System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 电力系统视频终端画面检测方法、评价方法及系统技术方案_技高网

电力系统视频终端画面检测方法、评价方法及系统技术方案

技术编号:42689492 阅读:4 留言:0更新日期:2024-09-10 12:38
本发明专利技术公开了一种电力系统视频终端画面检测方法,包括获取视频监控终端的历史视频数据并预处理得到训练数据集;基于卷积神经网络,构建电力系统视频终端画面检测初始模型并训练得到电力系统视频终端画面检测模型;采用得到的电力系统视频终端画面检测模型,进行实际的电力系统视频终端画面的检测。本发明专利技术还公开了一种包括所述电力系统视频终端画面检测方法的评价方法,以及实现所述电力系统视频终端画面检测方法的系统。本发明专利技术不仅能够实现电力系统视频终端画面的检测和评价,无需大量的人工参与,效率较高,而且可靠性高,精确性好。

【技术实现步骤摘要】

本专利技术属于电气自动化领域,具体涉及一种电力系统视频终端画面检测方法、评价方法及系统


技术介绍

1、随着经济技术的发展和人们生活水平的提高,电能已经成为了人们生产和生活中必不可少的二次能源,给人们的生产和生活带来了无尽的便利。因此,保障电能的稳定可靠供应,就成为了电力系统最重要的任务之一。

2、目前,电力系统中存在大量的视频监控终端,视频监控终端的存在也极大地保证了电力系统的安全稳定运行。但是,随着视频监控终端的大量使用,以及长时间的使用,视频监控终端的画面不断出现花屏、蓝屏、黑屏等问题,严重影响视频的调阅。

3、目前,对于视频监控终端的检测,往往采用的还是人工检测的方式,即发现视频监控终端存在问题或可能出现问题时,人工对视频监控终端的画面进行实时检测和审查,记录花屏、蓝屏、黑屏等问题的出现次数或频率,从而对视频监控终端的可靠性进行评估。但是,这种视频监控终端的人工检测方式,不仅费时费力,成本高昂,而且可靠性和精确性都较差。


技术实现思路

1、本专利技术的目的之一在于提供一种可靠性高、精确性好且效率较高的电力系统视频终端画面检测方法。

2、本专利技术的目的之二在于提供一种包括了所述电力系统视频终端画面检测方法的评价方法。

3、本专利技术的目的之三在于提供一种实现所述电力系统视频终端画面检测方法的系统。

4、本专利技术提供的这种电力系统视频终端画面检测方法,包括如下步骤:

5、s1.获取视频监控终端的历史视频数据;

6、s2.对步骤s1获取的历史视频数据进行预处理,得到训练数据集;

7、s3.基于卷积神经网络,构建电力系统视频终端画面检测初始模型;

8、s4.采用步骤s2构建的训练数据集,对步骤s3构建的电力系统视频终端画面检测初始模型进行训练,得到电力系统视频终端画面检测模型;

9、s5.采用步骤s4得到的电力系统视频终端画面检测模型,进行实际的电力系统视频终端画面的检测。

10、步骤s2所述的对步骤s1获取的历史视频数据进行预处理,得到训练数据集,具体包括如下步骤:

11、对步骤s1获取的历史视频数据,进行抽帧,得到关键帧画面数据;

12、对得到的关键帧画面数据进行标注:标注类别包括正常画面、花屏画面、黑屏画面和蓝屏画面;

13、基于标注后的关键帧画面,进行样本扩增;所述样本扩增包括画面平移、画面伸缩、画面旋转和画面对称。

14、步骤s3所述的基于卷积神经网络,构建电力系统视频终端画面检测初始模型,具体包括如下步骤:

15、构建的电力系统视频终端画面检测初始模型包括依次串接的第一卷积层、最大池化层、第一残差连接层、第二残差连接层、第三残差连接层、第四残差连接层、平均池化层和输出层;

16、第一卷积层用于对输入的原始画面数据提取数据特征;

