CN115171328B - 基于视频压缩编码的烟火识别方法、装置、设备及介质 - Google Patents
基于视频压缩编码的烟火识别方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115171328B CN115171328B CN202210763585.7A CN202210763585A CN115171328B CN 115171328 B CN115171328 B CN 115171328B CN 202210763585 A CN202210763585 A CN 202210763585A CN 115171328 B CN115171328 B CN 115171328B
- Authority
- CN
- China
- Prior art keywords
- images
- image
- matrix
- difference
- pixel value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000006835 compression Effects 0.000 title claims abstract description 27
- 238000007906 compression Methods 0.000 title claims abstract description 27
- 239000000779 smoke Substances 0.000 title abstract description 10
- 239000011159 matrix material Substances 0.000 claims abstract description 127
- 238000013139 quantization Methods 0.000 claims abstract description 45
- 238000006243 chemical reaction Methods 0.000 claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000005856 abnormality Effects 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 11
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 230000002159 abnormal effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
- H04N19/625—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using discrete cosine transform [DCT]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Discrete Mathematics (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于视频压缩编码的烟火识别方法、装置、设备及介质,本方法在第一时刻、第二时刻从变电站的视频监控资源数据中获取两张相同位置的图像,分别将两张图像作差,得到两个图像间像素值差值矩阵;将两个图像间像素值差值矩阵分别做DCT转换处理,两个DCT系数矩阵;将两个DCT系数矩阵分别量化,得到两个量化矩阵;将两个量化矩阵作差,当差值超过第一设定阈值的像素块的数量超过第二设定阈值时判定发生异常。本发明只需要获取站内视频间隔一定时间的画面,对图像画面进行转换计算进行比较。算法简单、实现了快速高效的异常识别。
Description
技术领域
本发明属于图像处理技术领域,具体涉及一种基于视频压缩编码的烟火识别方法、装置、设备及介质。
背景技术
变电站内安装的工业视频监控***主要用于监控变电站内设备运行情况,一般包括前端监控***和视频管控平台等,主要是通过对变电站内的图像视频进行监测,例如,前端***通过部署的数字摄像机、传感器、NVR等视频及数据采集设备,获取所需要的图像视频资源数据,将数据传输至视频管控平台。
现有的工业视频监控***通常会有海量的摄像头监控,在当电网运行出现故障时,通过搭载的智能识别算法进行识别,例如采用人工智能算法等等。但是现有的异常识别方法中,需要大量的学习目标样本并形成一套样本库,在通过检测目标在样本的对比过程中,才能得出结果,算法比较复杂,且需要长时间的训练、学习。
发明内容
本发明的目的在于提供一种基于视频压缩编码的烟火识别方法、装置、设备及介质,以解决现有技术中异常识别方法需要大量的学习目标样本、长时间的训练,算法复杂的问题。
为了实现上述目的,本发明采用如下技术方案:
本发明的第一方面,提供了一种基于视频压缩编码的异常识别方法,包括如下步骤:
在第一时刻从变电站的视频监控资源数据中获取两张相同位置的图像,分别为第一图像和第二图像;
在第二时刻从变电站的视频监控资源数据中获取两张相同位置的图像,分别为第三图像和第四图像;
将所述第一图像和第二图像的像素块做差,得到第一图像间像素值差值矩阵;
将所述第三图像和第四图像的像素块做差,得到第二图像间像素值差值矩阵;
将所述第一图像间像素值差值矩阵和第二图像间像素值差值矩阵分别做DCT转换处理,得到第一DCT系数矩阵和第二DCT系数矩阵;
将所述第一DCT系数矩阵和第二DCT系数矩阵分别量化,得到第一量化矩阵和第二量化矩阵;
将所述第一量化矩阵和第二量化矩阵作差,当差值超过第一设定阈值的像素块的数量超过第二设定阈值时判定发生异常。
作为本发明的一种可选方案,所述第一时刻和第二时刻之间的间隔为5s。
作为本发明的一种可选方案,所述将所述第一DCT系数矩阵和第二DCT系数矩阵分别量化的步骤中,量化的方法是:
分别将所述第一DCT系数矩阵和第二DCT系数矩阵除以一个常量;
将得到的像素点对应的值四舍五入取整。
作为本发明的一种可选方案,所述第一图像、第二图像、第三图像和第四图像的尺寸为1024*768。
作为本发明的一种可选方案,所述将所述第一图像间像素值差值矩阵和第二图像间像素值差值矩阵分别做DCT转换处理的步骤中,依据下式进行DCT转换处理:
上式中,f(i,j)是空间域二维向量元素,i,j=0,1,2,3……N-1,f(u,v)是变换系数阵列元素,N是f(i,j)的总数,c(u)、c(v)是常量。
作为本发明的一种可选方案,所述当差值超过第一设定阈值的像素块的数量超过第二设定阈值时判定发生异常的步骤之后,将所述异常信号发送至后台管理中心。
作为本发明的一种可选方案,所述当差值超过第一设定阈值的像素块的数量超过第二设定阈值时判定发生异常的步骤之后,变电站内进行声光报警。
本发明的第二方面,提供了一种基于视频压缩编码的异常识别装置,包括:
第一获取模块,用于在第一时刻从变电站的视频监控资源数据中获取两张相同位置的图像,分别为第一图像和第二图像;
第二获取模块,用于在第二时刻从变电站的视频监控资源数据中获取两张相同位置的图像,分别为第三图像和第四图像;
第一差值模块,用于将所述第一图像和第二图像的像素块做差,得到第一图像间像素值差值矩阵;
第二差值模块,用于将所述第三图像和第四图像的像素块做差,得到第二图像间像素值差值矩阵;
第一转换模块,用于将所述第一图像间像素值差值矩阵和第二图像间像素值差值矩阵分别做DCT转换处理,得到第一DCT系数矩阵和第二DCT系数矩阵;
第二转换模块,用于将所述第一DCT系数矩阵和第二DCT系数矩阵分别量化,得到第一量化矩阵和第二量化矩阵;
第三差值模块,用于将所述第一量化矩阵和第二量化矩阵作差,当差值超过第一设定阈值的像素块的数量超过第二设定阈值时判定发生异常。
本发明的第三方面,提供了一种电子设备,包括处理器和存储器,所述处理器用于执行存储器中存储的计算机程序以实现上述的基于视频压缩编码的异常识别方法。
本发明的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有至少一个指令,所述至少一个指令被处理器执行时实现上述的基于视频压缩编码的异常识别方法。
本发明的有益效果如下:
本发明提供的异常识别方法,在第一时刻从变电站的视频监控资源数据中获取两张相同位置的图像,分别为第一图像和第二图像;在第二时刻从变电站的视频监控资源数据中获取两张相同位置的图像,分别为第三图像和第四图像;将所述第一图像和第二图像的像素块做差,得到第一图像间像素值差值矩阵;将所述第三图像和第四图像的像素块做差,得到第二图像间像素值差值矩阵;将所述第一图像间像素值差值矩阵和第二图像间像素值差值矩阵分别做DCT转换处理,得到第一DCT系数矩阵和第二DCT系数矩阵;将所述第一DCT系数矩阵和第二DCT系数矩阵分别量化,得到第一量化矩阵和第二量化矩阵;将所述第一量化矩阵和第二量化矩阵作差,当差值超过第一设定阈值的像素块的数量超过第二设定阈值时判定发生异常。本发明只需要获取站内视频间隔一定时间的画面,对图像画面进行转换计算进行比较。该识别方法通过对间隔画面之间分析计算得出异常类型,可识别出人员、烟火、异物进入等多种异常类型,算法简单、实现了快速高效的异常识别。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例基于视频压缩编码的烟火识别方法的流程图。
图2为本发明实施例中DCT转换前后矩阵示意图。其中,(a)是一个由8*8的图像块,(b)是DCT转换后的系数矩阵。
图3为本发明实施例中矩阵量化前后示意图。其中,图3(a)是未量化前的DCT系数矩阵,图3(b)是量化后的DCT系数矩阵。
图4为本发明一种基于视频压缩编码的异常识别装置的结构框图。
图5为本发明一种电子设备的结构框图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明,旨在对本发明提供进一步的详细说明。除非另有指明,本发明所采用的所有技术术语与本申请所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式,而并非意图限制根据本发明的示例性实施方式。
实施例1
如图1所示,本实施例提供了一种基于视频压缩编码的烟火识别方法,包括如下步骤:
S1、在第一时刻从变电站的视频监控资源数据中获取两张相同位置的图像,分别为第一图像和第二图像。在第二时刻从变电站的视频监控资源数据中获取两张相同位置的图像,分别为第三图像和第四图像。
具体来说,本步骤S1中,是通过计算机提取当前站内工业视频画面,每间隔5s,提取连续的两张图像,一共四张图像。
作为上述步骤的一种示例,根据实际情况,本实施例中,所提取的图像大小为1024*768尺寸大小。
S2、将所述第一图像和第二图像的像素块做差,得到第一图像间像素值差值矩阵;将所述第三图像和第四图像的像素块做差,得到第二图像间像素值差值矩阵。
S3、将所述第一图像间像素值差值矩阵和第二图像间像素值差值矩阵分别做DCT转换处理,得到第一DCT系数矩阵和第二DCT系数矩阵。
需要说明的是,本步骤S3中,将第一图像间像素值差值矩阵和第二图像间像素值差值矩阵分别做DCT转换处理的目的是为了将图像间像素值差值矩阵变换到频率域,能将该变化程度实现去冗余和更好的能量聚集将图像更重要的信息聚集在一块,进而实现后续步骤的操作。
具体来说,本步骤S3中,将所述第一图像间像素值差值矩阵和第二图像间像素值差值矩阵依据下式进行DCT转换处理:
上式中,f(i,j)是空间域二维向量元素,i,j=0,1,2,3……N-1,f(u,v)是变换系数阵列元素,N是f(i,j)的总数,c(u)、c(v)是常量。
如图2所示,图2(a)是选取了一个8*8的图像块,可以发现经过DCT变换后,8*8的图像块左上角低频系数部分集中了大量的能量,如图2(b)所示,右下角的高频系数集中了很少的能量,获取到差值矩阵的能量波动分布。
S4、将所述第一DCT系数矩阵和第二DCT系数矩阵分别量化,得到第一量化矩阵和第二量化矩阵;
具体来说,本步骤S4中,将第一DCT系数矩阵和第二DCT系数矩阵分别量化的步骤中,量化的方法是:分别将所述第一DCT系数矩阵和第二DCT系数矩阵除以一个常量;将得到的像素点对应的值四舍五入取整。量化过程实际上是把变换后的DCT系数除以一个常量然后取整,经过量化后的结果是量化的整数倍或者为更多的零值,从而达到了压缩的目的,如图3所示,图3(a)是未量化前的DCT系数矩阵,图3(b)是量化后的DCT系数矩阵。
S5、将所述第一量化矩阵和第二量化矩阵作差,当差值超过第一设定阈值的像素块的数量超过第二设定阈值时判定发生异常。
具体来说,本步骤S5中,将述第一量化矩阵和第二量化矩阵相对应的像素点作差,得到每个像素点的差值,如果像素点的差值超过第一设定阈值,则认为该像素点异常,当超过第一设定阈值的像素块的数量超过第二设定阈值时判定变电站内的监控位置发生异常。
作为一种示例,本步骤S5中,可以将第一设定阈值设定为10,可以将第二设定阈值设定为异常像素点占所有像素点的占比,例如将该占比设定为30%、50%等。
在其他的一些实施例中,当差值超过第一设定阈值的像素块的数量超过第二设定阈值时判定发生异常的步骤之后,将所述异常信号发送至后台管理中心,与此同时,变电站内进行声光报警。
该方法经过试验验证,通过该方式对站内视频进行实时检测,能够最大限度的保障变电站内的安全。在测试期间,通过模拟着火的形式,该方法能够快速、高效的检测出结果,并给予工作人员警示
实施例2
如图4所示,本发明的第二方面,提供了一种基于视频压缩编码的异常识别装置,包括:
第一获取模块,用于在第一时刻从变电站的视频监控资源数据中获取两张相同位置的图像,分别为第一图像和第二图像。
第二获取模块,用于在第二时刻从变电站的视频监控资源数据中获取两张相同位置的图像,分别为第三图像和第四图像。
第一获取模块和第二获取模块中,获取的图像大小为1024*768尺寸大小。
第一差值模块,用于将所述第一图像和第二图像的像素块做差,得到第一图像间像素值差值矩阵。
第二差值模块,用于将所述第三图像和第四图像的像素块做差,得到第二图像间像素值差值矩阵。
第一转换模块,用于将所述第一图像间像素值差值矩阵和第二图像间像素值差值矩阵分别做DCT转换处理,得到第一DCT系数矩阵和第二DCT系数矩阵。
第一转换模块中,将所述第一图像间像素值差值矩阵和第二图像间像素值差值矩阵依据下式进行DCT转换处理:
上式中,f(i,j)是空间域二维向量元素,i,j=0,1,2,3……N-1,f(u,v)是变换系数阵列元素,N是f(i,j)的总数,c(u)、c(v)是常量。
第二转换模块,用于将所述第一DCT系数矩阵和第二DCT系数矩阵分别量化,得到第一量化矩阵和第二量化矩阵。
第二转换模块中,将第一DCT系数矩阵和第二DCT系数矩阵分别量化的步骤中,量化的方法是:分别将所述第一DCT系数矩阵和第二DCT系数矩阵除以一个常量;将得到的像素点对应的值四舍五入取整。
第三差值模块,用于将所述第一量化矩阵和第二量化矩阵作差,当差值超过第一设定阈值的像素块的数量超过第二设定阈值时判定发生异常。
实施例3
