CN116895126A - 入侵检测方法、装置和系统 - Google Patents
入侵检测方法、装置和系统 Download PDFInfo
- Publication number
- CN116895126A CN116895126A CN202310890834.3A CN202310890834A CN116895126A CN 116895126 A CN116895126 A CN 116895126A CN 202310890834 A CN202310890834 A CN 202310890834A CN 116895126 A CN116895126 A CN 116895126A
- Authority
- CN
- China
- Prior art keywords
- detection
- information
- abnormal
- intrusion
- detection unit
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 355
- 230000002159 abnormal effect Effects 0.000 claims abstract description 140
- 238000012544 monitoring process Methods 0.000 claims abstract description 64
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000005856 abnormality Effects 0.000 claims description 35
- 238000004458 analytical method Methods 0.000 claims description 22
- 238000012423 maintenance Methods 0.000 claims description 20
- 239000013307 optical fiber Substances 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 13
- 230000033001 locomotion Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 230000002457 bidirectional effect Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 230000005684 electric field Effects 0.000 claims description 3
- 230000006698 induction Effects 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 230000009545 invasion Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 5
- 238000010191 image analysis Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 241000282472 Canis lupus familiaris Species 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000003897 fog Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G08B13/19—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 infrared-radiation 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Burglar Alarm Systems (AREA)
Abstract
本申请公开一种入侵检测方法、装置和系统,涉及安防技术领域。方法包括:基于多个不同类别的信息检测单元对铁路沿线区域进行检测,获取多个检测信号,每个类别的信息检测单元对应至少一个预设检测维度信息;对多个检测信号进行分析,确定异常区域,异常区域为存在异常检测信号的区域;获取异常区域对应的视频监控图像;对视频监控图像中的物体进行识别,确定异常区域中存在入侵物体。基于多个不同的检测维度的检测信号,丰富对铁路沿线区域的检测信息,并对多个检测信号进行分析,确定异常区域,对获取到的异常区域对应的视频监控图像中的物体进行识别,以确定异常区域中存在入侵物体,提升对入侵物体的检测准确性。
Description
技术领域
本申请涉及安防技术领域,具体涉及一种入侵检测方法、装置和系统。
背景技术
随着铁路线的延伸,在铁路沿线的多个沿线区域中,可能存在非法入侵的现象,危害了公共安全和人身安全。并且,各类破坏铁路设施行为还会影响铁路的安全运营。如何对铁路周界进行有效的安全防护,称为亟待解决的技术问题。
发明内容
为此,本申请提供一种入侵检测方法、装置和系统,解决如何准确的对铁路沿线区域进行检测,以确定铁路沿线区域中是否存在入侵物体的问题。
