基于AI视频识别的化工园区危险源感知监测方法及系统与流程

本技术涉及图像处理，尤其涉及一种基于ai视频识别的化工园区危险源感知监测方法及系统。

背景技术：

1、化工园区作为重要的工业生产基地，其安全生产和环境保护至关重要。然而，由于化工生产过程中涉及大量的危险品和高温高压等危险因素，一旦发生事故，后果将不堪设想。因此，如何及时发现并处理化工园区内的潜在危险源，成为了当前亟待解决的问题。

2、传统的化工园区监控方法主要依赖于人工巡检和固定的监控设备，但这种方法存在着效率低下、盲区多、实时性差等问题。近年来，随着视频监控技术和人工智能技术的不断发展，基于视频监控的危险源感知判别方法逐渐成为了研究的热点。

3、然而，现有的视频监控方法在处理化工园区监控图像时，往往只是简单地提取图像的特征并进行分类识别，忽略了图像中的细节信息和上下文关联。此外，由于化工园区内存在着大量的相似设备和场景，传统的视频监控方法很容易受到干扰，导致误判和漏判的情况时有发生。

技术实现思路

1、为了改善上述问题，本技术提供了一种基于ai视频识别的化工园区危险源感知监测方法及系统。

2、第一方面，本技术实施例提供一种基于ai视频识别的化工园区危险源感知监测方法，应用于ai视频识别系统，所述方法包括：

3、获取化工园区联动监控图像集，所述化工园区联动监控图像集包括第一化工园区监控图像和第二化工园区监控图像；

4、从所述化工园区联动监控图像集中识别所述第一化工园区监控图像的第一异常状态监控图像块、所述第二化工园区监控图像的第二异常状态监控图像块；

5、对所述化工园区联动监控图像集中的化工园区监控图像进行图像描述挖掘，得到所述第一化工园区监控图像的图像块描述知识、第一全局图像表征向量，和第二化工园区监控图像的图像块描述知识、第二全局图像表征向量；

6、基于所述第一化工园区监控图像的图像块描述知识、所述第二异常状态监控图像块的图像块描述知识，获取第一焦点化描述知识数据，所述第一焦点化描述知识数据为聚焦所述第二异常状态监控图像块与第一化工园区监控图像中各个图像块牵涉特征的图像块描述知识；

7、基于所述第二化工园区监控图像的图像块描述知识、所述第二异常状态监控图像块的图像块描述知识，获取第二焦点化描述知识数据，所述第二焦点化描述知识数据为聚焦所述第一异常状态监控图像块与第二化工园区监控图像中各个图像块牵涉特征的图像块描述知识；

8、依据所述第一焦点化描述知识数据、所述第二焦点化描述知识数据、所述第一全局图像表征向量、以及所述第二全局图像表征向量，对所述化工园区联动监控图像集进行危险源感知判别，得到危险源感知判别标签。

9、在一些技术方案中，所述基于所述第一化工园区监控图像的图像块描述知识、所述第二异常状态监控图像块的图像块描述知识，获取第一焦点化描述知识数据，包括：

10、基于所述第一化工园区监控图像的图像块描述知识、所述第二异常状态监控图像块的图像块描述知识，确定第二异常状态监控图像块与第一化工园区监控图像中各个图像块的第一监控要素牵涉特征；

11、依据所述第一监控要素牵涉特征对所述第一化工园区监控图像的图像块描述知识进行优化，得到第一焦点化描述知识数据。

12、在一些技术方案中，所述第一监控要素牵涉特征包括第一置信系数，所述基于所述第一化工园区监控图像的图像块描述知识、所述第二异常状态监控图像块的图像块描述知识，确定第二异常状态监控图像块与第一化工园区监控图像中各个图像块的第一监控要素牵涉特征，包括：根据第一化工园区监控图像的图像块描述知识生成第一索引特征，并基于所述第二异常状态监控图像块的图像块描述知识生成第二图像标识特征；基于所述第一索引特征和第二图像标识特征，确定表征第二异常状态监控图像块与第一化工园区监控图像中各个图像块牵涉特征的第一置信系数；

13、所述依据所述监控要素牵涉特征对所述第一化工园区监控图像的图像块描述知识进行优化，得到第一焦点化描述知识数据，包括：依据所述第一置信系数对所述第一化工园区监控图像的图像块描述知识进行优化，得到第一焦点化描述知识数据。

14、在一些技术方案中，所述依据所述第一置信系数对所述第一化工园区监控图像的图像块描述知识进行优化，得到第一焦点化描述知识数据，包括：

15、根据第一化工园区监控图像的图像块描述知识生成第一图像属性特征；

16、依据所述第一置信系数，对所述第一图像属性特征进行知识强化，得到第一焦点化描述知识数据。

17、在一些技术方案中，所述基于所述第二化工园区监控图像的图像块描述知识、所述第二异常状态监控图像块的图像块描述知识，获取第二焦点化描述知识数据，包括：

18、基于所述第二化工园区监控图像的图像块描述知识、所述第二异常状态监控图像块的图像块描述知识，确定第一异常状态监控图像块与第二化工园区监控图像中各个图像块的第二监控要素牵涉特征；

