[发明专利]一种动态告警窗的告警控制方法

说明书

本发明公开一种动态告警窗的告警控制方法，包括：按照预设的时间间隔截取目标视频，根据目标视频的帧率将所述目标视频的每一帧保存为一个目标图像，并将每一秒的目标图像分为一组；对目标图像进行特征点的采集，若特征点数量小于阈值，则将该目标图像舍弃，根据特征点描绘出动态目标的轮廓并标记中心点；将获得的目标图像输入卷积神经网络分类模型，输出动态目标的预测轨迹；将一组中的所有目标图像的中心点连线，并将所有组连线的中点连接绘制成实际轨迹；将所述预测轨迹和实际轨迹在动态告警窗口的同一坐标轴中展示，当所述预测轨迹和实际轨迹之间的竖线距离值大于坐标值的阈值时进行告警。本发明能够更快速准确地进行告警响应。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种动态告警窗的告警控制方法。

背景技术

卷积神经网络识别技术在图像识别，生物医学技术，工业生产等领域起着重要作用。动态告警窗是为了能够准确进行告警而设置的，因此就需要基于卷积神经网络的图像识别技术实现更加实时有效的告警。

因此针对这一现状，迫切需要设计和生产一种基于卷积神经网络的图像识别技术在动态告警窗中的应用，以满足实际使用的需要。

发明内容

本发明所要解决的技术问题在于，提供一种动态告警窗的告警控制方法，以实现更加实时有效的告警。

为了解决上述技术问题，本发明实施例提供一种动态告警窗的告警控制方法，包括：

步骤S1，按照预设的时间间隔截取目标视频，根据目标视频的帧率将所述目标视频的每一帧保存为一个目标图像，并将每一秒的目标图像分为一组；

步骤S2，对目标图像进行特征点的采集，若特征点数量小于阈值，则将该目标图像舍弃，根据特征点描绘出动态目标的轮廓并标记中心点；

步骤S3，将步骤S2获得的目标图像输入卷积神经网络分类模型，输出动态目标的预测轨迹；

步骤S4，将一组中的所有目标图像的中心点连线，并将所有组连线的中点连接绘制成实际轨迹；

步骤S5，将所述预测轨迹和实际轨迹在动态告警窗口的同一坐标轴中展示，当所述预测轨迹和实际轨迹之间的竖线距离值大于坐标值的阈值时进行告警。

进一步地，所述卷积神经网络分类模型依次包括输入层、第一卷积层、第一修正线性单元ReLU层、第一池化层、第二卷积层、第二ReLU层、第二池化层、全连接层和输出层，所述步骤S3具体包括：

在第一卷积层中，将所述目标图像通过卷积核进行卷积，进行补零之后得到第一二维特征图；

在第一ReLU层中，采用ReLU函数对第一二维特征图进行非线性映射，得到第二二维特征图；

在第一池化层中，将第二二维特征图经过最大池化，得到第三二维特征图；

在第二卷积层中，将第三二维特征图通过卷积核进行卷积，补零之后得到第四二维特征图；

在第二ReLU层中，采用ReLU函数对第四二维特征图进行非线性映射，得到第五二维特征图；

在第二池化层中，将第五二维特征图经过最大池化，得到第六二维特征图；

在全连接层中，将第六二维特征图转换为1000维的特征向量V；

在输出层，利用相应函数归一化所述特征向量V，得到特征向量S；

根据特征向量S绘制动态目标的预测轨迹。

进一步地，所述步骤S5具体包括：

将预测轨迹和实际轨迹在动态告警窗口的同一坐标轴中展示，并将起点设置为相同，每隔1s绘制一道竖线，当预测轨迹和实际轨迹之间的竖线距离值大于坐标值的阈值时则进行告警。