17、最大池化层用于对提取后的数据特征进行最大池化处理;

18、第一残差连接层、第二残差连接层、第三残差连接层、第四残差连接层用于对输入的特征数据提取各个维度的特征数据;

19、平均池化层用于对各个维度的特征数据进行平均池化处理;

20、输出层用于对输入的特征数据进行分类预测,得到最终的画面检测结果。

21、所述的第一卷积层,处理过程具体包括如下步骤:

22、第一卷积层的卷积核大小为7*7,通道数为64,步长为2,填充值为3。

23、所述的最大池化层,处理过程具体包括如下步骤:

24、最大池化层的卷积核大小为3*3,通道数为64,步长为2,填充值为1。

25、所述的第一残差连接层,处理过程具体包括如下步骤:

26、第一残差连接层包括主分支和子分支;

27、主分支包括依次串接的两个卷积子层;两个卷积子层的结构相同,卷积核大小为3*3,通道数为64,步长为1,填充值为1;

28、子分支包括依次串接的两个卷积子层;两个卷积子层的结构相同,卷积核大小为3*3,通道数为64,步长为1,填充值为1;

29、主分支的输出和子分支的输出相加后,作为第一残差连接层的输出。

30、所述的第二残差连接层,处理过程具体包括如下步骤:

31、第二残差连接层包括四个残差连接模块;

32、第一残差连接模块包括主分支和子分支;主分支包括依次串接的第一卷积子层和第二卷积子层:第一个卷积子层的卷积核大小为3*3,通道数为128,步长为2,填充值为1;第二卷积子层的卷积核大小为3*3,通道数为128,步长为1,填充值为1;子分支包括一个卷积子层,卷积子层的卷积核大小为1*1,通道数为128,步长为2,填充值为0;主分支的输出和子分支的输出相加后,作为第一残差连接模块的输出;

33、第二残差连接模块、第三残差连接模块和第四残差连接模块的结构相同,均包括主分支和子分支:主分支包括依次串接的两个卷积层,卷积层的结构相同,卷积核大小为3*3,通道数为128,步长为1,填充值为1;子分支包括依次串接的两个卷积层,卷积层的结构相同,卷积核大小为3*3,通道数为128,步长为1,填充值为1;主分支的输出和子分支的输出相加后,作为对应的残差连接模块的输出;

34、第四残差连接模块的输出,作为第二残差连接层的输出。

35、所述的第三残差连接层,处理过程具体包括如下步骤:

36、第三残差连接层包括依次串联的6个残卷连接模块;

37、第一残差连接模块包括主分支和子分支:主分支包括依次串接的第一卷积子层和第二卷积子层:第一个卷积子层的卷积核大小为3*3,通道数为256,步长为2,填充值为1;第二卷积子层的卷积核大小为3*3,通道数为256,步长为1,填充值为1;子分支包括一个卷积子层,卷积子层的卷积核大小为1*1,通道数为256,步长为2,填充值为0;主分支的输出和子分支的输出相加后,作为第一残差连接模块的输出;

38、第二残差连接模块、第三残差连接模块、第四残差连接模块、第五残差连接模块和第六残差连接模块的结构相同,均包括主分支和子分支:主分支包括依次串接的两个卷积层,卷积层的结构相同,卷积核大小为3*3,通道数为256,步长为1,填充值为1;子分支包括依次串接的两个卷积层,卷积层的结构相同,卷积核大小为3*3,通道数为256,步长为1,填充值为1;主分支的输出和子分支的输出相加后,作为对应的残差连接模块的输出;

39、第六残差连接模块的输出,作为第三残差连接层的输出。

40、所述的第四残差连接层,处理过程具体包括如下步骤:

41、第四残差连接层包括依次串联的3个残卷连接模块;

42、第一残差连接模块包括主分支和子分支:主分支包括依次串接的第一卷积子层和第二卷积子层:第一个卷积子层的卷积核大小为3*3,通道数为512,步长为2,填充值为1;第本文档来自技高网...

