CN112419635A - 融合光栅和视频的周界报警方法 - Google Patents
融合光栅和视频的周界报警方法 Download PDFInfo
- Publication number
- CN112419635A CN112419635A CN202011453948.4A CN202011453948A CN112419635A CN 112419635 A CN112419635 A CN 112419635A CN 202011453948 A CN202011453948 A CN 202011453948A CN 112419635 A CN112419635 A CN 112419635A
- Authority
- CN
- China
- Prior art keywords
- alarm
- grating
- mode
- human body
- sensor
- 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.)
- Granted
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
- G08B13/1895—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 light change detection systems
-
- 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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Burglar Alarm Systems (AREA)
Abstract
本发明公开了一种融合光栅和视频的周界报警方法,包括基准修正、振动寻峰、信噪比计算、特征量滤波和视频识别,本发明基于传统光栅振动入侵探测和智能视频监控进行简单的结合造成的周界报警性能进一步提升的瓶颈,对周界报警模式进行分类,将光栅振动入侵探测和智能视频监控进行深度的融合,可识别不同情况下的周界入侵行为,并通过对方的探测和识别结果,自动调整自身的报警模式参数,实现周界报警性能的提升。
Description
技术领域
本发明应用于周界安防领域,尤其涉及一种融合光栅和视频的周界报警。
背景技术
光栅振动入侵探测和智能视频监控在周界安防领域具有广泛应用,但光栅振动入侵探测难以滤除鸟和树枝以及大风的干扰,在鸟、树枝和大风干扰比较严重的环境,误报率会比较高。智能视频监控会受到实际环境光照变化、目标运动复杂性、遮挡等因素的影响而增加目标检测的难度。现在传统的方法是将光栅振动入侵探测和智能视频监控进行简单的结合,当光栅振动入侵探测输出周界报警信息给客户端时,客户端会调用对应视频进行自动或者人工复核,但这样光栅振动入侵探测能力或者智能视频监控识别能力将成为进一步提高周界报警性能的瓶颈。
将光栅振动入侵探测和智能视频监控进行深度的融合,通过对方的探测和识别结果,自动调整自身的报警模式参数,这样可以充分发挥光栅振动入侵探测和智能视频监控各自的优势,实现周界报警性能的提高。
发明内容
本发明解决的技术问题在于,针对传统光栅振动入侵探测和智能视频监控进行简单的结合造成的周界报警性能进一步提升的瓶颈,通过将光栅振动入侵探测和智能视频监控进行深度的融合,提高周界报警性能。
本发明解决其技术问题所采用的技术方案是:
提供一种融合光栅和视频的周界报警方法,包括以下步骤:
S1、基准修正,使用光栅传感器最近n秒的波长中值作为波长基准λ基,将每个传感器的波长减去各自的波长基准,得到修正波长λ修正;
S2、振动寻峰,对经基准修正后的光栅传感器修正波长λ修正进行前向差分,通过差分结果的符号变化判断光栅振动峰的位置,峰值强度P峰就是光栅振动峰处的修正波长λ修正;如果峰值强度P峰大于等于峰值门限,则判断是光栅振动峰,记录光栅传感器修正波长峰值强度P峰作为特征量;
S3、信噪比计算,使用每个通道的所有传感器的最近m秒的最大修正波长的中值作为通道噪声,使用各个传感器的最近a个n秒的最大修正波长的中值作为传感器噪声,记录光栅传感器的相对信噪比和自身信噪比作为特征量,其中a、m、n为自然数;
S4、特征量滤波,对光栅传感器修正波长峰值处的特征量进行中值滤波;
S5、视频识别,分析光栅传感器对应摄像头的视频数据,输出视频识别结果;通过人体目标模型对人体目标进行识别,通过人体攀爬行为模型对人体攀爬行为进行识别;
S6、周界报警,根据光栅传感器特征量和视频识别结果,判断是否满足周界预设的三大类报警模式要求:当特征量的滤波值大于等于第一报警模式的光栅报警阈值时,输出周界报警;当智能视频监控识别人体目标并且光栅传感器特征量滤波值大于等于第二报警模式的光栅报警阈值,输出周界报警;当智能视频监控识别人体攀爬行为满足第三报警模式要求时,输出周界报警。
接上述技术方案,第一报警模式为光栅振动入侵探测独立报警,根据智能视频监控识别结果自动调整模式参数,用于处理光栅振动入侵探测信号明显而智能视频监控可能没有识别人体目标的情况;
第二报警模式为光栅振动入侵探测和智能视频监控混合报警,根据探测和识别结果自动调整自身的报警模式参数,用于处理光栅振动入侵探测信号不明显而智能视频监控可识别人体目标的情况;
第三报警模式为智能视频监控独立报警,无需参考光栅振动入侵探测结果,根据光栅振动入侵探测结果自动调整模式参数,用于处理智能视频监控明显识别人体目标攀爬行为而光栅振动入侵探测可能没有反应的情况。
