[发明专利]一种基于对抗神经网络的电缆隧道异常检测方法

权利要求书

1.一种基于对抗神经网络的电缆隧道异常检测方法，其特征在于，包括训练阶段和测试阶段，在所述训练阶段通过网络学习正常数据的数据分布，得到的模型A只能生成或者重建正常数据；在所述测试阶段，使用测试样本输入训练好的模型A，如果A经过重建后输出和输入接近，则为正常数据，否则为异常数据，其步骤如下：

（一）将标准视频转换为图像：从标准视频中提取图像序列，按固定时间段进行分类，每一图像类对应一个时间点，再从巡检视频中任取一幅图像，确定巡检图像与标准图像的对应关系，将视频转换为图像；

（二）将正常的标准图像转换成轮廓图：通过Canny 边缘检测算子对正常的标准图像进行边缘检测，得到轮廓图；

（三）将转换好的标准图像及其轮廓图输入到网络进行训练：对抗神经网络包括生成网络G（z）和判别网络D(x)，所述生成网络G（z）为生成图片的网络，其将轮廓图尽可能地生成为真实图像，所述判别网络D（x）判别图片真实性的网络，其输入x代表一张图片，输出D（x）代表x为真实图片的概率，所述概率为1，则为真实图片，否则为不真实图片；

其训练过程如下：

固定其中一个网络；

更新另一个网络的训练参数；

从所述网络数据中获得每次迭代需要使用的训练样本，对所述训练样本进行预处理后，作为模型A的输入；

采用随机梯度下降法交替优化判别网络和生成网络，更新各部分网络权值，直至迭代结束；

获得异常判别阈值；

（四）将日常巡检图像转换成轮廓图并输入到训练好的对抗神经网络中；将日常巡检图像通过Canny边缘检测算子进行边缘检测，得到轮廓图，输入到训练好的对抗神经网络中；

（五）找出两幅图像的差异部分：将生成的图像与真实的巡检图像做差值，如果差值大于异常判别阈值，则该区域为异常区域。

2.根据权利要求1所述的一种基于对抗神经网络的电缆隧道异常检测方法，其特征在于，步骤（三）中的所述生成网络G（z）输入给判别网络D（x）判别并得到相应的误差梯度，反向传播这些图片梯度成为组成生成网络G（z）的权重。

3.根据权利要求1所述的一种基于对抗神经网络的电缆隧道异常检测方法，其特征在于，步骤（三）中的所述训练参数包括最小批次值N batch 、最大迭代次数M、卷积和反卷积网络的层数以及每层网络的特征图数量。

4.根据权利要求1所述的一种基于对抗神经网络的电缆隧道异常检测方法，其特征在于，所述预处理包括图片尺寸归一化和像素值归一化。

5.根据权利要求4所述的一种基于对抗神经网络的电缆隧道异常检测方法，其特征在于，所述像素值归一化具体为：

将图片RGB三通道上的像素值减去训练样本集上所有图片的RGB均值，然后再将所有通道上的像素值归一化成[0，1]之间。

6.根据权利要求1所述的一种基于对抗神经网络的电缆隧道异常检测方法，其特征在于，采用所述随机梯度下降法进行优化时，基于判别网络的对抗神经目标函数更新各部分网络权值，其中，

对抗神经网络目标函数表示为：

其中，训练判别网络D（x）使得最大概率地正确区分训练样本的标签，即通过最大化logD(x)实现，训练生成网络G（z）通过最小化log(1 – D(G(z)))实现，即最大化判别D（x）的损失。

7.根据权利要求1所述的一种基于对抗神经网络的电缆隧道异常检测方法，其特征在于，步骤（三）中的所述异常判别阈值通过以下过程获得：

利用训练好的A模型，将训练样本集中的所有正常样本输入到模型中，计算得到其判别网络输出的属于正常类别和异常类别的信任值，获得所有正常样本被分为异常类别的信任值的最大值，记该最大值θ为异常判别阈值。

8.根据权利要求1所述的一种基于对抗神经网络的电缆隧道异常检测方法，其特征在于，步骤（一）中的所述视频切分的时长为5秒。