第一方面,本申请提供一种入侵检测方法,方法包括:基于多个不同类别的信息检测单元对铁路沿线区域进行检测,获取多个检测信号,每个类别的信息检测单元对应至少一个预设检测维度信息;对多个检测信号进行分析,确定异常区域,异常区域为存在异常检测信号的区域;获取异常区域对应的视频监控图像;对视频监控图像中的物体进行识别,确定异常区域中存在入侵物体。
第二方面,本申请提供一种入侵检测装置,其包括:检测信号获取模块,被配置为基于多个不同类别的信息检测单元对铁路沿线区域进行检测,获取多个检测信号,每个类别的信息检测单元对应至少一个预设检测维度信息;分析模块,被配置为对多个检测信号进行分析,确定异常区域,异常区域为存在异常检测信号的区域;图像获取模块,被配置为获取异常区域对应的视频监控图像;物体识别模块,被配置为对视频监控图像中的物体进行识别,确定异常区域中存在入侵物体。
第三方面,本申请提供一种入侵检测系统,其包括:通信连接的入侵检测装置、多个不同类别的信息检测单元、以及视频监控设备;入侵检测装置,被配置为执行本申请实施例中的任一种入侵检测方法;信息检测单元,被配置为基于预设检测维度信息,对铁路沿线区域进行检测,获取与预设检测维度信息对应的检测信号;视频监控设备,被配置为获取异常区域对应的视频监控图像,并将异常区域对应的视频监控图像发送给入侵检测装置;其中,异常区域为入侵检测装置对信息检测单元检测出的多个检测信号进行分析确定的区域。
第四方面,本申请实施例提供了一种电子设备,包括:一个或多个处理器;存储器,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现本申请实施例中的任意一种电源检测方法。
第五方面,本申请实施例提供了一种可读存储介质,该可读存储介质存储有计算机程序,计算机程序被处理器执行时实现本申请实施例中的任意一种电源检测方法。
本申请中的入侵检测方法、装置和系统,通过基于多个不同类别的信息检测单元对铁路沿线区域进行检测,获取多个检测信号,每个类别的信息检测单元对应至少一个预设检测维度信息,能够获取多个不同的检测维度的检测信号,以丰富对铁路沿线区域的检测信息;对多个检测信号进行分析,确定异常区域,并获取异常区域对应的视频监控图像,该异常区域为存在异常检测信号的区域,以便于对进入到异常区域内的物体进行更准确的图像分析,提升对异常区域的判断准确性;对视频监控图像中的物体进行识别,以确定该视频监控图像中的物体是否存在异常物体(即,入侵物体),从而更准确的对视频监控图像中的物体进行筛选,确定异常区域中存在入侵物体,提升对入侵物体的检测准确性。
附图说明
附图用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本申请,并不构成对本申请的限制。通过参考附图对详细示例实施例进行描述,以上和其它特征和优点对本领域技术人员将变得更加显而易见,在附图中:
图1示出本申请实施例提供的一种入侵检测方法的流程示意图。
图2示出本申请实施例提供的一种入侵检测装置的组成方框图。
图3示出本申请实施例提供的一种入侵检测系统的组成方框图。
图4示出本申请实施例提供的一种入侵检测系统的组成方框图。
图5示出本申请实施例提供的一种入侵检测系统的架构示意图。
图6示出本申请实施例提供的一种入侵检测系统获取检测信号的示意图。
图7示出本申请实施例提供的一种电子设备的组成方框图。
具体实施方式
以下结合附图对本申请的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本申请,并不用于限制本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
目前,针对铁路沿线的多个沿线区域,是分别使用不同的周界入侵探测装置进行入侵检测的,但是,各个周界入侵探测装置之间具有较强的独立性,缺乏装置之间的联动。当在铁路沿线区域发生入侵行为时,无法在第一时间提供准确的预警信息,不能充分发挥周界入侵的预警联防作用,削弱了对周界入侵的防范水平。
并且,有些周界入侵探测装置存在信息漏报、误报等异常,有些周界入侵探测装置的环境适应性弱、稳定性差、防护范围小、后期维护困难、以及部署流程复杂等问题。如何对铁路周界进行有效的安全防护,称为亟待解决的技术问题。
针对上述问题,本申请提供一种入侵检测方法、装置和系统。以便于通过基于多个不同类别的信息检测单元对铁路沿线区域进行检测,获取多个检测信号,每个类别的信息检测单元对应至少一个预设检测维度信息,能够使多个类别的信息检测单元进行协同工作,获取多个不同的检测维度的检测信号,以丰富对铁路沿线区域的检测信息;对多个检测信号进行分析,确定异常区域,并获取异常区域对应的视频监控图像,该异常区域为存在异常检测信号的区域,以便于对进入到异常区域内的物体进行更准确的图像分析,提升对异常区域的判断准确性;进一步地,与视频监控设备进行联动,对视频监控图像中的物体进行识别,以确定该视频监控图像中的物体是否存在入侵物体,从而更准确的对视频监控图像中的物体进行筛选,确定异常区域中存在入侵物体,提升对入侵物体的检测准确性,降低误报率。
图1示出本申请实施例提供的一种入侵检测方法的流程示意图。该入侵检测方法可应用于入侵检测装置。如图1所示,该入侵检测方法包括但不限于如下步骤。
步骤S101,基于多个不同类别的信息检测单元对铁路沿线区域进行检测,获取多个检测信号。
其中,每个类别的信息检测单元对应至少一个预设检测维度信息。
步骤S102,对多个检测信号进行分析,确定异常区域。
其中,异常区域为存在异常检测信号的区域。
步骤S103,获取异常区域对应的视频监控图像。
步骤S104,对视频监控图像中的物体进行识别,确定异常区域中存在入侵物体。
