CN113468985B - 一种可疑辐射源携带人员的锁定方法 - Google Patents

Abstract

本发明提供一种可疑辐射源携带人员的锁定方法，属于核辐射探测技术领域。所述方法包括：在无遮光动态场景条件下，利用位于核辐射监测环境中不同位置的多个录像设备同时录制视频；将录制的视频传输至数据处理中心，以便所述数据处理中心根据接收到的视频，计数单位时间内辐射帧数目；通过分析录像设备视野内行人距离数据变化与单位时间内辐射帧数目变化，得到录像设备附近行人携带辐射源概率；根据得到的录像设备附近行人携带辐射源概率，通过行人重识别技术，实现可疑携带人员的跨录像设备锁定与追踪。采用本发明，能够实现核辐射监测环境中可疑辐射源携带人员进行识别和跟踪。

Description

一种可疑辐射源携带人员的锁定方法

技术领域

本发明涉及核辐射探测技术领域，特别是指一种可疑辐射源携带人员的锁定方法。

背景技术

核技术广泛应用于各行各业，推动了国民经济建设和发展。另一方面核技术应用存在一定的风险，核安全问题关系国家安全和公众健康。核辐射监测是核安全保障和核应急的重要手段。我国已建立核辐射监测网，但国控点数量有限。目前，普遍的核辐射探测方法是使用以气体、闪烁体和半导体材料为介质的各类核辐射探测器进行核辐射探测。由于气体核辐射探测器死时间长不适合高计数率场合，闪烁体核辐射探测器价格昂贵难以推广，二者的应用受到一定的制约。近年来研究发现X/gamma射线可直接与CCD/CMOS半导体探测器发生作用，产生信号。基于大多数图像设备如手机、相机、电脑和监控摄像头等摄像头CCD/CMOS传感器进行核辐射探测的方法，实现一种低成本易于推广的核辐射监测手段，帮助公众及有关部门实现核辐射监测。

现有技术中，已有人尝试使用CCD/CMOS传感器作为传感元件来探测核辐射；其中一种方法是，在已知γ射线的入射方向的情况下，可以使用遮光的CMOS传感器检测出环境中的γ射线的能谱信息。再对图像通过算法判断环境中是否含有核辐射，但该方法需要使用遮光设备遮挡传感器，这就是导致基于CMOS传感器的录像设备失去了本来的功能，造成了资源的浪费，不利于该方法的普及。此外，有人提出了一种在动态无遮光场景下基于CMOS传感器的核辐射探测方法，能够通过过滤颜色通道进行核辐射探测，但视频原始信息丢失严重。

然而上述的方法虽能够检测核辐射，却不能对核辐射环境中的可疑辐射源携带人员进行识别和跟踪。

发明内容

本发明实施例提供了可疑辐射源携带人员的锁定方法，能够对核辐射环境中的可疑辐射源携带人员进行识别和跟踪。所述技术方案如下：

本发明实施例提供了一种可疑辐射源携带人员的锁定方法，包括：

在无遮光动态场景条件下，利用位于核辐射监测环境中不同位置的多个录像设备同时录制视频；

将录制的视频传输至数据处理中心，以便所述数据处理中心根据接收到的视频，计数单位时间内辐射帧数目；

通过分析录像设备视野内行人距离数据变化与单位时间内辐射帧数目变化，得到录像设备附近行人携带辐射源概率；

根据得到的录像设备附近行人携带辐射源概率，通过行人重识别技术，实现可疑携带人员的跨录像设备锁定与追踪。

进一步地，所述录像设备包括：以CCD/CMOS为传感器的道路监控摄像头、网络摄像头或者手机摄像头中的一种或多种。

进一步地，所述数据处理中心包括：PC机、工作站、移动终端或云计算平台中的一种或多种。

进一步地，所述数据处理中心根据接收到的视频，计数单位时间内辐射帧数目包括：

数据处理中心将接收到的第一录像设备录制的视频进行分帧处理得到一系列帧图像，对每一帧图像进行图像灰度化后，获取每一帧图像与其相邻帧的差分图像；其中，第一录像设备为任一录像设备；

