[发明专利]视频智能识别供水管道爆管的方法

权利要求书

1.视频智能识别供水管道爆管的方法，其特征在于，包括以下步骤：

步骤一：根据管道管网的分布设置视频采集终端，通过视频采集终端获取管道管网的视频数据；

步骤二：对所获得的管道管网的视频数据进行处理，并获得视频帧；

步骤三：将所获得的视频帧输入至深度卷积神经网络训练模型，提取视频帧中管道管网的特征；

步骤四：对所提取到的特征进行加强，并预测特征所对应的供水管道是否存在异常。

2.根据权利要求1所述的视频智能识别供水管道爆管的方法，其特征在于，视频采集终端获取管道管网的视频数据的方式为实时获取，且视频采集终端根据管道管网的分布，安装在不同的位置，通过安装在不同位置的视频采集终端对管道管网进行全覆盖，每个视频采集终端均设置有定位单元，通过定位单元获取每个视频采集终端的所在位置。

3.根据权利要求2所述的视频智能识别供水管道爆管的方法，其特征在于，对管道管网的视频数据的处理过程包括：

将视频采集终端所获取到的视频数据发送至监控中心，在所获得的视频数据内设置目标框，获取目标框在视频数据内的位置信息；

并将所获得的视频数据转化为视频帧，从而获得连续的管道管网的单元帧图片；

将单元帧图片进行栅格化处理，获得目标框在单元帧图片中的位置信息，并将栅格化处理后的单元帧图片进行汇总，生成输入信息集；

将所获得的输入信息集内的单元帧图片输入至深度卷积神经网络模型。

4.根据权利要求3所述的视频智能识别供水管道爆管的方法，其特征在于，深度卷积神经网络模型提取单元帧图片中关于供水管道的相关特征的过程包括：

通过CSPDarknet主干特征提取网络初步提取单元帧图片中的特征，并根据所提取到的特征获取单元帧图片的有效特征层；

根据所提取到的特征，生成预测框，获得预测框在单元帧图片中的位置信息。

5.根据权利要求4所述的视频智能识别供水管道爆管的方法，其特征在于，对所提取到的特征进行加强的过程包括：

对所提取到的特征进行解耦，获得特征类别、特征位置以及测量标准，并分别记为Cls、Reg以及LoU；

通过Loss函数对所提取到的特征进行识别，并根据所有特征分别生成标签，将每种标签进行标号；

根据目标框和预测框，输出所提取到的特征的边界框；

则获得边界框损失为Lⁱ_reg；

对所生成的标签分配至不同的特征，则每个特征的类别为Lⁱ_Cls。

6.根据权利要求5所述的视频智能识别供水管道爆管的方法，其特征在于，CSPDarknet主干特征提取网络使用了CSPnet网络结构、Focus网络结构、SiLU激活函数以及SPP结构，通过对不同池化核大小的最大池化进行特征提取。

7.根据权利要求6所述的视频智能识别供水管道爆管的方法，其特征在于，判断供水管道是否存在异常的过程包括：

根据所获取到的特征的类别以及边界框损失，对单元帧图片中的供水管道的相关特征进行提取，并根据所提取到的相关特征对供水管道是否出现异常进行识别；

对每种特征进行成本计算，获得供水管道出现异常的参考系数C_i；

设置判定系数阈值，将判定系数阈值标记为C0，且当

C_i≥C0时，则表示单元帧图片中标号为i的特征类别存在异常，则生成供水管道异常的预警信息；

同时获取到该单元帧图片的视频采集终端的位置，并将该视频采集终端的位置进行标记；

将特征类别存在异常的特征的边界框损失进行标记。