本发明属于图像处理领域，涉及一种油田采出水拉运监控视频检测方法及相关装置。
背景技术：
1、油田每天会产出大量的采出水，采出水为油水混合物，直接排放会对环境造成严重的污染，因此油田会将采出水进行储存，并定期拉运到污水处理站进行排污与净化，因此油田定期要拉运大量的采出水，采出水拉运作业能否规范操作，对环境与安全生产至关重要。工作人员通过场站内装有全覆盖视频监控，监督场站内员工拉运油田采出水是否规范，包括状态检测、行为检测和流程检测。
2、靠人工监控需要大量的人力，经济效益较低。随着目标检测、行为分析及文本分类等深度学习技术的出现，人工监控渐渐被取代。现有的基于目标检测的视频行为检测技术，具备分析监控视频中某一瞬时画面的能力，通过分析瞬时画面预测行为是否规范，这种技术不具有时间序列上的行为分析能力。然而，现有的基于行为分析的视频行为检测技术，处理效率低，未能针对视频中的关键目标进行行为分析，不具有分析不同行为间的逻辑关系的能力。
技术实现思路
1、本发明的目的在于克服上述现有技术的缺点，提供一种油田采出水拉运监控视频检测方法及相关装置。
2、为达到上述目的，本发明采用以下技术方案予以实现：
3、本发明第一方面，提供一种油田采出水拉运监控视频检测方法，包括：获取油田采出水拉运监控视频；将油田采出水拉运监控视频输入至预训练的作业规范检测识别模型中，得到油田采出水拉运的规范检测结果；其中，作业规范检测识别模型包括依次连接的目标检测模块、行为分析模块以及文本信息分类模块；目标检测模块基于改进yolov8目标检测模型构建，改进yolov8目标检测模型通过在yolov8目标检测模型的主干网络中添加注意力机制得到；行为分析模块基于改进slowfast行为识别模型构建，改进slowfast行为识别模型通过将slowfast行为识别模型的损失函数替换为焦点损失函数focal loss得到；目标检测模块用于获取油田采出水拉运监控视频中的各待检测目标信息和各待检测行为的分析范围，以及根据各待检测目标信息获取状态规范性信息；行为分析模块用于根据各待检测目标信息和各待检测行为的分析范围获取各待检测行为信息，并根据各待检测行为信息获取行为规范性信息；文本信息分类模块用于将各待检测目标信息和各待检测行为信息连接成文本并分类，得到流程规范性信息。
4、可选的，还包括：在改进yolov8目标检测模型中增加小目标检测头。
5、可选的，所述焦点损失函数focal loss为：
6、fl(pt)＝-at(1-pt)γlog(pt)
7、其中，fl(pt)为焦点损失函数focal loss的损失值，pt为改进slowfast行为识别模型的预测概率，at为预设的权重因子，γ为一个大于0且小于5的参数。
8、可选的，所述文本信息分类模块基于lstm模型构建。
9、可选的，所述根据各待检测目标信息获取状态规范性包括：当各待检测目标信息中存在状态不规范目标时，状态规范性为状态不规范并生成状态不规范报警信号；其中，状态不规范目标包括未带安全帽人员、未穿防护服人员和吸烟人员。
10、可选的，所述根据各待检测行为信息获取行为规范性信息包括：当各待检测行为信息中存在行为不规范行为时，行为规范性信息为行为不规范性并生成行为不规范报警信号；其中，行为不规范行为包括采出水正在泄露行为和人员摔倒行为。
11、可选的，还包括：以web界面和/或桌面应用界面的方式，可视化展示油田采出水拉运的规范检测结果。
12、本发明第二方面，提供一种油田采出水拉运监控视频检测系统，包括：数据获取模块，用于获取油田采出水拉运监控视频；规范检测模块，用于将油田采出水拉运监控视频输入至预训练的作业规范检测识别模型中，得到油田采出水拉运的规范检测结果；其中，作业规范检测识别模型包括依次连接的目标检测模块、行为分析模块以及文本信息分类模块；目标检测模块基于改进yolov8目标检测模型构建，改进yolov8目标检测模型通过在yolov8目标检测模型的主干网络中添加注意力机制得到；行为分析模块基于改进slowfast行为识别模型构建，改进slowfast行为识别模型通过将slowfast行为识别模型的损失函数替换为焦点损失函数focal loss得到；目标检测模块用于获取油田采出水拉运监控视频中的各待检测目标信息和各待检测行为的分析范围，以及根据各待检测目标信息获取状态规范性信息；行为分析模块用于根据各待检测目标信息和各待检测行为的分析范围获取各待检测行为信息，并根据各待检测行为信息获取行为规范性信息；文本信息分类模块用于将各待检测目标信息和各待检测行为信息连接成文本并分类，得到流程规范性信息。
13、本发明第三方面，提供一种计算机设备，包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述油田采出水拉运监控视频检测方法的步骤。
14、本发明第四方面，提供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计算机程序，所述计算机程序被处理器执行时实现上述油田采出水拉运监控视频检测方法的步骤。
15、与现有技术相比，本发明具有以下有益效果：
16、本发明油田采出水拉运监控视频检测方法，以油田采出水拉运监控视频为基础，通过预训练的作业规范检测识别模型实现油田采出水拉运的规范检测，作业规范检测识别模型包括依次连接的目标检测模块、行为分析模块以及文本信息分类模块，实现作业中操作的某一状态和行为的规范检测能力，还具备了完善的作业操作流程是否规范的分析能力。首先，通过目标检测模块获取油田采出水拉运监控视频中的各待检测目标信息和各待检测行为的分析范围，以及根据各待检测目标信息获取状态规范性信息，不仅可以检测采出水拉运作业中的静态状态信息是否符合要求，还可以减少行为分析的计算量，增加运算速度。接着，通过行为分析模块根据各待检测目标信息和各待检测行为的分析范围获取各待检测行为信息，并根据各待检测行为信息获取行为规范性信息，可做动态的行为检测。最终，通过文本信息分类模块将各待检测目标信息和各待检测行为信息连接成文本做操作规范与否的分类，得到流程规范性信息。可以大大的促进油田安全稳定运行，减少人力成本的开销，对环境保护也具有重要的意义。
1.一种油田采出水拉运监控视频检测方法，其特征在于，包括：
2.根据权利要求1所述的油田采出水拉运监控视频检测方法，其特征在于，还包括：在改进yolov8目标检测模型中增加小目标检测头。
3.根据权利要求1所述的油田采出水拉运监控视频检测方法，其特征在于，所述焦点损失函数focal loss为：
4.根据权利要求1所述的油田采出水拉运监控视频检测方法，其特征在于，所述文本信息分类模块基于lstm模型构建。
5.根据权利要求1所述的油田采出水拉运监控视频检测方法，其特征在于，所述根据各待检测目标信息获取状态规范性包括：
6.根据权利要求1所述的油田采出水拉运监控视频检测方法，其特征在于，所述根据各待检测行为信息获取行为规范性信息包括：
7.根据权利要求1所述的油田采出水拉运监控视频检测方法，其特征在于，还包括：以web界面和/或桌面应用界面的方式，可视化展示油田采出水拉运的规范检测结果。
8.一种油田采出水拉运监控视频检测系统，其特征在于，包括：
9.一种计算机设备，包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述油田采出水拉运监控视频检测方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述油田采出水拉运监控视频检测方法的步骤。
