CN113484858A - 一种入侵检测方法和系统 - Google Patents

一种入侵检测方法和系统 Download PDF

Info

Publication number
CN113484858A
CN113484858A CN202110767467.9A CN202110767467A CN113484858A CN 113484858 A CN113484858 A CN 113484858A CN 202110767467 A CN202110767467 A CN 202110767467A CN 113484858 A CN113484858 A CN 113484858A
Authority
CN
China
Prior art keywords
detection information
intrusion
target area
information
visual
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
Application number
CN202110767467.9A
Other languages
English (en)
Inventor
刘浩
吴一超
付豪
谌鎏
杨幸
李紫薇
张维正
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Sensetime Technology Co Ltd
Original Assignee
Shenzhen Sensetime Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Sensetime Technology Co Ltd filed Critical Shenzhen Sensetime Technology Co Ltd
Priority to CN202110767467.9A priority Critical patent/CN113484858A/zh
Publication of CN113484858A publication Critical patent/CN113484858A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/04—Systems determining presence of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/04—Systems determining the presence of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Electromagnetism (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Burglar Alarm Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本公开实施例提供一种入侵检测方法和系统，其中方法包括：接收雷达传感器对目标区域进行检测得到的雷达检测信息和视觉传感器对目标区域进行检测得到的视觉检测信息；基于所述雷达检测信息和视觉检测信息，确定所述目标区域是否发生入侵行为。综合雷达传感器和视觉传感器的优势进行检测使得本方案适用性更强，局限性更小，检测准确率更高。

Description

一种入侵检测方法和系统
技术领域
本公开实施例涉及安全防控技术领域，尤其涉及一种入侵检测方法和系统。
背景技术
对于目标区域的安全防控，比如，机场、铁路和矿区等，往往依靠人力进行巡检，但是人力成本高，并且对于紧急事故的反应不及时。近年来，出现了利用传感器建立的入侵检测系统，对目标区域采用某一种传感器进行异物入侵检测，而基于单一传感器进行检测具有很大的局限性，检测准确率较低，比如，视觉传感器测距精度和最大精度较低、且受外界光线等环境影响较大，可能会误报。
发明内容
有鉴于此，本公开实施例提供至少一种入侵检测方法和系统。
第一方面，提供一种入侵检测方法，所述方法包括：接收雷达传感器对目标区域进行检测得到的雷达检测信息和视觉传感器对目标区域进行检测得到的视觉检测信息；基于所述雷达检测信息和视觉检测信息，确定所述目标区域是否发生入侵行为。
第二方面，提供一种入侵检测装置，所述装置包括：检测信息接收模块，用于接收雷达传感器对目标区域进行检测得到的雷达检测信息和视觉传感器对目标区域进行检测得到的视觉检测信息；入侵行为确定模块，用于基于所述雷达检测信息和视觉检测信息，确定所述目标区域是否发生入侵行为。
第三方面，提供一种电子设备，所述设备包括存储器、处理器，所述存储器用于存储可在处理器上运行的计算机指令，所述处理器用于在执行所述计算机指令时实现本公开任一实施例所述的方法。
第四方面，提供一种入侵检测系统，所述系统包括：雷达传感器，用于布设在目标区域，并对目标区域进行检测得到雷达检测信息；视觉传感器，用于布设在目标区域，并对目标区域进行检测得到视觉检测信息；控制系统，用于实现本公开任一实施例所述的方法。
本公开实施例提供的入侵检测方法通过雷达传感器和视觉传感器这两种传感器对目标区域进行检测，根据得到的检测信息确定目标区域是否被入侵，综合雷达传感器和视觉传感器的优势进行检测使得本方案适用性更强，局限性更小，检测准确率更高。
附图说明
为了更清楚地说明本公开一个或多个实施例或相关技术中的技术方案，下面将对实施例或相关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公开一个或多个实施例中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本公开实施例示出的一种入侵检测方法的流程图；
图2是本公开实施例示出的另一种入侵检测方法的流程图；
图2A是本公开实施例示出的一种入侵检测方法应用场景的示意图；
图3是本公开实施例示出的一种入侵检测装置的框图；
图4是本公开实施例示出的一种入侵检测系统的示意图；
图5是本公开实施例示出的一种电子设备的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书的一些方面相一致的装置和方法的例子。
在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
如图1所示，图1是本公开实施例示出的一种入侵检测方法的流程图，该方法可用于控制系统，控制系统位于终端设备或服务器或其它处理设备上，比如，控制系统可以位于需要进行安全防控的目标区域附近的边缘处理器上，也可以位于中心机房的服务器中，包括以下步骤：
在步骤102中，接收雷达传感器对目标区域进行检测得到的雷达检测信息和视觉传感器对目标区域进行检测得到的视觉检测信息。
本实施例不限制具体使用的传感器类型，比如，雷达传感器可以是激光雷达传感器，或者毫米波雷达传感器，本领域技术人员可以根据实际需要选取合适的传感器。雷达检测信息可以是LIDAR(激光雷达)点云数据或者微波信息，视觉检测信息可以是包含多个图像帧的视频流。上述传感器可以部署在目标区域内或者目标区域附近，对目标区域实时检测并将采集到的检测信息传送到控制系统。