接上述技术方案,光栅传感器的相对信噪比=传感器峰值强度/通道噪声,光栅传感器的自身信噪比=传感器峰值强度/传感器噪声。
接上述技术方案,该方法还包括步骤:
S7、模式学习,通过光栅振动入侵探测和智能视频监控的探测和识别结果,自动调整自身的报警模式参数;当第一报警模式存在多个不同通道的光栅传感器频繁报警时,并且智能视频监控通过对应的摄像头视频均没有识别到人体目标,认为第一报警模式存在误报可能,并自动提高第一报警模式的光栅报警阈值;当智能视频监控识别人体目标靠近周界围栏时,自动降低第二报警模式的光栅报警阈值;当智能视频监控识别人体目标远离周界围栏时,自动提高第二报警模式的光栅报警阈值;当第三报警模式存在多个不同光栅传感通道对应的智能视频监控频繁报警时,并且光栅振动入侵探测没有识别到任何光栅振动信号,认为第三报警模式存在误报可能,并自动使用频繁报警时刻的视频图像数据对人体攀爬行为模型进行训练调整参数即降低人体攀爬行为误识别率。
本发明还提供一种融合光栅和视频的周界报警系统,包括:
基准修正模块,用于使用光栅传感器最近n秒的波长中值作为波长基准λ基,将每个传感器的波长减去各自的波长基准,得到修正波长λ修正;
振动寻峰模块,用于对经基准修正后的光栅传感器修正波长λ修正进行前向差分,通过差分结果的符号变化判断光栅振动峰的位置,峰值强度P峰就是光栅振动峰处的修正波长λ修正;如果峰值强度P峰大于等于峰值门限,则判断是光栅振动峰,记录光栅传感器修正波长峰值强度P峰作为特征量;
信噪比计算模块,用于使用每个通道的所有传感器的最近m秒的最大修正波长的中值作为通道噪声,使用各个传感器的最近a个n秒的最大修正波长的中值作为传感器噪声,记录光栅传感器的相对信噪比和自身信噪比作为特征量,其中a、m、n为自然数;
特征量滤波模块,用于对光栅传感器修正波长峰值处的特征量进行中值滤波;
视频识别模块,用于分析光栅传感器对应摄像头的视频数据,输出视频识别结果;通过人体目标模型对人体目标进行识别,通过人体攀爬行为模型对人体攀爬行为进行识别;
周界报警模块,用于根据光栅传感器特征量和视频识别结果,判断是否满足周界预设的三大类报警模式要求:当特征量的滤波值大于等于第一报警模式的光栅报警阈值时,输出周界报警;当智能视频监控识别人体目标并且光栅传感器特征量滤波值大于等于第二报警模式的光栅报警阈值,输出周界报警;当智能视频监控识别人体攀爬行为满足第三报警模式要求时,输出周界报警。
接上述技术方案,该系统还包括报警模式划分模块,用于将报警模式分为三大类:
第一报警模式为光栅振动入侵探测独立报警,根据智能视频监控识别结果自动调整模式参数,用于处理光栅振动入侵探测信号明显而智能视频监控可能没有识别人体目标的情况;
第二报警模式为光栅振动入侵探测和智能视频监控混合报警,根据探测和识别结果自动调整自身的报警模式参数,用于处理光栅振动入侵探测信号不明显而智能视频监控可识别人体目标的情况;
第三报警模式为智能视频监控独立报警,无需参考光栅振动入侵探测结果,根据光栅振动入侵探测结果自动调整模式参数,用于处理智能视频监控明显识别人体目标攀爬行为而光栅振动入侵探测可能没有反应的情况。
接上述技术方案,信噪比计算模块通过如下公式计算信噪比:
光栅传感器的相对信噪比=传感器峰值强度/通道噪声,光栅传感器的自身信噪比=传感器峰值强度/传感器噪声。
接上述技术方案,其特征在于,该系统还包括:
模式学习模块,用于通过光栅振动入侵探测和智能视频监控的探测和识别结果,自动调整自身的报警模式参数;当第一报警模式存在多个不同通道的光栅传感器频繁报警时,并且智能视频监控通过对应的摄像头视频均没有识别到人体目标,认为第一报警模式存在误报可能,并自动提高第一报警模式的光栅报警阈值;当智能视频监控识别人体目标靠近周界围栏时,自动降低第二报警模式的光栅报警阈值;当智能视频监控识别人体目标远离周界围栏时,自动提高第二报警模式的光栅报警阈值;当第三报警模式存在多个不同光栅传感通道对应的智能视频监控频繁报警时,并且光栅振动入侵探测没有识别到任何光栅振动信号,认为第三报警模式存在误报可能,并自动使用频繁报警时刻的视频图像数据对人体攀爬行为模型进行训练调整参数即降低人体攀爬行为误识别率。
本发明还提供一种存储介质,该存储介质可被处理器执行,其内存储有计算机程序,该计算机程序执行上述技术方案的融合光栅和视频的周界报警方法。
本发明还提供一种融合光栅和视频的周界报警装置,包括光栅传感器、摄像头和周界报警系统,其中光栅传感器按照一定的分布方式安装在周界护栏上,每个摄像头的摄像范围与一定范围内的光栅传感器对应,周界报警系统与光栅传感器、摄像头连接,该周界报警系统为上述技术方案的融合光栅和视频的周界报警系统。
本发明产生的有益效果是:本发明基于传统光栅振动入侵探测和智能视频监控进行简单的结合造成的周界报警性能进一步提升的瓶颈,对周界报警模式进行分类,将光栅振动入侵探测和智能视频监控进行深度的融合,可识别不同情况下的周界入侵行为,并通过对方的探测和识别结果,自动调整自身的报警模式参数,实现周界报警性能的提升。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例的融合光栅和视频的周界报警方法流程图一;
图2是本发明实施例的融合光栅和视频的周界报警方法流程图二;
图3是本发明实施例的光栅振动入侵探测波长变化示意图;
图4是本发明实施例的智能视频监控识别示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明融合光栅和视频的周界报警方法解决了传统光栅振动入侵探测和智能视频监控进行简单的结合造成的周界报警性能进一步提升的瓶颈,实现周界报警性能的提升。
如图1所示,本发明实施例融合光栅和视频的周界报警方法,其特征在于,包括以下步骤:
S1、基准修正,使用光栅传感器最近n秒的波长中值作为波长基准λ基,将每个传感器的波长减去各自的波长基准,得到修正波长λ修正;
S2、振动寻峰,对经基准修正后的光栅传感器修正波长λ修正进行前向差分,通过差分结果的符号变化判断光栅振动峰的位置,峰值强度P峰就是光栅振动峰处的修正波长λ修正;如果峰值强度P峰大于等于峰值门限,则判断是光栅振动峰,记录光栅传感器修正波长峰值强度P峰作为特征量;
S3、信噪比计算,使用每个通道的所有传感器的最近m秒的最大修正波长的中值作为通道噪声,使用各个传感器的最近a个n秒的最大修正波长的中值作为传感器噪声,记录光栅传感器的相对信噪比和自身信噪比作为特征量,其中a、m、n为自然数;
S4、特征量滤波,对光栅传感器修正波长峰值处的特征量进行中值滤波;
S5、视频识别,分析光栅传感器对应摄像头的视频数据,输出视频识别结果;通过人体目标模型对人体目标进行识别,通过人体攀爬行为模型对人体攀爬行为进行识别;
S6、周界报警,根据光栅传感器特征量和视频识别结果,判断是否满足周界预设的三大类报警模式要求:当特征量的滤波值大于等于第一报警模式的光栅报警阈值时,输出周界报警;当智能视频监控识别人体目标并且光栅传感器特征量滤波值大于等于第二报警模式的光栅报警阈值,输出周界报警;当智能视频监控识别人体攀爬行为满足第三报警模式要求时,输出周界报警。
预先设置三大类报警模式,其中:
第一报警模式为光栅振动入侵探测独立报警,根据智能视频监控识别结果自动调整模式参数,用于处理光栅振动入侵探测信号明显而智能视频监控可能没有识别人体目标的情况;
第二报警模式为光栅振动入侵探测和智能视频监控混合报警,根据探测和识别结果自动调整自身的报警模式参数,用于处理光栅振动入侵探测信号不明显而智能视频监控可识别人体目标的情况;
第三报警模式为智能视频监控独立报警,无需参考光栅振动入侵探测结果,根据光栅振动入侵探测结果自动调整模式参数,用于处理智能视频监控明显识别人体目标攀爬行为而光栅振动入侵探测可能没有反应的情况。
步骤S3中,光栅传感器的相对信噪比=传感器峰值强度/通道噪声,光栅传感器的自身信噪比=传感器峰值强度/传感器噪声。
进一步地,该方法还包括步骤:
S7、模式学习,通过光栅振动入侵探测和智能视频监控的探测和识别结果,自动调整自身的报警模式参数;当第一报警模式存在多个不同通道的光栅传感器频繁报警时,并且智能视频监控通过对应的摄像头视频均没有识别到人体目标,认为第一报警模式存在误报可能,并自动提高第一报警模式的光栅报警阈值;当智能视频监控识别人体目标靠近周界围栏时,自动降低第二报警模式的光栅报警阈值;当智能视频监控识别人体目标远离周界围栏时,自动提高第二报警模式的光栅报警阈值;当第三报警模式存在多个不同光栅传感通道对应的智能视频监控频繁报警时,并且光栅振动入侵探测没有识别到任何光栅振动信号,认为第三报警模式存在误报可能,并自动使用频繁报警时刻的视频图像数据对人体攀爬行为模型进行训练调整参数即降低人体攀爬行为误识别率。
本发明另一较佳实施例中,以光栅振动入侵探测通道16个,每个通道20个光栅传感器为例。如图4所示,智能视频监控有16个摄像头,每个光栅探测通道对应智能视频监控的一个摄像头。如图2所示,融合光栅和视频的周界报警方法主要包括以下步骤:
1、模式分类,将周界报警模式分成3大类,模式1为光栅振动入侵探测独立报警,报警无需参考智能视频监控识别结果,但可以根据智能视频监控识别结果自动调整模式参数,可处理光栅振动入侵探测信号明显而智能视频监控可能没有出识别人体目标的情况,报警模式1的光栅报警阈值包括峰值强度阈值=200、光栅传感器的相对信噪比阈值=10以及自身信噪比阈值=10;模式2为光栅振动入侵探测和智能视频监控混合报警,可以根据对方的探测和识别结果自动调整自身的报警模式参数,可处理光栅振动入侵探测信号不明显而智能视频监控可识别人体目标的情况,报警模式2的光栅报警阈值包括峰值强度阈值=60、光栅传感器的相对信噪比阈值=2以及自身信噪比阈值=2(人体目标靠近周界围栏即距离围栏小于1m的时候);模式3为智能视频监控独立报警,无需参考光栅振动入侵探测结果,但可以根据光栅振动入侵探测结果自动调整模式参数,可处理智能视频监控明显识别人体目标攀爬行为而光栅振动入侵探测可能没有反应的情况。
2、基准修正,使用光栅传感器最近n=60S的波长中值作为波长基准λ基,将每个传感器的波长减去各自的波长基准,得到修正波长λ修正。如图2所示,例如通道1的光栅传感器1的波长为1530000pm,在没有外界振动的情况下,此光栅传感器波长始终为1530000pm,那么最近n=60s的波长中值也为1530000pm即波长基准λ基=1530000pm,在没有外界振动时修正波长λ修正=0,而当有外界振动时光栅传感器1的波长变为1530100pm时,修正波长λ修正=1530100-1530000=100。
3、振动寻峰,对经基准修正后的光栅传感器修正波长λ修正进行前向差分,通过差分结果的符号变化判断光栅振动峰的位置,峰值强度P峰就是光栅振动峰处的修正波长λ修正。如果峰值强度P峰大于等于峰值门限=20,则可以判断这确实是光栅振动峰,而不是干扰噪声。记录光栅传感器修正波长峰值强度P峰作为特征量。如图3所示,例如通道1的光栅传感器1的波长为1530000pm,当有外界振动时光栅传感器1的波长从1530000pm变化到1530100pm,又从1530100pm变化到1530000pm,同时光栅传感器修正波长λ修正也从0变化到100,又从100变化到0,修正波长λ修正前向差分的符号由正变为负,根据前向差分的符号的变化判断出修正波长λ修正=100处是光栅振动峰的位置,峰值强度P峰=λ修正=100,大于峰值门限=20,可以判断这确实是光栅振动峰。