在本实施例中,通过基于多个不同类别的信息检测单元对铁路沿线区域进行检测,获取多个检测信号,每个类别的信息检测单元对应至少一个预设检测维度信息,能够获取多个不同的检测维度的检测信号,以丰富对铁路沿线区域的检测信息;对多个检测信号进行分析,确定异常区域,并获取异常区域对应的视频监控图像,该异常区域为存在异常检测信号的区域,以便于对进入到异常区域内的物体进行更准确的图像分析,提升对异常区域的判断准确性;对视频监控图像中的物体进行识别,以确定该视频监控图像中的物体是否存在异常物体(即,入侵物体),从而更准确的对视频监控图像中的物体进行筛选,确定异常区域中存在入侵物体,提升对入侵物体的检测准确性。
本申请实施例提供了另一种可能的实现方式,其中,步骤S101中的基于多个不同类别的信息检测单元对铁路沿线区域进行检测,获取多个检测信号,可以采用如下方式实现:基于接触式信息检测单元、远距离信息检测单元、以及光电式信息检测单元中的至少两种信息检测单元,对铁路沿线区域进行检测,获取多类检测信号。
其中,多类检测信号包括接触式检测信号、非接触式检测信号、以及光电检测信号中的至少两种,每类检测信号包括多个与信息检测单元的类别对应的检测信号。
需要说明的是,接触式信息检测单元成本低廉,且工作原理简单便于实现;而远距离信息检测单元能够探测的距离相较于接触式信息检测单元的探测距离远,其能够稳定进行数据传输,并且灵敏度高。
光电式信息检测单元具有光线穿透能力强、可移动识别铁路沿线区域中出现的待测物体的大小的特性,能够调节铁路沿线区域对应的形状与范围,实现对铁路沿线区域的灵活探测。
例如,接触式信息检测单元包括:声控检测单元、振动检测单元中的至少一种;远距离信息检测单元包括:雷达检测单元、微波检测单元、红外检测单元、超声波检测单元、电场感应式检测单元、以及视频检测单元中的至少一种;光电式信息检测单元包括:光纤检测单元、微波-被动红外双向检测单元、超声波-被动红外双向检测单元中的至少一种。
在一些示例性的实施例中,步骤S102中的对多个检测信号进行分析,确定异常区域,可以采用如下方式实现:分别对每类检测信号进行分析,确定在铁路沿线区域中是否存在异常检测信号;在确定铁路沿线区域中存在异常检测信号的情况下,将异常检测信号对应的区域,标记在预设电子地图中;依据预设电子地图中的异常检测信号的位置变化信息,确定异常区域。
其中,异常检测信号为检测信号值处于预设检测阈值范围以外的信号;预设电子地图包括多个铁路沿线区域。
例如,某个异常检测信号出现在铁路沿线区域A中,则在预设电子地图中与铁路沿线区域A对应的区域标记该异常检测信号的发生位置,然后,针对该异常检测信号进行实时跟踪,确定该异常检测信号是否发生位移(例如,该异常检测信号移动至铁路沿线区域B中),并将其发生位移对应的位置信息(例如,铁路沿线区域B的位置)同步标记到预设电子题图中,从而基于该异常检测信号在预设电子地图中的位置变化信息,划分出异常区域(例如,该异常区域包括铁路沿线区域A和铁路沿线区域B)。
通过上述针对异常检测信号的实时跟踪和处理,并将获得的异常检测信号对应的位置信息标记到预设电子地图中,能够直观的观测到该异常检测信号的变化情况,从而准确的划分出异常区域,便于运维人员针对该异常区域进行准确的勘查,查找出发生该异常检测信号的物体,提升铁路沿线区域的安全性。
在一些示例性的实施例中,依据预设电子地图中的异常检测信号的位置变化信息,确定异常区域,可以采用如下方式实现:基于预设电子地图中的异常检测信号的位置变化信息,动态绘制异常检测信号在预设电子地图中的运动轨迹;基于异常检测信号在预设电子地图中的运动轨迹,确定异常区域。
例如,当某个异常检测信号在预设时段内的不同时刻出现在不同的位置上,则可以基于预设电子地图中的异常检测信号的位置变化信息,动态绘制异常检测信号在预设电子地图中的运动轨迹。例如,第一时刻预设电子地图中的异常检测信号出现在第一位置上,第二时刻预设电子地图中的异常检测信号出现在第二位置上,……,第k时刻预设电子地图中的异常检测信号出现在第k位置上,k为大于1的整数,k表示预设时段内的时刻数量。则可以将第一位置、第二位置、……、第k位置进行线性连接,从而可获得异常检测信号在预设电子地图中的运动轨迹。
进一步地,基于该异常检测信号在预设电子地图中的运动轨迹,能够明确该运动轨迹所涵盖的区域即为异常区域。能够准确的在预设电子地图中绘制异常区域对应的大体轮廓,便于运维人员对该异常区域进行再次确认和检查,清除入侵物体,保持铁路沿线区域内的安全性。
在一些示例性的实施例中,在执行步骤S104中的对视频监控图像中的物体进行识别,确定异常区域中存在入侵物体之后,方法还包括:提取视频监控图像中存在的入侵物体的入侵特征信息;基于入侵特征信息,生成告警信息;向操作维护单元发送告警信息。
其中,入侵特征信息用于描述入侵物体的属性特征,例如,入侵物体的长度、宽度、颜色等。通过从视频监控图像中提取其中存在的入侵物体的入侵特征信息,能够进一步对入侵物体有更详细的了解;并基于该入侵特征信息生成告警信息,例如,该告警信息包括入侵物体的入侵特征信息等。
并且,该告警信息还可以包括该入侵特征物体所在的视频监控图像的编号(例如,采用该编号表征采集该视频监控图像的视频采集设备的标识等)、入侵物体对应的异常区域的标号等。
进一步地,将该告警信息发送给操作维护单元,能够使运维人员通过操作维护单元及时获知异常区域中发生的异常、以及该异常区域中存在的入侵物体的入侵特征信息,便于运维人员针对该入侵特征信息进行分析,快速的确定入侵物体的类别。
