李衍志，范 勇，高 琳

(西南科技大学 计算机科学与技术学院，四川 绵阳 621010)

0 引言

石油在工业生产中有重要的用途，是极其重要的化学原料[1]。石油开采和生产过程中，会产生具有污染性的气体，威胁生态安全，为了保护绿水青山就必须要及时进行处理[2]。但是这些污染气体不是时时都有，因此直接通过化学试剂实时检测必然会造成大量的浪费，同时化学试剂本身也会加重污染。但是这些污染气体有一个共同点，就是在水中的溶解度很低，因此只要污染气体会在管道内积聚，积聚的越多对管道的气压就越大管道口的水流变化也就越大。根据这一特性，现在的生产过程中都是有长期工作经验的专家在后台通过摄像头进行实时的监测，但是长时间的观看视频数据总会有视觉疲劳和处理不到的地方，导致不能及时发现和处理异常。从理论上讲，目前还没有与水流异常检测相关的研究。该课题主要难点主要在两个层面：1)水流与其他有固定形态的实物不同，水流的形态一直在变化，因此传统的用于表示视频行为变化的特征提取方法对水流不起作用；2)异常样本严重不足，水流本身形态不固定，再加上异常本身就是偶然的不确定的，因此异常样本的获取及其困难。

针对特征提取方面的问题，在视频异常事件检测领域常用的有光流特征、轨迹特征、骨架特征。首先水是没有骨架的，所以骨架特征是没有用的。轨迹特征计算量很大，不能满足实时性的需求。……