1'＝{P1',P2',P3'....P'm}，分别表示被提取出的若干特征集合，以每一个特征点为中，将其邻域窗口(记作W)的像素值作为该特征点的描述符，对两幅图像提取到的各个特征点，分别计算其邻域像素值差的平方和，此平方和可以被记为SSD，取最小者作为两幅图像的匹配点。进而可以进行图像的配准；选用深度学习的方式对两幅资产图像分别进行特征提取，通过深度神经网络进行特征提取的方式如下，将经过配准的两幅I1(x,y)和I2(x,y)分别输入深度神经网络，神经网络的基本原理为假设输入为x，则输出y按照如下的形式表示本专利技术采用的神经网络为带有隐藏层的前向传播卷积深度神经网络，输入的两幅图像通过和三个可训练的滤波器和可加偏置进行卷积，示意图如图2所示，在C1层产生三个特征映射图，然后特征映射图中每组的局部邻域再进行求和、加权、加偏置，通过固定的激活函数得到三个S2层的特征映射图。这些映射图再通过滤波得到C3层，这个层级结构再和S2一样产生S4，最终这些像素值被光栅化，并连接成一个向量，得到输出特征，两幅图像进行特征提取后所得到的特征集合分别表示为F1和F2。将每一副图像得到的特征提取结果，通过支持向量机进行分类，从原理上说，支持向量机采用超平面分类的方式将特征进行分类，设第i个训练样本可以表示为(xi,yi)，其中xi是一个向量，yi是一个类别，超平面表示为g(x)＝wTx+b，而样本点到超平面的距离可以表示为：δi＝yi(wTxi+b)＝|g(xi)|而点到超平面的欧式距离可以表示为为了使样本能够正确分开，同时要保证类间间隔最大，这类分类问题将表示成一个带有约束的最大值问题:通过求解这个最大值问题，就可以得到优化后的w和b，也就求出了最终的分离超平面。以此可以求得图像特征与的分类结果；将两幅图像的分类结果集合M1,M2和M1',M2'，进行比对计算，若发生变化，则代表资产发生过变换，最终解决资产变换的检测问题。本专利技术解决了危险电力设备资产更换的检测工作，本专利技术的有益效果为，采用无人机获取图像输入深度神经网络，通过学习的方式，进行图像变换的识别和检测，有效的解决了人工排查电力设备的人力物力消耗，以及其中涉及到人员伤害的巨大危险性，为电力单位进行资产变更检测，提供了切实有效的管理办法和技术手段，通过以上提出的专利技术方法，为大型电力企业设备安全管理提供了高效合理的解决方案。申请人又一声明，本专利技术通过上述实施例来说明本专利技术的实现方法及装置结构，但本专利技术并不局限于上述实施方式，即不意味着本专利技术必须依赖上述方法及结构才能实施。所属
的技术人员应该明了，对本专利技术的任何改进，对本专利技术所选用实现方法等效替换及步骤的添加、具体方式的选择等，均落在本专利技术的保护范围和公开的范围之内。本专利技术并不限于上述实施方式，凡采用和本专利技术相似结构及其方法来实现本专利技术目的的所有方式，均在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
一种资产变更检测方法，其特征在于，包括以下步骤：a)通过无人机在资产附近飞行，获取资产图像，另一时间段，在同一位置飞行，获取当时的图像；b)将两次获得的同一位置和同一角度的图像进行配准；c)将配准后的图像，分别采用深度卷积神经网络进行特征提取，将提取到d)的特征采用支持向量机的方式进行分类；e)对两幅图像的分类结果进行对比分析，通过上述结果确认资产变更。

【技术特征摘要】
1.一种资产变更检测方法，其特征在于，包括以下步骤：a)通过无人机在资产附近飞行，获取资产图像，另一时间段，在同一位置飞行，获取当时的图像；b)将两次获得的同一位置和同一角度的图像进行配准；c)将配准后的图像，分别采用深度卷积神经网络进行特征提取，将提取到d)的特征采用支持向量机的方式进行分类；e)对两幅图像的分类结果进行对比分析，通过上述结果确认资产变更。2.根据权利要求1所述的资产变更检测方法，其特征在于：还包括以下步骤，通过无人机获取图像后，采用数字...

【专利技术属性】
技术研发人员：宋纪恩，王金虎，朱富云，李学均，戴相龙，胡广，唐玉婷，朱卫，张宏林，保甜，顾宇蓉，费翔，
申请(专利权)人：国家电网公司，江苏省电力公司，江苏省电力公司南通供电公司，江苏濠汉信息技术有限公司，
类型：发明
国别省市：北京,11