在一些示例性的实施例中,步骤S104中的对视频监控图像中的物体进行识别,确定异常区域中存在入侵物体,可以采用如下方式实现:提取视频监控图像中的物体的待识别特征信息;将待识别特征信息输入到预设物体识别模型中进行处理,获取物体识别结果;基于物体识别结果确定视频监控图像中的物体存在入侵物体。
其中,预设物体识别模型是基于多个样本物体的特征信息,对预设神经网络模型进行训练获得的模型。例如,样本物体的特征信息包括入侵样本物体的属性特征信息(例如,该入侵样本物体的属性特征信息可以包括:人的身高、体重、头发长度、穿衣颜色等特征信息;也可以包括:动物(例如,老鼠、猫、狗等)的属性特征等)。
以上对于样本物体的特征信息仅是举例说明,可根据实际情况进行具体设定,其他未说明的样本物体的特征信息也在本申请的保护范围之内,在此不再赘述。
通过将提取到的视频监控图像中的物体的待识别特征信息,输入到预设物体识别模型中进行处理,能够使预设物体识别模型可以对待识别特征信息进行精细的处理,例如,将该待识别特征信息与样本物体的特征信息进行匹配等,以确定该待识别特征信息具体与哪种样本物体的特征信息相匹配,从而获得物体识别结果。
其中的物体识别结果包括视频监控图像中的物体的所属类别,例如,基于该物体识别结果确定视频监控图像中的物体为人类(或,猫,或狗等)。由于铁路沿线区域的特点(如,高速铁路的运行速度较高,其铁路沿线区域对应不能出现遮挡物等),除了常规的运维人员,不会出现人类,因此,通过对物体识别结果的分析,可确定视频监控图像中的物体存在入侵物体,能够快速准确的确定出入侵物体的类别,便于运维人员对入侵物体进行再次确认和/或驱离,以保证铁路沿线区域的安全性。
图2示出本申请实施例提供的一种入侵检测装置的组成方框图。
如图2所示,该入侵检测装置200包括但不限于如下模块:
检测信号获取模块201,被配置为基于多个不同类别的信息检测单元对铁路沿线区域进行检测,获取多个检测信号,每个类别的信息检测单元对应至少一个预设检测维度信息。
分析模块202,被配置为对多个检测信号进行分析,确定异常区域,异常区域为存在异常检测信号的区域。
图像获取模块203,被配置为获取异常区域对应的视频监控图像。
物体识别模块204,被配置为对视频监控图像中的物体进行识别,确定异常区域中存在入侵物体。
在本实施方式中,通过检测信号获取模块基于多个不同类别的信息检测单元对铁路沿线区域进行检测,获取多个检测信号,每个类别的信息检测单元对应至少一个预设检测维度信息,能够获取多个不同的检测维度的检测信号,以丰富对铁路沿线区域的检测信息;使用分析模块对多个检测信号进行分析,确定异常区域,并使用图像获取模块获取异常区域对应的视频监控图像,该异常区域为存在异常检测信号的区域,以便于对进入到异常区域内的物体进行更准确的图像分析,提升对异常区域的判断准确性;使用物体识别模块对视频监控图像中的物体进行识别,以确定该视频监控图像中的物体是否存在异常物体(即,入侵物体),从而更准确的对视频监控图像中的物体进行筛选,确定异常区域中存在入侵物体,提升对入侵物体的检测准确性。
值得一提的是,本实施方式中所涉及到的各模块均为逻辑模块,在实际应用中,一个逻辑单元可以是一个物理单元,也可以是一个物理单元的一部分,还可以以多个物理单元的组合实现。此外,为了突出本申请的创新部分,本实施方式中并没有将与解决本申请所提出的技术问题关系不太密切的单元引入,但这并不表明本实施方式中不存在其它的单元。
图3示出本申请实施例提供的一种入侵检测系统的组成方框图。如图3所示,该入侵检测系统包括但不限于如下设备。
通信连接的入侵检测装置310、多个不同类别的信息检测单元320(例如,接触式信息检测单元321、远距离信息检测单元322和光电式信息检测单元323)、以及视频监控设备330。
在一些示例性的实施例中,接触式信息检测单元321可以采用声控检测单元、振动检测单元中的至少一种来实现。
远距离信息检测单元322可以采用雷达检测单元、微波检测单元、红外检测单元、超声波检测单元、电场感应式检测单元、以及视频检测单元中的至少一种来实现。
光电式信息检测单元323可以采用光纤检测单元、微波-被动红外双向检测单元、超声波-被动红外双向检测单元中的至少一种来实现。
入侵检测装置310,被配置为执行本申请实施例中的任一种入侵检测方法。
信息检测单元320,被配置为基于预设检测维度信息,对铁路沿线区域进行检测,获取与预设检测维度信息对应的检测信号。
视频监控设备330,被配置为获取异常区域对应的视频监控图像,并将异常区域对应的视频监控图像发送给入侵检测装置。
其中,异常区域为入侵检测装置310对信息检测单元320检测出的多个检测信号进行分析确定的区域。
在一些实施例中,入侵检测系统,还包括:显示单元(图中未示出),被配置为显示预设电子地图,并在确定铁路沿线区域中存在异常检测信号的情况下,使用与铁路沿线区域不同的标识,显示异常检测信号对应的区域;
其中,预设电子地图包括多个铁路沿线区域。
例如,采用黑色边界线来标识多个不同的铁路沿线区域,然后,采用红色线段(或,红色点线等)来标识并在预设电子地图中显示异常检测信号对应的区域,能够从显示单元直观快速的读取到异常检测信号对应的区域,便于运维人员通过该显示单元对异常检测信号进行快速定位,提升入侵检测的效率。
图4示出本申请实施例提供的一种入侵检测系统的组成方框图。如图4所示,该入侵检测系统包括但不限于如下设备:
振动传感器411、雷达检测单元412、光纤传感器413、被动式红外传感器414、摄像装置415、主控装置420、综合管理平台服务器431、显示平台服务器432、以及控制平台服务器433。
