[发明专利]基于神经网络的油田井场视频目标检测与识别方法及系统

权利要求书

1.一种基于神经网络的油田井场视频目标检测与识别方法，其特征在于，包括以下步骤：

对油田井场视频抽帧形成的油田场景图像进行预处理，获得预处理后的图像；

将预处理后的图像输入预先训练好的深度神经网络油田井场目标检测与识别器进行识别，获得图像中出现的目标位置及目标类别信息；其中，所述预先训练好的深度神经网络油田井场目标检测与识别器中，基于深度神经网络的目标检测与识别网络包括：

第一级网络模型，用于对油田井场拍摄的分辨率大于预设阈值的高分辨率图像进行目标识别，输出图像中存在的目标物的位置信息和第一类别信息；

第二级网络模型，用于输入预设关心的目标物图像，输出第二类别信息；其中，所述预设关心的目标物图像通过将第一级网络模型输出的目标图像去除掉背景类目标后获得；

将获得的目标位置及目标类别信息与预先建立的油田告警等级信息进行匹配，输出识别结果。

2.根据权利要求1所述的一种基于神经网络的油田井场视频目标检测与识别方法，其特征在于，所述预先训练好的深度神经网络油田井场目标检测与识别器的训练步骤具体包括：

将标注有目标位置和类别信息标签的学习样本集图片输入基于深度神经网络的目标检测与识别网络进行训练，基于目标位置和类别的联合学习损失函数调整基于深度神经网络的目标检测与识别网络参数；

使用随机梯度下降的方式进行优化，生成油田井场目标检测与识别器，每隔一个epoch的迭代进行一次模型测试，挑选性能最好或性能达到预设要求的模型作为训练好的深度神经网络油田井场目标检测与识别器。

3.根据权利要求1所述的一种基于神经网络的油田井场视频目标检测与识别方法，其特征在于，采用Yolo网络作为第一级神经网络模型。

4.根据权利要求3所述的一种基于神经网络的油田井场视频目标检测与识别方法，其特征在于，所述第一级神经网络模型训练的步骤包括：

将学习样本集图片送入到第一级网络模型Yolo网络的BackBone模块，得到输入图像的特征图；

将特征图送入到Neck网络和预测网络中，根据预测标签信息和标注信息设计损失函数进行训练，通过不断训练和测试，选择使得测试集误差最小的模型参数组合作为第一级网络模型的参数。

5.根据权利要求1所述的一种基于神经网络的油田井场视频目标检测与识别方法，其特征在于，采用SSD模型作为第二级网络模型。

6.根据权利要求5所述的一种基于神经网络的油田井场视频目标检测与识别方法，其特征在于，所述第二级网络模型的训练步骤包括：

将第一级神经网络模型输出的初步目标检测与分类结果进行筛选，去除背景类图像，获得预设关心的目标物图像；

将预设关心的目标物图像送入到第二级网络模型，进行训练和预测，获得训练好的第二级网络模型。

7.根据权利要求1所述的一种基于神经网络的油田井场视频目标检测与识别方法，其特征在于，第一类别信息包括：人、车、动物；第二类别信息包括：红色安全帽、蓝色安全帽、穿工作服的工人、未穿工作服的工人、轿车、油罐车、工程车、抽油机。

8.根据权利要求2所述的一种基于神经网络的油田井场视频目标检测与识别方法，其特征在于，获取标注有目标位置和类别信息标签的学习样本集图片时，采用数据增强的方式，扩增数据集包括：

对单一图片进行几何畸变、光照畸变、图像遮挡；

采用多图组合数据增强技术，将采集到的图像进行组合，利用Mosaic DataAugmentation技术，使得四张训练图像按一定比例组合成一张图像。

9.一种基于神经网络的油田井场视频目标检测与识别系统，其特征在于，包括：

预处理模块，用于对油田井场视频抽帧形成的油田场景图像进行预处理，获得预处理后的图像；

识别分类模块，用于将预处理后的图像输入预先训练好的深度神经网络油田井场目标检测与识别器进行识别，获得图像中出现的目标位置及目标类别信息；

告警匹配模块，用于将获得的目标位置及目标类别信息与预先建立的油田告警等级信息进行匹配，输出识别结果。