本公开实施例中提供了一种火眼视频自适应检测方法、装置、设备及介质，属于图像处理技术领域，具体包括：采集目标区域对应的初始视频；从初始视频中截取多张初始图片，并对全部初始图片添加饱和度通道，形成RGBS四通道的样本图片；将全部样本图片训练原始模型，得到目标模型；将初始视频输入目标模型，形成初始检测结果集；采用预设算法剔除初始检测结果集中的异常的检测结果，得到中间检测结果集；检测中间检测结果集中的缺失值，并对全部缺失值进行填补，得到目标检测结果集；对目标检测结果集进行自适应滤波，得到包含火眼标注框的目标视频。通过本公开的方案，提高了火眼视频检测方法的抗干扰性、检测结果稳定性和鲁棒性。检测结果稳定性和鲁棒性。检测结果稳定性和鲁棒性。
【技术实现步骤摘要】
火眼视频自适应检测方法、装置、设备及介质
[0001]本公开实施例涉及图像处理
，尤其涉及一种火眼视频自适应检测方法、装置、设备及介质。
技术介绍
[0002]目前，在工业生产中，金属铝的使用、深加工和处理都是较为常见的环节，例如较为常见的铝电解过程，铝电解过程需要在铝电解槽中进行，铝电解槽电解质的过热度是指电解质温度与初晶温度的差值。过热度直接影响铝电解的电流效率，同时影响电解槽的炉膛形状及稳定性，进而影响电解槽的寿命。因此，在铝电解过程中，需要对火眼位置和状态进行实时监控。但是现有的火眼视频的检测方法主要是基于阈值法和改进的阈值法来对火眼进行检测，但是需要人工调参，较为麻烦，易受外界环境如光照、拍摄角度等因素影响，对不同环境的适用性不强，在复杂环境下易造成错检漏检的情况。
[0003]或者采用YOLO模型来检测火眼视频，但是YOLO模型是基于单张图片的，视频中相邻帧火眼内熔融电解质的运动情况差异会对YOLO模型的检测结果造成影响，造成相邻帧的检测结果存在随机细微抖动现象，以及，YOLO模型是基于数据的，不同铝电解厂的生产状况差异导致不同铝电解厂内电解槽环境存在较大差异，采用一个铝电解厂采集数据训练的模型直接用到另一个铝电解厂的铝电解槽上，会造成识别结果存在小部分错检、误检、结果波动大的问题，无法稳定的检测出火眼视频。
[0004]可见，亟需一种抗干扰性、检测结果稳定性和鲁棒性强的火眼视频自适应检测方法。
技术实现思路
[0005]有鉴于此，本公开实施例提供一种火眼视频自适应检测方法、装置、设备及介质，至少部分解决现有技术中存在检测效率和检测精准度较差的问题。
[0006]第一方面，本公开实施例提供了一种火眼视频自适应检测方法，包括：
[0007]采集目标区域对应的初始视频，其中，所述目标区域包括火眼的位置；
[0008]从所述初始视频中截取多张初始图片，并对全部所述初始图片添加饱和度通道，形成RGBS四通道的样本图片；
[0009]将全部所述样本图片训练原始模型，得到目标模型；
[0010]将所述初始视频输入所述目标模型，得到所述初始视频中每一帧对应的检测结果，形成初始检测结果集；
[0011]采用预设算法剔除所述初始检测结果集中的异常的检测结果，得到中间检测结果集；
[0012]检测所述中间检测结果集中的缺失值，并对全部所述缺失值进行填补，得到目标检测结果集；
[0013]对所述目标检测结果集进行自适应滤波，得到包含火眼标注框的目标视频。
[0014]根据本公开实施例的一种具体实现方式，所述将所述初始视频输入所述目标模型，得到所述初始视频中每一帧对应的检测结果，形成初始检测结果集的步骤，包括：
[0015]所述目标模型对所述初始视频中每一帧进行目标检测，得到每一帧对应的目标物体数量及对应的坐标；
[0016]根据所述初始视频中的全部帧对应的目标物体数量及对应的坐标，形成所述初始检测结果集。
[0017]根据本公开实施例的一种具体实现方式，所述采用预设算法剔除所述初始检测结果集中的异常的检测结果，得到中间检测结果集的步骤之前，所述方法还包括：
[0018]当检测到所述初始视频中的目标帧包含的目标物体数量不为1时，则判定所述目标帧的检测结果为异常；
[0019]将所述检测结果为异常的目标帧标识为异常帧。
[0020]根据本公开实施例的一种具体实现方式，所述采用预设算法剔除所述初始检测结果集中的异常的检测结果，得到中间检测结果集的步骤，包括：
[0021]采用DBSCAN聚类算法剔除全部所述异常帧中所述火眼的坐标异常值；
[0022]对剔除坐标异常值后的初始检测结果集采用三西格马定律剔除所述异常帧中所述火眼的规格异常值，得到中间检测结果集。
[0023]根据本公开实施例的一种具体实现方式，所述检测所述中间检测结果集中的缺失值，并对全部所述缺失值进行填补，得到目标检测结果集的步骤，包括：
[0024]将所述中间检测结果集中的第一帧初始化滑动指数平均算法；
[0025]根据所述滑动指数平均算法计算所述初始视频中每一帧的历史平均加权值；
[0026]分别将全部所述缺失值对应帧的上一帧的历史平均加权值作为当前帧的初始预测值，形成所述目标检测结果集。
[0027]根据本公开实施例的一种具体实现方式，所述对所述目标检测结果集进行自适应滤波，得到包含火眼标注框的目标视频的步骤，包括：
[0028]将所述目标检测结果集中的第一帧初始化递归最小二乘滤波器；
[0029]将所述目标检测结果集中的全部帧依次输入所述递归最小二乘滤波器，得到所述目标视频。
[0030]根据本公开实施例的一种具体实现方式，所述将全部所述样本图片训练原始模型，得到目标模型的步骤之前，所述方法还包括：
[0031]获取中间模型；
[0032]将所述中间模型的输入卷积层修改为四通道，得到所述目标模型。
[0033]第二方面，本公开实施例提供了一种火眼视频自适应检测装置，包括：
[0034]采集模块，用于采集目标区域对应的初始视频，其中，所述目标区域包括火眼的位置；
[0035]截取模块，用于从所述初始视频中截取多张初始图片，并对全部所述初始图片添加饱和度通道，形成RGBS四通道的样本图片；
[0036]训练模块，用于将全部所述样本图片训练原始模型，得到目标模型；
[0037]输入模块，用于将所述初始视频输入所述目标模型，得到所述初始视频中每一帧对应的检测结果，形成初始检测结果集；
[0038]剔除模块，用于采用预设算法剔除所述初始检测结果集中的异常的检测结果，得到中间检测结果集；
[0039]填补模块，用于检测所述中间检测结果集中的缺失值，并对全部所述缺失值进行填补，得到目标检测结果集；
[0040]滤波模块，用于对所述目标检测结果集进行自适应滤波，得到包含火眼标注框的目标视频。
[0041]第三方面，本公开实施例还提供了一种电子设备，该电子设备包括：
[0042]至少一个处理器；以及，
[0043]与该至少一个处理器通信连接的存储器；其中，
[0044]该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述第一方面或第一方面的任一实现方式中的火眼视频自适应检测方法。
[0045]第四方面，本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的火眼视频自适应检测方法。
[0046]第五方面，本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述第一方面或第一方本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种火眼视频自适应检测方法，其特征在于，包括：采集目标区域对应的初始视频，其中，所述目标区域包括火眼的位置；从所述初始视频中截取多张初始图片，并对全部所述初始图片添加饱和度通道，形成RGBS四通道的样本图片；将全部所述样本图片训练原始模型，得到目标模型；将所述初始视频输入所述目标模型，得到所述初始视频中每一帧对应的检测结果，形成初始检测结果集；采用预设算法剔除所述初始检测结果集中的异常的检测结果，得到中间检测结果集；检测所述中间检测结果集中的缺失值，并对全部所述缺失值进行填补，得到目标检测结果集；对所述目标检测结果集进行自适应滤波，得到包含火眼标注框的目标视频。2.根据权利要求1所述的方法，其特征在于，所述将所述初始视频输入所述目标模型，得到所述初始视频中每一帧对应的检测结果，形成初始检测结果集的步骤，包括：所述目标模型对所述初始视频中每一帧进行目标检测，得到每一帧对应的目标物体数量及对应的坐标；根据所述初始视频中的全部帧对应的目标物体数量及对应的坐标，形成所述初始检测结果集。3.根据权利要求2所述的方法，其特征在于，所述采用预设算法剔除所述初始检测结果集中的异常的检测结果，得到中间检测结果集的步骤之前，所述方法还包括：当检测到所述初始视频中的目标帧包含的目标物体数量不为1时，则判定所述目标帧的检测结果为异常；将所述检测结果为异常的目标帧标识为异常帧。4.根据权利要求3所述的方法，其特征在于，所述采用预设算法剔除所述初始检测结果集中的异常的检测结果，得到中间检测结果集的步骤，包括：采用DBSCAN聚类算法剔除全部所述异常帧中所述火眼的坐标异常值；对剔除坐标异常值后的初始检测结果集采用三西格马定律剔除所述异常帧中所述火眼的规格异常值，得到中间检测结果集。5.根据权利要求4所述的方法，其特征在于，所述检测所述中间检测结果集中的缺失值，并对全部所述缺失值进行填补，得到目标检测结果集的步骤，包括：将所述中间检测结果集中的第一帧初始化滑动指数平均算法；根据所述滑动指数平均算法计算所述初始视频中每一帧的历史平均加权值；分别...
【专利技术属性】
技术研发人员：陈晓方，林清扬，谢世文，谢永芳，孙玉波，石珏，
申请(专利权)人：中南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。