雷达检测单元412可以采用毫米波雷达和/或厘米波雷达实现,其中,毫米波雷达是工作在毫米波波段(millimeter wave)的探测雷达。通常,毫米波是指30~300GHz频域(波长为1~10mm)的波段。毫米波的波长介于微米波和厘米波之间,因此,毫米波雷达兼有微波雷达和光电雷达的优点。
毫米波雷达包括毫米波导引头,该毫米波导引头相较于厘米波导引头而言,其具有体积小、质量轻和空间分辨率高的特点。并且,毫米波导引头还具有穿透雾、烟、灰尘的能力强,能够进行全天候全天时的检测。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。因此,采用毫米波雷达能够对体积很小的目标物体进行识识别,且能够同时识别多个目标;具有成像能力强,体积小、机动性和隐蔽性好等。
光纤传感器413的工作原理为将光源入射的光束经由光纤送入调制器,在调制器内与外界被测物体对应的参数的相互作用,使光的光学性质(如光的强度、波长、频率、相位、偏振态等)发生变化,成为被调制的光信号;再将该被调制的光信号经由光纤送入光电器件进行解调,获得解调后的被测参数。基于该解调后的被测参数来确定被测物体的状态(例如,所处区域、对应的位置等信息)。
振动传感器411是用于检测冲击力的传感器。振动传感器411在接收到外部输入的机械量后,将该机械量转换为与之成比例的电量;然后,针对该电量进行对应的测量和估算,确定与输入的机械量对应的待测物体的状态。
被动式红外传感器414可以采用被动红外探测器实现,被动红外探测器是依靠被动的吸收热能(例如,动物(或人类)活动时身体散发出的红外热能等),来对待测物体进行探测,以确定待测物体对应的位置。并且,被动式红外探测器不需要附加红外辐射光源,本身不向外界发射任何能量,而是由被动式红外探测器直接探测来自待测物体的红外辐射,从而获得待测物体对应的红外热能。
其中,被动红外探测器可以包括菲涅尔透镜和热释电传感器。需自然界中任何高于绝对温度(即,-273℃)的物体都会产生红外辐射,不同温度的物体释放的红外能量波长不同。而人体具有恒定的体温,与周围环境温度存在差别。通过这种温度的差别,能够使人体在活动时,通过菲涅尔透镜被热释电传感器检测到,从而输出报警信号。
当振动传感器411、雷达检测单元412、光纤传感器413和被动式红外传感器414分别将其接收到的检测信号输入到主控装置420中时,主控装置420能够对上述多种不同的检测信号进行数据融合,以及对应的数据分析,从而确定是否存在异常检测信号,并将存在异常检测信号的区域确定为异常区域;进一步地,获取异常区域对应的视频监控图像;对该视频监控图像中的物体进行识别,确定视频监控图像中存在的入侵物体的具体位置,从而对该入侵物体进行精确锁定与跟踪定位。
在一些实施例中,主控装置420分别对每类检测信号进行分析,确定在铁路沿线区域中是否存在异常检测信号,该异常检测信号为检测信号值处于预设检测阈值范围以外的信号;在确定铁路沿线区域中存在异常检测信号的情况下,将异常检测信号对应的区域,标记在预设电子地图(例如,预设电子地图包括多个铁路沿线区域)中;依据预设电子地图中的异常检测信号的位置变化信息,确定异常区域。
然后,通过异常区域中设置的视频监控设备(例如,摄像头等)采集该异常区域对应的视频监控图像,并采用机器视觉图像感知技术对该视频监控图像进行图像分析(例如,通过人工智能深度学习技术,嵌入物体特征识别等算法对视频监控图像进行分析),确定视频监控图像中是否存在的入侵物体。
在确定存在入侵物体的情况下,主控装置420提取视频监控图像中存在的入侵物体的入侵特征信息;基于入侵特征信息,生成告警信息;并将该告警信息发送给显示平台服务器432,以使显示平台服务器432能够将该告警信息以多种不同的显示方式(例如,报警灯展示、告警界面提示等)告知运行维护人员。
运行维护人员可以通过综合管理平台服务器431对异常区域中的设备进行调度,以警告或驱离入侵物体。
运行维护人员还可以通过控制平台服务器433来调用摄像装置415对异常区域内的入侵物体进行拍摄,以便于取证。进一步地,运行维护人员还能够基于异常区域对应的位置信息,快速到达该异常区域,进行现场勘查。
在一些实施例中,显示平台服务器432还可以显示预设电子地图中的多个铁路沿线区域,并基于预设电子地图中的异常检测信号的位置变化信息,动态绘制异常检测信号在预设电子地图中的运动轨迹;基于异常检测信号在预设电子地图中的运动轨迹,确定并显示该异常区域。从而能够对异常检测信号对应的待测物体进行实时的位置跟踪,直观的展示待测物体的运动轨迹,便于运行维护人员观看和处理。
通过主控装置420分别对振动传感器411、雷达检测单元412、光纤传感器413、被动式红外传感器414和摄像装置415进行联动调度,不仅能够实时对铁路沿线区域中出现的异常情况进行检测,确定入侵物体的实时位置,还可以对入侵物体的位置变化情况进行实时的视频监控,从而准确的对入侵物体进行定位。
在确定异常区域中存在入侵物体的情况下,可提取视频监控图像中存在的入侵物体的入侵特征信息,并基于该入侵特征信息,生成告警信息。进而将告警信息输出到显示平台服务器432中,从而触发铁路沿线区域内的报警,通过广播提示或警示的方式,驱离入侵物体。
在一些实施例中,振动传感器411和光纤传感器413可以加装于铁路沿线区域周围的安全网或围栏上,对入侵行为发生的振动、应力变化等信息进行感应,实时的对进入到铁路沿线区域内的物体进行监控。并且,振动传感器411和光纤传感器413还具有不易受电磁干扰、受气候条件影响较小、定位精度高、以及设备体积小利于隐蔽等特点。
在一些实施例中,被动式红外传感器414可以根据外界红外能量的变化信息,判断是否有人或动物在移动。由于人体的红外能量与环境有所差别,因此,当人或动物进入到铁路沿线区域内时,被动式红外传感器414可以根据采集到的不同的红外能量的位置变化,确定是否存在异常的入侵物体,从而发出告警。
在一些实施例中,雷达检测单元412可实时的对铁路沿线区域进行雷达扫描,通过检测是否存在异常雷达信号来确定铁路沿线区域内是否出现入侵物体。
通过上述不同的传感器之间的联动,能够使铁路沿线区域的告警精度得到明显的提高,从而快速、精准的定位入侵物体的位置。并且,还能够扩展铁路沿线区域的探测覆盖面积,为运行维护人员提供准确、可靠、实时的报警信息。
图5示出本申请实施例提供的一种入侵检测系统的架构示意图。如图5所示,该入侵检测系统500包括感知模块510、数据传输模块520、分析处理模块530、以及应用模块540。
其中,感知模块510是入侵检测系统的核心模块,感知模块510包括:毫米波雷达检测单元511、振动传感器512、光纤传感器513和被动式红外传感器514。感知模块510的主要功能是基于多种不同的检测维度,获取多种不同的检测信号,以便于捕获铁路沿线区域内的不同物体的运动信息(例人,物体的位置信息、物体之间的位置关系、物体的移动速度、以及物体的振动信息等等)。
数据传感模块520包括:光纤网络521、有线网络522和无线网络523。数据传感模块520,用于传输感知模块510获取的多种不同的检测信号。其中,不同的检测信号可以使用不同的传输方式,例如,可根据实际需求,采用同轴电缆(图中未示出)、无线网络523、光纤网络521、有线网络522等多种不同的传输方式进行信号的传输,保证在不同的监控环境下,对感知模块510获取到的多种不同的检测信号进行安全的传输,以使分析处理模块530可以获取到各个不同的检测信号。
分析处理模块530,用于接收数据传输模块520传输的数据,然后,对该数据进行分析、处理和评估,并确定是否存在异常检测信号。
其中,分析处理模块530包括:视频分析子模块531、雷达检测分析子模块532、传感器采集数据分析子模块533和综合分析子模块534。例如,可采用雷达检测分析子模块532对毫米波雷达检测单元511上传的雷达检测信号进行分析,以确定是否存在异常的雷达检测信号;使用传感器采集数据分析子模块533对振动传感器512、光纤传感器513和被动式红外传感器514上传的振动检测信号、光纤检测信号和红外检测信号进行分析,以确定是否存在异常的振动检测信号、异常的光纤检测信号和异常的红外检测信号等。
图6示出本申请实施例提供的一种入侵检测系统获取检测信号的示意图。如图6所示,分析处理模块530可以分别接收毫米波雷达检测单元511、振动传感器512、光纤传感器513和被动式红外传感器514上传的各种不同类型的检测信号;分析处理模块530还可以接收到摄像装置550上传的视频数据。
然后,分别使用雷达检测分析子模块532对毫米波雷达检测单元511上传的雷达检测信号进行分析,以确定是否检测到异常物体的入侵。使用传感器采集数据分析子模块533对振动传感器512、光纤传感器513和被动式红外传感器514上传的振动检测信号、光纤检测信号和红外检测信号进行分析,以确定是否检测到异常物体的入侵。
综合分析子模块534,用于根据雷达检测分析子模块532和传感器采集数据分析子模块533输入的检测结果,进行综合分析,从而明确异常区域,该异常区域为存在异常检测信号的区域。
进一步地,还可以使用视频分析子模块531对摄像装置550上传的异常区域对应的视频监控图像进行物体识别,以确定异常区域对应的视频监控图像中是否存在入侵物体。
应用模块540包括:视频检测平台541、数据存储平台542、报警系统543和信息服务设备544。
其中,视频检测平台541用于对接收到的视频数据进行检测,以确定视频数据是否完整。数据存储平台542用于存储视频数据。
报警系统543用于基于综合分析子模块534从视频监控图像中提取的入侵物体的入侵特征信息,生成告警信息,并将该告警信息展示给运行维护人员,以便于运行维护人员对入侵物体进行进一步的确认。
信息服务设备544用于向运行维护人员提供对应的信息处理接口,例如,向运行维护人员提供与感知模块510中的多种不同的信息检测单元的操作接口,以便于运行维护人员可以直接对各种不同的信息检测单元进行操控。
图7示出本申请实施例提供的一种电子设备的组成方框图。该电子设备能够实现本申请实施例中的任意一种入侵检测方法。
如图7所示,电子设备700包括输入设备701、输入接口702、中央处理器703、存储器704、输出接口705、输出设备706、以及总线707。其中,输入接口702、中央处理器703、存储器704、以及输出接口705通过总线707相互连接,输入设备701和输出设备706分别通过输入接口702和输出接口705与总线707连接,进而与电子设备700的其他组件连接。
具体地,输入设备701接收来自外部的输入信息,并通过输入接口702将输入信息传送到中央处理器703;中央处理器703基于存储器704中存储的计算机可执行指令对输入信息进行处理以生成输出信息,将输出信息临时或者永久地存储在存储器704中,然后通过输出接口705将输出信息传送到输出设备706;输出设备706将输出信息输出到计算设备700的外部供用户使用。
在一个实施例中,图7所示的电子设备700可以被实现为一种网络设备,该网络设备可以包括:存储器,被配置为存储程序;处理器,被配置为运行存储器中存储的程序,以执行上述实施例描述的任意一种入侵检测方法。
根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,所述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以从网络上被下载和安装,和/或从可拆卸存储介质被安装。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其它数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其它存储器技术、CD-ROM、数字多功能盘(DVD)或其它光盘存储、磁盒、磁带、磁盘存储或其它磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其它的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其它传输机制之类的调制数据信号中的其它数据,并且可包括任何信息递送介质。
可以理解的是,以上实施方式仅仅是为了说明本申请的原理而采用的示例性实施方式,然而本申请并不局限于此。对于本领域内的普通技术人员而言,在不脱离本申请的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本申请的保护范围。
Claims (10)
1.一种入侵检测方法,其特征在于,所述方法包括:
基于多个不同类别的信息检测单元对铁路沿线区域进行检测,获取多个检测信号,每个类别的信息检测单元对应至少一个预设检测维度信息;
对所述多个检测信号进行分析,确定异常区域,所述异常区域为存在异常检测信号的区域;
获取所述异常区域对应的视频监控图像;
对所述视频监控图像中的物体进行识别,确定所述异常区域中存在入侵物体。
2.根据权利要求1所述的方法,其特征在于,所述基于多个不同类别的信息检测单元对铁路沿线区域进行检测,获取多个检测信号,包括:
基于接触式信息检测单元、远距离信息检测单元、以及光电式信息检测单元中的至少两种信息检测单元,对所述铁路沿线区域进行检测,获取多类检测信号;
其中,所述多类检测信号包括接触式检测信号、非接触式检测信号、以及光电检测信号中的至少两种,每类所述检测信号包括多个与所述信息检测单元的类别对应的检测信号。
3.根据权利要求2所述的方法,其特征在于,所述接触式信息检测单元包括:声控检测单元、振动检测单元中的至少一种;
所述远距离信息检测单元包括:雷达检测单元、微波检测单元、红外检测单元、超声波检测单元、电场感应式检测单元、以及视频检测单元中的至少一种;
所述光电式信息检测单元包括:光纤检测单元、微波-被动红外双向检测单元、超声波-被动红外双向检测单元中的至少一种。
4.根据权利要求2所述的方法,其特征在于,所述对所述多个检测信号进行分析,确定异常区域,包括:
分别对每类所述检测信号进行分析,确定在所述铁路沿线区域中是否存在所述异常检测信号,所述异常检测信号为检测信号值处于预设检测阈值范围以外的信号;
在确定所述铁路沿线区域中存在所述异常检测信号的情况下,将所述异常检测信号对应的区域,标记在预设电子地图中,其中,所述预设电子地图包括多个所述铁路沿线区域;
依据所述预设电子地图中的异常检测信号的位置变化信息,确定所述异常区域。
5.根据权利要求4所述的方法,其特征在于,所述依据所述预设电子地图中的异常检测信号的位置变化信息,确定所述异常区域,包括:
基于所述预设电子地图中的异常检测信号的位置变化信息,动态绘制所述异常检测信号在所述预设电子地图中的运动轨迹;
基于所述异常检测信号在所述预设电子地图中的运动轨迹,确定所述异常区域。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述对所述视频监控图像中的物体进行识别,确定所述异常区域中存在入侵物体之后,所述方法还包括:
提取所述视频监控图像中存在的入侵物体的入侵特征信息;
基于所述入侵特征信息,生成告警信息;
向操作维护单元发送所述告警信息。
7.根据权利要求1至5中任一项所述的方法,其特征在于,所述对所述视频监控图像中的物体进行识别,确定所述异常区域中存在入侵物体,包括:
提取所述视频监控图像中的物体的待识别特征信息;
将所述待识别特征信息输入到预设物体识别模型中进行处理,获取物体识别结果,其中,所述预设物体识别模型是基于多个样本物体的特征信息,对预设神经网络模型进行训练获得的模型;
基于所述物体识别结果确定所述视频监控图像中的物体存在所述入侵物体。
8.一种入侵检测装置,其包括:
检测信号获取模块,被配置为基于多个不同类别的信息检测单元对铁路沿线区域进行检测,获取多个检测信号,每个类别的信息检测单元对应至少一个预设检测维度信息;
分析模块,被配置为对所述多个检测信号进行分析,确定异常区域,所述异常区域为存在异常检测信号的区域;
图像获取模块,被配置为获取所述异常区域对应的视频监控图像;
物体识别模块,被配置为对所述视频监控图像中的物体进行识别,确定所述异常区域中存在入侵物体。
9.一种入侵检测系统,其包括:通信连接的入侵检测装置、多个不同类别的信息检测单元、以及视频监控设备;
所述入侵检测装置,被配置为执行如权利要求1至7中任一项所述的入侵检测方法;
所述信息检测单元,被配置为基于预设检测维度信息,对铁路沿线区域进行检测,获取与所述预设检测维度信息对应的检测信号;
所述视频监控设备,被配置为获取异常区域对应的视频监控图像,并将所述异常区域对应的视频监控图像发送给所述入侵检测装置;
其中,所述异常区域为所述入侵检测装置对所述信息检测单元检测出的多个检测信号进行分析确定的区域。
10.根据权利要求9所述的入侵检测系统,其特征在于,所述入侵检测系统,还包括:
显示单元,被配置为显示预设电子地图,并在确定所述铁路沿线区域中存在异常检测信号的情况下,使用与所述铁路沿线区域不同的标识,显示所述异常检测信号对应的区域;
其中,所述预设电子地图包括多个所述铁路沿线区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310890834.3A CN116895126A (zh) | 2023-07-19 | 2023-07-19 | 入侵检测方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310890834.3A CN116895126A (zh) | 2023-07-19 | 2023-07-19 | 入侵检测方法、装置和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116895126A true CN116895126A (zh) | 2023-10-17 |
Family
ID=88314673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310890834.3A Pending CN116895126A (zh) | 2023-07-19 | 2023-07-19 | 入侵检测方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116895126A (zh) |
-
2023
- 2023-07-19 CN CN202310890834.3A patent/CN116895126A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103606236B (zh) | 一种基于分布式光纤入侵报警单元的实时安全监测系统 | |
CN110133573A (zh) | 一种基于多元传感器信息融合的自主低空无人机防御系统 | |
CN109920185A (zh) | 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 | |
CN110136378A (zh) | 一种机场周界入侵报警系统及入侵报警方法 | |
KR101923900B1 (ko) | 다목적 쓰레기 불법 투기 감시 시스템 | |
KR101927364B1 (ko) | 딥 러닝 기반의 상황인지 실외 침입감지 레이더 시스템 및 이를 이용한 침입 감지 방법 | |
KR102369229B1 (ko) | 지하공동구 특화 레일로봇 기반 위험예측시스템 및 위험예측방법 | |
CN110126885B (zh) | 一种铁路周界入侵目标监测方法及系统 | |
CN105431864A (zh) | 区域中的操作监视 | |
CN113741532A (zh) | 一种反无人机目标跟踪反制系统 | |
KR101679597B1 (ko) | 객체 관리 시스템 및 그 방법 | |
CN101699531A (zh) | 红外相关识别报警系统及其识别方法 | |
CN112926535A (zh) | 一种基于机器人的仓库安全监测、盘点方法及系统 | |
CN112757300A (zh) | 机器人的防护系统及方法 | |
CN113484858A (zh) | 一种入侵检测方法和系统 | |
KR20120033216A (ko) | 감시용 센서 | |
CN113219454A (zh) | 基于毫米波雷达的防车辆和人员侵入跑道的系统及方法 | |
CN106774422A (zh) | 一种无人机识别方法及系统 | |
CN113870509A (zh) | 一种入侵探测系统 | |
RU2595532C1 (ru) | Радиолокационная система охраны территорий с малокадровой системой видеонаблюдения и оптимальной численностью сил охраны | |
US8030615B2 (en) | Method and apparatus for detecting organic materials and objects from multispectral reflected light | |
CN103863784A (zh) | 一种用于监测井下皮带接头故障的图像采集系统 | |
CN102867385B (zh) | 基于脉冲光斑阵图样变化检测的楼宇安防系统及安防方法 | |
CN114495014A (zh) | 智慧社区管理系统和智慧社区管理系统控制方法 | |
US7767966B2 (en) | Method and apparatus for detecting organic materials and objects from multispectral reflected light |
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 |