4、信噪比计算,使用每个通道的所有传感器的最近m=60s的最大修正波长的中值作为通道噪声,使用各个传感器的最近a=7个n=10S的最大修正波长的中值作为传感器噪声,光栅传感器的相对信噪比=传感器峰值强度/通道噪声,光栅传感器的自身信噪比=传感器峰值强度/传感器噪声,记录光栅传感器的相对信噪比和自身信噪比作为特征量。例如通道1的光栅1发生振动,最近m=60s的最大修正波长为100,而通道1的其他19个传感器未发生振动,最近m=60s的最大修正波长均为0,这样通道1所有20个传感器的最近m=60s的最大修正波长的中值为0即通道1的噪声为0,由于信噪比计算时通道噪声需要作为分母,通道噪声不能为0,当等于0时可认为等于1。通道1的光栅1刚发生振动时,最近a=7个n=10s的最大修正波长分别为0、0、0、0、0、0、100(把最近70S的时间分成7段,每一段时间为10s),这7个最大修正波长的中值为0即传感器噪声为0,由于信噪比计算时传感器噪声需要作为分母,传感器噪声不能为0,当等于0时可认为等于1。那么通道1的光栅1刚发生振动时,修正波长λ修正=100峰值处的相对信噪比=100,自身信噪比=100。
5、特征量滤波,对光栅传感器修正波长峰值处的特征量(峰值强度、相对信噪比和自身信噪比)进行中值滤波,该实施例中滤波阶数为5阶。如图2所示,通道1的传感器1受外部振动,波长发生变化,产生多个振动峰(振动峰的峰值强度均为100),对最近5个振动峰即修正波长峰值处的特征量进行5阶的中值滤波,峰值强度、相对信噪比和自身信噪比的滤波值分别为100、100和100。
6、视频识别,分析光栅传感器对应摄像头的视频数据,输出视频识别结果。如图3所示,通过人体目标模型对人体目标进行识别,通过人体攀爬行为模型对人体攀爬行为进行识别。
7、周界报警,根据光栅传感器特征量和视频识别结果,判断是否满足周界报警模式要求。当特征量滤波值大于等于报警模式1的光栅报警阈值时,即可输出周界报警;当智能视频监控识别人体目标并且光栅传感器特征量滤波值大于等于报警模式2的光栅报警阈值即满足模式2要求时,输出周界报警;当智能视频监控识别人体攀爬行为即满足模式3要求时,输出周界报警。例如,通道1的光栅传感器1的峰值强度、相对信噪比和自身信噪比的滤波值分别为100、100和100,不满足大于等于报警模式1的光栅报警阈值的条件(峰值强度100小于报警模式1的峰值强度阈值200),但满足大于等于报警模式2的光栅报警阈值的条件(人体目标靠近周界围栏),如果此时智能视频监控识别人体目标靠近周界围栏(距离围栏小于1m),报警模式2可输出周界报警信息。如果此时智能视频监控识别到人体攀爬行为时,报警模式3也可输出周界报警信息。
8、模式学习,通过光栅振动入侵探测和智能视频监控的探测和识别结果,自动调整的报警模式参数。当报警模式1存在多个不同通道的光栅传感器频繁报警时,并且智能视频监控通过对应的摄像头视频均没有识别到人体目标,可认为报警模式1存在误报可能,并自动提高报警模式1的光栅报警阈值即降低报警模式1的灵敏度。例如,通道1、通道3以及通道9的光栅传感器在10分钟内均发生报警,可认为报警模式1存在误报可能,报警模式1的光栅报警阈值的峰值强度阈值从200提高到210即降低报警模式1的灵敏度;当智能视频监控识别人体目标靠近周界围栏,自动降低报警模式2的光栅报警阈值即提高报警模式2的灵敏度;当智能视频监控识别人体目标远离周界围栏,自动提高报警模式2的光栅报警阈值即提高报警模式2的灵敏度。例如,当人体目标距离周界围栏小于1m时,报警模式2的光栅报警阈值的峰值强度阈值自动设置为60,当人体目标距离周界围栏大于等于1m小于3m时,报警模式2的光栅报警阈值的峰值强度阈值自动设置为200,当人体目标距离周界围栏大于等于3m时,屏蔽报警模式2;当报警模式3存在多个不同光栅传感通道对应的智能视频监控频繁报警时,并且光栅振动入侵探测没有识别到任何光栅振动信号,可认为报警模式3存在误报可能,并自动使用频繁报警时刻的视频数据对人体攀爬行为模型进行训练调整参数即降低人体攀爬行为误识别率。例如,通道2、通道5以及通道8对应的智能视频监控在10分钟内均发生报警,而且通道2、通道5以及通道8的光栅传感器在最近60s的最大修正波长均小于20,可认为报警模式3存在误报可能,并自动使用频繁报警时刻的视频图像数据标记为无人体攀爬行为,输入到网络中对人体攀爬行为模型进行训练调整参数,从而降低人体攀爬行为误识别率。
本发明实施例的融合光栅和视频的周界报警系统主要用于实现上述实施例的方法,该系统主要包括:
基准修正模块,用于使用光栅传感器最近n秒的波长中值作为波长基准λ基,将每个传感器的波长减去各自的波长基准,得到修正波长λ修正;
振动寻峰模块,用于对经基准修正后的光栅传感器修正波长λ修正进行前向差分,通过差分结果的符号变化判断光栅振动峰的位置,峰值强度P峰就是光栅振动峰处的修正波长λ修正;如果峰值强度P峰大于等于峰值门限,则判断是光栅振动峰,记录光栅传感器修正波长峰值强度P峰作为特征量;
信噪比计算模块,用于使用每个通道的所有传感器的最近m秒的最大修正波长的中值作为通道噪声,使用各个传感器的最近a个n秒的最大修正波长的中值作为传感器噪声,记录光栅传感器的相对信噪比和自身信噪比作为特征量,其中a、m、n为自然数;
