[发明专利]基于模式识别的视频图像危险态势感知方法、系统、装置

说明书

本发明属于信息技术及安全技术领域，具体涉及一种基于模式识别的视频图像危险态势感知方法、系统、装置，旨在解决现有视频图像危险态势感知实时性差和精度低的问题。本系统方法包括获取待感知图片组；获取待感知图片组中每一个待感知图片中的危险目标；对每一个待感知图片，按照预设的危险目标等级对应关系，确定其对应的危险目标等级；对所述待感知图片组中各待感知图片的危险目标等级按时序排列，得到对应的危险目标等级序列；基于预设的危险事态模式规则表，对得到的危险目标等级序列进行匹配，获取所述待感知图片组对应的危险态势等级。本发明采用卷积神经网络识别模型，危险目标按时序模式定义等级，提高危险态势感知的实时性和精度。

技术领域

本发明属于信息技术及安全技术领域，具体涉及一种基于模式识别的视频图像危险态势感知方法、系统、装置。

背景技术

近年来，态势感知技术在作战指挥控制、网络安全以及智能交通等诸多领域得到了广泛应用。伴随着科学技术的发展，各种信息采集设备的出现及信息传输方式的改变带来了信息量的爆炸性增长，面对时刻更新的海量数据，人类的理解能力无法完成对大量数据的感知，其理解速度也无法与信息的更新速度相匹配，从而造成一系列关键危险目标及危险态势感知不及时、错误等问题。因此，如何从海量数据中快速准确地获取有效信息，对关键危险目标或态势的精准实时自主感知成为新的研究课题。

在各类危险态势感知系统获取的信息中，视频图像以信息丰富、形象直观、准确度高和时效性强等特点成为主要来源，但视频图像的目标态势感知识别存在较大困难。一是视频图像数据量庞大，包含信息丰富，目标结构性特征明显，现有的机器学习算法在进行视频图像目标识别时对特征提取的要求较高，而人工设计的规则提取的特征往往无法满足要求；二是图像场景的复杂性以及目标的多样性对算法的识别精度和感知模型的泛化能力提出了较高要求。因此，有必要提供一种基于视频图像的危险态势感知方法，能够实现快速、精准地进行危险态势的识别。

发明内容

为了解决现有技术中的上述问题，即为了解决现有视频图像危险态势感知实时性差和精度低的问题，本发明第一方面，提出了一种基于模式识别的视频图像危险态势感知的方法，该方法包括：

步骤S10，获取待感知图片组；所述待感知图片组为时序连续Q个采样图片；

步骤S20，获取待感知图片组中每一个待感知图片中的危险目标；

步骤S30，对每一个待感知图片，按照预设的危险目标等级对应关系，确定其对应的危险目标等级；

步骤S40，对所述待感知图片组中各待感知图片的危险目标等级按时序排列，得到对应的危险目标等级序列；

步骤S50，基于预设的危险事态模式规则表，对步骤S40得到的危险目标等级序列进行匹配，获取所述待感知图片组对应的危险态势等级；

其中，

所述危险目标等级对应关系，为预设的危险目标类别与该类别对应危险等级的映射关系；

所述危险事态模式规则表，为预设的危险目标等级组合与预设的危险态势等级的映射关系；其中所述危险目标等级组合包含Q个元素。

在一些优选的实施方式中，所述待感知图片组，其获取方法为：通过采集设备按照设定采样频率获取时序连续Q个图片，或者基于输入视频按照设定时间间隔采样获取时序连续Q个图片。

在一些优选的实施方式中，步骤S20“获取待感知图片组中每一个待感知图片中的危险目标”，其方法为基于预设的危险目标识别模型，识别待感知图片中危险目标；所述危险目标识别模型基于卷积神经网络构建，其训练样本中的输入样本为危险目标样本图片，输出样本为输入样本对应的危险目标类别。

在一些优选的实施方式中，步骤S30“对每一个待感知图片，按照预设的危险目标等级对应关系，确定其对应的危险目标等级”，其方法为：