CN113822385B - 基于图像的输煤异常监测方法、装置、设备及存储介质 - Google Patents

Abstract

本发明属于输煤监测技术领域，公开了一种基于图像的输煤异常监测方法、装置、设备及存储介质。该方法包括：获取各监测区域对应的待监测输煤图像；提取各待监测输煤图像对应的待监测特征数据；将各待监测特征数据分别与各预设特征数据进行特征比对，得到对应的比对结果；根据各比对结果确定各待监测输煤图像是否存在异常，得到对应的异常待监测输煤图像和所述异常待监测输煤图像对应的异常监测区域。通过上述方式，通过对输煤时所有区域分区监测，并获取各监测区域对应的待监测输煤图像，对待监测输煤图像的特征数据和对应区域正常输煤时的预设特征数据进行特征比对，能够及时发现异常并确定异常发生区域。

Description

基于图像的输煤异常监测方法、装置、设备及存储介质

技术领域

本发明涉及输煤监测技术领域，尤其涉及一种基于图像的输煤异常监测方法、装置、设备及存储介质。

背景技术

在电厂正式投入运营后，为保证设备的安全生产运行，日常需要花费大量的人力、物力来巡检设备，其中以输煤系统最为典型。输煤系统对火电厂生产影响重大，输煤系统的正常运行可以保障电厂的安全和正常运转，一旦输煤系统发生故障或异常时，如果不能在短时间内消除故障，将造成较大的经济损失。传统的输煤工业电视系统，摄像头只能简单的采集的画面，并不能利用采集的视频画面进行图像分析，运行人员只能例行巡视每个摄像头的画面情况，人工来判断输煤沿线的设备运行和系统运行情况，浪费大量的人力资源同时不能够及时发现异常。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种基于图像的输煤异常监测方法、装置、设备及存储介质，旨在解决现有技术无法及时发现输煤过程中的异常信息及区域的技术问题。

为实现上述目的，本发明提供了一种基于图像的输煤异常监测方法，所述方法包括以下步骤：

获取各监测区域对应的待监测输煤图像；

提取各待监测输煤图像对应的待监测特征数据；

将各待监测特征数据分别与各预设特征数据进行特征比对，得到对应的比对结果；

根据各比对结果确定各待监测输煤图像是否存在异常，得到对应的异常待监测输煤图像和所述异常待监测输煤图像对应的异常监测区域。

可选地，所述提取各待监测输煤图像对应的待监测特征数据，包括：

对各待监测输煤图像进行边缘检测，确定各待监测输煤图像中的待监测边缘线；

基于所述待监测边缘线对各待监测输煤图像进行分割，获得各待监测输煤图像中的待监测输煤图像块和各待监测输煤图像块的位置信息；

对各待监测输煤图像块进行特征提取，获取各待监测输煤图像块的待监测特征信息；

根据所述待监测特征信息和所述位置信息得到待监测特征数据。

可选地，所述将各待监测特征数据分别与各预设特征数据进行特征比对，得到对应的比对结果，包括：

基于各待监测输煤图像块的位置信息和各预设特征数据中的各预设图像块的位置信息进行位置对齐，得到各待监测特征信息对应的预设特征信息；

根据所述各待监测特征信息和所述各待监测特征信息对应的预设特征信息进行特征比对值计算，得到各待监测输煤图像块的位置信息对应的特征比对值；

将所述各待监测输煤图像块的位置信息对应的特征比对值作为各待监测特征数据对应的比对结果。

可选地，所述根据各比对结果确定各待监测输煤图像是否存在异常，得到对应的异常待监测输煤图像和所述异常待监测输煤图像对应的异常监测区域，包括：

获取预设异常阈值；

将各特征比对值和所述预设异常阈值进行比较，若各特征比对值中存在特征比对值超过所述预设异常阈值，则超过所述预设异常阈值的特征比对值对应的待监测特征数据存在异常；

根据存在异常的待监测特征数据确定对应的异常监测输煤图像和所述异常待监测输煤图像对应的异常监测区域。

可选地，所述将各待监测特征数据分别与各预设特征数据进行特征比对，得到对应的比对结果之前，还包括：

获取各监测区域对应的预设输煤图像；

对各预设输煤图像进行边缘检测，确定各预设输煤图像中的预设边缘线；

基于所述预设边缘线对各预设输煤图像进行分割，获得各预设输煤图像中的预设图像块和各预设图像块的位置信息；

对各预设图像块分别进行特征提取，获取各预设图像块对应的预设特征信息；

根据所述预设特征信息和各预设图像块的位置信息得到预设特征数据。

可选地，所述根据各比对结果确定各待监测输煤图像是否存在异常，得到对应的异常待监测输煤图像和所述异常待监测输煤图像对应的异常监测区域之后，还包括：

识别所述异常待监测输煤图像中的异常信息；

根据所述异常信息通过异常分析模型确定对应的异常类型；

在预设策略表中查找所述异常类型对应的异常应对策略，将所述异常应对策略、异常待监测输煤图像以及异常监测区域发送至管理员所在终端进行预警。

可选地，所述根据所述异常信息通过异常分析模型确定对应的异常类型之前，还包括：

获取预设数据库中标注异常信息及对应异常类型的异常样本图像；

根据所述标注异常信息及对应异常类型的异常样本图像得到预设异常分析模型训练数据；

构建初始分析模型；

根据所述预设异常分析模型训练数据对所述初始分析模型进行训练，得到异常分析模型。

此外，为实现上述目的，本发明还提出一种基于图像的基于图像的输煤异常监测装置，所述基于图像的输煤异常监测装置包括：

获取模块，用于获取各监测区域对应的待监测输煤图像；

提取模块，用于提取各待监测输煤图像对应的待监测特征数据；

比对模块，用于将各待监测特征数据与各预设特征数据进行特征比对，得到对应的比对结果；

确定模块，用于根据各比对结果确定各待监测输煤图像是否存在异常，得到对应的异常待监测输煤图像和所述异常待监测输煤图像对应的异常监测区域。

此外，为实现上述目的，本发明还提出一种基于图像的输煤异常监测设备，所述基于图像的输煤异常监测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于图像的输煤异常监测程序，所述基于图像的输煤异常监测程序配置为实现如上文所述的基于图像的输煤异常监测方法。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有基于图像的输煤异常监测程序，所述基于图像的输煤异常监测程序被处理器执行时实现如上文所述的基于图像的输煤异常监测方法。

本发明通过获取各监测区域对应的待监测输煤图像；提取各待监测输煤图像对应的待监测特征数据；将各待监测特征数据分别与各预设特征数据进行特征比对，得到对应的比对结果；根据各比对结果确定各待监测输煤图像是否存在异常，得到对应的异常待监测输煤图像和所述异常待监测输煤图像对应的异常监测区域。通过上述方式，通过对输煤时所有区域分区监测，并获取各监测区域对应的待监测输煤图像，对待监测输煤图像的特征数据和对应区域正常输煤时的预设特征数据进行特征比对，能够及时发现异常并确定异常发生区域。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的基于图像的输煤异常监测设备的结构示意图；

图2为本发明基于图像的输煤异常监测方法第一实施例的流程示意图；

图3为本发明基于图像的输煤异常监测方法第二实施例的流程示意图；

图4为本发明基于图像的输煤异常监测装置第一实施例的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的基于图像的输煤异常监测设备结构示意图。

如图1所示，该基于图像的输煤异常监测设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（Wireless-Fidelity，Wi-Fi）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM）存储器，也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对基于图像的输煤异常监测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于图像的输煤异常监测程序。

在图1所示的基于图像的输煤异常监测设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明基于图像的输煤异常监测设备中的处理器1001、存储器1005可以设置在基于图像的输煤异常监测设备中，所述基于图像的输煤异常监测设备通过处理器1001调用存储器1005中存储的基于图像的输煤异常监测程序，并执行本发明实施例提供的基于图像的输煤异常监测方法。