特征量滤波模块,用于对光栅传感器修正波长峰值处的特征量进行中值滤波;
视频识别模块,用于分析光栅传感器对应摄像头的视频数据,输出视频识别结果;通过人体目标模型对人体目标进行识别,通过人体攀爬行为模型对人体攀爬行为进行识别;
周界报警模块,用于根据光栅传感器特征量和视频识别结果,判断是否满足周界预设的三大类报警模式要求:当特征量的滤波值大于等于第一报警模式的光栅报警阈值时,输出周界报警;当智能视频监控识别人体目标并且光栅传感器特征量滤波值大于等于第二报警模式的光栅报警阈值,输出周界报警;当智能视频监控识别人体攀爬行为满足第三报警模式要求时,输出周界报警。
该系统还包括报警模式划分模块,用于将报警模式分为三大类:
第一报警模式为光栅振动入侵探测独立报警,根据智能视频监控识别结果自动调整模式参数,用于处理光栅振动入侵探测信号明显而智能视频监控可能没有识别人体目标的情况;
第二报警模式为光栅振动入侵探测和智能视频监控混合报警,根据探测和识别结果自动调整自身的报警模式参数,用于处理光栅振动入侵探测信号不明显而智能视频监控可识别人体目标的情况;
第三报警模式为智能视频监控独立报警,无需参考光栅振动入侵探测结果,根据光栅振动入侵探测结果自动调整模式参数,用于处理智能视频监控明显识别人体目标攀爬行为而光栅振动入侵探测可能没有反应的情况。
其中信噪比计算模块通过如下公式计算信噪比:
光栅传感器的相对信噪比=传感器峰值强度/通道噪声,光栅传感器的自身信噪比=传感器峰值强度/传感器噪声。
该系统还包括:模式学习模块,用于通过光栅振动入侵探测和智能视频监控的探测和识别结果,自动调整自身的报警模式参数;当第一报警模式存在多个不同通道的光栅传感器频繁报警时,并且智能视频监控通过对应的摄像头视频均没有识别到人体目标,认为第一报警模式存在误报可能,并自动提高第一报警模式的光栅报警阈值;当智能视频监控识别人体目标靠近周界围栏时,自动降低第二报警模式的光栅报警阈值;当智能视频监控识别人体目标远离周界围栏时,自动提高第二报警模式的光栅报警阈值;当第三报警模式存在多个不同光栅传感通道对应的智能视频监控频繁报警时,并且光栅振动入侵探测没有识别到任何光栅振动信号,认为第三报警模式存在误报可能,并自动使用频繁报警时刻的视频图像数据对人体攀爬行为模型进行训练调整参数即降低人体攀爬行为误识别率。
该系统的各个模块主要用于实现上述实施例与方法对应的各个步骤,在此不一一赘述。
本发明还提供一种存储介质,该存储介质可被处理器执行,其内存储有计算机程序,该计算机程序执行上述实施例的融合光栅和视频的周界报警方法,具体过程在此不一一赘述。
本发明还提供一种融合光栅和视频的周界报警装置,如图4所示,包括光栅传感器、摄像头和周界报警系统,其中光栅传感器按照一定的分布方式安装在周界护栏上,每个摄像头的摄像范围与一定范围内的光栅传感器对应,周界报警系统与光栅传感器、摄像头连接,该周界报警系统为上述技术方案的融合光栅和视频的周界报警系统。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种融合光栅和视频的周界报警方法,其特征在于,包括以下步骤:
S1、基准修正,使用光栅传感器最近n 秒的波长中值作为波长基准λ基,将每个传感器的波长减去各自的波长基准,得到修正波长λ修正;
S2、振动寻峰,对经基准修正后的光栅传感器修正波长λ修正进行前向差分,通过差分结果的符号变化判断光栅振动峰的位置,峰值强度P峰就是光栅振动峰处的修正波长λ修正;如果峰值强度P峰大于等于峰值门限,则判断是光栅振动峰,记录光栅传感器修正波长峰值强度P峰作为特征量;
S3、信噪比计算,使用每个通道的所有传感器的最近m秒的最大修正波长的中值作为通道噪声,使用各个传感器的最近a个n秒的最大修正波长的中值作为传感器噪声,记录光栅传感器的相对信噪比和自身信噪比作为特征量,其中a、m、n为自然数;
S4、特征量滤波,对光栅传感器修正波长峰值处的特征量进行中值滤波;
S5、视频识别,分析光栅传感器对应摄像头的视频数据,输出视频识别结果;通过人体目标模型对人体目标进行识别,通过人体攀爬行为模型对人体攀爬行为进行识别;
S6、周界报警,根据光栅传感器特征量和视频识别结果,判断是否满足周界预设的三大类报警模式要求:当特征量的滤波值大于等于第一报警模式的光栅报警阈值时,输出周界报警;当智能视频监控识别人体目标并且光栅传感器特征量滤波值大于等于第二报警模式的光栅报警阈值,输出周界报警;当智能视频监控识别人体攀爬行为满足第三报警模式要求时,输出周界报警。
2.根据权利要求1所述的融合光栅和视频的周界报警方法,其特征在于,第一报警模式为光栅振动入侵探测独立报警,根据智能视频监控识别结果自动调整模式参数,用于处理光栅振动入侵探测信号明显而智能视频监控可能没有识别人体目标的情况;
第二报警模式为光栅振动入侵探测和智能视频监控混合报警,根据探测和识别结果自动调整自身的报警模式参数,用于处理光栅振动入侵探测信号不明显而智能视频监控可识别人体目标的情况;
第三报警模式为智能视频监控独立报警,无需参考光栅振动入侵探测结果,根据光栅振动入侵探测结果自动调整模式参数,用于处理智能视频监控明显识别人体目标攀爬行为而光栅振动入侵探测可能没有反应的情况。
3.根据权利要求1所述的融合光栅和视频的周界报警方法,其特征在于,光栅传感器的相对信噪比 = 传感器峰值强度 / 通道噪声,光栅传感器的自身信噪比 = 传感器峰值强度 / 传感器噪声。
4.根据权利要求1-3中任一项所述的融合光栅和视频的周界报警方法,其特征在于,该方法还包括步骤:
S7、模式学习,通过光栅振动入侵探测和智能视频监控的探测和识别结果,自动调整自身的报警模式参数;当第一报警模式存在多个不同通道的光栅传感器频繁报警时,并且智能视频监控通过对应的摄像头视频均没有识别到人体目标,认为第一报警模式存在误报可能,并自动提高第一报警模式的光栅报警阈值;当智能视频监控识别人体目标靠近周界围栏时,自动降低第二报警模式的光栅报警阈值;当智能视频监控识别人体目标远离周界围栏时,自动提高第二报警模式的光栅报警阈值;当第三报警模式存在多个不同光栅传感通道对应的智能视频监控频繁报警时,并且光栅振动入侵探测没有识别到任何光栅振动信号,认为第三报警模式存在误报可能,并自动使用频繁报警时刻的视频图像数据对人体攀爬行为模型进行训练调整参数即降低人体攀爬行为误识别率。
5.一种融合光栅和视频的周界报警系统,其特征在于,包括:
基准修正模块,用于使用光栅传感器最近n 秒的波长中值作为波长基准λ基,将每个传感器的波长减去各自的波长基准,得到修正波长λ修正;
振动寻峰模块,用于对经基准修正后的光栅传感器修正波长λ修正进行前向差分,通过差分结果的符号变化判断光栅振动峰的位置,峰值强度P峰就是光栅振动峰处的修正波长λ修正;如果峰值强度P峰大于等于峰值门限,则判断是光栅振动峰,记录光栅传感器修正波长峰值强度P峰作为特征量;
信噪比计算模块,用于使用每个通道的所有传感器的最近m秒的最大修正波长的中值作为通道噪声,使用各个传感器的最近a个n 秒的最大修正波长的中值作为传感器噪声,记录光栅传感器的相对信噪比和自身信噪比作为特征量,其中a、m、n为自然数;
特征量滤波模块,用于对光栅传感器修正波长峰值处的特征量进行中值滤波;
视频识别模块,用于分析光栅传感器对应摄像头的视频数据,输出视频识别结果;通过人体目标模型对人体目标进行识别,通过人体攀爬行为模型对人体攀爬行为进行识别;
周界报警模块,用于根据光栅传感器特征量和视频识别结果,判断是否满足周界预设的三大类报警模式要求:当特征量的滤波值大于等于第一报警模式的光栅报警阈值时,输出周界报警;当智能视频监控识别人体目标并且光栅传感器特征量滤波值大于等于第二报警模式的光栅报警阈值,输出周界报警;当智能视频监控识别人体攀爬行为满足第三报警模式要求时,输出周界报警。
6.根据权利要求5所述的融合光栅和视频的周界报警系统,其特征在于,该系统还包括报警模式划分模块,用于将报警模式分为三大类:
第一报警模式为光栅振动入侵探测独立报警,根据智能视频监控识别结果自动调整模式参数,用于处理光栅振动入侵探测信号明显而智能视频监控可能没有识别人体目标的情况;
第二报警模式为光栅振动入侵探测和智能视频监控混合报警,根据探测和识别结果自动调整自身的报警模式参数,用于处理光栅振动入侵探测信号不明显而智能视频监控可识别人体目标的情况;
第三报警模式为智能视频监控独立报警,无需参考光栅振动入侵探测结果,根据光栅振动入侵探测结果自动调整模式参数,用于处理智能视频监控明显识别人体目标攀爬行为而光栅振动入侵探测可能没有反应的情况。
7.根据权利要求5所述的融合光栅和视频的周界报警系统,其特征在于,信噪比计算模块通过如下公式计算信噪比:
光栅传感器的相对信噪比 = 传感器峰值强度 / 通道噪声,光栅传感器的自身信噪比= 传感器峰值强度 / 传感器噪声。
8.根据权利要求5-7中任一项所述的融合光栅和视频的周界报警系统,其特征在于,该系统还包括:
模式学习模块,用于通过光栅振动入侵探测和智能视频监控的探测和识别结果,自动调整自身的报警模式参数;当第一报警模式存在多个不同通道的光栅传感器频繁报警时,并且智能视频监控通过对应的摄像头视频均没有识别到人体目标,认为第一报警模式存在误报可能,并自动提高第一报警模式的光栅报警阈值;当智能视频监控识别人体目标靠近周界围栏时,自动降低第二报警模式的光栅报警阈值;当智能视频监控识别人体目标远离周界围栏时,自动提高第二报警模式的光栅报警阈值;当第三报警模式存在多个不同光栅传感通道对应的智能视频监控频繁报警时,并且光栅振动入侵探测没有识别到任何光栅振动信号,认为第三报警模式存在误报可能,并自动使用频繁报警时刻的视频图像数据对人体攀爬行为模型进行训练调整参数即降低人体攀爬行为误识别率。
9.一种存储介质,其特征在于,该存储介质可被处理器执行,其内存储有计算机程序,该计算机程序执行如权利要求1-4中任一项所述的融合光栅和视频的周界报警方法。
10.一种融合光栅和视频的周界报警装置,其特征在于,包括光栅传感器、摄像头和周界报警系统,其中光栅传感器按照一定的分布方式安装在周界护栏上,每个摄像头的摄像范围与一定范围内的光栅传感器对应,周界报警系统与光栅传感器、摄像头连接,该周界报警系统为权利要求5所述的融合光栅和视频的周界报警系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011453948.4A CN112419635B (zh) | 2020-12-10 | 2020-12-10 | 融合光栅和视频的周界报警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011453948.4A CN112419635B (zh) | 2020-12-10 | 2020-12-10 | 融合光栅和视频的周界报警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112419635A true CN112419635A (zh) | 2021-02-26 |
CN112419635B CN112419635B (zh) | 2022-10-04 |
