申请/专利权人：四川省水利科学研究院

申请日：2022-02-28

公开（公告）日：2024-04-09

公开（公告）号：CN114626445B

主分类号：G06V10/774

分类号：G06V10/774;G06T5/70;G06T5/40;G06T5/50;G06T7/136;G06T7/194;G06V20/40

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2022.07.01#实质审查的生效;2022.06.14#公开

摘要：本发明公开了一种基于光流网络与高斯背景建模的大坝白蚁视频识别方法，包括获取水库大坝监控白蚁活动的视频序列，逐帧读取图像并对图像预处理；用光流网络模型输出N个光流估计白蚁概率值图像；用混合高斯背景模型输出N帧运动目标概率值图像；分别对光流估计白蚁概率值图像、运动目标概率值图像进行图像后处理，再融合、滤除置信度小于T的目标、二值化、连通域分析，得到识别图像。本发明能补充由于运动目标像素与背景接近的漏检目标的情况、消除由直接使用光流法带来的光流造成的错检目标，自动完成监控，提高白蚁数目与活动状态识别的准确度，减少人工巡查的工作量并提高白蚁监控及处理的时效性，为水库大坝白蚁危害监控探索了新的方法。

主权项：1.一种基于光流网络与高斯背景建模的大坝白蚁视频识别方法，其特征在于：包括以下步骤；（1）获取水库大坝监控白蚁活动的视频序列，逐帧读取图像并对图像预处理，得到N+1帧监控图像，N为正整数；（2）构建一光流估计网络，并训练得到光流网络模型，所述光流估计网络采用FlowNet2网络结构，输入为包含目标的两帧图像堆叠，输出为两帧图像对应的光流估计目标概率值图像；（3）以白蚁为目标，依次将N+1帧监控图像输入光流网络模型，得到N个光流估计白蚁概率值图像，依次标记为P1～PN；（4）构建一混合高斯背景模型，将所有监控图像输入混合高斯背景模型中训练得到背景图像，依次提取所有图像的运动目标，得到N+1帧运动目标概率值图像，选择后N帧依次标记为Q1～QN；（5）图像后处理：将P1～PN、Q1～QN分别进行图像形态学滤波、滤除噪声，并对缺失部分进行填充，得到与P1～PN对应的图像A1～AN、与Q1～QN对应的图像B1～BN；（6）融合；（61）将图像A1～AN作为A组、B1～BN作为B组，设定A组和B组的权重；（62）将Ai和Bi进行加权数据融合，得到融合图像Ci，i=1～N；（63）设置阈值T，滤除Ci中置信度小于T的目标，再进行二值化处理，得到1张二值化图像；（7）对二值化图像进行连通区域分析，认为每一块联通区域对应一个白蚁目标，计算每一个联通区域的最小外接矩形，并标识出白蚁目标的位置，得到1张识别图像；（8）重复步骤（62）-（7），对A组和B组所有图像进行处理，得到N张识别图像，并按顺序排列。

全文数据：

权利要求：

百度查询： 四川省水利科学研究院 基于光流网络与高斯背景建模的大坝白蚁视频识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD