CN112069909A - 污水排放实时监测方法、装置及可读存储介质 - Google Patents
污水排放实时监测方法、装置及可读存储介质 Download PDFInfo
- Publication number
- CN112069909A CN112069909A CN202010802621.7A CN202010802621A CN112069909A CN 112069909 A CN112069909 A CN 112069909A CN 202010802621 A CN202010802621 A CN 202010802621A CN 112069909 A CN112069909 A CN 112069909A
- Authority
- CN
- China
- Prior art keywords
- trend
- classification
- unit
- emission
- monitoring
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请实施例提供一种污水排放实时监测方法、装置及可读存储介质,通过对探测到的监控图像信息流的污水排放行为特征中的各排放行为特征段进行趋势识别,从而能够对未来监控节点范围内的污水排放行为特征的趋势变化异常情况进行有效信息识别,以使得趋势变化异常检测能够及时为后续的排放控制过程进行数据参考。
Description
技术领域
本申请涉及通信监控技术领域,具体而言,涉及一种污水排放实时监测方法、装置及可读存储介质。
背景技术
污水排放过程中,为了便于有效管理和控制,需要进行实时监控并且根据实时监控的情况调节污水排水过程中的各个控制模块。然而,传统方案中,无法对未来监控节点范围内的污水排放行为特征的趋势变化异常情况进行有效信息识别,进而无法在趋势变化异常检测能够及时为后续的排放控制过程进行数据参考。
发明内容
有鉴于此,本申请的目的在于提供一种污水排放实时监测方法、装置及可读存储介质,能够对未来监控节点范围内的污水排放行为特征的趋势变化异常情况进行有效信息识别,以使得趋势变化异常检测能够及时为后续的排放控制过程进行数据参考。
根据本申请的第一方面,提供一种污水排放实时监测方法,应用于服务器,所述方法包括:
提取从污水排放监控设备探测到的监控图像信息流的污水排放行为特征;
对所述污水排放行为特征中的各排放行为特征段进行趋势识别,得到趋势识别结果,所述趋势识别结果包括在下一监控节点范围内所述污水排放行为特征中的各排放行为特征段的排放趋势特征以及每个排放行为特征段对应的趋势变化参数,每个排放行为特征段分别对应一种排放行为标签;
对所述趋势识别结果进行信息识别,得到所述监控图像信息流的趋势变化异常识别结果,所述趋势变化异常识别结果用于表示所述监控图像信息流是否存在趋势变化异常。
在第一方面的一种可能的实施方式中,所述提取从污水排放监控设备探测到的监控图像信息流的污水排放行为特征的步骤,包括:
提取所述监控图像信息流中的监控节点分片数据段并提取所述监控节点分片数据段中的关键匹配监控特征;
获取每个关键匹配监控特征对应的区域分割单元列表和区域分割标签列表,所述区域分割标签列表包括需要在信息识别过程中显示的区域分割标签内容,所述区域分割标签内容包括区域分割单元标签和区域分割单元排放功能,所述区域分割单元排放功能用于表示区域分割单元识别过程中的排放功能信息;
根据所述区域分割标签列表获取所述监控图像信息流所对应的监控区域元素,其中,所述监控区域元素为所述监控图像信息流中当前常规监控角度与候选监控角度的监控区域元素;
将所述区域分割单元列表中每个区域分割单元的位置与所述监控区域元素进行匹配,得到匹配信息,所述匹配信息表示所述区域分割单元是位于所述常规监控角度内或者位于所述候选监控角度内;
根据所述匹配信息提取所述监控图像信息流的污水排放行为特征。
在第一方面的一种可能的实施方式中,所述根据所述匹配信息提取所述监控图像信息流的污水排放行为特征的步骤,包括:
根据所述区域分割单元列表构建待关联的目标区域分割单元列表;
根据所述区域分割单元列表从所述区域分割标签列表中选取相应的目标区域分割标签信息,并从所述目标区域分割单元列表中获取位于所述常规监控角度和候选监控角度内的区域分割单元;
当所述区域分割单元位于当前的常规监控角度内时,根据所述区域分割单元的位置在区域分割单元列表中确定相应的第一待关联区域分割单元、以及在所述区域分割标签列表中确定相应的第二待关联区域分割单元,并将所述第一待关联区域分割单元在所述区域分割单元列表中的分割元素、与所述第二待关联区域分割单元在所述区域分割标签列表中的分割元素进行关联,得到第一关联分割元素,而后将所述区域分割单元在所述目标区域分割单元列表中的分割元素更新为所述第一关联分割元素;
当所述区域分割单元位于当前的候选监控角度内时,根据所述区域分割单元的位置在所述区域分割单元列表中确定相应的第一待关联区域分割单元、以及在所述目标区域分割标签信息中确定相应的第三待关联区域分割单元,并将所述第一待关联区域分割单元在所述区域分割单元列表中的分割元素、与所述第三待关联区域分割单元在所述目标区域分割标签信息中的分割元素进行关联,得到第二关联分割元素,而后将所述区域分割单元在所述目标区域分割单元列表中的分割元素更新为所述第二关联分割元素;