Family
ID=74776512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011453948.4A Active CN112419635B (zh) | 2020-12-10 | 2020-12-10 | 融合光栅和视频的周界报警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112419635B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256926A (zh) * | 2021-05-11 | 2021-08-13 | 仲永东 | 基于施工安全保护的主动式围栏系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001039148A1 (en) * | 1999-11-24 | 2001-05-31 | Future Fibre Technologies Pty Ltd | A method of perimeter barrier monitoring and systems formed for that purpose |
ES2325196A1 (es) * | 2007-08-07 | 2009-08-27 | Gea Seguridad, S.L. | Sistema de vigilancia perimetral portatil y poste necesario para tal fin. |
US20110206369A1 (en) * | 2010-02-23 | 2011-08-25 | Us Sensor Systems, Inc. | Fiber optic security systems and methods of using the same |
CN104111082A (zh) * | 2014-07-11 | 2014-10-22 | 中南大学 | 一种高精度fbg传感信号寻峰方法 |
CN104766099A (zh) * | 2015-05-05 | 2015-07-08 | 武汉理工光科股份有限公司 | 基于图像的分布式光纤周界振动信号处理与识别方法 |
CN107564215A (zh) * | 2017-09-13 | 2018-01-09 | 武汉安保通科技有限公司 | 一种周界安防系统和方法 |
CN107578591A (zh) * | 2017-10-23 | 2018-01-12 | 林楚莲 | 一种远程无线智能安防系统 |
CN207164939U (zh) * | 2017-08-01 | 2018-03-30 | 中科融通物联科技无锡有限公司 | 基于目标位置信息融合的周界防入侵装置 |
CN108132092A (zh) * | 2016-12-01 | 2018-06-08 | 光子瑞利科技(北京)有限公司 | 基于自适应均值去阈值光纤振动事件识别方法 |
CN110852187A (zh) * | 2019-10-22 | 2020-02-28 | 华侨大学 | 一种周界入侵事件的识别方法与系统 |
CN111554061A (zh) * | 2020-05-08 | 2020-08-18 | 武汉理工大学 | 一种融合分布式光纤传感器与摄像头的智能周界安防系统 |
-
2020
- 2020-12-10 CN CN202011453948.4A patent/CN112419635B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001039148A1 (en) * | 1999-11-24 | 2001-05-31 | Future Fibre Technologies Pty Ltd | A method of perimeter barrier monitoring and systems formed for that purpose |
ES2325196A1 (es) * | 2007-08-07 | 2009-08-27 | Gea Seguridad, S.L. | Sistema de vigilancia perimetral portatil y poste necesario para tal fin. |
US20110206369A1 (en) * | 2010-02-23 | 2011-08-25 | Us Sensor Systems, Inc. | Fiber optic security systems and methods of using the same |
CN104111082A (zh) * | 2014-07-11 | 2014-10-22 | 中南大学 | 一种高精度fbg传感信号寻峰方法 |
CN104766099A (zh) * | 2015-05-05 | 2015-07-08 | 武汉理工光科股份有限公司 | 基于图像的分布式光纤周界振动信号处理与识别方法 |
CN108132092A (zh) * | 2016-12-01 | 2018-06-08 | 光子瑞利科技(北京)有限公司 | 基于自适应均值去阈值光纤振动事件识别方法 |
CN207164939U (zh) * | 2017-08-01 | 2018-03-30 | 中科融通物联科技无锡有限公司 | 基于目标位置信息融合的周界防入侵装置 |
CN107564215A (zh) * | 2017-09-13 | 2018-01-09 | 武汉安保通科技有限公司 | 一种周界安防系统和方法 |
CN107578591A (zh) * | 2017-10-23 | 2018-01-12 | 林楚莲 | 一种远程无线智能安防系统 |
CN110852187A (zh) * | 2019-10-22 | 2020-02-28 | 华侨大学 | 一种周界入侵事件的识别方法与系统 |
CN111554061A (zh) * | 2020-05-08 | 2020-08-18 | 武汉理工大学 | 一种融合分布式光纤传感器与摄像头的智能周界安防系统 |
Non-Patent Citations (4)
Title |
---|
姚明远等: "分布式光纤传感技术在高速公路", 《交通科技》 * |
安建昌等: "光纤传感与红外视频的复合入侵监控系统设计", 《红外与激光工程》 * |
张涛等: "光纤光栅周界入侵报警系统在多风环境中的应用", 《信息通信技术与政策》 * |
陈树骏: "振动光纤周界入侵报警系统", 《专栏 视频与安全》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256926A (zh) * | 2021-05-11 | 2021-08-13 | 仲永东 | 基于施工安全保护的主动式围栏系统 |
CN113256926B (zh) * | 2021-05-11 | 2022-10-25 | 仲永东 | 基于施工安全保护的主动式围栏系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112419635B (zh) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10070053B2 (en) | Method and camera for determining an image adjustment parameter | |
US8558889B2 (en) | Method and system for security system tampering detection | |
WO2019145516A1 (en) | Method and apparatus of processing a signal from an event-based sensor | |
US20230015771A1 (en) | Methods for detecting phantom projection attacks against computer vision algorithms | |
CN112084813B (zh) | 异常目标的检测方法、装置及存储介质 | |
CN112419635B (zh) | 融合光栅和视频的周界报警方法 | |
CN114332721A (zh) | 摄像装置遮挡检测方法、装置、电子设备及存储介质 | |
CN114821414A (zh) | 一种基于改进yolov5的烟火检测方法、系统及电子设备 | |
Saglam et al. | Real-time adaptive camera tamper detection for video surveillance | |
CN113627226A (zh) | 使用神经网络在具有宽范围光强度的场景中进行对象检测 | |
US20190303656A1 (en) | Multi-level state detecting system and method | |
Yuwono et al. | Design and implementation of human detection feature on surveillance embedded IP camera | |
CN113014876A (zh) | 视频监控方法、装置、电子设备及可读存储介质 | |
CN110688926B (zh) | 主体检测方法和装置、电子设备、计算机可读存储介质 | |
US10268922B2 (en) | Image processing by means of cross-correlation | |
JP4925942B2 (ja) | 画像センサ | |
US10848666B2 (en) | Image capturing device and control method | |
KR20160040335A (ko) | 저조도 상황에서 영상 인식 개선을 위한 적외선 조명 기능을 포함한 저전력 차량용 영상 저장 장치 및 방법 | |
KR101951900B1 (ko) | 프레임 내에서 객체를 탐지하는 장치 및 방법 | |
CN113139517B (zh) | 人脸活体模型训练方法、检测方法、存储介质和检测系统 | |
KR102633340B1 (ko) | 다중 채널 정보 추출기를 포함하는 경량 딥러닝 장치 | |
JP2004072415A (ja) | 侵入物検出装置 | |
JP4565738B2 (ja) | 画像センサ | |
CN110505371B (zh) | 一种红外遮挡检测方法及摄像设备 | |
JP2023152041A (ja) | イベントセンサ、撮影システム、データ処理システム |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |