【技术实现步骤摘要】
本申请实施例涉及红外技术，涉及但不限于一种泄漏检测方法、装置、设备及存储介质。
技术介绍
1、大量的天然气、液化石油气的输油气管线、压气站等设施的生产工作设计到气体泄漏问题。这些设施的安全运行对于确保能源供应的稳定至关重要。然而，在这些设施的生产工作过程中，气体泄漏成为一项严重的问题。气体泄漏不仅会导致资源的浪费，还会对环境和公共安全造成巨大威胁。一旦发生严重的气体泄漏事故，可能引发火灾、爆炸等灾难性后果，给人民生命财产带来严重损失。气体泄漏检测工作在这些设施的生产工作中具有极其重要的意义。但气体泄漏检测工作的泄漏检测对象多为烟雾、气体、火焰等目标，存在形状不规则、空间特征不明显、难以与环境相区分的特性，仅依靠单张图片所蕴含的语意信息中无法将泄漏检测对象从单张图片中准确的定位出来，从而无法提高对泄漏检测对象的检测的准确率。故如何实现针对烟雾、气体、火焰等泄漏检测对象的高准确率检测是本领域亟待解决的问题。
技术实现思路
1、有鉴于此，本申请实施例提供的泄漏检测方法、装置、设备及存储介质，能够实现针对烟雾、气体、火焰等泄漏检测对象的高准确率检测。
2、第一方面，本申请实施例提供的泄漏检测方法，所述方法包括：获得针对目标空间的视频流数据，所述视频流数据包括连续的至少两帧图像；将所述视频流数据输入至预设的目标网络模型中，通过所述目标网络模型输出所述目标空间的泄漏检测结果，所述泄漏检测结果用于指示所述目标空间中是否存在泄漏检测对象；其中，所述目标网络模型是使用训练数据集对初始网络
3、上述泄漏检测方法中，通过将视频流数据输入至目标网络模型中，以使目标网络模型根据视频流数据输出视频流数据对应的泄漏检测结果，因目标网络模型是使用训练数据集对初始网络模型进行训练得到的，而训练数据集包括具有泄漏检测对象的样本视频集，泄漏检测对象的空间分量在样本视频集的时间维度上存在变化，故目标网络模型可以根据泄漏检测对象的空间分量在样本视频集的时间维度上的变化，对视频流数据中是否存在泄漏检测对象进行检测，从而实现针对烟雾、气体、火焰等泄漏检测对象的高准确率检测。
4、在一些实施例中，所述目标网络模型包括串联的二维空间卷积模块、一维时间卷积模块、分量处理模块和结果输出模块，其中：所述二维空间卷积模块，用于对所述至少两帧图像进行卷积，获得所述至少两帧图像的至少一个图像特征在所述视频流数据中对应的初始空间分量；所述一维时间卷积模块，用于对所述视频流数据进行卷积，获得所述视频流数据的初始时间分量；所述分量处理模块，用于对所述初始空间分量和所述初始时间分量按照预设的卷积策略进行卷积，以获得所述目标空间分量和所述目标时间分量；所述结果输出模块，用于在目标变化量与预设变化量之间的差值小于阈值的情况下，输出用于指示所述目标空间中存在泄漏检测对象的泄漏检测结果；在所述目标变化量与所述预设变化量之间的差值大于或等于阈值的情况下，输出用于指示所述目标空间中不存在泄漏检测对象的泄漏检测结果；其中，所述目标变化量为目标图像特征的目标空间分量相对于所述目标时间分量的变化量，所述预设变化量为所述泄漏检测对象的空间分量在所述样本视频集的时间维度上的变化量，所述目标图像特征为所述至少两帧图像的至少一个图像特征的其中一个或多个。
5、在一些实施例中，所述分量处理模块包括串联的倒残差卷积子模块和卷积处理子模块，其中：所述倒残差卷积子模块，用于先对所述初始空间分量和所述初始时间分量进行通道扩张后，获得并对扩张后的空间分量和扩张后的时间分量进行卷积，以获得深层空间分量和深层时间分量；所述卷积处理子模块，用于对所述深层空间分量和所述深层时间分量进行卷积处理，获得所述目标空间分量和所述目标时间分量。
6、在一些实施例中，所述卷积处理子模块包括级联的多个空洞卷积单元，不同空洞卷积单元的空洞率不同，其中：所述级联的多个空洞卷积单元，用于对所述深层空间分量和所述深层时间分量进行空洞卷积处理，获得处理后的深层空间分量和处理后的深层时间分量，所述处理后的深层空间分量与所述深层空间分量的分辨率相同，所述处理后的深层时间分量与所述深层时间分量的分辨率相同；所述卷积处理子模块，具体用于根据所述处理后的深层空间分量和所述处理后的深层时间分量，获得所述目标空间分量和所述目标时间分量。