【技术保护点】

1.一种电力系统视频终端画面检测方法,包括如下步骤:

2.根据权利要求1所述的电力系统视频终端画面检测方法,其特征在于步骤S2所述的对步骤S1获取的历史视频数据进行预处理,得到训练数据集,具体包括如下步骤:

3.根据权利要求2所述的电力系统视频终端画面检测方法,其特征在于步骤S3所述的基于卷积神经网络,构建电力系统视频终端画面检测初始模型,具体包括如下步骤:

4.根据权利要求3所述的电力系统视频终端画面检测方法,其特征在于所述的第一卷积层,处理过程具体包括如下步骤:

5.根据权利要求4所述的电力系统视频终端画面检测方法,其特征在于所述的第一残差连接层,处理过程具体包括如下步骤:

6.根据权利要求5所述的电力系统视频终端画面检测方法,其特征在于所述的第二残差连接层,处理过程具体包括如下步骤:

7.根据权利要求6所述的电力系统视频终端画面检测方法,其特征在于所述的第三残差连接层,处理过程具体包括如下步骤:

8.根据权利要求7所述的电力系统视频终端画面检测方法,其特征在于所述的第四残差连接层,处理过程具体包括如下步骤:

9.一种包括了权利要求1~8之一所述的电力系统视频终端画面检测方法的评价方法,其特征在于还包括如下步骤:

10.一种实现权利要求1~9之一所述的电力系统视频终端画面检测方法的系统,其特征在于包括数据获取模块、数据处理模块、模型构建模块、模型训练模块和画面检测模块;数据获取模块、数据处理模块、模型构建模块、模型训练模块和画面检测模块依次串接;数据获取模块用于获取视频监控终端的历史视频数据,并将数据信息上传数据处理模块;数据处理模块用于根据接收到的数据信息,对获取的历史视频数据进行预处理,得到训练数据集,并将数据信息上传模型构建模块;模型构建模块用于根据接收到的数据信息,基于卷积神经网络,构建电力系统视频终端画面检测初始模型,并将数据信息上传模型训练模块;模型训练模块用于根据接收到的数据信息,采用构建的训练数据集,对构建的电力系统视频终端画面检测初始模型进行训练,得到电力系统视频终端画面检测模型,并将数据信息上传画面检测模块;画面检测模块用于根据接收到的数据信息,采用得到的电力系统视频终端画面检测模型,进行实际的电力系统视频终端画面的检测。

...

【技术特征摘要】

1.一种电力系统视频终端画面检测方法,包括如下步骤:

2.根据权利要求1所述的电力系统视频终端画面检测方法,其特征在于步骤s2所述的对步骤s1获取的历史视频数据进行预处理,得到训练数据集,具体包括如下步骤:

3.根据权利要求2所述的电力系统视频终端画面检测方法,其特征在于步骤s3所述的基于卷积神经网络,构建电力系统视频终端画面检测初始模型,具体包括如下步骤:

4.根据权利要求3所述的电力系统视频终端画面检测方法,其特征在于所述的第一卷积层,处理过程具体包括如下步骤:

5.根据权利要求4所述的电力系统视频终端画面检测方法,其特征在于所述的第一残差连接层,处理过程具体包括如下步骤:

6.根据权利要求5所述的电力系统视频终端画面检测方法,其特征在于所述的第二残差连接层,处理过程具体包括如下步骤:

7.根据权利要求6所述的电力系统视频终端画面检测方法,其特征在于所述的第三残差连接层,处理过程具体包括如下步骤:

8.根据权利要求7所述的电力系统视频终端画面检测方法,其特征在于所述的第四残差连接层,处理过程具...

【专利技术属性】
技术研发人员:刘晗胡维黄鑫冯晓文田建伟向行王康刘亮
申请(专利权)人:国网湖南省电力有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1