场景监测模型的获取方法及装置、监测系统及监测方法制造方法及图纸

本发明专利技术提供一种场景监测模型的获取方法及装置、监测系统及监测方法，属于监测技术领域。所述场景监测模型的获取方法包括：建立场景监测初始模型；获取数据集，所述数据集包括夜间图片及所述夜间图片对应的标签，所述夜间图片与昼间图片相关联；以及基于所述数据集对所述场景监测初始模型进行训练，以获取所述场景监测模型。通过上述技术方案，对用于训练场景监测初始模型的数据集进行改进，可以有效提高场景监测模型在夜间识别的准确率，并能够减少其在应用过程中的漏报率。

【技术实现步骤摘要】
场景监测模型的获取方法及装置、监测系统及监测方法
本专利技术涉及监测
，具体地涉及一种场景监测模型的获取方法及装置、监测系统及监测方法。
技术介绍
近年来电网输电线路被破坏的情况时有发生，监控输电线路附近出现的隐患成为迫切的需求，因而科研界和工业界的研究人员也对输电线路的智能监控进行了大量的研究，提出了基于算法模型的监测装置。本申请专利技术人发现，现有的监测装置中的算法模型在光照良好的昼间可以正常地工作，但是在夜间的表现非常差，会产生大量的信息漏报情况，从而无法及时的进行相应的告警和处理，可能会导致发生严重事故，易造成大量的经济损失和严重的社会恐慌。并且现有监测装置在长时间运行后，其健壮性和准确性会变差。
技术实现思路
本专利技术实施例的目的是提供一种场景监测模型的获取方法及装置、监测系统及监测方法，用于解决上述技术问题中的一者或多者。为了实现上述目的，本专利技术实施例提供一种场景监测模型的获取方法，所述方法包括：建立场景监测初始模型；获取数据集，所述数据集包括夜间图片及所述夜间图片对应的标签，所述夜间图片与所述昼间图片相关联；以及基于所述数据集对所述场景监测初始模型进行训练，以获取所述场景监测模型。可选的，所述夜间图片为具有隐患的夜间图片。可选的，所述数据集的获取过程包括：采集昼间图片；以及对所述昼间图片进行昼夜转换，以得到与所述昼间图片相对应的第一夜间图片。可选的，所述数据集的获取过程还包括：采集夜间图片，作为第二夜间图片；构建所述第一夜间图片与所述第二夜间图片的映射关系；以及基于所述映射关系，将所述第一夜间图片的标签作为与其对应的所述第二夜间图片的标签。另一方面，本专利技术实施例还提供一种场景监测模型的获取装置，所述获取装置包括：初始模型建立单元，用于建立场景监测初始模型；数据采集单元，用于获取数据集，所述数据集包括夜间图片及所述夜间图片对应的标签，所述夜间图片与昼间图片相关联；以及训练单元，用于基于所述数据集对所述场景监测初始模型进行训练，以获取所述场景监测模型。可选的，所述数据采集单元用于通过以下方式获取所述数据集：采集昼间图片；以及对所述昼间图片进行昼夜转换，以得到与所述昼间图片相对应的第一夜间图片。可选的，所述数据采集单元用于通过以下方式获取所述数据集：采集夜间图片，作为第二夜间图片；构建所述第一夜间图片与所述第二夜间图片的映射关系；以及基于所述映射关系，将所述第一夜间图片的标签作为与其对应的所述第二夜间图片的标签。另一方面，本专利技术实施例还提供一种监测系统，所述监测系统至少包括一个监测单元，所述监测单元包括：采集模块，用于采集现场图片；以及场景监测模型，用于确定所述现场图片的特征识别结果，其中，所述场景监测模型采用本申请上述中任一项所述的场景监测模型的获取方法获取。可选的，在所述监测系统中包括多个所述监测单元的情况下，多个所述监测单元中的每一个监测单元位于一个容器中。可选的，所述监测系统还包括：异常提示模块，用于基于所述现场图片的特征识别结果确定现场是否出现异常，并在所述现场出现异常的情况下发出提示信号。另一方面，本专利技术实施例还提供一种监测方法，所述监测方法包括：采集现场图片；以及基于场景监测模型确定所述现场图片的特征识别结果，其中，所述场景监测模型采用本申请上述中任一项所述的场景监测模型的获取方法获取。可选的，每隔预设时间间隔采集一次所述现场图片，所述方法还包括：确定第一时间点的现场图片的第一特征识别结果；确定第二时间点的现场图片的第二特征识别结果；将所述第一特征识别结果与所述第二特征识别结果进行比对；以及根据所述第一特征识别结果与所述第二特征识别结果的比对结果确定是否发出提示信号，其中，所述第一时间点与所述第二时间点间隔所述预设时间间隔，所述第一时间点的现场图片与所述第二时间点的现场图片为同一视角的图片。另一方面，本专利技术实施例还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行：本申请上述中任一项所述的场景监测模型的获取方法；和/或本申请上述中任一项所述的监测方法。通过上述技术方案，通过对用于训练场景监测初始模型的数据集进行改进，可以有效提高场景监测模型在夜间识别的准确率，并能够减少其在应用过程中的漏报率本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。附图说明附图是用来提供对本专利技术实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术实施例，但并不构成对本专利技术实施例的限制。在附图中：图1是本专利技术实施例提供的场景监测模型的获取方法的流程示意图；图2是本专利技术实施例提供的场景监测模型的获取装置的结构示意图；图3是本专利技术实施例提供的监测方法的流程示意图；图4是本专利技术实施例提供的监测单元的结构示意图。附图标记说明210初始模型建立单元220数据采集单元230训练单元410采集模块420场景监测模型具体实施方式以下结合附图对本专利技术实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本专利技术实施例，并不用于限制本专利技术实施例。首先需要说明的是，本专利技术实施例中的术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征，并且在需要的情况下，这些技术特征所能达到的效果基本相同。图1是本专利技术实施例提供的场景监测模型的获取方法的流程示意图。如图1所示，所述场景监测模型的获取方法包括步骤S110至S130。在步骤S110，建立场景监测初始模型。所述场景监测初始模型的建立包括对所述场景监测初始模型的网络设计等，例如模型层数和超参数等固定参数和函数都在场景监测初始模型的构建过程中确定，在此基础上，可以依据获取的数据集对场景监测初始模型在后续训练过程中再进行调整和优化。在步骤S120，获取数据集。本专利技术该实施例提出的数据集主要包括夜间图片和夜间图片对应的标签。所述数据集中可以仅包含具有隐患的夜间图片，也可以包含呈预定比例的具有隐患的夜间图片和不具有隐患的夜间图片。其中，考虑到图片采集设备的夜视效果差，使得采集的夜间图片清晰度低，并进一步导致场景监测模型的识别准确度低，容易出现漏报的问题，因而本专利技术实施例提出可以将与昼间图片相关联的夜间图片作为数据集，对场景监测初始模型进行训练，以保障训练后获取的场景监测效果和质量。在此基础上，本专利技术实施例还提供了一种数据集的获取方法。具体的，可以通过以下方式获取由与昼间图片相关联的夜间图片构成的数据集：采集昼间图片；以及对所述昼间图片进行昼夜转换，将转换后的昼间图片作为第一夜间图片。其中，将所述昼间图片转换成对应的夜间图片可以采用现有的任意方式实现，例如可以基于Cyclegan神经网络进本文档来自技高网...

【技术保护点】
1.一种场景监测模型的获取方法，其特征在于，所述方法包括：/n建立场景监测初始模型；/n获取数据集，所述数据集包括夜间图片及所述夜间图片对应的标签，所述夜间图片与昼间图片相关联；以及/n基于所述数据集对所述场景监测初始模型进行训练，以获取所述场景监测模型。/n

【技术特征摘要】
1.一种场景监测模型的获取方法，其特征在于，所述方法包括：
建立场景监测初始模型；
获取数据集，所述数据集包括夜间图片及所述夜间图片对应的标签，所述夜间图片与昼间图片相关联；以及
基于所述数据集对所述场景监测初始模型进行训练，以获取所述场景监测模型。


2.根据权利要求1所述的方法，其特征在于，所述夜间图片为具有隐患的夜间图片。


3.根据权利要求1或2所述的方法，其特征在于，所述数据集的获取过程包括：
采集昼间图片；以及
对所述昼间图片进行昼夜转换，以得到与所述昼间图片相对应的第一夜间图片。


4.根据权利要求3所述的方法，其特征在于，所述数据集的获取过程还包括：
采集夜间图片，作为第二夜间图片；
构建所述第一夜间图片与所述第二夜间图片的映射关系；以及
基于所述映射关系，将所述第一夜间图片的标签作为与其对应的所述第二夜间图片的标签。


5.一种场景监测模型的获取装置，其特征在于，所述获取装置包括：
初始模型建立单元，用于建立场景监测初始模型；
数据采集单元，用于获取数据集，所述数据集包括夜间图片及所述夜间图片对应的标签，所述夜间图片与昼间图片相关联；以及
训练单元，用于基于所述数据集对所述场景监测初始模型进行训练，以获取所述场景监测模型。


6.根据权利要求5所述的装置，其特征在于，所述数据采集单元用于通过以下方式获取所述数据集：
采集昼间图片；以及
对所述昼间图片进行昼夜转换，以得到与所述昼间图片相对应的第一夜间图片。


7.根据权利要求6所述的装置，其特征在于，所述数据采集单元用于通过以下方式获取所述数据集：
采集夜间图片，作为第二夜间图片；
构建所述第一夜间图片与所述第二夜间图片的映射关系；以及
基于所述映射关系，将所述第一夜间图片的标签作为与其对应的所述第二夜间图片的标签。


8.一种监测系统，其特征在于，所述监测系统包括至少一个监测单...

【专利技术属性】
技术研发人员：郭艳鹏，庞振江，杜君，姜帆，宋邵华，李攀，
申请(专利权)人：北京智芯微电子科技有限公司，国网信息通信产业集团有限公司，北京智芯半导体科技有限公司，
类型：发明
国别省市：北京;11