19、依据所述第二监控要素牵涉特征，对所述第二化工园区监控图像的图像块描述知识进行优化，得到第二焦点化描述知识数据。

20、在一些技术方案中，所述对所述化工园区联动监控图像集中的化工园区监控图像进行图像描述挖掘，得到所述第一化工园区监控图像的图像块描述知识、第一全局图像表征向量，和第二化工园区监控图像的图像块描述知识、第二全局图像表征向量，包括：

21、对所述第一化工园区监控图像中各个图像块进行像素集描述挖掘，得到第一化工园区监控图像的图像块描述知识；

22、对所述第二化工园区监控图像中各个图像块进行像素集描述挖掘，得到第二化工园区监控图像的图像块描述知识；

23、分别对所述第一化工园区监控图像和第二化工园区监控图像对进行语义图像描述挖掘，得到所述第一化工园区监控图像的第一全局图像表征向量、和第二化工园区监控图像的第二全局图像表征向量。

24、在一些技术方案中，

25、所述对所述第一化工园区监控图像中各个图像块进行像素集描述挖掘，得到第一化工园区监控图像的图像块描述知识，包括：

26、对所述第一化工园区监控图像中的每个图像块分别进行图像分布描述挖掘和像素集描述挖掘，得到第一化工园区监控图像的图像分布向量和像素集描述向量；

27、对所述第一化工园区监控图像中的每个图像块进行重构，得到第一化工园区监控图像的重构图像描述向量；

28、对所述第一化工园区监控图像的图像分布向量、像素集描述向量和重构图像描述向量进行知识向量集成，得到所述第一化工园区监控图像的图像块描述知识；

29、所述对所述第二化工园区监控图像中各个图像块进行像素集描述挖掘，得到第二化工园区监控图像的图像块描述知识，包括：

30、对所述第二化工园区监控图像中的每个图像块分别进行图像分布描述挖掘和像素集描述挖掘，得到第二化工园区监控图像的图像分布向量和像素集描述向量；

31、对所述第二化工园区监控图像中的每个图像块进行重构，得到第二化工园区监控图像的重构图像描述向量；

32、对所述第二化工园区监控图像的图像分布向量、像素集描述向量和重构图像描述向量进行拼接，得到所述第二化工园区监控图像的图像块描述知识。

33、在一些技术方案中，所述从所述化工园区联动监控图像集中识别所述第一化工园区监控图像的第一异常状态监控图像块、所述第二化工园区监控图像的第二异常状态监控图像块，包括：

34、对所述化工园区联动监控图像集进行图像块拆解，得到化工园区联动监控图像集的图像块集；

35、确定所述第一化工园区监控图像和第二化工园区监控图像各自所匹配的监控通道；

36、依据所述监控通道对应的设定通道窗口指导特征集，从所述图像块集中确定第一化工园区监控图像的第一异常状态监控图像块、第二化工园区监控图像的第二异常状态监控图像块。

37、在一些技术方案中，所述依据所述第一焦点化描述知识数据、所述第二焦点化描述知识数据、所述第一全局图像表征向量、以及所述第二全局图像表征向量，对所述化工园区联动监控图像集进行危险源感知判别，得到危险源感知判别标签，包括：

38、将所述第一全局图像表征向量和所述第二全局图像表征向量进行交互，得到全局图像表征交互向量；

39、基于所述第一化工园区监控图像、所述第二化工园区监控图像和所述全局图像表征交互向量，确定第一化工园区监控图像和第二化工园区监控图像之间的联动决策系数；

40、依据所述联动决策系数对所述化工园区联动监控图像集进行危险源感知判别，得到危险源感知判别标签；

41、其中，所述基于所述第一化工园区监控图像、所述第二化工园区监控图像和所述全局图像表征交互向量，确定第一化工园区监控图像和第二化工园区监控图像之间的联动决策系数，包括：

42、将所述第一化工园区监控图像、所述第二化工园区监控图像和所述全局图像表征交互向量进行知识衍生，得到化工园区监控衍生图像；

43、基于所述化工园区监控衍生图像确定第一化工园区监控图像和第二化工园区监控图像之间的联动决策系数。

44、第二方面，本技术实施例提供一种ai视频识别系统，包括至少一个处理器和存储器；所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行第一方面所述的方法。

45、第三方面，本技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在运行时实现第一方面所述的方法。

46、本技术提出了一种基于图像描述挖掘和全局表征的化工园区危险源感知判别方法。该方法首先获取化工园区联动监控图像集，并对其进行图像描述挖掘，得到丰富的图像块描述知识和全局图像表征向量。然后，通过识别异常状态监控图像块，并基于图像块描述知识获取焦点化描述知识数据，进一步聚焦异常状态与周围图像块的牵涉特征。最后，综合考虑焦点化描述知识数据和全局图像表征向量的信息，对化工园区联动监控图像集进行危险源感知判别，得到准确的危险源感知判别标签。

47、与现有技术相比，本技术具有以下优点：首先，通过图像描述挖掘技术，能够提取出图像中的详细特征和上下文关联信息，为后续的危险源感知判别提供了全面、准确的数据支持；其次，通过识别异常状态监控图像块并获取焦点化描述知识数据，能够更深入地理解异常状态的性质和影响范围；最后，综合考虑全局图像表征向量的信息，能够提高危险源感知判别的准确性和可靠性。因此，本技术在化工园区危险源感知判别方面具有重要的实际应用价值和推广前景。