摘要
本申请提供一种融合卫星和无人机图像的视频监控识别方法,包括:对达到目标分辨率和具有纹理细节的输电线路图像中防震锤位置的图像,采用基于深度学习的图像畸变校正模型,通过大量畸变图像样本的训练,自适应地校正畸变区域,得到校正后的防震锤图像;针对防震锤位置偏移和工作状态异常的情况,生成输电线路巡检报告,并将异常位置的卫星图像和无人机图像以及相应的健康度评估结果进行存储以及发送给相关人员;在后续的输电线路巡检过程中,持续更新防震锤光谱特征库和图像畸变校正方法,通过增量学习的方式不断提高防震锤位置偏移检测和工作状态评估的精度,形成动态更新优化的输电线路监控体系。
技术关键词
防震锤
视频监控识别方法
输电线路巡检
图像畸变校正方法
支持向量机算法
输电线路监控
无人机巡检图像
评估指标体系
卫星图像数据
卷积神经网络提取图像特征
位置偏移现象
高斯滤波器
卫星遥感图像
视频监控数据
样本
系统为您推荐了相关专利信息
分布式账本技术
支持向量机算法
同态加密算法
建筑智能化
施工现场
带电作业机器人
卷筒组件
卷筒结构
卷绳机构
调节模组
输电线路巡检图像
图像分割模型
视角分类方法
多视角
样本
数据库监控方法
空间聚类算法
异常状态
数据点异常检测
异常点