[发明专利]异常场景检测方法及装置

说明书

本发明提供的异常场景检测方法及装置，通过接收第一终端发送的视频数据，根据预设采样间隔对视频数据进行采样得到多个图像数据，将各图像数据输入到预设的第一卷积神经网络模型中，根据第一卷积神经网络模型的标定结果确定图像是否为异常图像，若确定有异常图像，则将该异常图像的图像信息发送给第二终端，以便第二终端的用户及时采取应急响应措施，避免二次事故的发生。通过上述方法，解决了现有技术中存在的对铁路或公路沿线异常场景检测准确率低的问题。

技术领域

本发明涉及视频图像处理技术领域，尤其涉及一种异常场景检测方法及装置。

背景技术

当前国家铁路建设已成为国家发展战略中举足轻重的一环，便捷的铁路网为国家发展提供了保障，更为人民生活提供了便利。当遇到突发的自然灾害如泥石流、山体滑坡等造成铁轨掩埋以及铁轨道路路基坍塌等问题时，对轨道交通系统的安全性构成了很大威胁，因此，在铁路运营管理中，对铁路及周遭环境进行安全巡检是非常重要的环节，以确保列车的安全行驶。

目前，铁路部门常用的方法为人工巡检，工人沿铁轨进行巡查，排除铁轨周围的异常情况，确保铁路通行安全。这种方法费时费力，而且难以及时地对可能发生的自然灾害隐患进行准确排查。因此相关论文提出了通过无人机实现基于空基的自主监视的检测系统，对铁路沿线的环境进行巡检。无人机可通过携带的摄像头采集地面的图像数据，并运用计算机视觉技术进行智能分析与处理，对铁路沿线的场景情况进行判断，实现自主巡检，确保铁路安全。

然而，受到光照、天气变化等自然条件的影响，传统的计算机视觉技术很难准确地对铁路沿线的自然灾害做出检测与识别，因此，检测系统亟待完善。

发明内容

本发明提供一种异常场景检测方法及装置，解决了现有技术中存在的对铁路或公路沿线异常场景检测准确率低的问题。

本发明的第一方面提供一种异常场景检测方法，包括：

接收第一终端发送的视频数据；

根据预设采样间隔对所述视频数据进行采样，得到多个图像数据；

将各所述图像数据输入到第一卷积神经网络模型中；所述第一卷积神经网络模型用于标定图像是否为异常图像；

根据所述第一卷积神经网络模型的标定结果确定所述图像是否为异常图像，若是，则将所述异常图像的信息发送到第二终端。

进一步的，所述将各所述图像数据输入到第一卷积神经网络模型中之前，还包括：

将第一场景数据库的图像样本导入卷积神经网络，并对所述卷积神经网络进行预训练，得到第二卷积神经网络模型；所述第一场景数据库包括不同类型的场景；

将第二场景数据库的图像样本导入所述第二卷积神经网络模型；所述第二场景数据库包括自然灾害场景；

对所述第二卷积神经网络模型进行二次训练，得到所述第一卷积神经网络模型。

进一步的，所述将第二场景数据库的图像样本导入所述第二卷积神经网络模型之前，还包括：

将第二场景数据库的图像样本分为训练集和测试集；

对所述训练集中的图像样本进行多尺度变换和多角度变换，得到扩充后的训练集；

所述将第二场景数据库的图像样本导入所述第二卷积神经网络模型，包括：将所述扩充后的训练集导入所述第二卷积神经网络模型；

所述对所述第二卷积神经网络模型进行二次训练，得到第一卷积神经网络模型，包括：

在所述扩充后的训练集中对所述第二卷积神经网络模型进行二次训练，得到第三卷积神经网络模型；

将所述测试集输入到所述第三卷积神经网络模型，得到测试结果；