CN115083088A - 铁路周界入侵预警方法 - Google Patents
铁路周界入侵预警方法 Download PDFInfo
- Publication number
- CN115083088A CN115083088A CN202210510650.5A CN202210510650A CN115083088A CN 115083088 A CN115083088 A CN 115083088A CN 202210510650 A CN202210510650 A CN 202210510650A CN 115083088 A CN115083088 A CN 115083088A
- Authority
- CN
- China
- Prior art keywords
- target
- data
- early warning
- millimeter wave
- video
- 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
-
- 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
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
-
- 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
- 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
- G01S13/886—Radar or analogous systems specially adapted for specific applications for alarm systems
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/22—Electrical actuation
- G08B13/24—Electrical actuation by interference with electromagnetic field distribution
- G08B13/2491—Intrusion detection systems, i.e. where the body of an intruder causes the interference with the electromagnetic field
Abstract
本发明公开了一种铁路周界入侵预警方法,涉及周界入侵预警领域,所述方法包括:获取铁路周界防控区域多个目标的毫米波雷达数据和视频数据;根据统一坐标系和系统间延迟时长,对毫米波雷达数据与视频数据进行数据融合,得到融合后的监控数据;判断融合后的监控数据是否存在入侵目标;若存在入侵目标,则输出第一预警信息至警示设备和显示设备,以使警示设备发出警告,且显示设备通过预设接口联动铁路综合视频监控,输出并显示第二预警信息。本发明实现了对铁路周界全天候及全域检测的联动预警,扩大了检测范围,实现了对入侵目标及行为的快速高效识别,完善了铁路周界入侵报警方案。
Description
技术领域
本发明涉及周界入侵预警领域,尤其涉及一种铁路周界入侵预警方法。
背景技术
目前,我国已建成世界上最现代化的铁路网和最发达的高铁网,铁路营业里程的增长随之而来的是人员对铁路的入侵事件频发,给铁路的安全运营带来重大隐患和威胁。
现有铁路周界的入侵防范主要包括人防、物防、技防模式。但现有技防的方式无法实现全天候及全域的检测。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种铁路周界入侵预警方法,旨在解决现有铁路技术无法实现对铁路周界全天候及全域检测的联动预警的技术问题。
为实现上述目的,本发明提供一种铁路周界入侵预警方法,用于智能预警控制设备,所述方法包括:
获取铁路周界防控区域多个目标的毫米波雷达数据和视频数据;
根据统一坐标系和系统间延迟时长,对所述毫米波雷达数据与所述视频数据进行数据融合,得到融合后的监控数据;
判断融合后的监控数据是否存在入侵目标;
若存在所述入侵目标,则输出第一预警信息至警示设备和显示设备,以使所述警示设备发出警告,且所述显示设备通过预设接口联动铁路综合视频监控系统,输出并显示第二预警信息。
可选的,所述根据统一坐标系和系统间延迟时长,对所述毫米波雷达特征数据与所述视频特征数据进行数据融合,得到融合后的监控数据的步骤,包括:
分别对所述毫米波雷达数据和所述视频数据进行特征提取,得到毫米波雷达特征数据与视频特征数据;
根据统一坐标系和系统间延迟时长,对所述毫米波雷达特征数据与所述视频特征数据进行数据融合,得到融合后的监控数据。
可选的,所述根据统一坐标系和系统间延迟时长,对所述毫米波雷达特征数据与所述视频特征数据进行数据融合,得到融合后的监控数据的步骤,包括:
根据所述统一坐标系,对所述毫米波雷达特征数据与所述视频特征数据进行数据空间配准,获得第一毫米波雷达融合数据和第一视频特征融合数据;
根据所述系统间延迟时长,对所述第一毫米波雷达融合数据和第一视频特征融合数据进行时间配准,获得第二毫米波雷达融合数据和第二视频特征融合数据;
对所述第二毫米波雷达融合数据和所述第二视频特征融合数据进行特征融合,获得融合后的监控数据;其中,所述融合的特征包括目标的纵距离、横向距离、横向速度以及目标宽度。
可选的,所述根据所述统一坐标系,对所述毫米波雷达特征数据与所述视频特征数据进行数据空间配准,获得第一毫米波雷达融合数据和第一视频特征融合数据,包括:
根据毫米波雷达视频一体式监测设备的实际位置信息,将三维世界坐标系和毫米波雷达坐标系进行融合,获得所述统一坐标系;
将所述统一坐标系与摄像机云台坐标系融合,获得摄像机参考坐标系;
将所述统一坐标系与图像像素坐标系进行融合,获得图像参考坐标系;
根据所述统一坐标系与所述毫米波雷达特征数据,得到所述第一毫米波雷达融合数据;
根据所述摄像机参考坐标系、所述图像参考坐标系和所述视频特征数据,得到所述第一视频特征融合数据。
可选的,所述判断融合后的监控数据是否存在入侵目标的步骤,包括;
将所述融合后的监控数据输入目标特征识别模型,获得所述目标特征识别模型输出的运动目标;
控制所述毫米波雷达视频一体式监测设备跟踪所述运动目标,获得所述运动目标的目标运动轨迹参数,所述目标运动轨迹参数包括第一目标速度和第一目标距离;
判断所述第一目标速度是否大于或等于预设速度阈值,且判断所述第一目标距离是否小于或等于预设第一距离阈值;
若所述第一目标速度大于或等于预设速度阈值且所述第一目标距离小于或等于预设第一距离阈值时,则确定所述第一目标为所述入侵目标。
可选的,所述判断所述第一目标速度是否大于或等于预设速度阈值且判断所述第一目标距离是否小于或等于预设第一距离阈值之后,所述方法还包括:
若当所述第一目标速度小于预设速度阈值且所述第一目标距离小于或等于预设第二距离阈值时,则确定所述第一目标为所述入侵目标;其中,所述预设第一距离阈值大于所述预设第二距离阈值。
可选的,所述将所述融合后的监控数据输入目标特征识别模型,获得所述目标特征识别模型输出的运动目标之后,所述方法还包括:
根据所述融合后的监控数据训练目标特征识别模型,得到更新后的所述目标特征识别模型。
可选的,所述若存在所述入侵目标,则输出第一预警信息至警示设备和显示设备,以使所述警示设备发出警告,且所述显示设备通过预设接口联动铁路综合视频监控系统,输出并显示第二预警信息之后,所述方法还包括:
确定所述入侵目标的第一搜索窗口位置;
将所述第一搜索窗口位置发送至卡尔曼滤波器,以获得所述卡尔曼滤波器预测的最佳搜索窗口位置;
判断所述最佳搜索窗口位置的目标面积区域是否大于预设像素值;
若大于预设像素值,则获取所述目标面积区域的高度信息;
根据所述目标面积区域的高度信息,确定该所述入侵目标的分类结果。
可选的,所述若存在所述入侵目标,则输出第一预警信息至警示设备和显示设备,以使所述警示设备发出警告,且显示设备通过预设接口联动铁路综合视频监控系统,输出并显示第二预警信息的步骤,包括:
若存在所述入侵目标,则根据所述运动目标和所述目标运动轨迹参数生成第一预警信息;
将所述第一预警信息传输至所述警示设备和所述显示设备,以使所述警示设备发出警告,且显示设备通过预设接口联动铁路综合视频监控系统获取所述入侵目标的监控视频信息,根据所述第一预警信息和所述监控视频信息输出并显示第二预警信息。
可选的,所述若存在所述入侵目标,则根据所述运动目标和所述目标运动轨迹参数生成第一预警信息步骤,包括:
若所述目标为所述入侵目标,则根据所述目标运动轨迹参数,确定所述入侵目标对应的预设防控检测区域,并根据所述预设防控检测区域确定对应的预设预警等级;
根据所述预设预警等级、所述运动目标和所述目标运动轨迹参数生成第一预警信息。
本发明实施例提出的一种铁路周界入侵预警方法,通过对多个目标的毫米波雷达特征数据和视频特征数据进行数据融合,获得融合后的数据,实现了毫米波雷达与视频的联动,使检测区域达到无缝覆盖,能准确高效识别目标及行为,并根据融合后的监控数据,判断是否存在入侵目标;若存在入侵目标,则输出第一预警信息至警示设备和显示设备,以使警示设备发出警告,且显示设备通过预设接口联动铁路综合视频监控系统,输出并显示第二预警信息。可见,本发明实施例中智能预警控制设备通过将毫米波雷达和视频融合方案运用到铁路周界环境,发挥毫米波雷达的全天候检测能力与视频现场图像可视化的能力,实现了对入侵目标及行为的可靠高效识别,并通过显示设备与铁路综合视频监控系统的联动输出第二预警信息,实现了对铁路周界全天候及全域检测的联动预警。
附图说明
图1为本发明铁路周界入侵预警系统的架构示意图;
图2为本发明铁路周界入侵预警方法第一实施例的流程示意图;
图3为本发明铁路周界入侵预警方法第二实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
由于现有技术中铁路周界的入侵技术防范是通过提前感知铁路周界环境的变化提前预警,且周界入侵报警技术主要包括:振动光纤、电子围栏、红外对射、智能视频、微波阵列等,但在实际应用中大都采用单一手段,而单一手段难以满足复杂铁路环境的要求,无法精确定位入侵位置,不仅容易受到天气光线等外界环境的影响而产生误报,而且难以对非法入侵事件形成联动报警,难以实现全天候及全域的检测。
本发明提供一种解决方案,通过对毫米波数据与视频数据进行数据融合实现了毫米波雷达与视频的联动,通过预设接口,实现了显示设备与铁路综合视频监控系统的联动,实现了对铁路周界全天候及全域检测的联动预警。
本申请实施例以下,将对本申请技术实现中应用到的铁路周界入侵预警系统进行说明:
参照图1,图1是一示例性实施例提供的一种铁路周界入侵预警系统的架构示意图。如图1所示,该铁路周界入侵预警系统可以包括毫米波雷达视频一体式监测设备11、网络12、智能预警控制设备13、警示设备14、显示设备15和铁路综合视频监控系统16。
毫米波雷达视频一体式监测设备11可以为集毫米波雷达与高清摄像机为一体的雷达视频一体式监测设备,毫米波雷达包括但不限于毫米波雷达传感器,毫米波雷达工作在毫米波段。通常毫米波是指30~300GHz频段(波长为1~10mm)。毫米波的波长介于厘米波和光波之间,因此毫米波兼有微波制导和光电制导的优点。同厘米波导引头相比,毫米波导引头具有体积小、质量轻和空间分辨率高的特点。与红外、激光、电视等光学导引头相比,毫米波导引头穿透雾、烟、灰尘的能力强,具有全天候(大雨天除外)全天时的特点。另外,毫米波导引头的抗干扰、反隐身能力也优于其他微波导引头,高清摄像机包括但不限于镜头、图像传感器、一个或多个处理器以及存储器等部件。在运行过程中,毫米波雷达视频一体式监测设备11可以运行某一应用的智能预警控制设备侧的程序,以实现该应用的相关业务功能。
网络12可以包括多种类型的有线或无线网络。在一实施例中,该网络12可以包括公共交换电话网络(Public Switched Telephone Network,PSTN)和因特网。智能预警控制设备13可以通过网络12与毫米波雷达视频一体式监测设备11实现交互,智能预警控制设备13可以通过网络12与警示设备14实现交互,智能预警控制设备13可以通过网络12与显示设备15实现交互。
智能预警控制设备13可以包括但不限于数据接收装置、数据处理装置、数据传输装置等部件,本说明书一个或多个实施例并不对此进行限制。在运行过程中,智能预警控制设备13可以运行毫米波雷达视频一体式监测设备侧的程序,以实现该应用的相关业务功能。