根据得到的差分图像检测差分图像中的运动物体区域，并去除差分图像中的运动物体区域；

根据去除运动物体区域的差分图像检测帧图像是否含有辐射亮斑：

若检测到当前帧中含有辐射亮斑，则该当前帧为辐射帧，记录单位时间内的辐射帧的数目。

进一步地，所述通过分析录像设备视野内行人距离数据变化与单位时间内辐射帧数目变化，得到录像设备附近行人携带辐射源概率包括：

确定录像设备视野内行人距离数据；

通过匹配单位时间内各行人距离最小值时间点与辐射帧数目最大值时间点，计算录像设备附近行人携带辐射源的概率。

进一步地，录像设备视野内行人距离数据表示为：

其中，d表示录像设备视野内行人距离数据，坐标(i,j,k)和(l,m,n)分别表示行人与录像设备的坐标。

进一步地，所述通过匹配单位时间内各行人距离最小值时间点与辐射帧数目最大值时间点，计算录像设备附近行人携带辐射源的概率包括：

根据辐射源距离录像设备越近录像设备单位时间内所产生的辐射帧数目越多的原则，通过匹配出现辐射事件的各录像设备视野中，单位时间内行人距离最小值时间点与辐射帧数目最大值时间点，得到行人携带辐射源的概率p：

p＝a/b

其中，a是单位时间内行人距离最小值时间点与辐射帧数目最大值时间点在误差范围内能匹配上的录像设备数，b是出现辐射事件的总录像设备数。

进一步地，所述根据得到的录像设备附近行人携带辐射源概率，通过行人重识别技术，实现可疑携带人员的跨录像设备锁定与追踪包括：

对行人携带辐射源的概率从高到低进行排序；

利用行人重识别技术，对概率值前t个行人进行跨录像设备识别；

根据行人出现在新的录像设备中的时间的和辐射亮斑出现时间匹配情况，进行最终辐射源锁定。

进一步地，所述利用行人重识别技术，对概率值前t个行人进行跨录像设备识别包括：

使用开源数据集对Resnet卷积神经网络进行训练，得到行人识别模型，利用得到的行人识别对概率值前t个行人进行跨录像设备识别。

进一步地，所述根据行人出现在新的录像设备中的时间的和辐射亮斑出现时间匹配情况，进行最终辐射源锁定包括：

通过跨录像设备识别t个行人，根据每个行人出现在新录像设备视野内，是否出现新的核辐射亮斑，判断其是否为辐射源携带者。

本发明实施例提供的技术方案带来的有益效果至少包括：

本发明实施例中，在无遮光动态场景条件下，利用位于核辐射监测环境中不同位置的多个录像设备同时录制视频；将录制的视频传输至数据处理中心，以便所述数据处理中心根据接收到的视频，计数单位时间内辐射帧数目；通过分析录像设备视野内行人距离数据变化与单位时间内辐射帧数目变化，得到录像设备附近行人携带辐射源概率；根据得到的录像设备附近行人携带辐射源概率，通过行人重识别技术，实现可疑携带人员的跨录像设备锁定与追踪，这样，能够在保持录像设备原有的摄像功能的基础上，实现核辐射监测环境中行人携带辐射源概率的准确估计，并能够实现核辐射监测环境中可疑辐射源携带人员进行识别和跟踪，从而解决现有技术中无法对核辐射环境中的可疑辐射源携带人员进行识别和跟踪的问题。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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为本发明实施例提供的可疑辐射源携带人员的锁定方法的流程示意图；

图2为本发明实施例提供的CCD/CMOS摄像头与数据处理中心的结构示意图；

图3为本发明实施例提供的不遮光动态场景条件帧图像中亮斑特征的灰度值的示意图；

图4为本发明实施例提供的动态场景下运动物体检测示意图；

图5(a)为本发明实施例提供的通过当前非辐射帧的两个差分图像最终合成的帧图像的灰度值示意图；

图5(b)为本发明实施例提供的通过当前辐射帧的两个差分图像最终合成的帧图像的灰度值示意图；

图6为本发明实施例提供的不遮光动态辐射场景下视频的帧图像合成的帧图像的最大灰度值的分布图；

图7为本发明实施例提供的不遮光动态场景下，相机与辐射源距离为30cm时所录制视频的帧图像生成的1500个图V的η值；

图8为本发明实施例提供的不遮光动态辐射场景下，辐射源位于不同距离下，单位时间内的辐射帧数目时序变化图以及某行人(例如，51号行人)距离时序图；

图9为本发明实施例提供的行人识别模型识别处的行人示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

如图1所示，本发明实施例提供了一种可疑辐射源携带人员的锁定方法，包括：

S101，在无遮光动态场景条件下，利用位于核辐射监测环境中不同位置的多个录像设备同时录制视频；

S102，将录制的视频传输至数据处理中心，以便所述数据处理中心根据接收到的视频，计数单位时间内辐射帧数目；

S103，通过分析录像设备视野内行人距离数据变化与单位时间内辐射帧数目变化，得到录像设备附近行人携带辐射源概率；

S104，根据得到的录像设备附近行人携带辐射源概率，通过行人重识别技术，实现可疑携带人员的跨录像设备锁定与追踪。

本发明实施例所述的可疑辐射源携带人员的锁定方法，在无遮光动态场景条件下，利用位于核辐射监测环境中不同位置的多个录像设备同时录制视频；将录制的视频传输至数据处理中心，以便所述数据处理中心根据接收到的视频，计数单位时间内辐射帧数目；通过分析录像设备视野内行人距离数据变化与单位时间内辐射帧数目变化，得到录像设备附近行人携带辐射源概率；根据得到的录像设备附近行人携带辐射源概率，通过行人重识别技术，实现可疑携带人员的跨录像设备锁定与追踪，这样，能够在保持录像设备原有的摄像功能的基础上，实现核辐射监测环境中行人携带辐射源概率的准确估计，并能够实现核辐射监测环境中可疑辐射源携带人员进行识别和跟踪，从而解决现有技术中无法对核辐射环境中的可疑辐射源携带人员进行识别和跟踪的问题。

本实施例中，所述核辐射监测环境为疑似含有核辐射源或者设置核辐射源的环境。

本实施例中，可以使用录像设备录制一定长度的视频，并将录制的视频传入后端的数据处理中心，以便在后端的数据处理中心进行辐射帧数目统计、行人携带辐射源概率计算以及可疑辐射源携带人员进行识别和跟踪。

在前述可疑辐射源携带人员的锁定方法的具体实施方式中，进一步地，所述录像设备包括：以CCD/CMOS为传感器的道路监控摄像头、网络摄像头或者手机摄像头中的一种或多种。

在前述可疑辐射源携带人员的锁定方法的具体实施方式中，进一步地，所述数据处理中心包括：PC机、工作站、移动终端或云计算平台中的一种或多种。

本实施例中，所述移动终端包括但不限于：智能手机、平板、笔记本电脑。

在前述可疑辐射源携带人员的锁定方法的具体实施方式中，进一步地，所述数据处理中心根据接收到的视频，计数单位时间内辐射帧数目包括：

数据处理中心将接收到的第一录像设备录制的视频进行分帧处理得到一系列帧图像，对每一帧图像进行图像灰度化后，获取每一帧图像与其相邻帧的差分图像；其中，第一录像设备为任一录像设备；

根据得到的差分图像检测差分图像中的运动物体区域，并去除差分图像中的运动物体区域；

根据去除运动物体区域的差分图像检测帧图像是否含有辐射亮斑：

若检测到当前帧中含有辐射亮斑，则该当前帧为辐射帧，记录单位时间内的辐射帧的数目。

本实施例中，以任一录像设备录制的视频为例，数据处理中心将接收到的该录像设备录制的视频进行分帧处理得到一系列帧图像，将得到的帧图像根据时间按序号保存，并存储原始视频的相关参数；其中，所述相关参数包括：视频持续时间长度、视频编码格式、视频总帧数、视频录制时间点、视频曝光时间、视频帧率以及视频录制所在地的经纬度。

本实施例中，对任一帧图像而言，其与相邻帧的差分图像包括：前向差分图像和后向差分图像。

本实施例中，所述根据去除运动物体区域的差分图像检测帧图像是否含有辐射亮斑包括：

根据得到的每一帧图像的前向差分图像和后向差分图像，利用基于背景差分的运动物体检测法、帧间差分法、光流场的运动估计算法、块匹配的运动估计算法，检测差分图像中的运动物体区域，并去除差分图像中的运动物体区域，得到去除运动物体区域的前向差分图像D1与去除运动物体区域的后向差分图像D2；

将得到的前向差分图像D1与后向差分图像D2合成一帧图像V，使用阈值判断方法以判断合成的帧图像V是否含有辐射亮斑。在前述可疑辐射源携带人员的锁定方法的具体实施方式中，进一步地，所述通过分析录像设备视野内行人距离数据变化与单位时间内辐射帧数目变化，得到录像设备附近行人携带辐射源概率包括：

确定录像设备视野内行人距离数据；

通过匹配单位时间内各行人距离最小值时间点与辐射帧数目最大值时间点，计算录像设备附近行人携带辐射源的概率。

在前述可疑辐射源携带人员的锁定方法的具体实施方式中，进一步地，录像设备视野内行人距离数据表示为：

其中，d表示录像设备视野内行人距离数据，坐标(i,j,k)和(l,m,n)分别表示行人与录像设备的坐标。

在前述可疑辐射源携带人员的锁定方法的具体实施方式中，进一步地，所述通过匹配单位时间内各行人距离最小值时间点与辐射帧数目最大值时间点，计算录像设备附近行人携带辐射源的概率包括：

根据辐射源距离录像设备越近录像设备单位时间内所产生的辐射帧数目越多的原则，通过匹配出现辐射事件的各录像设备视野中，单位时间内行人距离最小值时间点与辐射帧数目最大值时间点，得到行人携带辐射源的概率p：

p＝a/b

其中，a是单位时间内行人距离最小值时间点与辐射帧数目最大值时间点在误差范围内能匹配上的录像设备数，b是出现辐射事件的总录像设备数。

在前述可疑辐射源携带人员的锁定方法的具体实施方式中，进一步地，所述根据得到的录像设备附近行人携带辐射源概率，通过行人重识别技术，实现可疑携带人员的跨录像设备锁定与追踪包括：

对行人携带辐射源的概率从高到低进行排序；

利用行人重识别技术，对概率值前t个行人进行跨录像设备识别；

根据行人出现在新的录像设备中的时间的和辐射亮斑出现时间匹配情况，进行最终辐射源锁定。

在前述可疑辐射源携带人员的锁定方法的具体实施方式中，进一步地，所述利用行人重识别技术，对概率值前t个行人进行跨录像设备识别包括：

使用开源数据集对Resnet卷积神经网络进行训练，得到行人识别模型，利用得到的行人识别对概率值前t个行人进行跨录像设备识别。

在前述可疑辐射源携带人员的锁定方法的具体实施方式中，进一步地，所述根据行人出现在新的录像设备中的时间的和辐射亮斑出现时间匹配情况，进行最终辐射源锁定包括：

通过跨录像设备识别t个行人，根据每个行人出现在新录像设备视野内，是否出现新的核辐射亮斑，判断其是否为辐射源携带者。

为了更好地理解本发明实施例所述的可疑辐射源携带人员的锁定方法，对本发明实施例所述的方法进行详细说明，具体可以包括以下步骤：

A11，使用多个以CMOS为传感器的摄像头在需核辐射监测的环境中的不同位置同时录制一定长度的视频，并将录制的视频传入后端的数据处理中心。

本实施例中，在疑似含有核辐射源或者设置核辐射源的环境中，安装多个以CCD/CMOS为传感器的摄像头，在本实施例中使用的是从录制的视频中且切分出长度为10000帧的视频，并将长度为1000帧的视频传入后端数据处理中心。

本实施例中，对于以CCD/CMOS为传感器的摄像头，可以是专用的CCD/CMOS相机，也可以是以CCD/CMOS作为感光元件的手机、监控器等。对于后端数据处理中心，包括但不限于图2所示的PC机、笔记本电脑、云服务器和智能手机。对于所得的视频帧数长度来说，不限定于10000帧，根据环境的不同可以使用不同的帧数。

本实施例中，可以使用标记放射性药物99Tcm液体作为核辐射源。

A12，以任一摄像头录制的视频为例，所述数据处理中心将接收到的该摄像头录制的视频进行分帧处理得到一系列图像，将得到的帧图像根据时间按序号保存，，并保存原始视频的相关参数。

将所得的10000帧图像按序号1到10000进行保存，并保留原始视频的相关参数，其相关参数信息包括但不限于：视频持续时间长度、视频编码格式、视频总帧数、视频录制时间点,视频曝光时间、视频帧率以及视频录制所在地的经纬度。

A13，对每一帧图像进行图像灰度化与图像平滑预处理后，获取每一帧图像与其相邻帧的差分图像。对所得的每一帧图像依序进行图像灰度化与图像平滑预处理后，针对每一帧图像，获取当前帧的前向差分图像与后向差分图像。

由于CMOS相机一般使用传统的三片式成像方法，即把录制的物体分别用RGB三色进行编码。而辐射粒子不同于单色光，而辐射粒子具有穿透性，辐射粒子打在图像传感器上，会引起传感器上粒子击打区域电荷的变化，其产生辐射亮斑灰度值会明显高于背景灰度值。因此可将视频图像进行灰度化处理后再进行辐射信息的提取，从而降低数据量，提高数据处理的速度。图3为不遮光动态场景条件下差分图像中亮斑特征的三维灰度值示意图，系统噪声与辐射亮斑在图像上产生的灰度值有较大的不同，故可使用包括但不限于二维高斯卷积核滤波法等平滑预处理方法去除系统噪声。

A14，根据得到的差分图像检测差分图像中的运动物体区域，去除差分图像中的运动物体区域。根据所得的两个差分图像识别其中的运动物体，去除运动物体的图像区域，得到两个新的差分图像，具体可以包括以下步骤：

根据得到的每一帧图像的前向差分图像和后向差分图像，使用基于背景差分的运动物体检测法、帧间差分法、光流场的运动股计算法、块匹配的运动估计算法，去除差分图像中的运动物体，得到两个新的差分图像(前向差分图像D1与后向差分图像D2)，对得到的新的差分图像(D1和D2)使用滤波方法去除边缘噪声；

对于每一帧，将去除运动物体后的差分图像D1和D2，使用如下公式对图像中的每一个像素点计算，将差分图像D1和D2合成一张新的图像V：

V＝min(D1,D2)

以获得更好的鲁棒性，并使用阈值判断方法以判断合成的帧图像V是否含有辐射亮斑。

本实施例中，图4为动态场景下运动物体检测图。如图5(a)、5(b)所示，不遮光动态场景下，不含辐射亮斑的帧图像和含有辐射亮斑的帧图像生成的V图灰度值示意图。从图5(a)、5(b)可知，非辐射帧的灰度值的最大值与辐射帧的灰度值的最大值有着明显的区别，故而可以使用帧图像中的灰度值最大值(记为η，其中η＝max(V))作为待甄别帧是否为辐射帧的特征值。更为具体地说，先设定一个阈值T，当当前帧生成的V图中的η值大于T时，则认为当前帧是辐射帧，否则为非辐射帧。阈值的设定根据CCD/CMOS相机与相机所在环境的不同而不同。例如：图6是不遮光动态辐射场景下视频的帧图像合成的帧图像的最大灰度值的分布图。对所得分布进行统计，可得处理后图像灰度值的最大值η大于18的概率已小于为0.2‰，因此可以认为η值大于18的视频图像中极大概率含辐射亮斑，即将阈值T设为18。图7显示了不遮光动态场景下，相机与辐射源距离为30cm时所录制视频的帧图像生成的1500个图V的η值，其顺序按照时间排列。

A15，若检测到某帧图像中含有辐射亮斑，则该帧图像为辐射帧，记录单位时间内的辐射帧的数目。

本实施例中，按照步骤A12-A15的操作可以得到各摄像头单位时间内所产生的辐射帧数目。

A16，通过分析摄像头视野内人员距离数据变化与单位时间辐射帧数目变化，得出摄像头附近人员携带辐射源概率，具体的：

A161，确定摄像头视野内行人距离数据：

其中，d表示摄像头视野内行人距离数据，坐标(i,j,k)和(l,m,n)分别表示行人与摄像头的坐标；

A162，通过匹配单位时间内各行人距离最小值时间点与辐射帧数目最大值时间点，计算录像设备附近行人携带辐射源的概率。

本实施例中，通过匹配出现辐射事件的各录像设备视野中，行人距离最小值时间点与辐射帧数目最大值时间点，得到行人携带辐射源的概率p：

p＝a/b

其中，a是单位时间内行人距离最小值时间点与辐射帧数目最大值时间点在误差范围内能匹配上的录像设备数，b是出现辐射事件的总录像设备数。

在前述可疑辐射源携带人员的锁定方法的具体实施方式中，进一步地，所例如：如图8所示，辐射源位于不同距离下，单位时间内的辐射帧数目时序变化图以及某行人(例如，51号行人)距离时序图，通过图像分析，二者拐点(具体指：单位时间内行人距离最小值时间点与辐射帧数目最大值时间点)在时间变化上接近，即在误差范围内，，则说明匹配上1个摄像头，a增加1，意味着将51号行人视为辐射源可疑携带人员。类似的，假设在三个出现辐射事件的摄像头情况下，匹配上2个摄像头，则行人的携带辐射源的概率p＝2/3。

A17，根据得到的录像设备附近行人携带辐射源概率，通过行人重识别技术，实现可疑携带人员的跨录像设备锁定与追踪，具体可以包括以下步骤：

A171，对行人携带辐射源的概率从高到低进行排序；

A172，利用行人重识别技术，对概率值前t个行人进行跨摄像头识别；

本实施例中，使用开源数据集对Resnet卷积神经网络进行训练，得到行人识别模型，对上述t个行人进行跨摄像头识别。例如：图9是行人识别模型识别处的行人示意图。

A173，根据行人出现在新的摄像头中的时间的和辐射亮斑出现时间匹配情况，进行最终辐射源锁定。

本实施例中，通过跨录像设备识别t个行人，根据每个行人出现在新录像设备视野内，是否出现新的核辐射亮斑，判断其是否为辐射源携带者。例如，当51号行人出现在新的摄像头视野内，出现新的核辐射亮斑，判断51号行人出为辐射源携带者，数据处理中心进行报警并对其进行轨迹跟踪。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种可疑辐射源携带人员的锁定方法，其特征在于，包括：

在无遮光动态场景条件下，利用位于核辐射监测环境中不同位置的多个录像设备同时录制视频；

将录制的视频传输至数据处理中心，以便所述数据处理中心根据接收到的视频，计数单位时间内辐射帧数目；

通过分析录像设备视野内行人距离数据变化与单位时间内辐射帧数目变化，得到录像设备附近行人携带辐射源概率；

根据得到的录像设备附近行人携带辐射源概率，通过行人重识别技术，实现可疑携带人员的跨录像设备锁定与追踪；

其中，所述通过分析录像设备视野内行人距离数据变化与单位时间内辐射帧数目变化，得到录像设备附近行人携带辐射源概率包括：

确定录像设备视野内行人距离数据；

通过匹配单位时间内各行人距离最小值时间点与辐射帧数目最大值时间点，计算录像设备附近行人携带辐射源的概率；

其中，所述通过匹配单位时间内各行人距离最小值时间点与辐射帧数目最大值时间点，计算录像设备附近行人携带辐射源的概率包括：

根据辐射源距离录像设备越近录像设备单位时间内所产生的辐射帧数目越多的原则，通过匹配出现辐射事件的各录像设备视野中，单位时间内行人距离最小值时间点与辐射帧数目最大值时间点，得到行人携带辐射源的概率p：

p＝a/b

其中，a是单位时间内行人距离最小值时间点与辐射帧数目最大值时间点在误差范围内能匹配上的录像设备数，b是出现辐射事件的总录像设备数。

2.根据权利要求1所述的可疑辐射源携带人员的锁定方法，其特征在于，所述录像设备包括：以CCD/CMOS为传感器的道路监控摄像头、网络摄像头或者手机摄像头中的一种或多种。

3.根据权利要求1所述的可疑辐射源携带人员的锁定方法，其特征在于，所述数据处理中心包括：PC机、工作站、移动终端或云计算平台中的一种或多种。

4.根据权利要求1所述的可疑辐射源携带人员的锁定方法，其特征在于，所述数据处理中心根据接收到的视频，计数单位时间内辐射帧数目包括：

数据处理中心将接收到的第一录像设备录制的视频进行分帧处理得到一系列帧图像，对每一帧图像进行图像灰度化后，获取每一帧图像与其相邻帧的差分图像；其中，第一录像设备为任一录像设备；

根据得到的差分图像检测差分图像中的运动物体区域，并去除差分图像中的运动物体区域；

根据去除运动物体区域的差分图像检测帧图像是否含有辐射亮斑：

若检测到当前帧中含有辐射亮斑，则该当前帧为辐射帧，记录单位时间内的辐射帧的数目。

5.根据权利要求1所述的可疑辐射源携带人员的锁定方法，其特征在于，录像设备视野内行人距离数据表示为：

其中，d表示录像设备视野内行人距离数据，坐标(i,j,k)和(l,m,n)分别表示行人与录像设备的坐标。

6.根据权利要求1所述的可疑辐射源携带人员的锁定方法，其特征在于，所述根据得到的录像设备附近行人携带辐射源概率，通过行人重识别技术，实现可疑携带人员的跨录像设备锁定与追踪包括：

对行人携带辐射源的概率从高到低进行排序；

利用行人重识别技术，对概率值前t个行人进行跨录像设备识别；

根据行人出现在新的录像设备中的时间的和辐射亮斑出现时间匹配情况，进行最终辐射源锁定。

7.根据权利要求6所述的可疑辐射源携带人员的锁定方法，其特征在于，所述利用行人重识别技术，对概率值前t个行人进行跨录像设备识别包括：

使用开源数据集对Resnet卷积神经网络进行训练，得到行人识别模型，利用得到的行人识别对概率值前t个行人进行跨录像设备识别。

8.根据权利要求7所述的可疑辐射源携带人员的锁定方法，其特征在于，所述根据行人出现在新的录像设备中的时间的和辐射亮斑出现时间匹配情况，进行最终辐射源锁定包括：

通过跨录像设备识别t个行人，根据每个行人出现在新录像设备视野内，是否出现新的核辐射亮斑，判断其是否为辐射源携带者。