CN113160508B - 一种基于人工智能的房车夜间安防系统及方法 - Google Patents

Abstract

本发明公开一种基于人工智能技术的房车安防系统及方法，主要针对夜间驻车时可疑情境监测，同时兼顾节能与安全。该系统采用双设备架构，PIR传感器和设备10用于移动目标的监测和定位，在检测到有移动目标时，唤醒休眠的红外摄像头和设备20，进行视频采集和识别，通过判断预警级别自动触发灯光和音效进行驱离。本发明中的房车夜间安防方法，主要算法流程包括：步骤1，预警区域初始化；步骤2，判断有移动目标进入预警区域，则进行区域定位，并唤醒红外摄像头；步骤3，移动目标识别和分类；步骤4，结合传感器对移动目标进行跟踪和轨迹识别；步骤5，触发控制模块。本发明的有益效果在于，在完成夜间监控的同时，保证了节能和自动排险。

Description

一种基于人工智能的房车夜间安防系统及方法

技术领域

本发明涉及房车安防的技术领域，具体涉及一种基于人工智能的房车安防系统。

背景技术

随着我国经济水平不断增加，开着房车旅行成为了一种新兴的生活时尚。房车兼具“房”与“车”两大功能，在旅行过程中可随时停靠在景区，就地扎营。但由于房车扎营地往往处于人烟稀少的偏僻野外或者自然景区，导致在夜间停驻时会存在着一些安全隐患，如野兽靠近、人为偷盗等，而这往往是房车车主的最大安全隐忧。所以，急需要一种针对房车驻车后的安防系统，来有效的预防安全隐患、并在安全隐患发生时及时进行处理。

目前市场上的红外夜视摄像头很多都带有移动检测和入侵区域检测，但无法直接应用在房车领域，原因在于：1）房车有安装空间和电力受限的限制，无法采用多个摄像头整夜监控，但安全需求上要实现以房车为中心的圆形领域全覆盖；2）目前仅有监控机制，没有通过监控结果而自动触发处理机制的系统。为此，本发明提出了一种基于人工智能技术的房车安防系统，结合了传感器和红外摄像头，通过多个低成本传感器进行全方位监控，在发现移动目标时，唤醒摄像头进行视频监控，采用神经网络对可疑情境做出识别，并根据判断结果，触发相应行为进行危险排除或者提前避险。

发明内容

本发明所要解决的技术问题是提供一种基于人工智能技术的房车安防系统，主要针对夜间驻车时可疑情境监测，同时兼顾节能与安全。

为达到上述目的，本发明中的房车夜间安防系统是这样实现的：包括设备10和设备20、N个热释红外传感器（PIR）30、2个带可旋转云台的红外摄像头40、和控制模块50；所述PIR传感器将收集到的信号回送到设备10，设备10根据PIR传感器的数据进行移动检测，仅在检测到移动目标时，进行定位，并唤醒摄像头40运行；所述摄像头40将收集到的视频信号回送到设备20，设备20运行人工智能算法进行当前情境的判断，并根据判断结果，给所述控制模块50发出控制信号，触发相应机制驱离可疑目标。

所述PIR传感器30，分置于车身，形成覆盖房车5米~10米的监控区域，以房车周边10米视距覆盖范围为预警区域，以5米覆盖范围为识别区域，并将覆盖区域进行分区和标定。一旦某个特定传感器被触发，则给临近摄像头发出启动信号，并驱动云台令摄像头转动至相对应的分区，开始视频采集。

所述红外摄像头40，包括可控制旋转角度的底座41和摄像头42。摄像头42初始化后处于休眠状态，底座41根据设备10输出的指令，唤醒休眠状态的摄像头，并根据指令中包含的运动目标的位置数据，转动至相应角度；摄像头42开始采集可疑区域的视频流，进行实时监控，并将视频发送至设备20。

所述控制模块，包括灯光控制单元、音效控制单元，音效针对动物进行驱离，灯光控制可疑人物进行警慑和驱离。

本发明中的房车夜间安防方法，主要算法流程包括：步骤1，预警区域初始化；步骤2，判断是否有移动目标进入预警区域，如果无，则按固定时间周期，定期进行预警区域的背景更新；如果有移动目标，则进行区域定位，并唤醒红外摄像头，进入步骤3；步骤3，移动目标识别和分类；步骤4，结合传感器对移动目标进行跟踪和轨迹识别；步骤5，触发控制模块。整个过程将按照设定时段周期循环，直至结束，完成夜间安防。

所述步骤1，设定入侵检测的预警区域，并进行初始化，方法步骤如下：

步骤1.1：初始化PIR传感器的监控范围并进行分区标定；利用安装于车身的接近传感器集合，根据不同传感器节点的视场，把监测区域划分为多个子区域。

步骤1.2：初始化红外摄像头的监控范围并进行背景采集；对识别区域的位置及边界进行测量，获取其坐标数据；采用张氏标定法对摄像机参数进行标定，通过参照物将现场位置坐标与摄像机视场形成的高精度坐标映射，再将标定后的高点摄像机图像进行识别区域标注，实现对识别区域的定位。

步骤1.3：摄像头和传感器的同步和时空配准。为了兼顾能耗和范围，所采用红外摄像头为可360度旋转的摄像头，所旋转角度由运动触发的PIR传感器确定。随着移动对象接近房车，会不断触发不同传感器，需要令摄像头与PIR传感器进行时空同步，从而保证摄像头的正面永远对准采集对象。同步时摄像头1和2分别正对不同传感器视域拍照，作为目标检测的背景。

所述步骤2，移动目标识别和定位。

步骤2.1：在预警区域内, 采用PIR传感器检测运动物体并进行定位，具体包括：N个PIR传感器的信号定期发送至设备10，首先进行ADC模块转换为数字序列，输入一个三层神经网络，结构为：第一层为输入层，第二、三层为Linear+ReLu激活函数，输出为一个2维向量(camera, angle)。camera的取值为[-1,0,1]，分别对应[唤醒摄像头1，无移动对象，唤醒摄像头2]；angle的取值为整数，是对应摄像头角度的电脉冲数量。

步骤2.2：通过确定移动目标所在区域后，唤醒相对应的摄像头，通过将电脉冲信号转换为角位移，驱动摄像头底座，控制摄像头转动至移动目标相应的角度。

所述步骤3，移动目标识别和分类。步骤3.1：视频序列采集；步骤3.2：利用步骤1.3中提取的背景图像，实现移动目标的前景提取，提取移动目标；步骤3.3，通过基于深度学习的目标识别算法，对移动目标进行分类，输出仅为3个节点：[人,动物,其他]。如果是动物，则进入步骤5；如果是人形，则进入步骤4，进行行为轨迹跟踪。

所述步骤4：针对步骤3所检测的人体目标，开展异常行为轨迹跟踪检测。该模块采用一个轻量级时间卷积网络（Temporal Convolution Network, TCN），包括一个输入层，k个隐层，和一个输出层。输入序列为X={x ₁, x ₂,⋯, x _T },其中x _t=(f _cam ⊕f _PIR )，f _cam 是由摄像头获取的视频经过步骤3.3获取的特征向量，f _PIR 是由PIR传感器的信号经过步骤2.1获取的特征向量，T为时间步长度。二者进行拼接，输入TCN模型。第一层使用1×1卷积，隐含层使用大小为3的因果卷积并采用残差连接，输出层经过1×1卷积后使用Softmax激活函数，输出警报级别，分别为对应安全、观察、报警。

所述步骤5：根据步骤3的结果，如果判断移动目标是动物，则驱动控制模块，输出音效驱离动物；如果判断移动目标是人，且在步骤4的判断结果中需要报警，则驱动控制模块，打开高亮灯光进行威慑，同时可驱动摄像头对可疑人物进行高清晰度人脸拍照。

与现有技术相比，本申请提供的一种基于人工智能技术的房车夜间安防系统的有益效果在于，在完成夜间监控的同时，保证了节能和自动排险：1）针对房车电力有限的情况，令耗电较大的摄像头保持睡眠状态，仅在接近传感器有信号时启动摄像头，PIR传感器功耗极低，保证了在低耗电的情况下整夜智能监控；2）采用双设备架构，仅在检测到移动目标时，设备10才进行目标定位，并唤醒设备20进行视频处理，其他时间为休眠状态；3）仅用2个摄像头实现功能，为此采用PIR传感器和摄像头同步，通过PIR来驱动摄像头转动角度，保证了移动物体的实时跟踪；4）采用轻量级和实时性的人工智能算法，使得该安防系统及方法能够在房车的可携带式设备即可运行。

附图说明

图1为本发明实施例的安防设备安装图，为侧视视角；

图2为本发明实施例的安防设备安装图，为俯视视角；

图3为本发明实施例的功能模块图；

图4为本发明实施例的算法流程图；

图5为本发明实施例的移动目标定位图；

图6为本发明实施例的可疑人形轨迹跟踪方法。

具体实施方式

以下结合附图，对本发明作进一步的详细描述。需要注意的是，这里所使用的设备型号、通用算法和参数，仅是为了描述具体实施方式，而非意图限制根据本发明给公开的示例性实施方式。实际实施中，参数可根据设备型号等进行调整，方法不变。

图1和图2分别为本发明实施例中安防系统的设备安装的侧视图和俯视图，分别在房车对角位置安装两个固定云台可旋转360角度的红外摄像头，此示例中，PIR传感器采用水平角度170°和监控范围为10米的型号，同时考虑重点监控的房车位置，分别安装在车头、车门、车窗、储物箱及油箱位置、和车尾。

图3为本发明实施例中安防系统的功能模块图。设备10的核心功能是采集PIR传感器的信号，进行信号处理和融合后，完成移动目标检测和定位。在检测到移动目标时，唤醒摄像头进行视频采集；设备20的核心功能是获取摄像头的视频信号，运行基于神经网络的视频处理模块22，对当前情境做出判断；判断结果发送给控制逻辑21，给所述控制模块50发出控制信号，触发相应机制驱离可疑目标。

房车停车准备宿营过夜之后，即开启安防系统。图4为本发明实施例中安防方法的算法流程图，具体包括：

步骤1：设定需要监控的预警区域，并进行初始化；

步骤1.1：初始化PIR传感器的监控范围，以房车周边10米覆盖范围为预警区域，以5米覆盖范围为识别区域，覆盖范围如图2所示，将视域划分为6个区；

步骤1.2：根据现场情况，设定摄像头识别区域的位置及边界，初始化红外摄像头的参数。并对不同PIR区域进行图像背景采集；

步骤1.3：初始化PIR传感器的触发事件与驱动摄像头的云台角度的时空配准与同步。

初始化结束，进入到步骤2，PIR传感器开始全方位监控，设备10接收到PIR传感器信号后，经过信号处理，输入到移动目标定位模块，该模块算法如图5所示，为一个三层神经网络；该模块的输出为给控制摄像头底座的步进电机发出控制信号，令其利用相对应的角位移，转向相应区域进行视频监控。

步骤3，运行视频处理算法判断目标为人形还是动物，如果是人形，则进入步骤4，开始轨迹监测，如图6所示。该模块结合了PIR传感器的位置信号和摄像头视频信号，对可疑人物的轨迹做出危险性判断，如果可疑人物直接穿过警戒区域不做停留，则不会报警；如果可疑人物在警戒区域中长时间逗留或者静止则保持观察；如果可疑人物接近门、窗、油箱等，开启报警，并跟踪不同警告级别，给控制逻辑发出指令。

步骤5，根据步骤3和步骤4的判断结果，如果是动物进入警戒区域，则触发音效进行驱离；如果是可疑人物且步骤4的判断为观察，则开启高亮灯光；如果是警告级别，在发出报警信号的同时，开启音效、灯光控制模块，并驱动摄像头进行高清晰度人脸拍照，以保留证据。

Claims (5)

1.一种基于人工智能的房车夜间安防系统，其特征在于：包括第一设备、第二设备、N个热释红外传感器、第一摄像头、第二摄像头和控制模块；

所述N个热释红外传感器的输出端与第一设备的输入端连接，定期将热释红外传感器的信号发送至第一设备；

所述第一设备，对N个热释红外传感器的信号进行处理和融合后，采用一个三层神经网络实现移动目标预警检测，输出为一个2维向量(camera, angle)，用于驱动对应的摄像头；

所述第一摄像头和第二摄像头，与第一设备的输出连接，根据第一设备的输出，在有移动目标进入预警区域的情况下，摄像头被激活并定位到移动目标所在的区域，开始视频采集；

所述第二设备，包括房车夜间安防控制逻辑和视频处理模块；视频处理模块与第一摄像头和第二摄像头的输出端连接，输入采集到的视频信号；首先运行基于深度学习的目标识别算法，把移动目标分为3类：[人,动物,其他]；如果是人形移动目标，则采用一个轻量级时间卷积网络，进行人形移动目标行为跟踪和轨迹识别；其中轻量级时间卷积网络包括一个使用1×1卷积的输入层，k个隐层采用大小为3的因果卷积并采用残差连接，一个输出层经过1×1 卷积后使用Softmax 激活函数；该网络的输入序列为X={x ₁,x ₂,⋯, x _T },其中x _t =(f _cam ⊕f _PIR )，f _cam 是由摄像头获取的视频提取的特征向量，f _PIR 是由热释红外传感器信号提取的特征向量，T为时间步长度，二者进行拼接；该网络的输出为警报级别，分别为对应安全、观察、报警；

所述控制模块的输入端与第二设备的输出端连接，触发相应机制驱离可疑目标。

2.根据权利要求1所述的一种基于人工智能的房车夜间安防系统，其特征在于，所述第二设备，运行房车夜间安防控制逻辑，包括以下步骤：

步骤1，热释红外传感器预警区域和摄像头识别区域进行初始化和同步标定；

步骤2，移动目标预警检测，用于检测是否有移动目标进入预警区域；如果无，则按固定时间周期，定期进行预警区域的背景更新；如果有移动目标，则进行定位，并唤醒对应的摄像头，进入步骤3；

步骤3，移动目标识别和分类，如果分类结果是人形，进入步骤4；

步骤4，人形移动目标行为跟踪和轨迹识别；

步骤5，触发控制模块；

整个过程将按照设定时段周期循环，直至结束，完成夜间安防。

3.根据权利要求2所述的一种基于人工智能的房车夜间安防系统，其特征在于，所述热释红外传感器预警区域和摄像头识别区域进行初始化和同步标定，包括以下步骤：

步骤1.1：初始化N个热释红外传感器的监控范围并进行分区标定；

步骤1.2：初始化第一摄像头和第二摄像头的识别范围，对识别区域的位置及边界进行测量，初始化第一摄像头和第二摄像头的参数；

步骤1.3：摄像头和传感器的同步和背景采集。

4.根据权利要求2所述的一种基于人工智能的房车夜间安防系统，其特征在于，所述移动目标预警检测，包括以下步骤：

步骤2.1：N个热释红外传感器的信号定期发送至第一设备，首先转换为数字序列，输入一个三层神经网络，结构为：第一层为输入层，第二、三层为Linear+ReLu激活函数，输出为一个2维向量(camera, angle)；camera的取值为[-1,0,1]，分别对应[唤醒第一摄像头，无移动对象，唤醒第二摄像头]；angle的取值为整数，是对应摄像头角度的电脉冲数量；

步骤2.2：通过确定移动目标所在区域后，唤醒相对应的摄像头，通过将电脉冲信号转换为角位移，驱动摄像头底座，控制摄像头转动至移动目标相应的角度。

5.根据权利要求2所述的一种基于人工智能的房车夜间安防系统，其特征在于，所述的移动目标识别和分类，包括以下步骤：

步骤3.1：视频序列采集；

步骤3.2：实现移动目标的前景提取，提取移动目标；

步骤3.3，通过基于深度学习的目标识别算法，对移动目标进行分类，输出仅为3个节点：[人,动物,其他]；

如果是动物，则通过控制模块进行驱离；如果是人形，则进入步骤4。

Images