[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

说明书

本发明公开了一种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，所述方法包括以下步骤：对油田井场视频抽帧形成的油田场景图像进行预处理；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；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。本发明针对于油田井场现场的多样化场景，利用自定义的两级深度神经网络结构，可提升识别的准确率，实现油田场景下多目标的快速有效检测与识别，为油田生产与运输带来安全上的保障。

技术领域

本发明属于计算机数字图像处理与模式识别技术领域，涉及油田井场作业区目标检测与识别领域，特别涉及一种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。

背景技术

大多数油田位于现场交通不便、自然环境十分恶劣的地区，同时又加上盗窃和破坏的问题，石油生产和运输安全受到严重威胁。油田开采工作的一个重要组成部分就是做好安全控制工作。安全工作包括自然环境十分复杂带来的安全问题、石油生产和运输安全问题以及井场操作人员的安全。

现有在安防监控上最重要的技术是采用移动帧检测，一般也叫运动检测，常用于无人值守监控录像和自动报警。通过摄像头按照不同帧率采集图像，得到的图像被CPU按照一定算法进行计算和比较，当画面有变化时，如有人走过、镜头被移动等，计算比较得出的数字结果会超过阈值并指示系统自动做出相应的处理。针对于油田厂区中复杂的场景，包含抽油机、工程车、工作人员、动物、轿车这些复杂目标。

目前，通用的移动帧检测方案不能够准确实时地检测到具体目标，难以精确化监控且实施有目的性管控。

发明内容

本发明的目的在于提供一种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，以解决上述存在的一个或多个技术问题。本发明针对于油田井场现场的多样化场景，利用自定义的两级深度神经网络结构，可提升识别的准确率，实现油田场景下多目标的快速有效检测与识别，为油田生产与运输带来安全上的保障。

为达到上述目的，本发明采用以下技术方案：

本发明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，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。

本发明的进一步改进在于，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。

本发明的进一步改进在于，采用Yolo网络作为第一级神经网络模型。