本发明实施例提供了一种基于图像的输煤异常监测方法，参照图2，图2为本发明一种基于图像的输煤异常监测方法第一实施例的流程示意图。

本实施例中，所述基于图像的输煤异常监测方法包括以下步骤：

步骤S10：获取各监测区域对应的待监测输煤图像。

需要说明的是，本实施例的执行主体为输煤监测系统的控制器，输煤监测系统的控制器获取输煤监测系统各个区域视频监测模块采集到的各个区域对应的待监测输煤图像，提取各待监测输煤图像对应的待监测特征数据，将各待监测数据特征与预先存储的各个区域对应的正常输煤时的预设特征数据进行比对，得到比对结果，对比对结果进行分析，确定各待监测输煤图像是否存在异常，得到对应的异常待监测输煤图像和异常待监测输煤图像对应的异常监测区域。

可以理解的是，由于输煤过程中涉及到的区域较多，例如卸煤区域、堆煤区域、取煤区域、运煤区域等等，每个区域对应不同的输煤过程，为了对输煤过程进行更好的监测，需要对输煤过程进行分区监测，得到各个待监测区域。

具体实现中，各个待监测区域对应的有视频监测模块，视频监测模块对各个待监测区域进行实时监控并采集图像，得到各监测区域对应的待监测输煤图像。

步骤S20：提取各待监测输煤图像对应的待监测特征数据。

需要说明的是，由于各待监测输煤图像中有各个对象的存在，各个对象具有不同的特征信息及各个对象在待监测输煤图像中对应的位置信息，所以需要提取各待监测输煤图像中各对象对应的特征信息和对应的位置信息，根据各待监测输煤图像中所存在的特征信息和对应的位置信息得到各待监测输煤图像对应的待监测特征数据。

步骤S30：将各待监测特征数据分别与各预设特征数据进行特征比对，得到对应的比对结果。

需要说明的是，由于不同的区域在正常输煤时有对应的正常监测图像，各正常监测图像中存在的各个对象有对应的特征信息和对应的应在的所在位置，根据正常监测图像中所存在的特征信息和对应的位置信息得到各正常监测图像即各预设监测图像对应的各预设监测特征数据。

可以理解的是，将各预设监测特征数据和对应区域的各待监测特征数据进行特征比对，得到对应的比对结果。

在具体实现中，为了能够得到准确的各预设特征数据，进一步地，所述将各待监测特征数据分别与各预设特征数据进行特征比对，得到对应的比对结果之前，还包括：获取各监测区域对应的预设输煤图像；对各预设输煤图像进行边缘检测，确定各预设输煤图像中的预设边缘线；基于所述预设边缘线对各预设输煤图像进行分割，获得各预设输煤图像中的预设图像块和各预设图像块的位置信息；对各预设图像块分别进行特征提取，获取各预设图像块对应的预设特征信息；根据所述预设特征信息和各预设图像块的位置信息得到预设特征数据。

需要说明的是，输煤过程中各个区域正常工作时有对应的正常监测图像即预设输煤图像，获取各监测区域对应的预设输煤图像，对其进行特征提取，得到各预设输煤图像对应的各预设特征数据。

可以理解的是，由于各预设输煤图像中存在各个对象，对象与对象中间有明显的差异性和不连贯性，同时对象本身可能由于存在多个面或者颜色和光照的不同使预设输煤图像中存在明显变化的点、线，对这些点线进行检测并连接，即可得到各预设输煤图像中的预设边缘线，例如运煤区域中，在皮带上进行煤的传送时，煤块与煤块之间有一定的间隙，同时煤块与皮带的形状颜色不相同，检测颜色光照形状存在明显变化及较大间隙的点、线，从而得到对应的边缘线。

在具体实现中，根据各预设输煤图像中所检测到的预设边缘线对各预设输煤图像进行图像分割，可以得到各预设输煤图像对应的各预设图像块及各预设图像块的位置信息，位置信息指的是各预设图像块在预设输煤图像中的像素点，由于得到的各预设图像块中存在不同的对象，对他们进行特征提取，能够得到对象的组成特征，组成特征包括{颜色特征，纹理特征，轮廓特征}，对各对象进行特征提取，能够得到各预设图像块中的特征信息，根据各预设图像块的特征信息和各图像块对应的位置信息得到各预设特征数据。

