[发明专利]一种基于卷积神经网络的油管拖地的识别方法

说明书

本发明公开了一种基于卷积神经网络的油管拖地的识别方法，包括如下步骤:监控系统采集加油机附近区域的视频数据，并存储至存储器；对视频数据每预设时间截取一张图像，得到历史图像集；根据历史图像集得出油管拖地可能出现的区域，对油管拖地可能出现的区域进行标记，得到标记图像集；对图像中油管拖地可能出现的区域进行定义，0表示正常，1表示油管拖地，2表示其他情况；构建卷积神经网络，使用卷积神经网络对所述标记图像集进行训练，得到训练好的卷积神经网络；利用训练好的卷积神经网络对标记图像集进行判定，若输出为0，则判定无异常情况；若输出为1，则判定油管拖地；若输出为2，则判定存在其他异常情况。

技术领域

本发明涉及图像技术领域，具体涉及一种基于卷积神经网络的油管拖地的识别方法。

背景技术

加油站在建立之初根据安防要求，在加油机区域安装摄像机，通过摄像机监控的方式对加油站的加油机安全作业、安全运营进行考察。这种方式存在较大的缺陷，无法及时快速、有效的降安全预警信息、各类风险信息传递到管理者。

其中加油机的油管拖地是最常见的安全隐患，油企在对管辖内加油站站点进行管理时，现有的处理方式只有通过监控视频、录像去查阅和取证，安全事件发生后无法第一时间传递到油企管理人员；另外一方面，对加油站站点人员管理也无法有效实施。

然而，现有技术完全是采用人为干预的方法，通过摄像头监控加油机的油管是否拖地，并没有一种客观的非人工且准确的智能监控油管连接正确性的方法。这种完成依靠人工的方法，存在以下三种问题：

1、人力成本高，需要工作人员进行实时监控。

2、出错风险较高，人工检查总会因为偶尔的疲劳或者大意导致出错。

3、上级领导基本无法进行监督管理。

发明内容

为解决现有技术中仅通过人工干预来进行对加油员手势进行监管的问题，本发明提供了一种基于卷积神经网络的油管拖地的识别方法。

本发明通过下述技术方案实现：

一种基于卷积神经网络的油管拖地的识别方法，包括如下步骤：

S1：监控系统采集加油机附近区域的视频数据，并存储至存储器；

S2：对视频数据每预设时间截取一张图像，得到历史图像集；根据历史图像集得出油管拖地可能出现的区域，对油管拖地可能出现的区域进行标记，得到标记图像集；

S3：对图像中油管拖地可能出现的区域进行定义，0表示正常，1表示油管拖地，2表示其他情况；

S4：构建卷积神经网络，使用卷积神经网络对所述标记图像集进行训练，得到训练好的卷积神经网络；

S5：利用训练好的卷积神经网络对标记图像集进行判定，若输出为0，则判定无异常情况；若输出为1，则判定油管拖地；若输出为2，则判定存在其他异常情况。

在上述方案的基础上，进一步地有：所述步骤S1中的监控系统包括多个摄像机，摄像机的安装位置与对应该摄像机所监控的加油机水平距离为8～12米，距地面高度为3～5米。

在上述方案的基础上，进一步地有：所述步骤S2包括如下子步骤：

S21：选取三个月内的视频数据，对视频数据每预设时间截取一张图像，得到历史图像集；

S22：在历史图像集中挑选出有油管拖地画面的图像，得到拖地图像集；

S23：对拖地图像集进行油管拖地区域统计，得出油管拖地的可能出现的区域；

S24：对历史图像集油管拖地可能出现的区域进行标记，得到标记图像集。

在上述方案的基础上，进一步地有：所述步骤S4包括如下子步骤：