CN110675586A - 一种视频分析和深度学习的机场围界入侵监控方法 - Google Patents
一种视频分析和深度学习的机场围界入侵监控方法 Download PDFInfo
- Publication number
- CN110675586A CN110675586A CN201910908594.9A CN201910908594A CN110675586A CN 110675586 A CN110675586 A CN 110675586A CN 201910908594 A CN201910908594 A CN 201910908594A CN 110675586 A CN110675586 A CN 110675586A
- Authority
- CN
- China
- Prior art keywords
- target
- intrusion
- video
- enclosure
- motion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
- G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
Abstract
本发明公开了一种视频分析和深度学习的机场围界入侵监控方法,该方法视频分析和深度学习,检测和识别围界警戒区域内的行人,并对警戒区内的行人进行目标跟踪,生成目标运动轨迹,以及对目标运动轨迹进行曲线拟合获取运动曲线方程,根据运动曲线方程判断行人的入侵行为;当行人入侵围界时,系统发出警报以通知工作人员驱除入侵者,并记录入侵者入侵围界的时间及短视频,确保民航机场机场围界的安全性。
Description
技术领域
本发明涉及一种监控报警方法,具体涉及一种视频分析和深度学习的机场围界入侵监控方法。
背景技术
目前,民航机场的机场围界入侵监控系统主要采用红外方式来监控围界入侵行为,当发生围界入侵行为后,工作人员调取监控视频,并驱除入侵人员。虽然红外监控系统能准确的预报入侵行为,但却无法识别入侵对象而误报入侵行为,如小动物闯入围界或树枝的晃动都有可能触发入侵报警。监控系统的误报增加了工作人员的工作量,同时也增加了机场的运营成本。
发明内容
本发明所要解决的技术问题是一种视频分析和深度学习的机场围界入侵监控方法,通过视频分析和深度学习算法,对入侵人员进行运动轨迹分析,以解决现有技术中存在的不足,从而减少工作人员的工作量和机场运营成本。
本发明是通过以下技术方案来实现的:一种基于视频分析和深度学习的机场围界入侵监控系统,根据入侵人员的运动轨迹,判断人员的入侵行为,并针对不同的入侵行为作出相应的警告处理;
具体步骤如下:
(一)在视频中人为预设置警戒区域,包括围界徘徊区域以及围界入侵区域;
(二)针对警戒区域进行目标检测识别;
(三)对进入警戒区域目标进行目标跟踪;
(四)分析入侵目标的运动轨迹,根据运动轨迹的方向升级或解除对目标的预警;
(五)当目标存在围界入侵行为时,监控系统发出警报以通知工作人员驱除入侵者,并记录入侵时间及截取入侵图像和视频。
一种民航机场机场围界入侵监控的方法,针对警戒区域的进行目标检测识别和目标跟踪,具体监控方法如下:
(一)使用混合高斯模型的背景/前景分割算法初步判断是否存在可疑目标进入警戒区;
(二)使用Tensorflow框架搭建YOLO-V3模型用于民航机场机场围界入侵监控系统的目标检测和识别,获取民航机场机场围界视频并对视频内容进行标注,数据增强和模型调参,完成模型训练;
(三)采用Fast Compressive Tracking算法并结合YOLO-V3模型的检测结果,对进入警戒区域的目标进行跟踪,生成运动轨迹;
(四)对目标的运动轨迹进行四次多项式拟合,获取目标运动曲线方程,根据运动曲线方程式,判断目标的运动方向,最后根据运动方向升级或解除预警;
(五)当监控目标出现“围界入侵”行为时,系统发出报警以提示工作人员驱除入侵者,并记录入侵时间及截取入侵图像和视频。
本发明的有益效果是:本发明通过视频分析和深度学习算法,对民航机场机场围界入侵行为进行监控,并对入侵行为进行预警和报警,确保机场围界的安全性。同时,针对围界入侵行为进行报警提示工作人员驱除入侵者,并记录入侵者入侵围界的时间及短视频。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的围界入侵预警流程图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
在本发明的描述中,需要理解的是,术语“一端”、“另一端”、“外侧”、“上”、“内侧”、“水平”、“同轴”、“中央”、“端部”、“长度”、“外端”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
本发明使用的例如“上”、“上方”、“下”、“下方”等表示空间相对位置的术语是出于便于说明的目的来描述如附图中所示的一个单元或特征相对于另一个单元或特征的关系。空间相对位置的术语可以旨在包括设备在使用或工作中除了图中所示方位以外的不同方位。例如,如果将图中的设备翻转,则被描述为位于其他单元或特征“下方”或“之下”的单元将位于其他单元或特征“上方”。因此,示例性术语“下方”可以囊括上方和下方这两种方位。设备可以以其他方式被定向(旋转90度或其他朝向),并相应地解释本文使用的与空间相关的描述语。