提取更新为第一关联分割元素或者第二关联分割元素的该区域分割单元的特征信息,并汇总后得到所述监控图像信息流的污水排放行为特征。
在第一方面的一种可能的实施方式中,所述对所述污水排放行为特征中的各排放行为特征段进行趋势识别,得到趋势识别结果的步骤,包括:
根据预先训练的趋势识别回归模型对所述污水排放行为特征中的各排放行为特征段进行趋势识别,分别得到至少一个趋势分布空间,其中,所述趋势识别回归模型包括多个预先训练的分布统计节点,所述趋势分布空间包括每个分布统计节点的趋势分布信息;
在所述至少一个趋势分布空间上提取所述排放行为特征段的排放功能特征和趋势更新特征,所述趋势更新特征用于描述所述趋势分布空间中预测值的变化趋势;
根据所述排放行为特征段的排放功能特征和趋势更新特征得到所述排放行为特征段的排放趋势特征以及所述排放行为特征段对应的趋势变化参数。
在第一方面的一种可能的实施方式中,所述根据所述排放行为特征段的排放功能特征和趋势更新特征得到所述排放行为特征段的排放趋势特征以及所述排放行为特征段对应的趋势变化参数的步骤,包括:
对所述排放行为特征段的排放功能特征和趋势更新特征分别进行遗传交叉计算,得到第一趋势分布信息;
基于所述第一趋势分布信息中与所述排放功能特征匹配的趋势分布信息,在预设排放趋势特征库的趋势分布信息中进行节点调取,得到与所述排放功能特征匹配的第一节点调取信息;
基于所述第一趋势分布信息中与所述趋势更新特征匹配的趋势分布信息,在所述预设排放趋势特征库的趋势分布信息中进行节点调取,得到与所述趋势更新特征匹配的第二节点调取信息;
获取所述第一节点调取信息与所述第二节点调取信息中相同的节点调取信息,作为第一节点调取信息;
计算所述第一节点调取信息中包括的每一项节点调取信息与所述排放行为特征段之间的匹配度,并根据计算得到的匹配度,对所述第一节点调取信息中包括的节点调取信息进行关联处理,得到第二节点调取信息;
获取所述第二节点调取信息中的每一项节点调取信息的排放趋势分类单元,并对获取到的每一个排放趋势分类单元分别进行排放功能特征提取和趋势更新特征提取;
对于所述每一个排放趋势分类单元,对所述排放趋势分类单元的排放功能特征和趋势更新特征分别进行遗传交叉计算,得到所述排放趋势分类单元的趋势分布信息;
获取所述排放趋势分类单元在所述节点调取信息中的节点位置,并基于所述节点调取信息的标识信息以及所述排放趋势分类单元的节点位置,关联所述排放趋势分类单元的趋势分布信息,以得到所述排放行为特征段的排放趋势特征以及所述排放行为特征段对应的趋势变化参数。
在第一方面的一种可能的实施方式中,所述对所述趋势识别结果进行信息识别,得到所述监控图像信息流的趋势变化异常识别结果的步骤,包括:
针对所述趋势识别结果中每个排放行为特征段的排放趋势特征,将所述排放趋势特征输入对应的排放行为标签所对应的随机森林模型中,抽取所述随机森林模型的多个不同数对单元的分类信息,并将所述多个不同数对单元的分类信息进行组合后生成所述排放趋势特征的分类信息;
根据每个排放行为特征段对应的趋势变化参数计算所述排放趋势特征的分类信息中每个分类单元为趋势变化异常单元的分类表征值,以及每个分类单元为趋势变化异常单元时该分类单元的分类表征参数;
根据每个分类单元为趋势变化异常单元时该分类单元的分类表征参数,得到所述监控图像信息流的趋势变化异常识别结果。
在第一方面的一种可能的实施方式中,所述服务器中预先配置有不同趋势变化参数区间所对应的趋势变化异常感知系数,趋势变化异常感知系数越大,表示趋势变化异常程度越大;
所述根据每个排放行为特征段对应的趋势变化参数计算所述排放趋势特征的分类信息中每个分类单元为趋势变化异常单元的分类表征值,以及每个分类单元为趋势变化异常单元时该分类单元的分类表征参数的步骤,包括:
根据每个排放行为特征段对应的趋势变化参数所在的趋势变化参数区间,确定每个排放行为特征段的趋势变化异常感知系数;
根据每个排放行为特征段的趋势变化异常感知系数,计算所述排放趋势特征的分类信息中每个分类单元为趋势变化异常单元的分类表征值,其中,所述分类表征值根据所述分类信息中每个分类单元的模型计算值与所述趋势变化异常感知系数的乘积得到;
确定分类表征值高于预设分类表征值阈值的分类单元为趋势变化异常单元,并根据各个趋势变化异常单元的单元数量以及各个趋势变化异常单元对应的分类表征值的排序结果,确定每个趋势变化异常单元的分类表征参数。
在第一方面的一种可能的实施方式中,所述根据所述每个分类单元为趋势变化异常感知特征时该分类单元的分类表征参数,得到所述监控图像信息流的趋势变化异常识别结果的步骤,包括:
计算每种分类表征参数下的趋势变化异常单元频繁度,并计算所述趋势变化异常单元频繁度与其对应的分类表征参数之间的乘积后进行汇总,得到每个排放行为特征段的趋势变化异常感知分类表征值;
将每个排放行为特征段的趋势变化异常感知分类表征值进行汇总得到所述监控图像信息流的趋势变化异常感知分类表征值;
判断所述监控图像信息流的趋势变化异常感知分类表征值是否大于设定分类表征值;
如果所述监控图像信息流的趋势变化异常感知分类表征值大于设定分类表征值,则判定所述监控图像信息流存在趋势变化异常;
如果所述监控图像信息流的趋势变化异常感知分类表征值不大于设定分类表征值,则判定所述监控图像信息流不存在趋势变化异常。
根据本申请的第二方面,提供一种污水排放实时监测装置,应用于服务器,所述装置包括:
提取模块,用于提取从污水排放监控设备探测到的监控图像信息流的污水排放行为特征;
趋势识别模块,用于对所述污水排放行为特征中的各排放行为特征段进行趋势识别,得到趋势识别结果,所述趋势识别结果包括在下一监控节点范围内所述污水排放行为特征中的各排放行为特征段的排放趋势特征以及每个排放行为特征段对应的趋势变化参数,每个排放行为特征段分别对应一种排放行为标签;
信息识别模块,用于对所述趋势识别结果进行信息识别,得到所述监控图像信息流的趋势变化异常识别结果,所述趋势变化异常识别结果用于表示所述监控图像信息流是否存在趋势变化异常。
根据本申请的第三方面,提供一种服务器,所述服务器包括机器可读存储介质及处理器,所述机器可读存储介质存储有机器可执行指令,所述处理器在执行所述机器可执行指令时,该服务器实现第一方面或者第一方面的任意一种可能的实施方式中的污水排放实时监测方法。
根据本申请的第四方面,提供一种可读存储介质,所述可读存储介质中存储有机器可执行指令,所述机器可执行指令被执行时实现第一方面或者第一方面的任意一种可能的实施方式中的污水排放实时监测方法。
基于上述任一方面,本申请通过对探测到的监控图像信息流的污水排放行为特征中的各排放行为特征段进行趋势识别,从而能够对未来监控节点范围内的污水排放行为特征的趋势变化异常情况进行有效信息识别,以使得趋势变化异常检测能够及时为后续的排放控制过程进行数据参考。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的污水排放实时监测系统的应用场景示意图;
图2示出了本申请实施例所提供的污水排放实时监测方法的流程示意图;
图3示出了本申请实施例所提供的污水排放实时监测装置的功能模块示意图;
图4示出了本申请实施例所提供的用于实现上述污水排放实时监测方法的服务器的结构示意框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。
图1是本申请一种实施例提供的污水排放实时监测系统10的交互示意图。污水排放实时监测系统10可以包括服务器100以及与所述服务器100通信连接的污水排放监控设备200,服务器100中可以包括执行指令操作的处理器。图1所示的污水排放实时监测系统10仅为一种可行的示例,在其它可行的实施例中,该污水排放实时监测系统10也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。
为了解决前述背景技术中的技术问题,图2为本申请实施例提供的污水排放实时监测方法的流程示意图,本实施例提供的污水排放实时监测方法可以由图1中所示的服务器100执行,下面对该污水排放实时监测方法进行详细介绍。
步骤S110,提取从污水排放监控设备200探测到的监控图像信息流的污水排放行为特征。
步骤S120,对污水排放行为特征中的各排放行为特征段进行趋势识别,得到趋势识别结果。
步骤S130,对趋势识别结果进行信息识别,得到监控图像信息流的趋势变化异常识别结果。
本实施例中,趋势识别结果可包括在下一监控节点范围内污水排放行为特征中的各排放行为特征段的排放趋势特征以及每个排放行为特征段对应的趋势变化参数,每个排放行为特征段分别对应一种排放行为标签。其中,监控节点范围段可以根据实际的需求进行确定,此处不作具体限定。排放行为标签是指具体标记的可能产生的排放行为所指示的分类标签,具体不作限定。
本实施例中,趋势变化异常识别结果可以用于表示监控图像信息流是否存在趋势变化异常,如果监控图像信息流存在趋势变化异常,那么可以针对性地进行有效控制,否则不进行处理。
基于上述步骤,本实施例通过对探测到的监控图像信息流的污水排放行为特征中的各排放行为特征段进行趋势识别,从而能够对未来监控节点范围内的污水排放行为特征的趋势变化异常情况进行有效信息识别,以使得趋势变化异常检测能够及时为后续的排放控制过程进行数据参考。
在一种可能的实施方式中,针对步骤S110,本实施例接下来进一步考虑到监控图像信息流涉及的监控角度,以提高特征提取的准确性,步骤S110可以通过以下子步骤进一步实现:
子步骤S111,提取监控图像信息流中的监控节点分片数据段并提取监控节点分片数据段中的关键匹配监控特征。
子步骤S112,获取每个关键匹配监控特征对应的区域分割单元列表和区域分割标签列表。
子步骤S113,根据区域分割标签列表获取监控图像信息流所对应的监控区域元素,其中,监控区域元素为监控图像信息流中当前常规监控角度与候选监控角度的监控区域元素。
子步骤S114,将区域分割单元列表中每个区域分割单元的位置与监控区域元素进行匹配,得到匹配信息,匹配信息表示区域分割单元是位于常规监控角度还是位于候选监控角度内。
子步骤S115,根据匹配信息提取监控图像信息流的污水排放行为特征。
在上述基础上,区域分割标签列表可以包括需要在信息识别过程中显示的区域分割标签内容,区域分割标签内容包括区域分割单元标签和区域分割单元排放功能,区域分割单元排放功能用于表示区域分割单元识别过程中的排放功能信息。由此,可以根据区域分割单元列表构建待关联的目标区域分割单元列表,然后根据区域分割单元列表从区域分割标签列表中选取相应的目标区域分割标签信息,并从目标区域分割单元列表中获取位于常规监控角度和候选监控角度内的区域分割单元。
作为一种可能的示例,当区域分割单元位于当前的常规监控角度内时,根据区域分割单元的位置在区域分割单元列表中确定相应的第一待关联区域分割单元、以及在区域分割标签列表中确定相应的第二待关联区域分割单元,并将第一待关联区域分割单元在区域分割单元列表中的分割元素、与第二待关联区域分割单元在区域分割标签列表中的分割元素进行关联,得到第一关联分割元素,而后将区域分割单元在目标区域分割单元列表中的分割元素更新为第一关联分割元素。
作为另一种可能的示例,当区域分割单元位于当前的候选监控角度内时,根据区域分割单元的位置在区域分割单元列表中确定相应的第一待关联区域分割单元、以及在目标区域分割标签信息中确定相应的第三待关联区域分割单元,并将第一待关联区域分割单元在区域分割单元列表中的分割元素、与第三待关联区域分割单元在目标区域分割标签信息中的分割元素进行关联,得到第二关联分割元素,而后将区域分割单元在目标区域分割单元列表中的分割元素更新为第二关联分割元素。
在此基础上,可以提取更新为第一关联分割元素或者第二关联分割元素的该区域分割单元的特征信息,并汇总后得到监控图像信息流的污水排放行为特征。
进一步地,在一种可能的实施方式中,针对步骤S120,本实施例进一步考虑到监控图像信息流可能的排放功能变化情况,以提高预测准确率,步骤S120可以通过以下子步骤进一步实现:
子步骤S121,根据预先训练的趋势识别回归模型对污水排放行为特征中的各排放行为特征段进行趋势识别,分别得到至少一个趋势分布空间。
子步骤S122,在至少一个趋势分布空间上提取排放行为特征段的排放功能特征和趋势更新特征,趋势更新特征用于描述趋势分布空间中预测值的变化趋势;
子步骤S123,根据排放行为特征段的排放功能特征和趋势更新特征得到在下一监控节点范围内排放行为特征段的排放趋势特征以及排放行为特征段对应的趋势变化参数。
本实施例中,趋势识别回归模型可包括多个预先训练的分布统计节点,趋势分布空间包括每个分布统计节点的趋势分布信息。
本实施例中,在至少一个趋势分布空间上提取排放行为特征段的排放功能特征和趋势更新特征后,可以对排放行为特征段的排放功能特征和趋势更新特征分别进行遗传交叉计算,得到第一趋势分布信息,然后基于第一趋势分布信息中与排放功能特征匹配的趋势分布信息,在预设排放趋势特征库的趋势分布信息中进行节点调取,得到与排放功能特征匹配的第一节点调取信息。
接着,可以基于第一趋势分布信息中与趋势更新特征匹配的趋势分布信息,在预设排放趋势特征库的趋势分布信息中进行节点调取,得到与趋势更新特征匹配的第二节点调取信息,从而可获取第一节点调取信息与第二节点调取信息中相同的节点调取信息,作为第一节点调取信息。
由此,可以计算第一节点调取信息中包括的每一项节点调取信息与排放行为特征段之间的匹配度,并按照计算得到的匹配度,对第一节点调取信息中包括的节点调取信息进行关联处理,得到第二节点调取信息,并且对于第二节点调取信息中的每一项节点调取信息,获取节点调取信息的排放趋势分类单元,并对获取到的每一个排放趋势分类单元分别进行排放功能特征提取和趋势更新特征提取。
而后,对于每一个排放趋势分类单元,对排放趋势分类单元的排放功能特征和趋势更新特征分别进行遗传交叉计算,得到排放趋势分类单元的趋势分布信息,接着获取排放趋势分类单元在节点调取信息中的节点位置,并基于节点调取信息的标识信息以及排放趋势分类单元的节点位置,关联排放趋势分类单元的趋势分布信息,以得到排放行为特征段的排放趋势特征以及排放行为特征段对应的趋势变化参数。
在一种可能的实施方式中,针对步骤S130,具体可以通过以下子步骤进一步实现:
子步骤S131,针对趋势识别结果中每个排放行为特征段的排放趋势特征,将排放趋势特征输入对应的排放行为标签所对应的随机森林模型中,抽取随机森林模型的多个不同数对单元的分类信息,并将多个不同数对单元的分类信息进行组合后生成排放趋势特征的分类信息。
子步骤S132,根据每个排放行为特征段对应的趋势变化参数计算排放趋势特征的分类信息中每个分类单元为趋势变化异常单元的分类表征值,以及每个分类单元为趋势变化异常单元时该分类单元的分类表征参数。
子步骤S133,根据每个分类单元为趋势变化异常单元时该分类单元的分类表征参数,得到监控图像信息流的趋势变化异常识别结果。
例如,可预先配置有不同趋势变化参数区间所对应的趋势变化异常感知系数,趋势变化异常感知系数越大,表示趋势变化异常程度越大。由此,可以根据每个排放行为特征段对应的趋势变化参数所在的趋势变化参数区间,确定每个排放行为特征段的趋势变化异常感知系数。并根据每个排放行为特征段的趋势变化异常感知系数,计算排放趋势特征的分类信息中每个分类单元为趋势变化异常单元的分类表征值。
其中,分类表征值可以根据分类信息中每个分类单元的模型计算值与趋势变化异常感知系数的乘积得到,或者也可以通过其它任意可行的计算方式得到。
例如,假设分类表征值区间包括[0,20]、[21,40]、[41,60]、[61,80]、[81,100],[0,20]、[21,40]、[41,60]、[61,80]、[81,100]分别对应的趋势变化异常感知系数为2、4、6、8、10,如果某个排放行为特征段A对应的趋势变化参数所在的趋势变化参数区间的[61,80],那么则可以将[610,80]所对应的趋势变化异常感知系数8与排放行为特征段A的每个分类单元的模型计算值进行乘积计算,得到排放行为特征段A的每个分类单元为趋势变化异常单元的分类表征值。
接下来,可以确定分类表征值高于预设分类表征值阈值的分类单元为趋势变化异常单元,并根据各个趋势变化异常单元的单元数量以及各个趋势变化异常单元对应的分类表征值的排序结果,确定每个趋势变化异常单元的分类表征参数。
在此基础上,可以计算每种分类表征参数下的趋势变化异常单元频繁度,并计算趋势变化异常单元频繁度与其对应的分类表征参数之间的乘积后进行汇总,得到每个排放行为特征段的趋势变化异常感知分类表征值。而后,将每个排放行为特征段的趋势变化异常感知分类表征值进行汇总得到监控图像信息流的趋势变化异常感知分类表征值。
由此,可以判断监控图像信息流的趋势变化异常感知分类表征值是否大于设定分类表征值,如果监控图像信息流的趋势变化异常感知分类表征值大于设定分类表征值,则判定监控图像信息流存在趋势变化异常,如果监控图像信息流的趋势变化异常感知分类表征值不大于设定分类表征值,则判定监控图像信息流不存在趋势变化异常。
基于同一发明构思,请参阅图3,示出了本申请实施例提供的污水排放实时监测装置200的功能模块示意图,本实施例可以根据上述方法实施例对污水排放实时监测装置200进行功能模块的划分。例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如,在采用对应各个功能划分各个功能模块的情况下,图3示出的污水排放实时监测装置200只是一种装置示意图。其中,污水排放实时监测装置200可以包括提取模块210、趋势识别模块220以及信息识别模块230,下面分别对该污水排放实时监测装置200的各个功能模块的功能进行详细阐述。
提取模块210,用于提取从污水排放监控设备探测到的监控图像信息流的污水排放行为特征。可以理解,该提取模块210可以用于执行上述步骤S110,关于该提取模块210的详细实现方式可以参照上述对步骤S110有关的内容。
趋势识别模块220,用于对所述污水排放行为特征中的各排放行为特征段进行趋势识别,得到趋势识别结果,所述趋势识别结果包括在下一监控节点范围内所述污水排放行为特征中的各排放行为特征段的排放趋势特征以及每个排放行为特征段对应的趋势变化参数,每个排放行为特征段分别对应一种排放行为标签。可以理解,该趋势识别模块220可以用于执行上述步骤S120,关于该趋势识别模块220的详细实现方式可以参照上述对步骤S120有关的内容。
信息识别模块230,用于对所述趋势识别结果进行信息识别,得到所述监控图像信息流的趋势变化异常识别结果,趋势变化异常识别结果用于表示监控图像信息流是否存在趋势变化异常。可以理解,该信息识别模块230可以用于执行上述步骤S130,关于该信息识别模块230的详细实现方式可以参照上述对步骤S130有关的内容。
基于同一发明构思,请参阅图4,示出了本申请实施例提供的用于执行上述污水排放实时监测方法的服务器100的结构示意框图,该服务器100可以包括机器可读存储介质120和处理器130。
本实施例中,机器可读存储介质120与处理器130均位于服务器100中且二者分离设置。然而,应当理解的是,机器可读存储介质120也可以是独立于服务器100之外,且可以由处理器130通过总线接口来访问。可替换地,机器可读存储介质120也可以集成到处理器130中,例如,可以是高速缓存和/或通用寄存器。
处理器130是该服务器100的控制中心,利用各种接口和线路连接整个服务器100的各个部分,通过运行或执行存储在机器可读存储介质120内的软件程序和/或模块,以及调用存储在机器可读存储介质120内的数据,执行该服务器100的各种功能和处理数据,从而对服务器100进行整体监控。可选地,处理器130可包括一个或多个处理核心;例如,处理器130可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器中。
其中,处理器130可以是一个通用的中央处理器(Central Processing Unit,CPU),微处理器,特定应用集成电路(Application-Specific Integrated Circuit,ASIC),或一个或多个用于控制上述方法实施例提供的污水排放实时监测方法的程序执行的集成电路。
机器可读存储介质120可以是ROM或可存储静态信息和指令的其他标签的静态存储设备,RAM或者可存储信息和指令的其他标签的动态存储设备,也可以是电可擦可编程只读存储器(Electrically Erasable Programmabler-Only MEMory,EEPROM)、只读光盘(Compactdisc Read-Only MEMory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。机器可读存储介质120可以是独立存在,通过通信总线与处理器130相连接。机器可读存储介质120也可以和处理器集成在一起。其中,机器可读存储介质120用于存储执行本申请方案的机器可执行指令。处理器130用于执行机器可读存储介质120中存储的机器可执行指令,以实现前述方法实施例提供的污水排放实时监测方法。
由于本申请实施例提供的服务器100是上述服务器100执行的方法实施例的另一种实现形式,且服务器100可用于执行上述方法实施例提供的污水排放实时监测方法,因此其所能获得的技术效果可参考上述方法实施例,在此不再赘述。
进一步地,本申请实施例还提供一种包含计算机可执行指令的可读存储介质,计算机可执行指令在被执行时可以用于实现上述方法实施例提供的污水排放实时监测方法。
本申请实施例是参照根据本申请实施例的方法、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。
尽管在此结合各实施例对本申请进行了描述,然而,在实施所要求保护的本申请过程中,本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书,可理解并实现所述公开实施例的其他变化。在权利要求中,“包括”一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
以上所述,仅为本申请的各种实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种污水排放实时监测方法,其特征在于,应用于服务器,所述方法包括:
提取从污水排放监控设备探测到的监控图像信息流的污水排放行为特征;
对所述污水排放行为特征中的各排放行为特征段进行趋势识别,得到趋势识别结果,所述趋势识别结果包括在下一监控节点范围内所述污水排放行为特征中的各排放行为特征段的排放趋势特征以及每个排放行为特征段对应的趋势变化参数,每个排放行为特征段分别对应一种排放行为标签;
对所述趋势识别结果进行信息识别,得到所述监控图像信息流的趋势变化异常识别结果,所述趋势变化异常识别结果用于表示所述监控图像信息流是否存在趋势变化异常。
2.根据权利要求1所述的污水排放实时监测方法,其特征在于,所述提取从污水排放监控设备探测到的监控图像信息流的污水排放行为特征的步骤,包括:
提取所述监控图像信息流中的监控节点分片数据段并提取所述监控节点分片数据段中的关键匹配监控特征;
获取每个关键匹配监控特征对应的区域分割单元列表和区域分割标签列表,所述区域分割标签列表包括需要在信息识别过程中显示的区域分割标签内容,所述区域分割标签内容包括区域分割单元标签和区域分割单元排放功能,所述区域分割单元排放功能用于表示区域分割单元识别过程中的排放功能信息;
根据所述区域分割标签列表获取所述监控图像信息流所对应的监控区域元素,其中,所述监控区域元素为所述监控图像信息流中当前常规监控角度与候选监控角度的监控区域元素;
将所述区域分割单元列表中每个区域分割单元的位置与所述监控区域元素进行匹配,得到匹配信息,所述匹配信息表示所述区域分割单元是位于所述常规监控角度内或者位于所述候选监控角度内;
根据所述匹配信息提取所述监控图像信息流的污水排放行为特征。
3.根据权利要求2所述的污水排放实时监测方法,其特征在于,所述根据所述匹配信息提取所述监控图像信息流的污水排放行为特征的步骤,包括:
根据所述区域分割单元列表构建待关联的目标区域分割单元列表;
根据所述区域分割单元列表从所述区域分割标签列表中选取相应的目标区域分割标签信息,并从所述目标区域分割单元列表中获取位于所述常规监控角度和候选监控角度内的区域分割单元;
当所述区域分割单元位于当前的常规监控角度内时,根据所述区域分割单元的位置在区域分割单元列表中确定相应的第一待关联区域分割单元、以及在所述区域分割标签列表中确定相应的第二待关联区域分割单元,并将所述第一待关联区域分割单元在所述区域分割单元列表中的分割元素、与所述第二待关联区域分割单元在所述区域分割标签列表中的分割元素进行关联,得到第一关联分割元素,而后将所述区域分割单元在所述目标区域分割单元列表中的分割元素更新为所述第一关联分割元素;
当所述区域分割单元位于当前的候选监控角度内时,根据所述区域分割单元的位置在所述区域分割单元列表中确定相应的第一待关联区域分割单元、以及在所述目标区域分割标签信息中确定相应的第三待关联区域分割单元,并将所述第一待关联区域分割单元在所述区域分割单元列表中的分割元素、与所述第三待关联区域分割单元在所述目标区域分割标签信息中的分割元素进行关联,得到第二关联分割元素,而后将所述区域分割单元在所述目标区域分割单元列表中的分割元素更新为所述第二关联分割元素;
提取更新为第一关联分割元素或者第二关联分割元素的该区域分割单元的特征信息,并汇总后得到所述监控图像信息流的污水排放行为特征。
4.根据权利要求1所述的污水排放实时监测方法,其特征在于,所述对所述污水排放行为特征中的各排放行为特征段进行趋势识别,得到趋势识别结果的步骤,包括:
根据预先训练的趋势识别回归模型对所述污水排放行为特征中的各排放行为特征段进行趋势识别,分别得到至少一个趋势分布空间,其中,所述趋势识别回归模型包括多个预先训练的分布统计节点,所述趋势分布空间包括每个分布统计节点的趋势分布信息;
在所述至少一个趋势分布空间上提取所述排放行为特征段的排放功能特征和趋势更新特征,所述趋势更新特征用于描述所述趋势分布空间中预测值的变化趋势;
根据所述排放行为特征段的排放功能特征和趋势更新特征得到在下一监控节点范围内所述排放行为特征段的排放趋势特征以及所述排放行为特征段对应的趋势变化参数。
5.根据权利要求4所述的污水排放实时监测方法,其特征在于,所述根据所述排放行为特征段的排放功能特征和趋势更新特征得到所述排放行为特征段的排放趋势特征以及所述排放行为特征段对应的趋势变化参数的步骤,包括:
对所述排放行为特征段的排放功能特征和趋势更新特征分别进行遗传交叉计算,得到第一趋势分布信息;
基于所述第一趋势分布信息中与所述排放功能特征匹配的趋势分布信息,在预设排放趋势特征库的趋势分布信息中进行节点调取,得到与所述排放功能特征匹配的第一节点调取信息;
基于所述第一趋势分布信息中与所述趋势更新特征匹配的趋势分布信息,在所述预设排放趋势特征库的趋势分布信息中进行节点调取,得到与所述趋势更新特征匹配的第二节点调取信息;
获取所述第一节点调取信息与所述第二节点调取信息中相同的节点调取信息,作为第一节点调取信息;
计算所述第一节点调取信息中包括的每一项节点调取信息与所述排放行为特征段之间的匹配度,并根据计算得到的匹配度,对所述第一节点调取信息中包括的节点调取信息进行关联处理,得到第二节点调取信息;
获取所述第二节点调取信息中的每一项节点调取信息的排放趋势分类单元,并对获取到的每一个排放趋势分类单元分别进行排放功能特征提取和趋势更新特征提取;
对于所述每一个排放趋势分类单元,对所述排放趋势分类单元的排放功能特征和趋势更新特征分别进行遗传交叉计算,得到所述排放趋势分类单元的趋势分布信息;
获取所述排放趋势分类单元在所述节点调取信息中的节点位置,并基于所述节点调取信息的标识信息以及所述排放趋势分类单元的节点位置,关联所述排放趋势分类单元的趋势分布信息,以得到所述排放行为特征段的排放趋势特征以及所述排放行为特征段对应的趋势变化参数。
6.根据权利要求1-5中任意一项所述的污水排放实时监测方法,其特征在于,所述对所述趋势识别结果进行信息识别,得到所述监控图像信息流的趋势变化异常识别结果的步骤,包括:
针对所述趋势识别结果中每个排放行为特征段的排放趋势特征,将所述排放趋势特征输入对应的排放行为标签所对应的随机森林模型中,抽取所述随机森林模型的多个不同数对单元的分类信息,并将所述多个不同数对单元的分类信息进行组合后生成所述排放趋势特征的分类信息;
根据每个排放行为特征段对应的趋势变化参数计算所述排放趋势特征的分类信息中每个分类单元为趋势变化异常单元的分类表征值,以及每个分类单元为趋势变化异常单元时该分类单元的分类表征参数;
根据每个分类单元为趋势变化异常单元时该分类单元的分类表征参数,得到所述监控图像信息流的趋势变化异常识别结果。
7.根据权利要求6所述的污水排放实时监测方法,其特征在于,所述服务器中预先配置有不同趋势变化参数区间所对应的趋势变化异常感知系数,趋势变化异常感知系数越大,表示趋势变化异常程度越大;
所述根据每个排放行为特征段对应的趋势变化参数计算所述排放趋势特征的分类信息中每个分类单元为趋势变化异常单元的分类表征值,以及每个分类单元为趋势变化异常单元时该分类单元的分类表征参数的步骤,包括:
根据每个排放行为特征段对应的趋势变化参数所在的趋势变化参数区间,确定每个排放行为特征段的趋势变化异常感知系数;
根据每个排放行为特征段的趋势变化异常感知系数,计算所述排放趋势特征的分类信息中每个分类单元为趋势变化异常单元的分类表征值,其中,所述分类表征值根据所述分类信息中每个分类单元的模型计算值与所述趋势变化异常感知系数的乘积得到;
确定分类表征值高于预设分类表征值阈值的分类单元为趋势变化异常单元,并根据各个趋势变化异常单元的单元数量以及各个趋势变化异常单元对应的分类表征值的排序结果,确定每个趋势变化异常单元的分类表征参数。
8.根据权利要求7所述的污水排放实时监测方法,其特征在于,所述根据所述每个分类单元为趋势变化异常感知特征时该分类单元的分类表征参数,得到所述监控图像信息流的趋势变化异常识别结果的步骤,包括:
计算每种分类表征参数下的趋势变化异常单元频繁度,并计算所述趋势变化异常单元频繁度与其对应的分类表征参数之间的乘积后进行汇总,得到每个排放行为特征段的趋势变化异常感知分类表征值;
将每个排放行为特征段的趋势变化异常感知分类表征值进行汇总得到所述监控图像信息流的趋势变化异常感知分类表征值;
判断所述监控图像信息流的趋势变化异常感知分类表征值是否大于设定分类表征值;
如果所述监控图像信息流的趋势变化异常感知分类表征值大于设定分类表征值,则判定所述监控图像信息流存在趋势变化异常;
如果所述监控图像信息流的趋势变化异常感知分类表征值不大于设定分类表征值,则判定所述监控图像信息流不存在趋势变化异常。
9.一种污水排放实时监测装置,其特征在于,应用于服务器,所述装置包括:
提取模块,用于提取从污水排放监控设备探测到的监控图像信息流的污水排放行为特征;
趋势识别模块,用于对所述污水排放行为特征中的各排放行为特征段进行趋势识别,得到趋势识别结果,所述趋势识别结果包括在下一监控节点范围内所述污水排放行为特征中的各排放行为特征段的排放趋势特征以及每个排放行为特征段对应的趋势变化参数,每个排放行为特征段分别对应一种排放行为标签;
信息识别模块,用于对所述趋势识别结果进行信息识别,得到所述监控图像信息流的趋势变化异常识别结果,所述趋势变化异常识别结果用于表示所述监控图像信息流是否存在趋势变化异常。
10.一种可读存储介质,其特征在于,所述可读存储介质存储有机器可执行指令,所述机器可执行指令被执行时实现权利要求1-8中任意一项的污水排放实时监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010802621.7A CN112069909A (zh) | 2020-08-11 | 2020-08-11 | 污水排放实时监测方法、装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010802621.7A CN112069909A (zh) | 2020-08-11 | 2020-08-11 | 污水排放实时监测方法、装置及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112069909A true CN112069909A (zh) | 2020-12-11 |
Family
ID=73661190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010802621.7A Withdrawn CN112069909A (zh) | 2020-08-11 | 2020-08-11 | 污水排放实时监测方法、装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112069909A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112685216A (zh) * | 2021-02-04 | 2021-04-20 | 三门核电有限公司 | 基于趋势分析的设备异常监测系统及方法 |
-
2020
- 2020-08-11 CN CN202010802621.7A patent/CN112069909A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112685216A (zh) * | 2021-02-04 | 2021-04-20 | 三门核电有限公司 | 基于趋势分析的设备异常监测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20180075641A (ko) | 서비스 처리 방법 및 장치 | |
CN112329811A (zh) | 异常账号识别方法、装置、计算机设备和存储介质 | |
JP6756379B2 (ja) | ログ分析方法、システムおよびプログラム | |
CN111062642A (zh) | 对象的行业风险程度识别方法、装置以及电子设备 | |
CN110689084A (zh) | 一种异常用户识别方法及装置 | |
CN115033453A (zh) | 异常检测方法、装置、设备、存储介质及程序 | |
CN112069909A (zh) | 污水排放实时监测方法、装置及可读存储介质 | |
CN112950687B (zh) | 一种确定跟踪状态的方法、装置、存储介质和电子设备 | |
CN114726571A (zh) | 一种网络安全预警管理平台和方法 | |
CN108595685B (zh) | 一种数据处理方法及装置 | |
CN116610821B (zh) | 一种基于知识图谱的企业风险分析方法、系统和存储介质 | |
JP2007164346A (ja) | 決定木変更方法、異常性判定方法およびプログラム | |
CN111258863B (zh) | 数据异常检测方法、装置、服务器和计算机可读存储介质 | |
CN116257885A (zh) | 基于联邦学习的隐私数据通信方法、系统和计算机设备 | |
US20210241021A1 (en) | Information processing method and information processing system | |
CN113448806B (zh) | 数据库集群异常检测方法、装置、终端设备及存储介质 | |
KR20160053977A (ko) | 모델 적응을 위한 장치 및 방법 | |
US8280834B2 (en) | Systems and methods involving rule engines | |
CN114463117A (zh) | 用户行为预测方法、系统及其装置 | |
JP2023042919A (ja) | 機械学習モデル評価システム及び方法 | |
CN113709223A (zh) | 平台异常的监测方法、装置、电子设备及可读存储介质 | |
CN113537087A (zh) | 一种智慧交通信息处理方法、装置及服务器 | |
CN113256402A (zh) | 风险控制规则确定方法、装置和电子设备 | |
CN112912903A (zh) | 推论装置、信息处理装置、推论方法、程序以及记录介质 | |
CN114880713B (zh) | 基于数据链路的用户行为分析方法、装置、设备及介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 172 software Avenue, Yuhuatai District, Nanjing City, Jiangsu Province, 210012 Applicant after: Li Ruifei Address before: Room 212, scientific research building, No.1 building, Jiashan science and Technology Park, north of Beijing Avenue, Maanshan economic and Technological Development Zone, Anhui Province Applicant before: Li Ruifei |
|
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201211 |