步骤S40：根据各比对结果确定各待监测输煤图像是否存在异常，得到对应的异常待监测输煤图像和所述异常待监测输煤图像对应的异常监测区域。

需要说明的是，根据特征数据进行比对，根据各监测特征数据和各预设特征数据进行位置对齐，根据位置对齐后各待监测特征信息对应的各预设特征信息进行特征比对，当二者存在较大差异时，说明该待监测特征信息对应的待监测图像块存在异常，即说明该待监测图像块对应的待监测图像存在异常，可确定对应的异常待监测输煤图像和其对应的异常区域即异常监测区域。

可以理解的是，为了保证输煤的正常运行及输煤过程中的安全性，进一步地，所述根据各比对结果确定各待监测输煤图像是否存在异常，得到对应的异常待监测输煤图像和所述异常待监测输煤图像对应的异常监测区域之后，还包括：识别所述异常待监测输煤图像中的异常信息；根据所述异常信息通过异常分析模型确定对应的异常类型；在预设策略表中查找所述异常类型对应的异常应对策略，将所述异常应对策略、异常待监测输煤图像以及异常监测区域发送至管理员所在终端进行预警。

需要说明的是，在得到异常待监测输煤图像后，输煤监测系统的控制器会将异常待监测输煤图像中待监测特征信息和预设特征信息差异较大的异常待监测特征信息对应的位置进行标注，进而得到异常待监测输煤图像中的异常信息，异常分析模型对异常信息进行识别，可以得到该异常信息对应的异常类型，例如异常类型可以为煤块掉落、人体进入、皮带绷断或其他异常类型。

可以理解的是，预设策略表为预先存储在预设数据库中包含异常类型和异常应对策略的映射关系表。在预设策略表中查找该异常类型可得到该异常类型对应的异常应对策略。

应当理解的是，为了更好的警示管理员进行预警，将异常应对策略、异常待监测图像以及异常待监测图像对应的异常监测区域发送至管理员所在的移动终端进行报警。同时，需要判断管理员在预设时间间隔内是否接受了报警信息即异常应对策略、异常待监测图像以及异常待监测图像对应的异常监测区域，即发送给用户的报警信息中包含确认接收指令，当管理员按下后终端将指令反馈到输煤监测系统，此时确定管理员已接收报警信息，若在预设时间间隔之后管理员并未接收报警信息，则再次发送报警信息，若管理员仍未接收报警信息，此时输煤监测系统启动紧急停止模式，输煤过程中各区域停止运行，直至管理员进行检修，以保证输煤过程的安全性。

在具体实现中，为了都能对当前的异常信息进行准确识别，得到对应的异常类型，需要通过样本数据进行模型训练得到异常分析模型，通过训练得到进一步地，所述根据所述异常信息通过异常分析模型确定对应的异常类型之前，还包括：获取预设数据库中标注异常信息及对应异常类型的异常样本图像；根据所述标注异常信息及对应异常类型的异常样本图像得到预设异常分析模型训练数据；构建初始分析模型；根据所述预设异常分析模型训练数据对所述初始分析模型进行训练，得到异常分析模型。

需要说明的是，获取预设数据库中存储的标注异常信息及对应异常类型的异常样本图像，异常样本图像指的是异常样本图像中标注了异常位置即异常类型的样本图像，将标注异常信息及对应异常类型的异常样本图像作为预设异常分析模型训练数据。

可以理解的是，初始分析模型指的是未经训练的预设分析模型，在得到预设异常分析模型训练数据后，通过首先玻尔兹曼机半监督方法和卷积神经网络对预设异常分析模型训练数据进行处理，即对初始分析模型进行训练，最终得到能够识别异常信息对应异常种类的异常分析模型。

本实施例通过获取各监测区域对应的待监测输煤图像；提取各待监测输煤图像对应的待监测特征数据；将各待监测特征数据分别与各预设特征数据进行特征比对，得到对应的比对结果；根据各比对结果确定各待监测输煤图像是否存在异常，得到对应的异常待监测输煤图像和所述异常待监测输煤图像对应的异常监测区域。通过上述方式，通过对输煤时所有区域分区监测，并获取各监测区域对应的待监测输煤图像，对待监测输煤图像的特征数据和对应区域正常输煤时的预设特征数据进行特征比对，能够及时发现异常并确定异常发生区域。

参考图3，图3为本发明一种基于图像的输煤异常监测方法第二实施例的流程示意图。

基于上述第一实施例，本实施例基于图像的输煤异常监测方法中所述步骤S20，包括：

步骤S21：对各待监测输煤图像进行边缘检测，确定各待监测输煤图像中的待监测边缘线。

需要说明的是，由于各待监测输煤图像中存在各个对象，对象与对象中间有明显的差异性和不连贯性，同时对象本身可能由于存在多个面或者颜色和光照的不同使待监测输煤图像中存在明显变化的点、线，对这些点线进行检测并连接，即可得到各待监测输煤图像中的待监测边缘线。

步骤S22：基于所述待监测边缘线对各待监测输煤图像进行分割，获得各待监测输煤图像中的待监测输煤图像块和各待监测输煤图像块的位置信息。

需要说明的是，根据各待监测输煤图像中所检测到的待监测边缘线对各待监测输煤图像进行图像分割，可以得到各待监测输煤图像对应的各待监测图像块及各待监测图像块的位置信息，位置信息指的是各图像块在各待监测图像中对应的像素点。

步骤S23：对各待监测输煤图像块进行特征提取，获取各待监测输煤图像块的待监测特征信息。

需要说明的是，由于得到的各待监测图像块中存在不同的对象，对他们进行特征提取，能够得到对象的组成特征，组成特征包括{颜色特征，纹理特征，轮廓特征}，对各待监测对象进行特征提取，能够得到各待监测图像块中的特征信息。

步骤S24：根据所述待监测特征信息和所述位置信息得到待监测特征数据。

需要说明的是，为了进行精准比对，得到准确的比对结果，进一步地，所述将各待监测特征数据分别与各预设特征数据进行特征比对，得到对应的比对结果，包括：基于各待监测输煤图像块的位置信息和各预设特征数据中的各预设图像块的位置信息进行位置对齐，得到各待监测特征信息对应的预设特征信息；根据所述各待监测特征信息和所述各待监测特征信息对应的预设特征信息进行特征比对值计算，得到各待监测输煤图像块的位置信息对应的特征比对值；将所述各待监测输煤图像块的位置信息对应的特征比对值作为各待监测特征数据对应的比对结果。

需要说明的是，各待监测输煤图像块属于不同监测区域对应的待监测输煤图像，各预设输煤图像块属于不同监测区域对应的预设输煤图像，同时各待监测输煤图像块具有对应的待监测像素点，各预设输煤图像块也具有对应的预设像素点，先将待监测输煤图像和预设输煤图像进行对齐，再基于待监测像素点和预设像素点对将各预设输煤图像块和各待监测输煤图像块进行位置对齐，即可得到各预设输煤图像块对应的和待监测输煤图像块，由于各预设输煤图像块和待监测输煤图像块的像素点可能不会完全重合，存在一定的误差，则当二者的像素点70%相同时，即可将预设输煤图像块和待监测输煤图像块进行对应，此时完成各预设输煤图像块和各待监测输煤图像块的匹配对齐，图像块位置对齐后，获取各图像块中对应的特征信息，即可得到各待监测特征信息对应的预设特征信息，同时各特征信息也对应有像素点。

可以理解的是，基于预设特征信息的预设像素点和待监测特征信息的待监测像素点依次对各像素点对应的预设特征信息和待监测特征信息进行比对，可以得到相同百分比和差异百分比，将差异百分比作为各待监测输煤图像块的位置信息对应的特征比对值，最终将特征比对值作为对应的比对结果。例如，对某一待监测输煤图像块和对应的预设输煤图像块中，各像素点对应的预设特征信息和待监测特征信息进行依次比对，可以得到在相同像素点时，预设特征信息和待监测特征信息有80%的特征信息相同，即可得到相同百分比为80%，差异百分比为20%，此时待监测输煤图像块的位置信息对应的特征比对值为0.2。

在具体实现中，由于存在一定的比对误差，为了得到更为精准的比对结果，进一步地，所述根据各比对结果确定各待监测输煤图像是否存在异常，得到对应的异常待监测输煤图像和所述异常待监测输煤图像对应的异常监测区域，包括：获取预设异常阈值；将各特征比对值和所述预设异常阈值进行比较，若各特征比对值中存在特征比对值超过所述预设异常阈值，则超过所述预设异常阈值的特征比对值对应的待监测特征数据存在异常；根据存在异常的待监测特征数据确定对应的异常监测输煤图像和所述异常待监测输煤图像对应的异常监测区域。

需要说明的是，预设异常阈值指的是预设特征比对值阈值，即为待监测输煤图像块允许存在的差异百分比阈值，当各特征比对值与预设异常阈值进行比较，特征比对值未超过预设异常阈值，则说明待监测输煤图像块中的待监测特征信息与对应的预设特征信息大致相同，此时该待监测输煤图像块正常，若某一待监测输煤图像块对应的特征比对值超过预设异常阈值，则说明该待监测输煤图像块对应的待监测输煤图像存在异常，即可确定该待监测输煤图像为异常监测输煤图像，异常监测输煤图像对应的区域为异常监测区域。例如，某一待监测输煤图像块的特征比对值为0.5，预设异常阈值为0.3，则说明该待监测输煤图像块对应的待监测输煤图像为异常监测输煤图像，异常监测输煤图像对应的区域为异常监测区域。

本实施例通过对各待监测输煤图像进行边缘检测，确定各待监测输煤图像中的待监测边缘线；基于所述待监测边缘线对各待监测输煤图像进行分割，获得各待监测输煤图像中的待监测输煤图像块和各待监测输煤图像块的位置信息；对各待监测输煤图像块进行特征提取，获取各待监测输煤图像块的待监测特征信息；根据所述待监测特征信息和所述位置信息得到待监测特征数据。通过对待监测输煤图像进行特征提取，得到较为精确的特征数据，使后续的比对过程更为准确，从而提高了异常监测的准确率。

此外，参照图4，本发明实施例还提出一种基于图像的输煤异常监测装置，所述基于图像的输煤异常监测装置包括：

获取模块10，用于获取各监测区域对应的待监测输煤图像。

提取模块20，用于提取各待监测输煤图像对应的待监测特征数据。

比对模块30，用于将各待监测特征数据与各预设特征数据进行特征比对，得到对应的比对结果。

确定模块40，用于根据各比对结果确定各待监测输煤图像是否存在异常，得到对应的异常待监测输煤图像和所述异常待监测输煤图像对应的异常监测区域。

本实施例通过获取各监测区域对应的待监测输煤图像；提取各待监测输煤图像对应的待监测特征数据；将各待监测特征数据分别与各预设特征数据进行特征比对，得到对应的比对结果；根据各比对结果确定各待监测输煤图像是否存在异常，得到对应的异常待监测输煤图像和所述异常待监测输煤图像对应的异常监测区域。通过上述方式，通过对输煤时所有区域分区监测，并获取各监测区域对应的待监测输煤图像，对待监测输煤图像的特征数据和对应区域正常输煤时的预设特征数据进行特征比对，能够及时发现异常并确定异常发生区域。

在一实施例中，所述提取模块20，还用于对各待监测输煤图像进行边缘检测，确定各待监测输煤图像中的待监测边缘线；

基于所述待监测边缘线对各待监测输煤图像进行分割，获得各待监测输煤图像中的待监测输煤图像块和各待监测输煤图像块的位置信息；

对各待监测输煤图像块进行特征提取，获取各待监测输煤图像块的待监测特征信息；

根据所述待监测特征信息和所述位置信息得到待监测特征数据。

在一实施例中，所述比对模块30，还用于基于各待监测输煤图像块的位置信息和各预设特征数据中的各预设图像块的位置信息进行位置对齐，得到各待监测特征信息对应的预设特征信息；

根据所述各待监测特征信息和所述各待监测特征信息对应的预设特征信息进行特征比对值计算，得到各待监测输煤图像块的位置信息对应的特征比对值；

将所述各待监测输煤图像块的位置信息对应的特征比对值作为各待监测特征数据对应的比对结果。

在一实施例中，所述比对模块30，还用于获取预设异常阈值；

将各特征比对值和所述预设异常阈值进行比较，若各特征比对值中存在特征比对值超过所述预设异常阈值，则超过所述预设异常阈值的特征比对值对应的待监测特征数据存在异常；

根据存在异常的待监测特征数据确定对应的异常监测输煤图像和所述异常待监测输煤图像对应的异常监测区域。

在一实施例中，所述提取模块20，还用于获取各监测区域对应的预设输煤图像；

对各预设输煤图像进行边缘检测，确定各预设输煤图像中的预设边缘线；

基于所述预设边缘线对各预设输煤图像进行分割，获得各预设输煤图像中的预设图像块和各预设图像块的位置信息；

对各预设图像块分别进行特征提取，获取各预设图像块对应的预设特征信息；

根据所述预设特征信息和各预设图像块的位置信息得到预设特征数据。

在一实施例中，所述确定模块40，还用于识别所述异常待监测输煤图像中的异常信息；

根据所述异常信息通过异常分析模型确定对应的异常类型；

在预设策略表中查找所述异常类型对应的异常应对策略，将所述异常应对策略、异常待监测输煤图像以及异常监测区域发送至管理员所在终端进行预警。

在一实施例中，所述确定模块40，还用于获取预设数据库中标注异常信息及对应异常类型的异常样本图像；

根据所述标注异常信息及对应异常类型的异常样本图像得到预设异常分析模型训练数据；

构建初始分析模型；

根据所述预设异常分析模型训练数据对所述初始分析模型进行训练，得到异常分析模型。

由于本装置采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有基于图像的输煤异常监测程序，所述基于图像的输煤异常监测程序被处理器执行时实现如上文所述的基于图像的输煤异常监测方法的步骤。

由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。

需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。

另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的基于图像的输煤异常监测方法，此处不再赘述。

此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如只读存储器（Read Only Memory，ROM）/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种基于图像的输煤异常监测方法，其特征在于，所述基于图像的输煤异常监测方法包括：

获取各监测区域对应的待监测输煤图像；

提取各待监测输煤图像对应的待监测特征数据；

将各待监测特征数据分别与各预设特征数据进行特征比对，得到对应的比对结果，所述各预设特征数据是根据正常监测图像提取得到；

根据各比对结果确定各待监测输煤图像是否存在异常，得到对应的异常待监测输煤图像和所述异常待监测输煤图像对应的异常监测区域；

其中，所述根据各比对结果确定各待监测输煤图像是否存在异常，得到对应的异常待监测输煤图像和所述异常待监测输煤图像对应的异常监测区域之后，还包括：

识别所述异常待监测输煤图像中的异常信息；

根据所述异常信息通过异常分析模型确定对应的异常类型；

在预设策略表中查找所述异常类型对应的异常应对策略，将所述异常应对策略、异常待监测输煤图像以及异常监测区域发送至管理员所在终端进行预警，判断管理员在预设时间间隔内是否接受报警信息，根据判断结果确认是否再次发送报警信息。

2.如权利要求1所述的基于图像的输煤异常监测方法，其特征在于，所述提取各待监测输煤图像对应的待监测特征数据，包括：

对各待监测输煤图像进行边缘检测，确定各待监测输煤图像中的待监测边缘线；

基于所述待监测边缘线对各待监测输煤图像进行分割，获得各待监测输煤图像中的待监测输煤图像块和各待监测输煤图像块的位置信息；

对各待监测输煤图像块进行特征提取，获取各待监测输煤图像块的待监测特征信息；

根据所述待监测特征信息和所述位置信息得到待监测特征数据。

3.如权利要求2所述的基于图像的输煤异常监测方法，其特征在于，所述将各待监测特征数据分别与各预设特征数据进行特征比对，得到对应的比对结果，包括：

基于各待监测输煤图像块的位置信息和各预设特征数据中的各预设图像块的位置信息进行位置对齐，得到各待监测特征信息对应的预设特征信息；

根据所述各待监测特征信息和所述各待监测特征信息对应的预设特征信息进行特征比对值计算，得到各待监测输煤图像块的位置信息对应的特征比对值；

将所述各待监测输煤图像块的位置信息对应的特征比对值作为各待监测特征数据对应的比对结果。

4.如权利要求3所述的基于图像的输煤异常监测方法，其特征在于，所述根据各比对结果确定各待监测输煤图像是否存在异常，得到对应的异常待监测输煤图像和所述异常待监测输煤图像对应的异常监测区域，包括：

获取预设异常阈值；

将各特征比对值和所述预设异常阈值进行比较，若各特征比对值中存在特征比对值超过所述预设异常阈值，则超过所述预设异常阈值的特征比对值对应的待监测特征数据存在异常；

根据存在异常的待监测特征数据确定对应的异常监测输煤图像和所述异常待监测输煤图像对应的异常监测区域。

5.如权利要求1所述的基于图像的输煤异常监测方法，其特征在于，所述将各待监测特征数据分别与各预设特征数据进行特征比对，得到对应的比对结果之前，还包括：

获取各监测区域对应的预设输煤图像；

对各预设输煤图像进行边缘检测，确定各预设输煤图像中的预设边缘线；

基于所述预设边缘线对各预设输煤图像进行分割，获得各预设输煤图像中的预设图像块和各预设图像块的位置信息；

对各预设图像块分别进行特征提取，获取各预设图像块对应的预设特征信息；

根据所述预设特征信息和各预设图像块的位置信息得到预设特征数据。

6.如权利要求1所述的基于图像的输煤异常监测方法，其特征在于，所述根据所述异常信息通过异常分析模型确定对应的异常类型之前，还包括：

获取预设数据库中标注异常信息及对应异常类型的异常样本图像；

根据所述标注异常信息及对应异常类型的异常样本图像得到预设异常分析模型训练数据；

构建初始分析模型；

根据所述预设异常分析模型训练数据对所述初始分析模型进行训练，得到异常分析模型。

7.一种基于图像的输煤异常监测装置，其特征在于，所述基于图像的输煤异常监测装置包括：

获取模块，用于获取各监测区域对应的待监测输煤图像；

提取模块，用于提取各待监测输煤图像对应的待监测特征数据；

比对模块，用于将各待监测特征数据与各预设特征数据进行特征比对，得到对应的比对结果，所述各预设特征数据是根据正常监测图像提取得到；

确定模块，用于根据各比对结果确定各待监测输煤图像是否存在异常，得到对应的异常待监测输煤图像和所述异常待监测输煤图像对应的异常监测区域；

所述确定模块，还用于识别所述异常待监测输煤图像中的异常信息；

根据所述异常信息通过异常分析模型确定对应的异常类型；

在预设策略表中查找所述异常类型对应的异常应对策略，将所述异常应对策略、异常待监测输煤图像以及异常监测区域发送至管理员所在终端进行预警，判断管理员在预设时间间隔内是否接受报警信息，根据判断结果确认是否再次发送报警信息

一种基于图像的输煤异常监测设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于图像的输煤异常监测程序，所述基于图像的输煤异常监测程序配置为实现如权利要求1至6中任一项所述的基于图像的输煤异常监测方法。

8.一种存储介质，其特征在于，所述存储介质上存储有基于图像的输煤异常监测程序，所述基于图像的输煤异常监测程序被处理器执行时实现如权利要求1至6任一项所述的基于图像的输煤异常监测方法。

Images