在本发明中,除非另有明确的规定和限定,术语“设置”、“套接”、“连接”、“贯穿”、“插接”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
如图1所示,如图1所示,该民航机场机场围界入侵监控的系统和方法需要人为预定义警戒区域,针对警戒区域进行视频算法分析,并对进入警戒区域内的目标进行跟踪,最后根据目标的运动轨迹进行预警和报警处理,当目标出现“围界入侵”行为时,系统发出报警以提示工作人员驱除入侵者。
具体步骤如下:
(一)在视频中人为预设置警戒区域,包括围界徘徊区域以及围界入侵区域;
(二)针对警戒区域进行目标检测识别;
(三)对进入警戒区域目标进行目标跟踪;
(四)分析入侵目标的运动轨迹,根据运动轨迹的方向升级或解除对目标的预警;
(五)当目标存在围界入侵行为时,监控系统发出警报以通知工作人员驱除入侵者,并记录入侵时间及截取入侵图像和视频。
针对民航机场机场围界入侵监控的系统和方法如下:
(一)使用混合高斯模型的背景/前景分割算法初步判断是否存在可疑目标进入警戒区;
(二)使用Tensorflow框架搭建YOLO-V3模型用于民航机场机场围界入侵监控系统的目标检测和识别,获取民航机场机场围界视频并对视频内容进行标注,数据增强和模型调参,完成模型训练;
(三)采用Fast Compressive Tracking算法并结合YOLO-V3模型的检测结果,对进入警戒区域的目标进行跟踪,生成运动轨迹;
(四)对目标的运动轨迹进行四次多项式拟合,获取目标运动曲线方程,根据运动曲线方程式,判断目标的运动方向,最后根据运动方向升级或解除预警。
(五)当监控目标出现“围界入侵”行为时,系统发出报警以提示工作人员驱除入侵者,并记录入侵时间及截取入侵图像和视频。
本发明的有益效果是:本发明通过视频分析和深度学习算法,对民航机场机场围界入侵行为进行监控,并对入侵行为进行预警和报警,确保机场围界的安全性。同时,针对围界入侵行为进行报警提示工作人员驱除入侵者,并记录入侵者入侵围界的时间及短视频。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何不经过创造性劳动想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书所限定的保护范围为准。
Claims (2)
1.一种基于视频分析和深度学习的机场围界入侵监控系统,其特征在于,根据入侵人员的运动轨迹,判断人员的入侵行为,并针对不同的入侵行为作出相应的警告处理;
具体步骤如下:
(一)在视频中人为预设置警戒区域,包括围界徘徊区域以及围界入侵区域;
(二)针对警戒区域进行目标检测识别;
(三)对进入警戒区域目标进行目标跟踪;
(四)分析入侵目标的运动轨迹,根据运动轨迹的方向升级或解除对目标的预警;
(五)当目标存在围界入侵行为时,监控系统发出警报以通知工作人员驱除入侵者,并记录入侵时间及截取入侵图像和视频。
2.一种民航机场机场围界入侵监控的方法,其特征在于:针对警戒区域的进行目标检测识别和目标跟踪,具体监控方法如下:
(一)使用混合高斯模型的背景/前景分割算法初步判断是否存在可疑目标进入警戒区;
(二)使用Tensorflow框架搭建YOLO-V3模型用于民航机场机场围界入侵监控系统的目标检测和识别,获取民航机场机场围界视频并对视频内容进行标注,数据增强和模型调参,完成模型训练;
(三)采用Fast Compressive Tracking算法并结合YOLO-V3模型的检测结果,对进入警戒区域的目标进行跟踪,生成运动轨迹;
(四)对目标的运动轨迹进行四次多项式拟合,获取目标运动曲线方程,根据运动曲线方程式,判断目标的运动方向,最后根据运动方向升级或解除预警;
(五)当监控目标出现“围界入侵”行为时,系统发出报警以提示工作人员驱除入侵者,并记录入侵时间及截取入侵图像和视频。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910908594.9A CN110675586A (zh) | 2019-09-25 | 2019-09-25 | 一种视频分析和深度学习的机场围界入侵监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910908594.9A CN110675586A (zh) | 2019-09-25 | 2019-09-25 | 一种视频分析和深度学习的机场围界入侵监控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110675586A true CN110675586A (zh) | 2020-01-10 |
Family