7、在一些实施例中，所述倒残差卷积子模块的数量为至少两个，至少两个倒残差卷积子模块间相互串联，第一部分倒残差卷积子模块与所述一维时间卷积模块连接，第二部分倒残差卷积子模块与所述卷积处理子模块连接，其中：所述第一部分倒残差卷积子模块，用于先对所述初始空间分量和所述初始时间分量进行通道扩张后，获得并对扩张后的空间分量和扩张后的时间分量进行卷积，以获得并向所述第二部分倒残差卷积子模块输出浅层空间分量和浅层时间分量；所述第二部分倒残差卷积子模块，用于先对所述浅层空间分量和所述浅层时间分量进行通道扩张后，获得并对扩张后的空间分量和扩张后的时间分量进行卷积，以获得所述深层空间分量和所述深层时间分量；相应地，所述卷积处理子模块具体用于：将所述浅层空间分量、所述浅层时间分量、所述处理后的深层空间分量和所述处理后的深层时间分量进行融合，获得融合后的空间分量和融合后的时间分量；根据所述融合后的空间分量和所述融合后的时间分量，获得所述目标空间分量和所述目标时间分量。
8、在一些实施例中，在所述泄漏检测结果用于指示所述目标空间中存在泄漏检测对象时，所述泄漏检测结果为标识有所述泄漏检测对象的目标图像，所述目标图像为所述至少两帧图像中存在所述泄漏检测对象的任意一帧或多帧。
9、在一些实施例中，所述训练数据集还包括样本图像集，所述样本图像集包括所述样本视频集中具有所述泄漏检测对象的一帧或多帧图像，所述将所述视频流数据输入至预设的目标网络模型中，通过所述目标网络模型输出所述目标空间的泄漏检测结果之前，所述方法还包括：根据所述样本视频集和所述样本图像集，对所述初始网络模型进行训练，得到训练后的网络模型；根据所述训练后的网络模型和目标损失函数，计算得到经所述训练后的网络模型在对所述样本视频集进行检测时的目标损失值，所述目标损失值用于指示所述泄漏检测对象在对应的样本图像帧中的真实值与检测值之间的差值，所述样本图像帧为所述样本图像集的任意一帧或多帧；根据所述目标损失值，对所述训练后的网络模型进行再次训练，获得所述目标网络模型；其中，在所述泄漏检测对象在样本图像帧中的比例小于第一阈值且大于第二阈值的情况下，所述目标损失函数为预设的至少两种损失函数中的任意一种或多种；在所述泄漏检测对象在样本图像帧中的比例小于所述第二阈值的情况下，所述目标损失函数为所述至少两种损失函数中对应的损失值处于预设阈值范围内的损失函数。
10、第二方面，本申请实施例提供的泄漏检测装置，所述装置包括：视频流获得模块，用于获得针对目标空间的视频流数据，所述视频本文档来自技高网...
【技术保护点】
1.一种泄漏检测方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述目标网络模型包括串联的二维空间卷积模块、一维时间卷积模块、分量处理模块和结果输出模块，其中：
3.如权利要求2所述的方法，其特征在于，所述分量处理模块包括串联的倒残差卷积子模块和卷积处理子模块，其中：
4.如权利要求3所述的方法，其特征在于，所述卷积处理子模块包括级联的多个空洞卷积单元，不同空洞卷积单元的空洞率不同，其中：
5.如权利要求4所述的方法，其特征在于，所述倒残差卷积子模块的数量为至少两个，至少两个倒残差卷积子模块间相互串联，第一部分倒残差卷积子模块与所述一维时间卷积模块连接，第二部分倒残差卷积子模块与所述卷积处理子模块连接，其中：
6.如权利要求1-5任一所述的方法，其特征在于，在所述泄漏检测结果用于指示所述目标空间中存在泄漏检测对象时，所述泄漏检测结果为标识有所述泄漏检测对象的目标图像，所述目标图像为所述至少两帧图像中存在所述泄漏检测对象的任意一帧或多帧。
7.如权利要求6所述的方法，其特征在于，所述训
8.一种泄漏检测装置，其特征在于，所述装置包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
...【技术特征摘要】
1.一种泄漏检测方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述目标网络模型包括串联的二维空间卷积模块、一维时间卷积模块、分量处理模块和结果输出模块，其中：
3.如权利要求2所述的方法，其特征在于，所述分量处理模块包括串联的倒残差卷积子模块和卷积处理子模块，其中：
4.如权利要求3所述的方法，其特征在于，所述卷积处理子模块包括级联的多个空洞卷积单元，不同空洞卷积单元的空洞率不同，其中：
5.如权利要求4所述的方法，其特征在于，所述倒残差卷积子模块的数量为至少两个，至少两个倒残差卷积子模块间相互串联，第一部分倒残差卷积子模块与所述一维时间卷积模块连接，第二部分倒残差卷积子模块与所述卷积处理子模块连接，其中：
6.如权利要求1-5任一所述的方法，其特征在于，在所述泄漏检测结果用于指示所述目标空间中存在...
【专利技术属性】
技术研发人员：吴晓松，吴奇文，陈俪赟，冯惠仪，
申请(专利权)人：广州科易光电技术有限公司，
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。