警示设备14可以包括诸如下述类型的电子设备:声光报警器、警示喇叭、警示灯具、警示屏等,本说明书一个或多个实施例并不对此进行限制。在运行过程中,警示设备14可以运行智能预警控制设备侧的程序,以实现该应用的相关业务功能。
显示设备15可以为可视化后台,电脑显示器等,包括预留接口,该接口可以是SDK接口,本说明书一个或多个实施例并不对此进行限制。在运行过程中,显示设备15可以通过SDK接口运行铁路综合视频监控系统侧的程序,以实现该应用的相关业务功能。
铁路综合视频监控系统16包括但不限于视频监控终端、处理器、存储器、接口服务器等设备,本说明书一个或多个实施例并不对此进行限制。在运行过程中,铁路综合视频监控系统16可以通过SDK接口运行显示设备侧的程序,以实现该应用的相关业务功能。
参照图2,图2是本发明铁路周界入侵预警方法第一实施例的流程示意图。本实施例中,所述方法包括:
步骤S20,获取铁路周界防控区域多个目标的毫米波雷达特征数据和视频特征数据;
本实施例方法的执行主体是智能预警控制设备。铁路周界防控区域是为保证铁路运行而设置的重点防控检测区域,包括第一重点防控检测区域、第二重点防控检测区域、第三重点防控检测区域和第四重点防控检测区域,第一重点防控检测区域可以是铁路线路联络线岔道口、隧道口等区域,第二重点防控检测区域可以是车辆段、动车段(所)、牵引变电所等基础房建设施所在区域,第三重点防控检测区域可以是铁路客站的站台区域,第四重点防控检测区域可以是铁路线路。
毫米波雷达数据是通过毫米波雷达采集的数据。视频数据是对通过高清摄像头采集的视频数据。
具体的,毫米波雷达视频一体式监测设备可以采集在铁路周界防控区域内的多个目标的毫米波雷达数据和视频数据,并将多个目标的毫米波雷达数据和视频数据发送至智能预警控制设备,智能预警控制设备可以接收毫米波雷达视频一体式监测设备发送的多个目标的毫米波雷达数据和视频数据。并对毫米波雷达数据与视频数据进行预处理,获得完整真实的毫米波雷达数据与视频数据。
需要说明的是,预处理是指对数据进行数据清洗、数据集成、数据变换、数据规约。数据清洗是指去掉数据中的噪声和无关数据,数据集成是将多个数据源中的数据结合起来存放在一个一致的数据存储中;数据变换是把原始数据转换成为适合数据挖掘的形式;数据规约的主要方法包括:数据立方体聚集,维度归约,数据压缩,数值归约,离散化和概念分层等。
步骤S40,根据统一坐标系和系统间延迟时长,对所述毫米波雷达数据与所述视频数据进行数据融合,得到融合后的监控数据;
统一坐标系是将各个传感器的坐标系进行统一后得到的坐标系。系统间延迟时长是整个系统中的算法延迟时间。
数据融合是将各个传感器获得的数据进行融合。
具体的,智能预警控制设备具有智能识别算法,能通过统一坐标系和系统间延迟时长将毫米波雷达数据与视频数据融合,将毫米波雷达探测到的目标信息融合到视频图像上,获得融和后的监控视频图像及目标信息。
步骤S60,判断融合后的监控数据是否存在入侵目标;
入侵目标是处于铁路周界防控区域内,运动状态数据超出铁路周界防控区域预先设置的阈值数据的目标。
具体的,可以通过融合后的监控数据中,获得多个目标的运动状态数据,通过判断每个目标的运动状态数据与铁路周界防控区域预先设置的阈值数据的大小,确定多个目标中是否存在入侵目标。
步骤S80,若存在所述入侵目标,则输出第一预警信息至警示设备和显示设备,以使所述警示设备发出警告,且显示设备通过预设接口联动铁路综合视频监控系统,输出并显示第二预警信息。
第一预警信息是存在入侵目标时,智能预警控制设备可根据入侵目标的特征信息输出对铁路运行造成或可能造成危害,可以预警的信息,该信息包括入侵目标的特征信息。
第二预警信息是显示设备根据第一预警信息、铁路综合视频监控系统提供的信息,输出的对铁路运行造成或可能造成危害,可以预警的信息,该信息包括入侵目标的特征信息、铁路综合视频监控系统提供的信息。
具体的,当多个目标中存在入侵目标时,智能预警控制设备可根据融合后的监控数据输出第一预警信息,警示设备可以根据第一预警信息发出警告,显示设备可以通过SDK接口联动铁路综合视频监控系统,获得铁路综合视频监控系统提供的信息,根据路综合视频监控系统提供的信息和第一预警信息,输出并显示第二预警信息,该信息可以视频加文字的方式显示,本实施例对此不做限制。
在本实施例中,通过对多个目标的毫米波雷达特征数据和视频特征数据进行数据融合,实现了毫米波雷达与视频的联动,使检测区域达到无缝覆盖,能准确高效识别目标及行为,得到融合后的监控数据,并根据融合后的监控数据,判断是否存在入侵目标;若存在入侵目标,则输出第一预警信息至警示设备和显示设备,以使警示设备发出警告时,显示设备通过预设接口联动铁路综合视频监控系统,输出并显示第二预警信息。可见,本发明实施例中智能预警控制设备通过将毫米波雷达和视频融合方案运用到铁路周界环境,发挥毫米波雷达的全天候检测能力与视频现场图像可视化的能力,实现了对入侵目标及行为的可靠高效识别,并通过显示设备与铁路综合视频监控系统的联动,实现了对铁路周界全天候及全域检测的联动预警。
进一步的,作为一个实施例,参照图3,图3是本发明铁路周界入侵预警方法第二实施例的流程示意图,基于上述图2所示的实施例,所述根据统一坐标系和系统间延迟时长,对所述毫米波雷达特征数据与所述视频特征数据进行数据融合,得到融合后的监控数据的步骤,包括:
步骤S200,分别对所述毫米波雷达数据和所述视频数据进行特征提取,得到毫米波雷达特征数据与视频特征数据;
特征提取是将一些原始的输入的数据维度减少或者将原始的特征进行重新组合以便于后续的使用,包括:寻找特征、抽取特征、特征提取、特征选择。寻找特征是寻找图像特征,包括边缘和直线特征、纹理特征、光谱特征等;抽取特征是特征被检测后从图像中抽取出来;特征提取是将原始特征转换为一组具有明显物理意义或者统计意义或核的特征,依据标准对目标运动特征、几何结构特征、光谱特征、图像特征数据进行统一形式的数据描述;特征选择是由于特征信息比较多会造成比较复杂的计算量,同时降低特征所反映信息的精确性,因此,对目标特征信息进行优选,从特征集合中挑选一组最具统计意义的特征,从而减少特征值的误差。需要说明的是,特征提取和特征选择都是从原始特征中找出最有效(同类样本的不变性、不同样本的鉴别性、对噪声的鲁棒性)的特征。
具体的,智能预警控制设备可分别对完整的所述毫米波雷达数据和所述视频数据进行寻找特征处理、抽取特征处理、特征提取处理和特征选择处理,获得两个单一的毫米波雷达特征数据与视频特征数据。
步骤S202,根据统一坐标系和系统间延迟时长,对所述毫米波雷达特征数据与所述视频特征数据进行数据融合,得到融合后的监控数据。
具体的,智能预警控制设备具有智能识别算法,能通过统一坐标系和系统间延迟时长将两个单一的毫米波雷达特征数据与视频特征数据融合,将毫米波雷达探测到的目标信息融合到视频图像上,获得融和后的监控视频图像及目标信息。
在本实施例中,通过分别对完整的毫米波雷达数据和视频数据进行特征提取,可以减少数据维度,整理已有的数据特征,降低了存储和计算复杂度,获得两个单一的毫米波雷达特征数据与视频特征数据;根据统一坐标系和系统间延迟时长,将毫米波雷达特征数据与所述视频特征数据进行数据融合,能将毫米波雷达探测到的目标信息融合到视频图像上,获得融和后的监控视频数据,能消除多传感器信息之间可能存在的冗余和矛盾,加以互补,改善目标信息提取的及时性和可靠性,提高数据的使用效率。
进一步的,提出本发明铁路周界入侵预警方法第三实施例,所述根据统一坐标系和系统间延迟时长,对所述毫米波雷达特征数据与所述视频特征数据进行数据融合,得到融合后的监控数据的步骤,包括:
步骤S400,根据所述统一坐标系,对所述毫米波雷达特征数据与所述视频特征数据进行数据空间配准,获得第一毫米波雷达融合数据和第一视频特征融合数据;
具体的,智能预警控制设备可以通过融合多个传感器的坐标系,获得统一的坐标系,以此完成毫米波雷达特征数据与视频特征数据的数据空间配准,获得经过空间配准后的第一毫米波雷达融合数据和第一视频特征融合数据。
步骤S402,根据所述系统间延迟时长,对所述第一毫米波雷达融合数据和第一视频特征融合数据进行时间配准,获得第二毫米波雷达融合数据和第二视频特征融合数据;
具体的,通过毫米波雷达采样帧速率和摄像机采样帧速率的最大公约数、系统的延迟时间确定共同的采样频率,以完成第一毫米波雷达融合数据和第一视频特征融合数据的时间配准,获得第二毫米波雷达融合数据和第二视频特征融合数据。
步骤S404,对所述第二毫米波雷达融合数据和所述第二视频特征融合数据进行特征融合,获得融合后的监控数据;其中,所述融合的特征包括目标的纵距离、横向距离、横向速度以及目标宽度。
具体的,在获得第二毫米波雷达融合数据和第二视频特征融合数据后,需要将第二毫米波雷达融合数据和第二视频特征融合数据中目标的纵距离、横向距离、横向速度、目标宽度等特征进行融合获得目标特征数据,目标特征数据中包括有目标图像特征数据,目标速度特征数据,目标距离特征数据等。
更进一步的,所述根据所述统一坐标系,对所述毫米波雷达特征数据与所述视频特征数据进行数据空间配准,获得第一毫米波雷达融合数据和第一视频特征融合数据,包括:
步骤S4000,根据毫米波雷达视频一体式监测设备的实际位置信息,将三维世界坐标系和毫米波雷达坐标系进行融合,获得所述统一坐标系;
具体的,各个传感器系统都拥有自己的坐标系系统。毫米波雷达是雷达XYZ坐标系,高清摄像机是摄像机PTZ坐标系,即摄像机云台坐标系,架设系统时需要参考的三维世界坐标系,以及生成融合图像的像素坐标系。智能识别算法可将这四大坐标系数据进行空间融合。“一次融合”首先根据雷达与摄像机架设的实际位置信息,参考三维世界坐标系,融合雷达XYZ坐标系,得到所述统一坐标系。
步骤S4002,将所述统一坐标系与摄像机云台坐标系融合,获得摄像机参考坐标系;
具体的,通过“二次融合”把统一坐标系与摄像机PTZ坐标系融合,可得到目标的PTZ坐标,即摄像机参考坐标系,可控制高清摄像机对目标的锁定跟踪。
步骤S4004,将所述统一坐标系与图像像素坐标系进行融合,获得图像参考坐标系;
具体的,通过“三次融合”把所述统一坐标系与图像的像素坐标系进行融合,完成空间上雷达监测多目标配准至视觉图像,获得图像参考坐标系。
步骤S4006,根据所述统一坐标系与所述毫米波雷达特征数据,得到所述第一毫米波雷达融合数据;
具体的,在统一坐标系中确定毫米波雷达特征数据对应的数据,获得第一毫米波雷达融合数据。
步骤S4008,根据所述摄像机参考坐标系、所述图像参考坐标系和所述视频特征数据,得到所述第一视频特征融合数据。
具体的,在摄像机参考坐标系、图像参考坐标系下确定视频特征数据对应的数据,获得第一毫米波雷达融合数据。
本实施例中,通过智能预警控制设备中的智能识别算法,可将雷达XYZ坐标系,摄像机PTZ坐标系,即摄像机云台坐标系,架设系统时需要参考的三维世界坐标系,以及生成融合图像的像素坐标系进行空间融合,获得统一坐标系、摄像机参考坐标系和图像参考坐标系,并根据统一坐标系、摄像机参考坐标系和图像参考坐标系确定第一毫米波雷达融合数据和第一视频特征融合数据,实现了在空间上雷达监测多目标配准至视觉图像,使检测区域达到无缝覆盖,提高了铁路周界入侵预警时对目标检测的可信度。
进一步的,提出本发明铁路周界入侵预警方法第四实施例,所述判断融合后的监控数据是否存在入侵目标的步骤,包括;
步骤S600,将所述融合后的监控数据输入目标特征识别模型,获得所述目标特征识别模型输出的运动目标;
目标特征识别模型用于识别多个目标中处于运动状态的目标,得到多个运动目标对应的图像、距离、速度、角度、运动、运动方向等特征信息。
具体的,目标特征识别模型可提取融合后的监控数据中的图像特征,通过智能识别算法,识别出处于运动状态的目标,并得到多个运动目标的特征信息。
步骤S602,控制所述毫米波雷达视频一体式监测设备跟踪所述运动目标,获得所述运动目标的目标运动轨迹参数,所述目标运动轨迹参数包括第一目标速度和第一目标距离。
目标运动轨迹是目标在铁路周界防控区域沿一定方向运动,生成的运动轨迹。目标运动轨迹参数包括目标在运动过程中的速度,距离,方向和转角等参数。
第一目标速度是第一运动目标的运动速度,第一目标距离是第一运动目标与毫米波雷达的间距。
具体的,智能预警控制设备可控制毫米波雷达视频一体式监测设备跟踪所述运动目标,获得目标运动状态的信息,输出目标运动轨迹及目标运动轨迹参数。
步骤S604,判断所述第一目标速度是否大于或等于预设速度阈值,且判断所述第一目标距离是否小于或等于预设第一距离阈值;
预设速度阈值是临界判断速度;预设第一距离阈值是第一警戒线与毫米波雷达的间距。
具体的,智能预警控制设备中存储有针对每个重点防控检测区域设置的第一警戒线位置信息、第二警戒线位置信息和临界判断速度,第一警戒线与毫米波雷达的间距大于第二警戒线与毫米波雷达的间距,将第一警戒线与毫米波雷达的间距作为预设第一距离阈值。智能预警控制设备可以将目标识别结果中多个目标的目标速度与临界判断速度进行比较,将多个目标的目标距离与预设第一距离阈值进行比较。
步骤S606,若所述第一目标速度大于或等于预设速度阈值且所述第一目标距离小于或等于预设第一距离阈值时,则确定所述第一目标为所述入侵目标。
具体的,当多个目标中存在有运动目标的目标速度大于或等于预设速度阈值且目标距离小于或等于预设第一距离阈值时,该目标为入侵目标。例如,第一重点防控检测区域内第一警戒线距离毫米波雷达100米,第二警戒线距离毫米波雷达80米,预设速度阈值是每秒6米,有一运动物体处于第一重点防控检测区域,距离毫米波雷达90米,速度为每秒10米,此时,该物体的速度大于预设速度阈值且该物体与毫米波雷达的间距小于第一警戒线与毫米波雷达的间距,则该物体为入侵目标。
更进一步的,所述判断所述第一目标速度是否大于或等于预设速度阈值且判断所述第一目标距离是否小于或等于预设第一距离阈值之后,所述方法还包括:
步骤S608,若当所述第一目标速度小于预设速度阈值且所述第一目标距离小于或等于预设第二距离阈值时,则确定所述第一目标为所述入侵目标;其中,所述预设第一距离阈值大于所述预设第二距离阈值。
预设第二距离阈值是第二警戒线与毫米波雷达的间距。
具体的,当多个目标中存在有目标的目标速度小于预设速度阈值且目标距离小于或等于预设第二距离阈值时,该目标为入侵目标。例如,第一重点防控检测区域内第一警戒线距离毫米波雷达100米,第二警戒线距离毫米波雷达80米,预设速度阈值是每秒6米,有一运动物体处于第一重点防控检测区域,距离毫米波雷达60米,速度为每秒5米,此时,该物体的速度小于预设速度阈值且该物体与毫米波雷达的间距小于第二警戒线与毫米波雷达的间距,则该物体为入侵目标。
更进一步的,所述将所述融合后的监控数据输入目标特征识别模型,获得所述目标特征识别模型输出的运动目标之后,所述方法还包括:
步骤S6000,根据所述融合后的监控数据训练目标特征识别模型,得到更新后的所述目标特征识别模型。
具体的,智能预警控制设备中的目标特征识别模型具有在线优化的功能,可共享其他同类系统积累的样本数据和训练结果,并利用神经网络和深度学习技术模拟人脑抽象能力,构建多层非线性人工智能网络,可自动提取融合后的监控数据中的图像特征,包括边缘和直线特征、纹理特征、光谱特征等进行样本预测及训练,优化智能识别算法,获得更新后的目标特征识别模型。
本实施例中,通过提取毫米波雷达特征数据与视频特征数据中的图像特征,利用该图像特征进行样本预测及训练,能优化智能识别算法,获得更新后的目标特征识别模型,提高了目标特征识别模型的识别能力,提高了识别的可靠性和准确性。
本实施例中,通过目标特征识别模型输出运动目标,对运动目标进行跟踪,获得目标运动轨迹及目标运动轨迹参数,并通过判断目标运动轨迹参数中的第一目标速度预设速度阈值的大小,且判断目标运动轨迹参数中的第一目标距离与预设第一距离阈值的大小,确定多个目标中是否存在入侵目标。并根据融合后的监控数据训练目标特征识别模型,得到更新后的目标特征识别模型。实现了如何识别入侵目标,提高目标特征识别模型的识别能力,提高识别的可靠性和准确性。
进一步的,提出本发明铁路周界入侵预警方法第五实施例,所述若存在所述入侵目标,则输出第一预警信息至警示设备和显示设备,以使所述警示设备发出警告,且所述显示设备通过预设接口联动铁路综合视频监控系统,输出并显示第二预警信息之后,所述方法还包括:
步骤S90,确定所述入侵目标的第一搜索窗口位置;
具体的,智能预警控制设备内置Camshift算法和Kalman滤波器,能将毫米波雷达检测到的目标作为第一帧跟踪目标,第一帧跟踪目标作为Camshift算法的输入,同时初始化Kalman滤波器的状态向量。
需要说明的是,Camshift算法Camshift是MeanShift算法的改进,称为连续自适应的MeanShift算法,CamShift算法的全称是“Continuously Adaptive Mean-SHIFT”,它的基本思想是视频图像的所有帧作MeanShift运算,并将上一帧的结果(即Search Window的中心和大小)作为下一帧MeanShift算法的Search Window的初始值,如此迭代下去。Kalman滤波器是一种利用线性系统状态方程,通过系统输入输出观测数据,对系统状态进行最优估计的算法的设备。
步骤S92,将所述第一搜索窗口位置发送至卡尔曼滤波器,以获得所述卡尔曼滤波器预测的最佳搜索窗口位置;
具体的,智能预警控制设备可将最佳搜索窗口新位置作为观测值发送至Kalman滤波器,kalman滤波器可根据上一时刻的状态得到下一时刻的最优估计,并根据最优估计对上一时刻的最佳搜索窗口新位置进行修正获得新的最佳搜索窗口新位置。
步骤S94,判断所述最佳搜索窗口位置的目标面积区域是否大于预设像素值;
具体的,智能预警控制设备中存储有预先设置的设定像素值,设定像素值可过滤幅宽小于人和车的运动物体,智能预警设备可将最佳搜索窗口位置的目标面积区域与预设像素值进行比较,通过比较结果确定下一步的操作。
步骤S96,若大于预设像素值,则获取所述目标面积区域的高度信息;
具体的,当最佳搜索窗口位置的目标面积区域大于预设像素值时,对检测到的目标进行标注,获得目标面积区域的高度。
步骤S98,根据所述目标面积区域的高度信息,确定该所述入侵目标的分类结果。
具体的,如果目标面积区域的高度为a,目标区域二分之一高度处的宽度为b,a与b的比值大于1.5,则认为该目标是人,否则判断为车及其他。
具体的,通过确定入侵目标的第一搜索窗口位置;将第一搜索窗口位置发送至卡尔曼滤波器,以获得卡尔曼滤波器预测的最佳搜索窗口位置;判断最佳搜索窗口位置的目标面积区域是否大于预设像素值;若大于预设像素值,则获取目标面积区域的高度信息;根据所述目标面积区域的高度信息,确定该所述入侵目标的分类结果。解决了对入侵目标分类的问题,提高了对入侵目标分类的准确性及可靠性,同时也提高了分类效率。
进一步的,提出本发明电视机主板检测方法第六实施例,所述若存在所述入侵目标,则输出第一预警信息至警示设备和显示设备,以使所述警示设备发出警告,且显示设备通过预设接口联动铁路综合视频监控系统,输出并显示第二预警信息的步骤,包括:
步骤S800,若存在所述入侵目标,则根据所述运动目标和所述目标运动轨迹参数生成第一预警信息;
具体的,当多个目标中存在入侵目标时,智能预警控制设备可以根据入侵目标的特征信息及入侵目标的目标运动轨迹参数生成第一预警信息。
步骤S802,将所述第一预警信息传输至所述警示设备和所述显示设备,以使所述警示设备发出警告,且显示设备通过预设接口联动铁路综合视频监控系统获取所述入侵目标的监控视频信息,根据所述第一预警信息和所述监控视频信息输出并显示第二预警信息。
具体的,智能预警控制设备将第一预警信息发送至警示设备和显示设备,警示设备接收到第一预警信息后,可以根据第一预警信息发出警告。显示设备通过预设接口联动铁路综合视频监控系统后,可以获得多个目标的监控视频信息,根据第一预警信息和监控视频信息,输出并显示第二预警信息。第二预警信息包括通过GIS电子地图展示警示设备的告警位置和里程、入侵目标特征信息、运动轨迹,当前目标监控视频等相关信息,同时将相关信息作为入侵事件证据存储至显示设备。
更进一步的,所述若存在所述入侵目标,则根据所述运动目标和所述目标运动轨迹参数生成第一预警信息步骤,包括:
步骤S8000,若所述目标为所述入侵目标,则根据所述运动目标,确定所述入侵目标对应的预设防控检测区域,并根据所述预设防控检测区域确定对应的预设预警等级;
预设预警等级是根据重点防控检测区域预先设定的预警等级。第一重点防控检测区域为第一预警等级,第二重点防控检测区域为第二预警等级,第三重点防控检测区域为第三预警等级,第四重点防控检测区域为第四预警等级。不同的预警等级执行对应的警告策略。例如,第四预警等级可以触发警示设备中警示灯,第三预警等级可以触发警示设备中警示灯和显示屏提醒,第二预警等级可以触发警示设备中除上述外声光报警器警示,第一预警等级可以触发警示设备中除上述外警示喇叭语音警报。
具体的,当存在入侵目标时,智能预警控制设备可以根据运动目标所处位置信息和目标运动轨迹参数中的距离确定该入侵目标所处地理位置,根据该地理位置确定对应的预设防控检测区域,最终确定执行的预设预警等级及预警策略。
步骤S8002,根据所述预设预警等级、所述运动目标和所述目标运动轨迹参数生成第一预警信息。
具体的,在确定预警策略后,需要根据预警等级及预警策略、运动目标和目标运动轨迹参数生成第一预警信息。例如,一只动物处于第四重点防控检测区域,判断识别为入侵目标,执行的预警等级是第四预警等级,执行的预警策略是触发警示灯,智能预警控制设备可将执行的预警策略、该动物的特征信息、和该动物运动轨迹综合,生成第一预警信息。
本实施例中,通过运动目标及目标运动估计参数确定入侵目标对应的预设防控检测区域,并根据预设防控检测区域确定对应的预设预警等级;根据预设预警等级、运动目标和目标运动轨迹生成第一预警信息。实现了智能预警控制设备能根据不同的重点防控区域输出对应的预警信息,以控制警示设备发出警告,显示设备显示,便于铁路工作人员了解当前铁路周界入侵的情况,针对当前情况执行相应措施,确保铁路安全。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现,当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下,凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现,而且,用来实现同一功能的具体硬件结构也可以是多种多样的,例如模拟电路、数字电路或专用电路等。但是,对本发明而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在可读取的存储介质中,如计算机的软盘、U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种铁路周界入侵预警方法,其特征在于,用于智能预警控制设备,所述方法包括:
获取铁路周界防控区域多个目标的毫米波雷达数据和视频数据;
根据统一坐标系和系统间延迟时长,对所述毫米波雷达数据与所述视频数据进行数据融合,得到融合后的监控数据;
判断融合后的监控数据是否存在入侵目标;
若存在所述入侵目标,则输出第一预警信息至警示设备和显示设备,以使所述警示设备发出警告,且所述显示设备通过预设接口联动铁路综合视频监控系统,输出并显示第二预警信息。
2.根据权利要求1所述的铁路周界入侵预警方法,其特征在于,所述根据统一坐标系和系统间延迟时长,对所述毫米波雷达特征数据与所述视频特征数据进行数据融合,得到融合后的监控数据的步骤,包括:
分别对所述毫米波雷达数据和所述视频数据进行特征提取,得到毫米波雷达特征数据与视频特征数据;
根据统一坐标系和系统间延迟时长,对所述毫米波雷达特征数据与所述视频特征数据进行数据融合,得到融合后的监控数据。
3.根据权利要求1所述的铁路周界入侵预警方法,其特征在于,所述根据统一坐标系和系统间延迟时长,对所述毫米波雷达特征数据与所述视频特征数据进行数据融合,得到融合后的监控数据的步骤,包括:
根据所述统一坐标系,对所述毫米波雷达特征数据与所述视频特征数据进行数据空间配准,获得第一毫米波雷达融合数据和第一视频特征融合数据;
根据所述系统间延迟时长,对所述第一毫米波雷达融合数据和第一视频特征融合数据进行时间配准,获得第二毫米波雷达融合数据和第二视频特征融合数据;
对所述第二毫米波雷达融合数据和所述第二视频特征融合数据进行特征融合,获得融合后的监控数据;其中,所述融合的特征包括目标的纵距离、横向距离、横向速度以及目标宽度。
4.根据权利要求3所述的铁路周界入侵预警方法,其特征在于,所述根据所述统一坐标系,对所述毫米波雷达特征数据与所述视频特征数据进行数据空间配准,获得第一毫米波雷达融合数据和第一视频特征融合数据,包括:
根据毫米波雷达视频一体式监测设备的实际位置信息,将三维世界坐标系和毫米波雷达坐标系进行融合,获得所述统一坐标系;
将所述统一坐标系与摄像机云台坐标系融合,获得摄像机参考坐标系;
将所述统一坐标系与图像像素坐标系进行融合,获得图像参考坐标系;
根据所述统一坐标系与所述毫米波雷达特征数据,得到所述第一毫米波雷达融合数据;
根据所述摄像机参考坐标系、所述图像参考坐标系和所述视频特征数据,得到所述第一视频特征融合数据。
5.根据权利要求4所述铁路周界入侵预警方法,其特征在于,所述判断融合后的监控数据是否存在入侵目标的步骤,包括;
将所述融合后的监控数据输入目标特征识别模型,获得所述目标特征识别模型输出的运动目标;
控制所述毫米波雷达视频一体式监测设备跟踪所述运动目标,获得所述运动目标的目标运动轨迹参数,所述目标运动轨迹参数包括第一目标速度和第一目标距离;
判断所述第一目标速度是否大于或等于预设速度阈值,且判断所述第一目标距离是否小于或等于预设第一距离阈值;
若所述第一目标速度大于或等于预设速度阈值且所述第一目标距离小于或等于预设第一距离阈值时,则确定所述第一目标为所述入侵目标。
6.根据权利要求5所述的铁路周界入侵预警方法,其特征在于,所述判断所述第一目标速度是否大于或等于预设速度阈值且判断所述第一目标距离是否小于或等于预设第一距离阈值之后,所述方法还包括:
若当所述第一目标速度小于预设速度阈值且所述第一目标距离小于或等于预设第二距离阈值时,则确定所述第一目标为所述入侵目标;其中,所述预设第一距离阈值大于所述预设第二距离阈值。
7.根据权利要求5所述的铁路周界入侵预警方法,其特征在于,所述将所述融合后的监控数据输入目标特征识别模型,获得所述目标特征识别模型输出的运动目标之后,所述方法还包括:
根据所述融合后的监控数据训练目标特征识别模型,得到更新后的所述目标特征识别模型。
8.根据权利要求1所述的铁路周界入侵预警方法,其特征在于,所述若存在所述入侵目标,则输出第一预警信息至警示设备和显示设备,以使所述警示设备发出警告,且所述显示设备通过预设接口联动铁路综合视频监控系统,输出并显示第二预警信息之后,所述方法还包括:
确定所述入侵目标的第一搜索窗口位置;
将所述第一搜索窗口位置发送至卡尔曼滤波器,以获得所述卡尔曼滤波器预测的最佳搜索窗口位置;
判断所述最佳搜索窗口位置的目标面积区域是否大于预设像素值;
若大于预设像素值,则获取所述目标面积区域的高度信息;
根据所述目标面积区域的高度信息,确定该所述入侵目标的分类结果。
9.根据权利要求1所述的铁路周界入侵预警方法,其特征在于,所述若存在所述入侵目标,则输出第一预警信息至警示设备和显示设备,以使所述警示设备发出警告,且显示设备通过预设接口联动铁路综合视频监控系统,输出并显示第二预警信息的步骤,包括:
若存在所述入侵目标,则根据所述运动目标和所述目标运动轨迹参数生成第一预警信息;
将所述第一预警信息传输至所述警示设备和所述显示设备,以使所述警示设备发出警告,且显示设备通过预设接口联动铁路综合视频监控系统获取所述入侵目标的监控视频信息,根据所述第一预警信息和所述监控视频信息输出并显示第二预警信息。
10.根据权利要求9所述的铁路周界入侵预警方法,其特征在于,所述若存在所述入侵目标,则根据所述运动目标和所述目标运动轨迹参数生成第一预警信息步骤,包括:
若所述目标为所述入侵目标,则根据所述目标运动轨迹参数,确定所述入侵目标对应的预设防控检测区域,并根据所述预设防控检测区域确定对应的预设预警等级;
根据所述预设预警等级、所述运动目标和所述目标运动轨迹参数生成第一预警信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210510650.5A CN115083088A (zh) | 2022-05-11 | 2022-05-11 | 铁路周界入侵预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210510650.5A CN115083088A (zh) | 2022-05-11 | 2022-05-11 | 铁路周界入侵预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115083088A true CN115083088A (zh) | 2022-09-20 |
Family
ID=83246780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210510650.5A Pending CN115083088A (zh) | 2022-05-11 | 2022-05-11 | 铁路周界入侵预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115083088A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116311716A (zh) * | 2022-12-27 | 2023-06-23 | 江苏兴力工程管理有限公司新兴分公司 | 一种基于智能应变式的电子电网围栏系统及护卫方法 |
CN116329774A (zh) * | 2023-02-24 | 2023-06-27 | 百超(深圳)激光科技有限公司 | 一种高速光纤激光切割机智能切割控制系统及方法 |
CN116959191A (zh) * | 2023-07-13 | 2023-10-27 | 煤炭科学技术研究院有限公司 | 基于多源信息融合的用户接近防护方法、装置和设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204129891U (zh) * | 2014-09-17 | 2015-01-28 | 深圳市明生通讯科技有限公司 | 一种高铁沿线防入侵系统 |
CN108152808A (zh) * | 2017-11-23 | 2018-06-12 | 安徽四创电子股份有限公司 | 一种基于毫米波雷达的周界智能预测预警方法 |
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 |
CN110428008A (zh) * | 2019-08-02 | 2019-11-08 | 深圳市唯特视科技有限公司 | 一种基于多融合传感器的目标探测与识别装置和方法 |
CN112946628A (zh) * | 2021-02-08 | 2021-06-11 | 江苏中路工程技术研究院有限公司 | 一种基于雷达与视频融合的道路运行状态检测方法及系统 |
CN114419825A (zh) * | 2022-03-29 | 2022-04-29 | 中国铁路设计集团有限公司 | 基于毫米波雷达和摄像头的高铁周界入侵监测装置及方法 |
-
2022
- 2022-05-11 CN CN202210510650.5A patent/CN115083088A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204129891U (zh) * | 2014-09-17 | 2015-01-28 | 深圳市明生通讯科技有限公司 | 一种高铁沿线防入侵系统 |
CN108152808A (zh) * | 2017-11-23 | 2018-06-12 | 安徽四创电子股份有限公司 | 一种基于毫米波雷达的周界智能预测预警方法 |
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 |
CN110428008A (zh) * | 2019-08-02 | 2019-11-08 | 深圳市唯特视科技有限公司 | 一种基于多融合传感器的目标探测与识别装置和方法 |
CN112946628A (zh) * | 2021-02-08 | 2021-06-11 | 江苏中路工程技术研究院有限公司 | 一种基于雷达与视频融合的道路运行状态检测方法及系统 |
CN114419825A (zh) * | 2022-03-29 | 2022-04-29 | 中国铁路设计集团有限公司 | 基于毫米波雷达和摄像头的高铁周界入侵监测装置及方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116311716A (zh) * | 2022-12-27 | 2023-06-23 | 江苏兴力工程管理有限公司新兴分公司 | 一种基于智能应变式的电子电网围栏系统及护卫方法 |
CN116329774A (zh) * | 2023-02-24 | 2023-06-27 | 百超(深圳)激光科技有限公司 | 一种高速光纤激光切割机智能切割控制系统及方法 |
CN116329774B (zh) * | 2023-02-24 | 2023-10-20 | 百超(深圳)激光科技有限公司 | 一种高速光纤激光切割机智能切割控制系统及方法 |
CN116959191A (zh) * | 2023-07-13 | 2023-10-27 | 煤炭科学技术研究院有限公司 | 基于多源信息融合的用户接近防护方法、装置和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Detection and tracking of pedestrians and vehicles using roadside LiDAR sensors | |
Gandhi et al. | Pedestrian protection systems: Issues, survey, and challenges | |
CN115083088A (zh) | 铁路周界入侵预警方法 | |
US11380105B2 (en) | Identification and classification of traffic conflicts | |
KR101877294B1 (ko) | 객체, 영역 및 객체가 유발하는 이벤트의 유기적 관계를 기반으로 한 복수 개 기본행동패턴 정의를 통한 복합 상황 설정 및 자동 상황 인지가 가능한 지능형 방범 cctv 시스템 | |
Sun et al. | Vehicle reidentification using multidetector fusion | |
Kumar et al. | Study of robust and intelligent surveillance in visible and multi-modal framework | |
CN102792314A (zh) | 交叉通行碰撞警报系统 | |
CN113326719A (zh) | 一种用于目标追踪的方法、设备及系统 | |
US20230314594A1 (en) | Slope failure monitoring system | |
CN114445803A (zh) | 驾驶数据的处理方法、装置及电子设备 | |
KR102282800B1 (ko) | 라이다와 영상카메라를 이용한 멀티 표적 추적 방법 | |
CN115272810A (zh) | 一种基于雷视融合的目标检测方法及系统、设备及介质 | |
CN116337102A (zh) | 基于数字孪生技术的无人驾驶环境感知与导航方法 | |
CN113792598B (zh) | 基于车载摄像头的汽车碰撞预测系统和方法 | |
Bai et al. | Cyber mobility mirror: a deep learning-based real-world object perception platform using roadside LiDAR | |
CN117130010A (zh) | 用于无人驾驶的障碍物感知方法、系统及无人驾驶汽车 | |
CN116337101A (zh) | 基于数字孪生技术的无人驾驶环境感知与导航系统 | |
Zhao et al. | A laser-scanner-based approach toward driving safety and traffic data collection | |
CN114912536A (zh) | 一种基于雷达和双光电的目标识别方法 | |
CN115236654A (zh) | 基于多频谱多波段多维度全天候工作复合雷达设备 | |
CN117897737A (zh) | 一种无人机监控方法、装置、无人机及监控设备 | |
Bhatlawande et al. | LIDAR based Detection of Small Vehicles | |
Dulski et al. | Data fusion used in multispectral system for critical protection | |
CN117593892B (zh) | 真值数据的获取方法和装置、存储介质及电子设备 |
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 |