CN206807648U - 一种融合图像数据和传感器数据处理的入侵检测系统 - Google Patents
一种融合图像数据和传感器数据处理的入侵检测系统 Download PDFInfo
- Publication number
- CN206807648U CN206807648U CN201720494455.2U CN201720494455U CN206807648U CN 206807648 U CN206807648 U CN 206807648U CN 201720494455 U CN201720494455 U CN 201720494455U CN 206807648 U CN206807648 U CN 206807648U
- Authority
- CN
- China
- Prior art keywords
- data
- module
- data processing
- intrusion detection
- output end
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Analysis (AREA)
Abstract
本实用新型涉及一种融合图像数据和传感器数据处理的入侵检测系统，属模式识别和智能监控设备技术领域。它由数据采集单元和数据处理单元构成，其特点是：数据采集单元由图像数据采集模块和红外传感数据采集模块组成；数据处理单元由数据预处理模块、权值学习更新模块和入侵检测模块组成。可融合处理图像数据和红外传感数据，利用大量无标签样本自动更新学习，实现智能监控中的入侵检测判决。降低了光照环境、人脸表情以及遮挡造成的人脸检测准确率低对入侵检测的影响，同时降低了红外传感中移动热源的干扰，提高了入侵检测的准确率。解决了常规入侵检测中利用单一数据源进行检测，抗干扰能力差、检测结果不准确、检测率低的问题。
Description
技术领域
本实用新型涉及一种融合图像数据和传感器数据处理的入侵检测系统，属模式识别和智能监控设备技术领域。
背景技术
传统的入侵检测系统一般采用人脸检测识别、红外探测检测识别单一数据源进行检测。人脸检测识别技术在可控、相对干扰很少的环境下具有不错的性能，但受光照环境、人脸表情、姿态、遮挡物、外表附属物以及图像采集设备的影响，采用人脸检测识别单一数据源的检测表现很差，致使检测效率低下。红外探测检测识别则通常容易受到移动热源（例如动物）的干扰而造成检测效率低下。因此采用单一数据源的入侵检测系统在实际应用中有着抗干扰能力差，检测率低，误判率高，且需要大量标签样本进行学习，耗费人工量大，难以满足对实时动态入侵准确快速检测识别的要求。
发明内容
本实用新型的目的在于，针对上述现有技术的不足，提供一种抗干扰能力强、误判率低、检测率高，且仅需利用少量标签样本和大量无标签样本自动学习权值的融合图像数据和传感器数据处理的入侵检测系统。
本实用新型是通过如下的技术方案来实现上述目的的：
该融合图像数据和传感器数据处理的入侵检测系统由数据采集单元、数据处理单元构成，其特征在于：数据采集单元由图像数据采集模块和红外传感数据采集模块组成；数据处理单元由数据预处理模块、权值学习更新模块和入侵检测模块组成；
图像数据采集模块的输出端与数据预处理模块的一个输入端连接，红外传感数据采集模块的输出端与数据预处理模块的另一个输入端连接，数据预处理模块的一个输出端与权值学习更新模块的输入端连接，数据预处理模块的另一个输出端与入侵检测模块的一个输入端连接，权值学习更新模块的输出端与入侵检测模块的另一个输入端连接，入侵检测模块的输出端与显示终端连接。
所述的图像数据采集模块由摄像头组成，摄像头拍摄监控环境中的视频图像，将图像数据传递给数据处理单元的数据预处理模块。
所述的红外传感数据采集模块由红外传感器组成，采集监控环境中的红外传感数据，将红外传感数据传递给数据处理单元的数据预处理模块。
所述的数据预处理模块由主板的软件编码实现，对图像数据预处理后利用adaboost人脸检测算法进行人脸检测，对红外传感数据进行归一化处理，将处理结果同时传递给权值学习更新模块和入侵检测模块。
所述的权值学习更新模块由主板的软件编码实现，利用标签样本中的标签信息学习图像数据人脸检测的权值和红外传感数据归一化后融合的权值，利用无标签样本和设定阈值来迭代更新权值，将学习更新得到的权值传递给入侵检测模块。
