[发明专利]一种盲图像质量评价引导的电网目标检测方法及系统

说明书

本申请属于图像数据处理技术领域，尤其涉及一种盲图像质量评价引导的电网目标检测方法及系统。电力行业中采用图像识别技术存在准确率低且算法鲁棒性和扩展性较差的问题。本申请提供一种盲图像质量评价引导的电网目标检测方法及系统，通过训练盲图像质量评价网络，对监控视频序列进行预处理，筛选出质量达预设要求的视频帧，进而对高质量图像进行目标检测。通过检测出的安全器具目标与人体目标的相对位置、特征表征、人体轮廓表征等特点，对工作人员安全行为进行分析，保障管理规范和人员安全。本申请过滤低质量图像，克服视角变化、光照变化以及运动变化等干扰，提高检测精度；本申请对任意来源图像进行预处理，适应范围广，缩短预处理时间。

技术领域

本申请涉及图像数据处理技术领域，尤其涉及一种盲图像质量评价引导的电网目标检测方法及系统。

背景技术

电力行业中，由于电网现场存在高电压属性，作业安全一直是备受关注的工作重心。为了确保工作人员穿戴安全劳保上岗作业，一般会在赴现场之前进行人工检查，防止因安全防护不周而产生意外事故。

在繁忙紧张的实际工作中，这种自查自纠或是相互检查的人为方式难免会有疏忽或遗漏，劳保用品穿戴不全的现象时有发生，暴露出高风险特征。随着计算机技术的深入发展，通过计算机视觉识别技术可以便捷高效地识别现场工作人员的劳保穿戴状况，进而使之成为辅助人工检查的重要方式之一。

现有的计算机图像识别常用的数据集包括：PASCAL VOC、ImageNet以及MS COCO等，大多针对质量较高图像。这些数据集一般用于研究者进行目标检测算法性能测试或者用于相关竞赛，作为图像处理的热门领域，相继涌现了R-CNN、Fast R-CNN、Faster R-CNN、YOLO以及SSD等优秀算法，在静态数据集上取得了优异的性能。

但在现实环境中，视频获取的图像往往存在失真、降质的现象，算法的精确度也会随之下降。企业实际生产中，为了获得较好的识别效果，需要对任意来源的图像进行筛选，并在提高图像识别准确率的条件下保持图像处理算法的鲁棒性和扩展性，这种实际存在的客观需求成为亟待解决的技术问题。

发明内容

本申请提供了一种盲图像质量评价引导的电网目标检测方法及系统，以解决当前电力行业中目标识别准确率低且算法鲁棒性和扩展性差的问题。

本申请采用的技术方案如下：

本申请的第一方面，提供一种盲图像质量评价引导的电网目标检测方法，包括以下步骤：

通过训练盲图像质量评价网络，对输入的监控视频序列进行筛选，挑选出质量达到预设要求的视频帧；

通过训练目标检测网络，对质量达到预设要求的视频帧进行目标检测；

对目标检测的结果进行分析，得出目标人体的安全状态结论。

可选的，在所述通过训练盲图像质量评价网络，对输入的监控视频序列进行筛选，挑选出质量达到预设要求的视频帧的步骤中，包括：

利用电网现场采集的监控视频，结合数据增强技术，创建盲图像质量评价数据集；

根据盲图像质量评价数据集，训练盲图像质量评价网络；

将输入的监控视频序列的每一帧图像分离出来，把每一帧图像输入盲图像质量评价网络进行评价，设置质量阈值，提取出质量值大于等于质量阈值的图像，再将这些图像按原时间顺序排列为图像集。

可选的，在所述根据盲图像质量评价数据集，训练盲图像质量评价网络的步骤中，利用卷积神经网络对盲图像质量评价数据集进行训练，基于低运算复杂度的VGG-F模型并选取大步长卷积核，所有的卷积层均使用零填充。

可选的，在所述利用电网现场采集的监控视频，结合数据增强技术，创建图像质量评价数据集的步骤中，包括：