[发明专利]一种资产变更检测方法

说明书

技术领域：

本发明专利涉及图像检测领域，具体涉及了一种深度学习资产变更检测方法。

背景技术：

利用无人机图像对其获取的图像进行识别已经发展了一段时间，在建筑物识别、农作物数量和规模的统计、密林中树木信息统计过程中都采用了相关的方式进行。

目前电力企业在进行资产变更检测的时候，通常采用人工的方式进行，电力资产中，尤其是高压电力设备，会对检测员的生命安全造成严重威胁，但是，电力设备更换又是一个常见问题，基于当前情况，研制一种无人巡守的电力设备及资产变更办法势在必行，通过无人机获取图像、深度学习方式进行图像对比识别可以有效解决当前电力设备资产更换存在的问题。

发明内容：

本发明的目的是为了克服以上的不足，提供一种采用无人机航拍和深度学习图像对比识别的方式，高效、高速的解决了电力资产变更检测问题的资产变更检测装置。

本发明的目的通过以下技术方案来实现：对两幅由无人机实地采集到的图像进行配准，利用快速模型，提取资产变更前后，分别找出候选区域，对提取到的区域调整为规定大小的图像块，提取采集到的图像块的CNN特征利用SVM对CNN特征进行分类，将分类结果进行对比，判断是否发生资产变更；

进一步的，在资产变更之前，利用无人机，采集到某一角度和某一位置的资产图像，将采集到的图像通过无线局域网传送至远程计算机；

进一步的，在固定的时间段内，固定的时间段由用户自由设定和选择，参考用户需求，自行选择检测时间。同时通过无人机在同一位置和同一角度(参考需要对比的)获取当前的图像；

进一步的，将获取的两幅图像进行灰度、平滑、边缘处理等预处理过程，通过特征点提取匹配的方法对图像进行配准；

进一步的，选用深度学习的方式对两幅资产图像分别进行特征提取，通过深度神经网络进行特征提取的方式如下，将经过配准的两幅I₁(x,y)和I₂(x,y)分别输入深度神经网络，卷积神经网络。两幅图像进行特征提取后所得到的特征集合分别表示为F₁和F₂；

进一步的，将每一副图像得到的特征提取结果，通过支持向量机进行分类，从原理上说，支持向量机采用超平面分类的方式将特征进行分类，通过支持向量机的方法求出最终的分离超平面。以此可以求得图像特征与的分类结果；

进一步的将两幅图像的分类结果集合M₁,M₂和M₁',M₂'，进行比对计算，若发生变化，则代表资产发生过变换，最终解决资产变换的检测问题。

本发明与现有技术相比具有的优点为：解决了危险电力设备资产更换的检测工作，采用无人机获取图像输入深度神经网络，通过学习的方式，进行图像变换的识别和检测，有效的解决了人工排查电力设备的人力物力消耗，以及其中涉及到人员伤害的巨大危险性，为电力单位进行资产变更检测，提供了切实有效的管理办法和技术手段，通过以上提出的发明方法，为大型电力企业设备安全管理提供了高效合理的解决方案。

附图说明：

图1本发明的检测流程图；

图2卷积神经网络原理图；

具体实施方式：

为了加深对本发明的理解，下面将结合实施例和附图对本发明作进一步详述，该实施例仅用于解释本发明，并不构成对本发明保护范围的限定。

如图1-2示出了本发明一种资产变更检测方法的具体实施方式：输入两幅实地采集到的图像进行配准，利用快速模型，提取资产变更前后，分别找出候选区域，对提取到的区域调整为规定大小的图像块，提取采集到的图像块的CNN特征利用SVM对CNN特征进行分类，将分类结果进行对比，判断是否发生资产变更；

在资产变更之前，利用无人机，采集到某一角度和某一位置的资产图像，将采集到的图像通过无线局域网传送至远程计算机；

在固定的时间段内，固定的时间段由用户自由设定和选择，参考用户需求，自行选择检测时间。同时通过无人机在同一位置和同一角度(参考需要对比的)获取当前的图像。