雷达传感器和视觉传感器相结合，可以利用雷达传感器探测距离长，不受光线影响的特点来解决使用单一的视觉传感器受光线影响大，测距精度和最大距离较低的问题，同时利用视觉传感器识别能力强和测量分辨率高的特点来避免了使用单一的雷达传感器时在雨雪天气性能低，测量分辨率低和难以识别具体的入侵物体的问题，两种传感器融合，扬长避短，使控制系统获得的检测信息更为丰富完整和可靠。
在步骤104中，基于所述雷达检测信息和视觉检测信息，确定所述目标区域是否发生入侵行为。
控制系统可以对雷达检测信息和视觉检测信息进行分析处理，综合两种传感器的检测信息，来确定目标区域是否发生入侵行为。在目标区域被入侵的情况下还可以确定目标区域中的入侵对象的相关信息，比如，入侵对象的类型，入侵对象的大小。入侵对象可以是目标区域新出现的不明物体，也可以是目标区域中出现故障或损坏的原有设施。实际实施中，可以结合每种传感器的优势对检测信息进行分析处理。比如，可以使用雷达检测信息计算入侵对象的体积大小以及移动速度，使用视觉检测信息确定入侵对象的类型，比如，可以是行人入侵，或者异物入侵。
在一个示例中，基于所述雷达检测信息和视觉检测信息，确定所述目标区域是否发生入侵行为，具体包括：
响应于根据第一检测信息确定所述目标区域在第一时间存在入侵对象，确定第二检测信息中所述第一时间对应的目标检测信息。
响应于所述目标检测信息中存在异常情况，确定所述目标区域发生入侵行为。
其中，所述第一检测信息是雷达检测信息，所述第二检测信息是视觉检测信息；或者，也可以是所述第一检测信息是视觉检测信息，所述第二检测信息是雷达检测信息。
实际实施中，在分析传感器的检测信息时，并不会在某个检测信息出现异常时就认为目标区域中存在入侵对象，以避免传感器过于灵敏时频繁报警，而是需要异常情况达到设定的最大阈值才提示目标区域中存在入侵对象。
检测信息中一般包含时间信息，在一个传感器采集的第一检测信息表示目标区域在第一时间存在入侵对象时，此时，第一检测信息中的异常情况达到设定的最大阈值了，可以通过另一个传感器的第二检测信息中对应第一时间的目标检测信息进行验证。比如，在根据视觉检测信息确定目标区域在第一时间存在入侵对象时，对雷达传感器采集的雷达检测信息中第一时间对应的目标检测信息进行分析，如果目标检测信息表示在第一时间时的确存在异常情况，但没有达到设定的最大阈值，所以之前没有和视觉检测信息一样提示目标区域中存在入侵对象，此时，则可以认为目标区域被入侵，可以更准确的确定入侵情况，减少误报的几率。
在又一个示例中，基于所述雷达检测信息和视觉检测信息，确定所述目标区域是否发生入侵行为，具体包括：
响应于根据第一检测信息确定所述目标区域在第二时间存在入侵对象，确定所述入侵对象的第一信息。
对第二检测信息中所述第二时间对应的目标检测信息进行分析，确定所述入侵对象的第二信息。
基于所述第一信息和第二信息，确定所述目标区域是否发生入侵行为。
其中，所述第一检测信息是雷达检测信息，所述第二检测信息是视觉检测信息；或，所述第一检测信息是视觉检测信息，所述第二检测信息是雷达检测信息。
第一信息和第二信息可以是入侵对象的不同的特征信息，特征信息可以是体积大小、速度、形状、外观以及是否有生命等等。
例如，在某一个传感器采集的第一检测信息表示目标区域在第二时间存在入侵对象时，该传感器只能检测到入侵对象的部分特征信息，比如，视觉传感器可以检测到入侵对象的外观，则可以对另一个传感器采集到的第二检测信息中第二时间对应的目标检测信息进行分析，来获取入侵对象的其他特征信息，即第二信息，比如，入侵对象的移动速度等，根据入侵对象的相关特征可以确定该入侵对象是否进行入侵，也就是确定了入侵行为是否发生。比如，如果入侵对象的第一信息为体积小和有生命，第二信息为速度快，则该入侵对象可能是小动物等对目标区域的安全没有影响的对象，可以确定目标区域未发生入侵行为。
在又一个示例中，基于所述雷达检测信息和视觉检测信息，确定所述目标区域是否发生入侵行为，具体包括：
响应于所述雷达检测信息和所述视觉检测信息均确定所述目标区域存在入侵对象，确定所述目标区域发生入侵行为。
实际应用中，本方案的控制系统可以不在某个检测信息表示目标区域中存在入侵对象时就确定目标区域被入侵，以避免传感器检测错误或者过于灵敏时误报，而是在两种传感器的检测信息均表示目标区域存在入侵对象，立即确定被入侵。这里的两种传感器的检测信息对应的时间可以是同时，也可以是在预设的误差范围内。比如，预设的误差范围是15分钟，根据雷达检测信息在13：40时开始确定目标区域中存在入侵对象，而根据视觉检测信息在13：45时开始确定目标区域中存在入侵对象，没有超过预设的误差范围则可以确定被目标区域被入侵。
两种传感器检测错误误报的概率远远低于单一传感器检测错误误报的概率。相较于传统方案中需要单一传感器多次检测到异常情况才能确定入侵行为发生，提高了入侵检测的快速性和准确性。
此外，本领域技术人员也可以基于此设置其他的时间规则，在设定的时间范围内检测到目标区域存在入侵对象时进行告警，本实施例对此不进行限制。
本公开实施例提供的入侵检测方法通过雷达传感器和视觉传感器对目标区域进行检测，根据得到的检测信息确定目标区域发生入侵行为，综合两种传感器的优势进行检测使得本方案适用性更强，局限性更小，检测准确率更高。
对于铁路、轻轨和电车轨道等轨道区域，如果有滚石，行人，动物等异物侵入轨道限界，往往会引起交通事故。对于轨道区域需要重点监测入侵行为，以及入侵行为导致的轨道完整性变化，并及时进行告警。如图2所示，图2是本公开实施例示出的另一种入侵检测方法的流程图，应用于对轨道区域的安全防控，该方法包括如下处理，其中，与图1中重复的流程不再赘述。
在步骤202中，接收激光雷达传感器对目标区域进行检测得到的雷达检测信息和视觉传感器对目标区域进行检测得到的视觉检测信息。
本实施例以激光雷达传感器和视觉传感器为例来对本方案进行说明，在其他例子中，也可以选用其他类型的雷达传感器。
下面将结合图2A所示的轨道区域入侵检测场景的实例进行说明。
如图2A所示，激光雷达传感器和视觉传感器可以部署在轨道区域的范围内，一般在轨道区域的上空，同时对轨道区域进行检测，并将检测信息传到控制系统，可以是由激光雷达传感器将输出的LIDAR点云数据以及视觉传感器输出的视频流发送到位于边缘处理器或者中心机房的控制系统。
在步骤204中，基于雷达检测信息和视觉检测信息，确定轨道区域是否发生入侵行为。
轨道区域发生的入侵行为主要包括行人入侵和异物入侵，这些入侵行为对轨道区域的安全产生威胁。
控制系统对激光雷达传感器和视觉传感器的检测信息进行处理，可以是先对其中一个传感器的检测信息进行分析，得到一个中间结果，然后分析另一个传感器的检测信息来对中间结果进行补充或者验证，确定入侵行为是否发生；也可以是对激光雷达传感器和视觉传感器的检测信息同时进行处理。对于先分析激光雷达传感器的检测信息还是视觉传感器的检测信息，本实施例对此不进行限制。
例如，当控制系统先分析处理激光雷达传感器输出的LIDAR点云数据时，发现某个时间段的轨道区域中出现不明物体，或者某个时间段的轨道形状疑似发生变化，此时，并不确定不明物体的类型和危害程度，或者不确定轨道形状疑似发生变化是否是因为某些物体的遮挡，可以通过抽取视觉传感器采集到视频流中对应同一时间段的图像帧，对图像帧进行进一步分析，来确定不明物体是否为入侵物体，轨道区域是否被入侵。同样也可以是在控制系统先对视觉传感器输出的视频流进行分析时，发现异常，再根据激光雷达传感器输出的同一时间段的LIDAR点云数据进行进一步分析，确定入侵行为是否发生。
此外，还可以进一步确定入侵对象的类型，入侵对象的类型可以包括入侵的生物，入侵的物体以及损坏的设施。在本例中，入侵的生物可以是工作人员或动物，入侵的物体主要是落石，也可以是断线的风筝等其他障碍物，损坏的设施可以是变形或断裂的轨道等。
不同的入侵对象类型具有不同的特征。可以根据入侵对象的特征来确定入侵对象的类型。比如，工作人员相较于落石等物体，具备着高度较高、长条形、有热量以及会移动等特征；落石一般具备没有热量、形状不规则且不会移动等特征；变形或断裂的轨道会使该区域的检测信息与历史的检测信息明显不同。
在对检测信息进行处理时，可以结合上述入侵对象的特征来判断入侵对象的类型，可以预先设定好不同的入侵对象类型对应的特征，然后根据检测信息进行特征的相似度比对，在相似度达到预设的阈值后，确定对应的入侵对象类型。也可以预先根据入侵对象的特征训练用于分类的神经网络模型，将检测信息输入该神经网络模型，输出入侵对象类型。本实施例对此不进行限制。
下面分别说明一下如何通过雷达检测信息和视觉检测信息确定入侵对象的类型。
雷达检测信息可以是点云信息，基于点云信息中入侵对象对应的点云的分布特征，确定入侵对象的类型。
例如，可以预先训练好一个点云神经网络，将点云信息输入该点云神经网络，该点云神经网络可以根据点云信息中入侵对象对应的点云的分布特征输出该入侵对象的类型。
视觉检测信息可以是视频流信息，基于视频流信息中入侵对象对应的图像帧，确定入侵对象的类型。
例如，可以预先训练好一个图像识别神经网络，将视频流信息中入侵对象对应的图像帧输入该图像识别神经网络，输出该入侵对象的类型。
在其他的示例中，也可以结合雷达检测信息和视觉检测信息来确定入侵对象的类型。
在步骤206中，基于所述入侵行为和/或所述入侵对象的类型，生成告警信息。
告警信息具体可以包括是否告警、告警等级，还可以包括入侵对象的类型。如图2A所示，控制系统可以将告警信息传输给告警装置，以使告警装置根据告警信息进行告警，告警装置可以设置在轨道区域，也可以设置在工作人员所在的区域。
控制系统可以根据预先设定的报警决策机制，确定是否告警。比如，报警决策机制可以是轨道区域发生入侵行为即进行告警，还可以是入侵行为的次数达到预设次数，则进行告警。
告警等级可以结合入侵对象类型或告警时间来确定。比如，如果是在轨道区域没有运行车辆的时段内，检测到轨道区域存在入侵对象，则可以发出中等级别的警报，以表明危险程度和紧急程度并不严重；如果是在轨道区域处于运行车辆的时段内，检测到轨道区域存在入侵对象，则可以发出高等级别的警报，以表明危险程度和紧急程度非常严重；又比如，在入侵对象为人或动物时，则可以发出中等级别的警报；在入侵对象为巨石、泥石流或者断裂的轨道等时，则可以发出高等级别的警报。
本公开实施例提供的入侵检测方法通过激光雷达传感器和视觉传感器对轨道区域进行检测，根据得到的检测信息确定轨道区域是否发生入侵行为，综合了激光雷达传感器和视觉传感器的优势进行检测，可以取代人力，全天、高效、高准确度地实现轨道区域的监测和告警，局限性更小，并且可以识别入侵物体的类型。
图3提供了一种入侵检测装置，如图3所示，该装置可以包括：检测信息接收模块31和入侵行为确定模块32。
检测信息接收模块31，用于接收雷达传感器对目标区域进行检测得到的雷达检测信息和视觉传感器对目标区域进行检测得到的视觉检测信息.
入侵行为确定模块32，用于基于所述雷达检测信息和视觉检测信息，确定所述目标区域是否发生入侵行为。
本公开实施例提供的入侵检测装置通过雷达传感器和视觉传感器对目标区域进行检测，根据得到的检测信息确定目标区域是否被入侵，综合两种传感器的优势进行检测使得本方案适用性更强，局限性更小，检测准确率更高。
在一个例子中，入侵行为确定模块32，具体用于
响应于根据第一检测信息确定所述目标区域在第一时间存在入侵对象，确定第二检测信息中所述第一时间对应的目标检测信息。
响应于所述目标检测信息中存在异常情况，确定所述目标区域发生入侵行为。
其中，所述第一检测信息是雷达检测信息，所述第二检测信息是视觉检测信息；或，所述第一检测信息是视觉检测信息，所述第二检测信息是雷达检测信息。
在一个例子中，入侵行为确定模块32，具体用于：
响应于根据第一检测信息确定所述目标区域在第二时间存在入侵对象，确定所述入侵对象的第一信息。
对第二检测信息中所述第二时间对应的目标检测信息进行分析，确定所述入侵对象的第二信息。
基于所述第一信息和所述第二信息，确定所述目标区域是否发生入侵行为。
其中，所述第一检测信息是雷达检测信息，所述第二检测信息是视觉检测信息；或，所述第一检测信息是视觉检测信息，所述第二检测信息是雷达检测信息。
在一个例子中，入侵行为确定模块32，具体用于：
响应于所述雷达检测信息和所述视觉检测信息均确定所述目标区域存在入侵对象，确定所述目标区域发生入侵行为。
在一个例子中，所述入侵行为确定模块32，还用于：
确定所述入侵对象的类型；
基于所述入侵行为和/或所述入侵对象的类型，生成告警信息。
在一个例子中，所述入侵行为确定模块32在用于确定所述入侵对象的类型时，具体用于：
所述雷达检测信息为点云信息，基于所述点云信息中所述入侵对象对应的点云的分布特征，确定所述入侵对象的类型。
在一个例子中，所述入侵行为确定模块32在用于确定所述入侵对象的类型时，具体用于：
所述视觉检测信息为视频流信息，基于对所述视频流信息中所述入侵对象对应的图像帧的识别，确定所述入侵对象的类型。
在一个例子中，所述目标区域是轨道区域，所述入侵行为包括行人入侵和/或异物入侵。
上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
如图4所示，图4是本公开实施例示出的一种入侵检测系统的示意图，所示系统包括：
雷达传感器，用于布设在目标区域，并对目标区域进行检测得到雷达检测信息。
视觉传感器，用于布设在目标区域，并对目标区域进行检测得到视觉检测信息。
控制系统，用于实现本公开任一所述实施例的入侵检测方法。
下面结合铁路区域的场景对该入侵检测系统进行说明。雷达传感器和视觉传感器部署在铁路区域内，实时对铁路区域进行检测，并将采集到的雷达检测信息和视觉检测信息传递给控制系统，雷达检测信息可以是点云信息，视觉检测信息可以是视频流信息。
控制系统可以先对点云信息进行分析，在检测到点云信息中某个时间存在入侵对象时，抽取视频流信息中对应该时间的图像帧，对图像帧进行进一步的分析处理，获得更多关于该入侵对象的信息，以确定目标区域是否被入侵。
本公开实施例提供的入侵检测系统通过激光雷达传感器和视觉传感器对轨道区域进行检测，根据得到的检测信息确定轨道区域是否被入侵，综合了激光雷达传感器和视觉传感器的优势进行检测，可以取代人力，全天、高效、高准确度地实现轨道区域的监测和告警，局限性更小。
实际应用中，在铁路的应用场景下，铁路部门在铁路线范围内，每隔一定距离，安装一套本例所示的入侵检测系统，取代人力，全天、高效以及高精度地实现铁路的异物入侵检测与报警。铁路部门也可以在铁路隧道进出口处，轨道转弯处安装本例所示的入侵检测系统，实时检测异物入侵，预防在这些入侵高危场景的轨道安全问题。
本公开实施例还提供了一种电子设备，如图5所示，所述电子设备包括存储器51、处理器52，所述存储器51用于存储可在处理器52上运行的计算机指令，所述处理器52用于在执行所述计算机指令时实现本公开任一实施例所述的入侵检测方法。
本公开实施例还提供了一种计算机程序产品，该产品包括计算机程序/指令，该计算机程序/指令被处理器执行时实现本公开任一实施例所述的入侵检测方法。
本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本公开任一实施例所述的入侵检测方法。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本领域技术人员在考虑说明书及实践这里申请的发明后，将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本说明书的一般性原理并包括本说明书未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本说明书的真正范围和精神由下面的权利要求指出。
应当理解的是，本说明书并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本说明书的范围仅由所附的权利要求来限制。
以上所述仅为本说明书的较佳实施例而已，并不用以限制本说明书，凡在本说明书的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书保护的范围之内。

Claims (13)

1.一种入侵检测方法，其特征在于，所述方法包括：
接收雷达传感器对目标区域进行检测得到的雷达检测信息和视觉传感器对目标区域进行检测得到的视觉检测信息；
基于所述雷达检测信息和视觉检测信息，确定所述目标区域是否发生入侵行为。
2.根据权利要求1所述的方法，其特征在于，所述基于所述雷达检测信息和视觉检测信息，确定所述目标区域是否发生入侵行为，包括：
响应于根据第一检测信息确定所述目标区域在第一时间存在入侵对象，确定第二检测信息中所述第一时间对应的目标检测信息；
响应于所述目标检测信息中存在异常情况，确定所述目标区域发生入侵行为；
其中，所述第一检测信息是雷达检测信息，所述第二检测信息是视觉检测信息；或，所述第一检测信息是视觉检测信息，所述第二检测信息是雷达检测信息。
3.根据权利要求1所述的方法，其特征在于，所述基于所述雷达检测信息和视觉检测信息，确定所述目标区域是否发生入侵行为，包括：
响应于根据第一检测信息确定所述目标区域在第二时间存在入侵对象，确定所述入侵对象的第一信息；
对第二检测信息中所述第二时间对应的目标检测信息进行分析，确定所述入侵对象的第二信息；
基于所述第一信息和所述第二信息，确定所述目标区域是否发生入侵行为；
其中，所述第一检测信息是雷达检测信息，所述第二检测信息是视觉检测信息；或，所述第一检测信息是视觉检测信息，所述第二检测信息是雷达检测信息。
4.根据权利要求1所述的方法，其特征在于，所述基于所述雷达检测信息和视觉检测信息，确定所述目标区域是否发生入侵行为，包括：
响应于所述雷达检测信息和所述视觉检测信息均确定所述目标区域存在入侵对象，确定所述目标区域发生入侵行为。
5.根据权利要求2-4任一所述的方法，其特征在于，所述方法还包括：
确定所述入侵对象的类型；
基于所述入侵行为和/或所述入侵对象的类型，生成告警信息。
6.根据权利要求5所述的方法，其特征在于，所述雷达检测信息为点云信息，所述确定所述入侵对象的类型，包括：
基于所述点云信息中所述入侵对象对应的点云的分布特征，确定所述入侵对象的类型。
7.根据权利要求5所述的方法，其特征在于，所述视觉检测信息为视频流信息，所述确定所述入侵对象的类型，包括：
基于对所述视频流信息中所述入侵对象对应的图像帧的识别，确定所述入侵对象的类型。
8.根据权利要求1-7任一所述的方法，其特征在于，所述目标区域是轨道区域，所述入侵行为包括行人入侵和/或异物入侵。
9.一种入侵检测装置，其特征在于，所述装置包括：
检测信息接收模块，用于接收雷达传感器对目标区域进行检测得到的雷达检测信息和视觉传感器对目标区域进行检测得到的视觉检测信息；
入侵行为确定模块，用于基于所述雷达检测信息和视觉检测信息，确定所述目标区域是否存在入侵行为。
10.一种电子设备，所述设备包括存储器、处理器，其特征在于，所述存储器用于存储可在处理器上运行的计算机指令，所述处理器用于在执行所述计算机指令时实现权利要求1至8任一所述的方法。
11.一种入侵检测系统，其特征在于，所述系统包括：
雷达传感器，用于布设在目标区域，并对目标区域进行检测得到雷达检测信息；
视觉传感器，用于布设在目标区域，并对目标区域进行检测得到视觉检测信息；
控制系统，用于实现权利要求1至8任一所述的方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至8任一所述的方法。
13.一种计算机程序产品，该产品包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至8任一所述的方法。
CN202110767467.9A 2021-07-07 2021-07-07 一种入侵检测方法和系统 Pending CN113484858A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110767467.9A CN113484858A (zh) 2021-07-07 2021-07-07 一种入侵检测方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110767467.9A CN113484858A (zh) 2021-07-07 2021-07-07 一种入侵检测方法和系统

Publications (1)

Publication Number Publication Date
CN113484858A true CN113484858A (zh) 2021-10-08

Family

ID=77941081

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110767467.9A Pending CN113484858A (zh) 2021-07-07 2021-07-07 一种入侵检测方法和系统

Country Status (1)

Country Link
CN (1) CN113484858A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114511978A (zh) * 2021-12-27 2022-05-17 浙江华锐捷技术有限公司 一种入侵预警方法、装置、车辆和计算机可读存储介质
CN115311534A (zh) * 2022-08-26 2022-11-08 中国铁道科学研究院集团有限公司 基于激光雷达的铁路周界入侵辨识方法、装置及存储介质
CN115471965A (zh) * 2022-07-14 2022-12-13 北京见合八方科技发展有限公司 一种输电线路区域防护系统和防护方法
CN115512281A (zh) * 2022-11-21 2022-12-23 北京数字绿土科技股份有限公司 一种结合视频相机和激光雷达的入侵物监测方法和系统
CN116935551A (zh) * 2023-09-18 2023-10-24 华诺星空技术股份有限公司 周界入侵检测方法、系统、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109920185A (zh) * 2019-04-16 2019-06-21 中科九度(北京)空间信息技术有限责任公司 一种基于毫米波雷达与视频数据融合检测移动目标的方法
WO2021012254A1 (zh) * 2019-07-25 2021-01-28 深圳市大疆创新科技有限公司 目标检测方法、系统及可移动平台
CN112614290A (zh) * 2020-12-10 2021-04-06 中科蓝卓(北京)信息科技有限公司 一种雷达视频协同检测目标装置及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109920185A (zh) * 2019-04-16 2019-06-21 中科九度(北京)空间信息技术有限责任公司 一种基于毫米波雷达与视频数据融合检测移动目标的方法
WO2021012254A1 (zh) * 2019-07-25 2021-01-28 深圳市大疆创新科技有限公司 目标检测方法、系统及可移动平台
CN112614290A (zh) * 2020-12-10 2021-04-06 中科蓝卓(北京)信息科技有限公司 一种雷达视频协同检测目标装置及方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114511978A (zh) * 2021-12-27 2022-05-17 浙江华锐捷技术有限公司 一种入侵预警方法、装置、车辆和计算机可读存储介质
CN114511978B (zh) * 2021-12-27 2024-02-20 浙江华锐捷技术有限公司 一种入侵预警方法、装置、车辆和计算机可读存储介质
CN115471965A (zh) * 2022-07-14 2022-12-13 北京见合八方科技发展有限公司 一种输电线路区域防护系统和防护方法
CN115311534A (zh) * 2022-08-26 2022-11-08 中国铁道科学研究院集团有限公司 基于激光雷达的铁路周界入侵辨识方法、装置及存储介质
CN115512281A (zh) * 2022-11-21 2022-12-23 北京数字绿土科技股份有限公司 一种结合视频相机和激光雷达的入侵物监测方法和系统
CN116935551A (zh) * 2023-09-18 2023-10-24 华诺星空技术股份有限公司 周界入侵检测方法、系统、设备及存储介质

Similar Documents

Publication Publication Date Title
CN113484858A (zh) 一种入侵检测方法和系统
US10970851B2 (en) Operations monitoring in an area
KR101095528B1 (ko) 연속류도로 사고 및 돌발 자동판별 검지시스템 및 그 방법
US9672440B2 (en) Damage recognition assist system
CN105809679A (zh) 一种基于视觉分析的山区铁路边坡落石检测方法
EP3537875B1 (en) System and method for detecting flying animals
CN110895662A (zh) 车辆超载报警方法、装置、电子设备及存储介质
CN112776856A (zh) 轨道异物侵限监测方法、装置、系统及监控主机设备
CN111008568A (zh) 逃票检测方法及其相关装置
CN112757300A (zh) 机器人的防护系统及方法
CN113033471A (zh) 交通异常检测方法、装置、设备、存储介质以及程序产品
CN110544312A (zh) 虚拟场景中的视频显示方法、装置、电子设备与存储装置
CN115083088A (zh) 铁路周界入侵预警方法
CN116311727A (zh) 入侵响应方法、装置、设备及可读存储介质
KR20210133827A (ko) 딥러닝 모델을 학습시키기 위한 장치 및 그 방법
CN112347906B (zh) 公交车内异常聚集行为的检测方法
Raj et al. Wild Animals Intrusion Detection for Safe Commuting in Forest Corridors using AI Techniques
CN116204784B (zh) 一种基于das的地铁隧道外部危害作业入侵识别方法
CN116935551A (zh) 周界入侵检测方法、系统、设备及存储介质
CN202904792U (zh) 一种智能可视化报警系统
CN115294712A (zh) 入侵预警方法、预警管理系统、电子设备和存储介质
Al Jarouf et al. A hybrid method to detect and verify vehicle crash with haar-like features and svm over the web
CN114581863A (zh) 车辆危险状态识别方法及系统
KR100699596B1 (ko) 철도 건널목 돌발상황 자동감지 영상처리경보장치
CN114049614A (zh) 一种地铁列车紧急制动防撞控制方法

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