(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210562729.2 (22)申请日 2022.05.23 (71)申请人 安徽送变电工程有限公司 地址 230011 安徽省合肥市蜀山区怀宁路 1599号宏源大厦 (72)发明人 胡文华　王开库　李翔　黄伟民　 贾宏生　李锐　马凯　周本立　 孟文志　孙东山　丁光正　王天山　 熊升雁　曹邦标　沈宏奇　程攀　 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于深度学习的移动目标识别方法及系统 (57)摘要 本发明涉及电力施工技术领域， 涉及一种基 于深度学习的移动目标识别方法及系统。 该方法 首先获取当前时刻和前一时刻 的第一和第二预 处理图像； 之后基于帧差法获取第一目标区域， 第一目标区域为在前一时刻和当前时刻间产生 移动的区域； 之后基于YOL O算法获取监测物在第 一预处理图像中的第二目标区域； 之后将第一目 标区域和第二目标区域重叠的区域作为检测目 标， 并在第一预处理图像中划定电子围栏区域， 并在检测目标越过电子围栏区域时产生报警信 号； 最后依据报警信号进行报警动作。 该系统用 于实现上述方法。 本发明能够较佳地实现对移动 目标的检测及报警。 权利要求书3页 说明书7页 附图2页 CN 114663841 A 2022.06.24 CN 114663841 A 1.基于深度学习的移动目标识别方法， 其具有如下步骤： 步骤一、 获取当前时刻的第一监控图像 和前一时刻的第二监控图像 ， 并进行图 像预处理， 进而获取对应的第一预处 理图像 和第二预处 理图像 ； 步骤二、 基于帧差法对第一预处理图像 和第二预处理图像 进行处理， 进而获取 第一预处理图像 中的第一目标区域， 第一目标区域为在前一时刻和当前时刻间产生移 动的区域； 步骤三、 基于YOLO算法对第一预处理 图像 进行处理， 进而获取监测物在第一预处理 图像 中的第二目标区域； 步骤四、 将第一目标区域和第二目标区域重叠的区域作为检测目标， 并在第一预处理 图像 中划定与对应安全边界线 的所对应的电子围栏区域， 并在检测目标越过电子围栏 区域时产生报警信号； 步骤五， 依据报警信号进行报警动作。 2.根据权利要求1所述的基于深度学习的移动目标识别方法， 其特征在于： 当前时刻的 第一监控图像 、 前一时刻的第二监控图像 、 第一预处理图像 和第二预处理图像 分别表示 为， 其中， 、 、 和 分别表示当前时刻的第一 监控图像 、 前一时刻的第二监控图像 、 第一预处理图像 和第二预处理图像 在第i行、 第j列的图像值； M和N分别为图像在长度和宽度方向上的像素点总数； 步骤一中， 图像预处 理具体包括如下步骤，权　利　要　求　书 1/3 页 2 CN 114663841 A 2步骤1‑1、 将当前时刻的第一监控图像 和前一时刻的第二监控图像 处理成灰度 图像， 并以灰度值作为对应 像素点的图像值； 步骤1‑2、 通过中值滤波处理将处理前图像 中的某像素点及其相邻的K个像素点的图像 值的中值作为处 理后图像对应该某像素点的图像值。 3.根据权利要求1所述的基于深度学习的移动目标识别方法， 其特征在于： 步骤二具体 依如下步骤进行， 步骤2‑1、 基于差分运算， 获取第一预处理图像 和第二预处理图像 的差分图像 ， 步骤2‑2、 基于阈值处 理， 将差分图像 处理成二值图像 ， 步骤2‑3、 获取二值图像 中图像值为255的所有像素点的集合P， 该集合P即为第一目 标区域， 其中， 。 4.根据权利要求3所述的基于深度学习的移动目标识别方法， 其特征在于： 步骤三具体 依如下步骤进行， 步骤3‑1、 基于YOLO算法对第一预处 理图像 中的监测物进行识别； 步骤3‑2、 获取监测物的识别框区域 Q， 该识别框区域 Q即为第二目标区域； 其中， 其中， 和 分别为监测物最左和最右的长度坐标， 和 分别为监测物最上和最下的 宽度坐标。 5.根据权利要求4所述的基于深度学习的移动目标识别方法， 其特征在于： 步骤四具体 依如下步骤进行， 步骤4‑1、 构建第一目标区域和第二目标区域的重 叠区域S；权　利　要　求　书 2/3 页 3 CN 114663841 A 3