ID=69078895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910908594.9A Pending CN110675586A (zh) | 2019-09-25 | 2019-09-25 | 一种视频分析和深度学习的机场围界入侵监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110675586A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563428A (zh) * | 2020-04-23 | 2020-08-21 | 杭州云视通互联网科技有限公司 | 一种机场停机位入侵检测方法及其系统 |
CN111738240A (zh) * | 2020-08-20 | 2020-10-02 | 江苏神彩科技股份有限公司 | 区域监测方法、装置、设备及存储介质 |
CN113128480A (zh) * | 2021-05-19 | 2021-07-16 | 北京邮电大学 | 一种具有鉴权功能的多目标周界入侵预警方法 |
CN113158800A (zh) * | 2021-03-19 | 2021-07-23 | 上海云赛智联信息科技有限公司 | 围界入侵混合检测方法及围界入侵混合检测系统 |
CN113450573A (zh) * | 2020-03-25 | 2021-09-28 | 重庆翼动科技有限公司 | 基于无人机图像识别的交通监测方法和交通监测系统 |
CN113537007A (zh) * | 2021-07-02 | 2021-10-22 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 应用于铁路站台的非工作人员入侵检测与报警方法和装置 |
CN115131935A (zh) * | 2022-08-30 | 2022-09-30 | 山东千颐科技有限公司 | 危险区域防进入报警系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009075775A (ja) * | 2007-09-19 | 2009-04-09 | Hitachi Kokusai Electric Inc | 監視装置 |
CN108446630A (zh) * | 2018-03-20 | 2018-08-24 | 平安科技(深圳)有限公司 | 机场跑道智能监控方法、应用服务器及计算机存储介质 |
CN108764215A (zh) * | 2018-06-21 | 2018-11-06 | 郑州云海信息技术有限公司 | 基于视频的目标搜索追踪方法、系统、服务中心以及终端 |
CN109426798A (zh) * | 2018-02-01 | 2019-03-05 | 广州弘度信息科技有限公司 | 一种边界入侵检测方法、装置及系统 |
CN109697830A (zh) * | 2018-12-21 | 2019-04-30 | 山东大学 | 一种基于目标分布规律的人员异常行为检测方法 |
CN110111515A (zh) * | 2018-02-01 | 2019-08-09 | 广州弘度信息科技有限公司 | 一种边界入侵检测方法、装置、服务器及系统 |
-
2019
- 2019-09-25 CN CN201910908594.9A patent/CN110675586A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009075775A (ja) * | 2007-09-19 | 2009-04-09 | Hitachi Kokusai Electric Inc | 監視装置 |
CN109426798A (zh) * | 2018-02-01 | 2019-03-05 | 广州弘度信息科技有限公司 | 一种边界入侵检测方法、装置及系统 |
CN110111515A (zh) * | 2018-02-01 | 2019-08-09 | 广州弘度信息科技有限公司 | 一种边界入侵检测方法、装置、服务器及系统 |
CN108446630A (zh) * | 2018-03-20 | 2018-08-24 | 平安科技(深圳)有限公司 | 机场跑道智能监控方法、应用服务器及计算机存储介质 |
CN108764215A (zh) * | 2018-06-21 | 2018-11-06 | 郑州云海信息技术有限公司 | 基于视频的目标搜索追踪方法、系统、服务中心以及终端 |
CN109697830A (zh) * | 2018-12-21 | 2019-04-30 | 山东大学 | 一种基于目标分布规律的人员异常行为检测方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113450573A (zh) * | 2020-03-25 | 2021-09-28 | 重庆翼动科技有限公司 | 基于无人机图像识别的交通监测方法和交通监测系统 |