如图5所示,本发明还提供一种实现实施例1所述一种基于视频压缩编码的烟火识别方法的电子设备100;电子设备100包括存储器101、至少一个处理器102、存储在存储器101中并可在至少一个处理器102上运行的计算机程序103及至少一条通讯总线104。存储器101可用于存储计算机程序103,处理器102通过运行或执行存储在存储器101内的计算机程序,以及调用存储在存储器101内的数据,实现实施例1基于视频压缩编码的烟火识别方法步骤。存储器101可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备100的使用所创建的数据(比如音频数据)等。此外,存储器101可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
至少一个处理器102可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器102可以是微处理器或者该处理器102也可以是任何常规的处理器等,处理器102是电子设备100的控制中心,利用各种接口和线路连接整个电子设备100的各个部分。
电子设备100中的存储器101存储多个指令以实现一种基于视频压缩编码的烟火识别方法,处理器102可执行多个指令从而实现:
在第一时刻从变电站的视频监控资源数据中获取两张相同位置的图像,分别为第一图像和第二图像;
在第二时刻从变电站的视频监控资源数据中获取两张相同位置的图像,分别为第三图像和第四图像;
将所述第一图像和第二图像的像素块做差,得到第一图像间像素值差值矩阵;
将所述第三图像和第四图像的像素块做差,得到第二图像间像素值差值矩阵;
将所述第一图像间像素值差值矩阵和第二图像间像素值差值矩阵分别做DCT转换处理,得到第一DCT系数矩阵和第二DCT系数矩阵;
将所述第一DCT系数矩阵和第二DCT系数矩阵分别量化,得到第一量化矩阵和第二量化矩阵;
将所述第一量化矩阵和第二量化矩阵作差,当差值超过第一设定阈值的像素块的数量超过第二设定阈值时判定发生异常。
实施例4
电子设备100集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器及只读存储器(ROM,Read-Only Memory)。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种基于视频压缩编码的异常识别方法,其特征在于,包括如下步骤:
在第一时刻从变电站的视频监控资源数据中获取两张相同位置的图像,分别为第一图像和第二图像;
在第二时刻从变电站的视频监控资源数据中获取两张相同位置的图像,分别为第三图像和第四图像;
将所述第一图像和第二图像的像素块做差,得到第一图像间像素值差值矩阵;
将所述第三图像和第四图像的像素块做差,得到第二图像间像素值差值矩阵;
将所述第一图像间像素值差值矩阵和第二图像间像素值差值矩阵分别做DCT转换处理,得到第一DCT系数矩阵和第二DCT系数矩阵;
将所述第一DCT系数矩阵和第二DCT系数矩阵分别量化,得到第一量化矩阵和第二量化矩阵;
将所述第一量化矩阵和第二量化矩阵作差,当差值超过第一设定阈值的像素块的数量超过第二设定阈值时判定发生异常。
2.根据权利要求1所述的基于视频压缩编码的异常识别方法,其特征在于,所述第一时刻和第二时刻之间的间隔为5s。
3.根据权利要求1所述的基于视频压缩编码的异常识别方法,其特征在于,所述将所述第一DCT系数矩阵和第二DCT系数矩阵分别量化的步骤中,量化的方法是:
分别将所述第一DCT系数矩阵和第二DCT系数矩阵除以一个常量;
将得到的像素点对应的值四舍五入取整。
4.根据权利要求1所述的基于视频压缩编码的异常识别方法,其特征在于,所述第一图像、第二图像、第三图像和第四图像的尺寸为1024*768。
5.根据权利要求1所述的基于视频压缩编码的异常识别方法,其特征在于,所述将所述第一图像间像素值差值矩阵和第二图像间像素值差值矩阵分别做DCT转换处理的步骤中,依据下式进行DCT转换处理:
上式中,f(i,j)是空间域二维向量元素,i,j=0,1,2,3……N-1,f(u,v)是变换系数阵列元素,N是f(i,j)的总数,c(u)、c(v)是常量。
6.根据权利要求1所述的基于视频压缩编码的异常识别方法,其特征在于,所述当差值超过第一设定阈值的像素块的数量超过第二设定阈值时判定发生异常的步骤之后,将异常信号发送至后台管理中心。
7.根据权利要求1所述的基于视频压缩编码的异常识别方法,其特征在于,所述当差值超过第一设定阈值的像素块的数量超过第二设定阈值时判定发生异常的步骤之后,变电站内进行声光报警。
8.一种基于视频压缩编码的异常识别装置,其特征在于,包括:
第一获取模块,用于在第一时刻从变电站的视频监控资源数据中获取两张相同位置的图像,分别为第一图像和第二图像;
第二获取模块,用于在第二时刻从变电站的视频监控资源数据中获取两张相同位置的图像,分别为第三图像和第四图像;
第一差值模块,用于将所述第一图像和第二图像的像素块做差,得到第一图像间像素值差值矩阵;
第二差值模块,用于将所述第三图像和第四图像的像素块做差,得到第二图像间像素值差值矩阵;
第一转换模块,用于将所述第一图像间像素值差值矩阵和第二图像间像素值差值矩阵分别做DCT转换处理,得到第一DCT系数矩阵和第二DCT系数矩阵;
第二转换模块,用于将所述第一DCT系数矩阵和第二DCT系数矩阵分别量化,得到第一量化矩阵和第二量化矩阵;
第三差值模块,用于将所述第一量化矩阵和第二量化矩阵作差,当差值超过第一设定阈值的像素块的数量超过第二设定阈值时判定发生异常。
9.一种电子设备,其特征在于,包括处理器和存储器,所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1至7中任意一项所述的基于视频压缩编码的异常识别方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有至少一个指令,所述至少一个指令被处理器执行时实现如权利要求1至7中任意一项所述的基于视频压缩编码的异常识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210763585.7A CN115171328B (zh) | 2022-06-30 | 2022-06-30 | 基于视频压缩编码的烟火识别方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210763585.7A CN115171328B (zh) | 2022-06-30 | 2022-06-30 | 基于视频压缩编码的烟火识别方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115171328A CN115171328A (zh) | 2022-10-11 |
CN115171328B true CN115171328B (zh) | 2023-11-10 |
Family
ID=83489932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210763585.7A Active CN115171328B (zh) | 2022-06-30 | 2022-06-30 | 基于视频压缩编码的烟火识别方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115171328B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001061648A2 (en) * | 2000-02-17 | 2001-08-23 | British Telecommunications Public Limited Company | Visual attention location system |
JP2004040446A (ja) * | 2002-07-03 | 2004-02-05 | Victor Co Of Japan Ltd | 映像符号化装置 |
CN101778265A (zh) * | 2010-01-13 | 2010-07-14 | 上海交通大学 | 基于异常事件检测和双流编码的视频监控方法 |
JP2013210798A (ja) * | 2012-03-30 | 2013-10-10 | Jx Nippon Oil & Energy Corp | 異常検知方法及び異常検知装置 |
CN104093021A (zh) * | 2014-07-15 | 2014-10-08 | 上海工程技术大学 | 一种监控视频压缩方法 |
CN108028942A (zh) * | 2015-06-04 | 2018-05-11 | 清华大学 | 编码方法、解码方法及其装置 |
CN108171214A (zh) * | 2018-01-23 | 2018-06-15 | 北京易智能科技有限公司 | 一种基于深度学习的视频监控异常识别方法及*** |
JP2018160722A (ja) * | 2017-03-22 | 2018-10-11 | 三菱電機株式会社 | 映像異常停止検出装置、映像記録装置、および、映像異常停止検出方法 |
CN111741186A (zh) * | 2020-06-11 | 2020-10-02 | 浙江大华技术股份有限公司 | 一种视频抖动检测方法、装置以及*** |
CN113068040A (zh) * | 2021-06-02 | 2021-07-02 | 苏州浪潮智能科技有限公司 | 一种图像压缩方法、装置、电子设备及可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831442A (zh) * | 2011-06-13 | 2012-12-19 | 索尼公司 | 异常行为检测设备和方法及生成该检测设备的设备和方法 |
-
2022
- 2022-06-30 CN CN202210763585.7A patent/CN115171328B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001061648A2 (en) * | 2000-02-17 | 2001-08-23 | British Telecommunications Public Limited Company | Visual attention location system |
JP2004040446A (ja) * | 2002-07-03 | 2004-02-05 | Victor Co Of Japan Ltd | 映像符号化装置 |
CN101778265A (zh) * | 2010-01-13 | 2010-07-14 | 上海交通大学 | 基于异常事件检测和双流编码的视频监控方法 |
JP2013210798A (ja) * | 2012-03-30 | 2013-10-10 | Jx Nippon Oil & Energy Corp | 異常検知方法及び異常検知装置 |
CN104093021A (zh) * | 2014-07-15 | 2014-10-08 | 上海工程技术大学 | 一种监控视频压缩方法 |
CN108028942A (zh) * | 2015-06-04 | 2018-05-11 | 清华大学 | 编码方法、解码方法及其装置 |
JP2018160722A (ja) * | 2017-03-22 | 2018-10-11 | 三菱電機株式会社 | 映像異常停止検出装置、映像記録装置、および、映像異常停止検出方法 |
CN108171214A (zh) * | 2018-01-23 | 2018-06-15 | 北京易智能科技有限公司 | 一种基于深度学习的视频监控异常识别方法及*** |
CN111741186A (zh) * | 2020-06-11 | 2020-10-02 | 浙江大华技术股份有限公司 | 一种视频抖动检测方法、装置以及*** |
CN113068040A (zh) * | 2021-06-02 | 2021-07-02 | 苏州浪潮智能科技有限公司 | 一种图像压缩方法、装置、电子设备及可读存储介质 |
Non-Patent Citations (2)
Title |
---|
基于图像处理的人员异常行为监测设计;王帅鹏;赵凯;;现代电子技术(06);119-122 * |
风力机叶片缺陷的红外热像图像增强;杜金尧;周勃;李鹤;张雪岩;;无损检测(07);47-51 * |
Also Published As
Publication number | Publication date |
---|---|
CN115171328A (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105554450B (zh) | 分布式视频全景显示*** | |
CN110650316A (zh) | 智能巡逻及预警处理方法、装置、电子设备及存储介质 | |
CN109544870B (zh) | 用于智能监控***的报警判断方法与智能监控*** | |
CN111045889A (zh) | 封闭网络设备状态监测***、方法、装置及可读存储介质 | |
CN105357523A (zh) | 一种基于hosvd算法视频压缩***及方法 | |
CN105451020A (zh) | 视频压缩方法和设备 | |
CN103067713A (zh) | 一种位图jpeg压缩检测的方法及*** | |
CN112036381A (zh) | 视觉跟踪方法、视频监控方法及终端设备 | |
CN115171328B (zh) | 基于视频压缩编码的烟火识别方法、装置、设备及介质 | |
CN113205510B (zh) | 铁路侵限异物检测方法、装置及终端 | |
CN112052823A (zh) | 目标检测方法和装置 | |
Fang et al. | Detection of HEVC double compression with different quantization parameters based on property of DCT coefficients and TUs | |
CN115909215B (zh) | 一种基于目标检测的边缘入侵预警方法及*** | |
CN111369591A (zh) | 一种运动物体的跟踪方法、装置及设备 | |
CN114363579B (zh) | 一种监控视频的共享方法、装置及电子设备 | |
CN114501131B (zh) | 一种视频分析方法、装置、存储介质及电子设备 | |
CN104700532A (zh) | 一种视频报警方法和装置 | |
CN110910380B (zh) | 一种合成图片的检测方法及装置 | |
CN112183359B (zh) | 视频中的暴力内容检测方法、装置及设备 | |
CN112861711A (zh) | 区域入侵检测方法、装置、电子设备及存储介质 | |
CN102196259B (zh) | 一种适用于压缩域的运动目标检测***及方法 | |
Sreelakshmi et al. | Image compression using anti-forensics method | |
CN116886880B (zh) | 监控视频调整方法、装置、设备及计算机程序产品 | |
US20210241024A1 (en) | Jpeg classifier | |
CN113723268B (zh) | 识别电网故障的方法、装置、计算机存储介质及处理器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |