面向石化厂区安全风险防控的异常场景图像识别技术研究

针对石化厂区安全风险防控的需求，提出了一种基于卷积神经网络的单分类图像识别算法。为了构建识别模型，首先创建了一个带标签的厂区火灾、烟雾图像数据集用于模型的训练。其次，通过特征提取及分类器模块，实现了对视频监控异常场景的识别。此外，设计了一种全新的损失函数，以增强异常场景识别能力。该算法采用端到端的网络架构，解决了传统目标检测方法的结构臃肿、计算复杂等问题，减少了模型的复杂程度，弥补了现有视频监控资源利用场景的不足，进一步提高了厂区风险识别能力。实验结果表明，所提出的单分类视频监控图像识别算法在准确率等方面优于现有算法。