CN111563428A (zh) * | 2020-04-23 | 2020-08-21 | 杭州云视通互联网科技有限公司 | 一种机场停机位入侵检测方法及其系统 |
CN111563428B (zh) * | 2020-04-23 | 2023-10-17 | 杭州云视通互联网科技有限公司 | 一种机场停机位入侵检测方法及其系统 |
CN111738240A (zh) * | 2020-08-20 | 2020-10-02 | 江苏神彩科技股份有限公司 | 区域监测方法、装置、设备及存储介质 |
CN113158800A (zh) * | 2021-03-19 | 2021-07-23 | 上海云赛智联信息科技有限公司 | 围界入侵混合检测方法及围界入侵混合检测系统 |
CN113128480A (zh) * | 2021-05-19 | 2021-07-16 | 北京邮电大学 | 一种具有鉴权功能的多目标周界入侵预警方法 |
CN113537007A (zh) * | 2021-07-02 | 2021-10-22 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 应用于铁路站台的非工作人员入侵检测与报警方法和装置 |
CN115131935A (zh) * | 2022-08-30 | 2022-09-30 | 山东千颐科技有限公司 | 危险区域防进入报警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110675586A (zh) | 一种视频分析和深度学习的机场围界入侵监控方法 | |
US8368754B2 (en) | Video pattern recognition for automating emergency service incident awareness and response | |
CN111144291B (zh) | 基于目标检测的视频监控区域人员入侵判别方法及装置 | |
US8743204B2 (en) | Detecting and monitoring event occurrences using fiber optic sensors | |
CN107645652A (zh) | 一种基于视频监控的非法越界报警系统 | |
EP2966852B1 (en) | Video monitoring method, device and system | |
EP3410413A1 (en) | Improved generation of alert events based on a detection of objects from camera images | |
CN107818312A (zh) | 一种基于异常行为识别的嵌入式系统 | |
CN104637071B (zh) | 基于智能视频分析的人员跟踪方法 | |
CN110796819A (zh) | 一种针对站台黄线入侵越界人员的检测方法及系统 | |
CN112907869B (zh) | 基于多种传感技术的入侵检测系统 | |
WO2022142973A1 (zh) | 机器人的防护系统及方法 | |
KR20080044812A (ko) | 컴퓨터 영상 분석기술을 이용한 범죄 및 사고예방 자동경비 시스템 | |
CN109488383B (zh) | 智能视频分析系统及其应用方法 | |
CN113033521B (zh) | 基于目标分析的周界动态预警方法与系统 | |
CN116453284B (zh) | 基于驱散设备的安防报警装置及方法 | |
Khodadin et al. | An intelligent camera surveillance system with effective notification features | |
CN116993265A (zh) | 一种基于物联网的智能仓储安全管理系统 | |
CN111696291A (zh) | 一种视频联动监控系统、方法、设备和存储介质 | |
CN203733245U (zh) | 防火逃生门智慧型警报系统 | |
binti Harum et al. | Smart surveillance system using background subtraction technique in IoT application | |
CN207530963U (zh) | 一种基于视频监控的非法越界报警系统 | |
CN112885013A (zh) | 监控预警方法、装置和可读存储介质 | |
JP6978986B2 (ja) | 警報システム、警報制御装置及び警報方法 | |
Zhang et al. | Physical security detectors for critical infrastructures against new-age threat of drones and human intrusion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200110 |