所述的入侵检测模块由主板的软件编码实现，将数据预处理的结果进行学习更新得到的权值进行带权融合，再与阈值进行判定，将检测结果输出给显示终端。
本实用新型与现有技术相比的有益效果在于：
该融合处理图像数据和传感器数据的入侵检测系统融合了图像数据和红外传感数据，降低了图像中光照环境、人脸表情以及遮挡造成的人脸检测准确率低对入侵检测的影响，同时降低了红外传感中移动热源的干扰，提高了入侵检测的准确率。该系统能够利用大量无标签样本自动更新学习，需要的标签样本少，节省了人力物力，提高了经济效益。解决了现有采用单一数据源的入侵检测系统在实际应用中存在着抗干扰能力差，检测率低，误判率高，且需要大量标签样本进行学习，耗费人工量大，难以满足对实时动态入侵准确快速检测识别要求的问题。
附图说明
图1为一种融合图像数据和传感器数据处理的入侵检测系统的整体结构示意图；
图2为一种融合图像数据和传感器数据处理的入侵检测系统的学习更新过程的流程示意图；
图3为一种融合图像数据和传感器数据处理的入侵检测系统的实时入侵检测过程的流程示意图。
图中：1、数据采集单元，2、数据处理单元，101、图像数据采集模块，102、红外传感数据采集模块，201、数据预处理模块，202、权值学习更新模块，203、入侵检测模块。
具体实施方式
下面结合附图对本实用新型的实施方式做进一步详细说明：
该融合图像数据和传感器数据处理的入侵检测系统由数据采集单元1、数据处理单元2构成；数据采集单元1由图像数据采集模块101和红外传感数据采集模块102组成；数据处理单元2由数据预处理模块201、权值学习更新模块202和入侵检测模块203组成；
图像数据采集模块101的输出端与数据预处理模块201的一个输入端连接，红外传感数据采集模块102的输出端与数据预处理模块201的另一个输入端连接，数据预处理模块201的一个输出端与权值学习更新模块202的输入端连接，数据预处理模块201的另一个输出端与入侵检测模块203的一个输入端连接，权值学习更新模块202的输出端与入侵检测模块203的另一个输入端连接，入侵检测模块203的输出端与显示终端连接。
所述的图像数据采集模块101由摄像头组成，摄像头拍摄监控环境中的视频图像，将图像数据传递给数据处理单元2的数据预处理模块201。
所述的红外传感数据采集模块102由红外传感器组成，采集监控环境中的红外传感数据，将红外传感数据传递给数据处理单元2的数据预处理模块201。
所述的数据预处理模块由主板的软件编码实现，对图像数据预处理后利用adaboost人脸检测算法进行人脸检测，对红外传感数据进行归一化处理，将处理结果同时传递给权值学习更新模块202和入侵检测模块203。
所述的权值学习更新模块202由主板的软件编码实现，利用标签样本中的标签信息学习图像数据人脸检测的权值和红外传感数据归一化后融合的权值，利用无标签样本和设定阈值来迭代更新权值，将学习更新得到的权值传递给入侵检测模块203。
所述的入侵检测模块203由主板的软件编码实现，将数据预处理的结果进行学习更新得到的权值进行带权融合，再与阈值进行判定，将检测结果输出给显示终端。（参见图1～3）
该融合图像数据和传感器数据处理的入侵检测系统的详细工作原理及工作过程如下：
数据采集单元1用于采集监控环境中的图像数据和红外传感数据，图像数据采集模块101通过摄像头拍摄监控环境中的视频图像数据，摄像头与主板连接，将采集到的图像数据传输给主板上数据处理单元2的数据预处理模块201，红外传感数据采集模块102通过红外传感器采集监控环境中的红外传感数据，红外传感器与主板连接，将采集到的红外传感数据传递给主板上数据处理单元2的数据预处理模块202。数据处理单元2用于处理数据采集单元1采集到的监控环境数据，数据预处理模块201对采集到的数据进行预处理，权值学习更新模块202利用样本数据学习更新权值，入侵检测模块203利用实时数据得到入侵检测结果，并输出给显示终端。
数据预处理模块201的工作原理和过程如下：
参见图3，数据预处理模块201从数据采集单元1接收到监控环境中的图像数据和红外传感数据，对图像数据首先进行图像预处理，预处理包括灰度转化和尺寸统一过程，将图像数据转化成统一尺寸的灰度图像，然后利用Adaboost人脸检测算法对灰度图像进行人脸检测，同时对红外传感数据进行归一化处理，将样本数据的人脸检测结果和归一化处理后的红外传感数据传递给权值学习更新模块202，将实时待测数据的人脸检测结果和归一化处理的红外传感数据传递给入侵检测模块203。
权值学习更新模块202的工作原理和过程如下：
参见图2，从数据预处理模块201获得的样本数据预处理结果中的有标签样本，将红外数据归一化处理的结果和人脸检测结果进行带权融合，利用最小二乘法去逼近样本标签结果，通过标签样本的学习得到初步的权值学习结果，然后对无标签样本中的图像数据和传感器数据预处理结果利用学习到的权值进行融合得到初步结果；与设定的阈值进行对比给出判决结果，自动依据结果给无标签样本打上标签，放入标签样本集中，重复上面的学习过程更新权值，直到权值收敛或者样本学习完毕结束，将最后学习更新得到的权值传递给入侵检测模块203。
入侵检测模块203的具体工作原理和过程如下：
参见图3，在实际检测中，从数据预处理模块201获得的实时待测数据的预处理结果，然后利用权值学习更新模块202学习更新得到的权值进行融合得到融合结果，最后将融合结果和阈值进行对比，判定得到入侵检测的判决结果并输出检测结果到显示终端。
该融合处理图像数据和传感器数据的入侵检测系统，融合处理了图像数据和红外传感数据，并能够利用大量无标签样本自动更新学习，从而实现了智能监控中的入侵检测判决。大大降低了图像中光照环境、人脸表情以及遮挡造成的人脸检测准确率低对入侵检测的影响，同时降低了红外传感中移动热源的干扰，提高了入侵检测的准确率。不仅需要的标签样本少，有效节省了人力物力，而且提高了经济效益。
以上所述只是本实用新型的较佳实施例而已，上述举例说明不对本实用新型的实质内容作任何形式上的限制，所属技术领域的普通技术人员在阅读了本说明书后依据本实用新型的技术实质对以上具体实施方式所作的任何简单修改或变形，以及可能利用上述揭示的技术内容加以变更或修饰为等同变化的等效实施例，均仍属于本实用新型技术方案的范围内，而不背离本实用新型的实质和范围。
Claims (3)
1.一种融合图像数据和传感器数据处理的入侵检测系统，它由数据采集单元（1）和数据处理单元（2）构成，其特征在于：数据采集单元（1）由图像数据采集模块（101）和红外传感数据采集模块（102）组成；数据处理单元（2）由数据预处理模块（201）、权值学习更新模块（202）、入侵检测模块（203）组成；
数据采集单元（1）的数据输出端与数据处理单元（2）的数据输入端连接；数据处理单元（2）的输出端连接显示终端；
图像数据采集模块（101）的输出端与数据预处理模块（201）的一个输入端连接，红外传感数据采集模块（102）的输出端与数据预处理模块（201）的另一个输入端连接，数据预处理模块（201）的一个输出端与权值学习更新模块（202）的输入端连接，数据预处理模块（201）的另一个输出端与入侵检测模块（203）的一个输入端连接，权值学习更新模块（202）的输出端与入侵检测模块（203）的另一个输入端连接，入侵检测模块的输出端与显示终端连接。
2.根据权利要求1所述的一种融合图像数据和传感器数据处理的入侵检测系统，其特征在于：所述的图像数据采集模块（101）由摄像头组成，拍摄监控环境中的视频图像数据，将图像数据传递给数据处理单元（2）的数据预处理模块（201）。
3.根据权利要求1所述的一种融合图像数据和传感器数据处理的入侵检测系统，其特征在于：所述的红外传感数据采集模块（102）由红外传感器组成，采集监控环境中红外传感数据，将红外传感数据传递给数据处理单元（2）的数据预处理模块（201）。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201720494455.2U CN206807648U (zh) | 2017-05-05 | 2017-05-05 | 一种融合图像数据和传感器数据处理的入侵检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201720494455.2U CN206807648U (zh) | 2017-05-05 | 2017-05-05 | 一种融合图像数据和传感器数据处理的入侵检测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN206807648U true CN206807648U (zh) | 2017-12-26 |
Family
ID=60738367
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201720494455.2U Expired - Fee Related CN206807648U (zh) | 2017-05-05 | 2017-05-05 | 一种融合图像数据和传感器数据处理的入侵检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN206807648U (zh) |
-
2017
- 2017-05-05 CN CN201720494455.2U patent/CN206807648U/zh not_active Expired - Fee Related
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110110613B (zh) | 一种基于动作识别的轨道交通异常人员检测方法 | |
| CN109670441B (zh) | 一种实现安全帽穿戴识别的方法、系统、终端以及计算机可读存储介质 | |
| CN109902573B (zh) | 面向矿井下视频监控的多摄像机无标注行人重识别方法 | |
| Hu et al. | Real-time nondestructive fish behavior detecting in mixed polyculture system using deep-learning and low-cost devices | |
| WO2017185688A1 (zh) | 一种在线目标跟踪方法及装置 | |
| CN102175701B (zh) | 工业x射线机在线探伤检测系统及方法 | |
| CN108961330B (zh) | 基于图像的猪体长测算方法及系统 | |
| CN106548182A (zh) | 基于深度学习和主成因分析的路面裂纹检测方法及装置 | |
| CN112149512A (zh) | 一种基于两阶段深度学习的安全帽佩戴识别方法 | |
| CN110327050B (zh) | 用于可穿戴装备的人跌倒状态嵌入式智能检测方法 | |
| US20220315243A1 (en) | Method for identification and recognition of aircraft take-off and landing runway based on pspnet network | |
| CN108898623A (zh) | 目标跟踪方法及设备 | |
| CN103456168A (zh) | 一种交通路口行人行为监测系统和方法 | |
| CN111931573A (zh) | 基于yolo进化深度学习模型的安全帽检测与预警方法 | |
| CN111539257A (zh) | 人员重识别方法、装置和存储介质 | |
| CN114241423A (zh) | 一种河道漂浮物智能检测方法及系统 | |
| CN110633681A (zh) | 一种基于视频的离床检测方法 | |
| CN110909607B (zh) | 一种智慧地铁运营中客流感知的装置系统 | |
| CN206807648U (zh) | 一种融合图像数据和传感器数据处理的入侵检测系统 | |
| CN105825215A (zh) | 一种基于局部近邻嵌入核函数的仪表定位方法及其使用载体 | |
| US11276285B2 (en) | Artificial intelligence based motion detection | |
| Xingxin et al. | Adaptive auxiliary input extraction based on vanishing point detection for distant object detection in high-resolution railway scene | |
| CN106570523A (zh) | 一种多特征联合的机器人足球识别方法 | |
| Yao et al. | Embedded technology and algorithm for video-based vehicle queue length detection | |
| Liu et al. | Directional-aware automatic defect detection in high-speed railway catenary system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171226 |