基于目标位置信息融合的周界防入侵装置与方法与流程

本发明涉及一种周界防入侵装置与方法，尤其是一种基于目标位置信息融合的周界防入侵装置与方法，属于智能安防技术领域。

背景技术：

周界防入侵是防护重要区域，预防人员、车辆等非允许目标进入该区域的重要技术手段。经过多年发展，出现了红外对射、微波对射、张力围栏、振动光纤、智能视频分析、（地埋）泄漏电缆、分立mems振动传感器、调频连续波fmcw体制雷达等多种周界防入侵技术。

误报率是指没有目标出现时，由于外界干扰导致周界防入侵系统误认为目标非法入侵产生报警，是衡量周界防入侵系统实际应用效果的一项核心技术参数。由于室外环境复杂、天气条件多变、不可控的干扰因素较多，现有周界防入侵系统都面临着如何降低系统误报率的技术挑战。

随着周界防入侵技术的发展，新型的周界防入侵系统如超宽带泄漏电缆、分立mems振动传感器、fmcw体制雷达等均具有目标定位与多目标探测能力，目标定位精度一般在10米以内。但是由于受到复杂环境下各种因素的干扰，仍然存在较高的误报率。

另一方面，传统用于周界防入侵的智能视频分析技术主要基于动目标与背景分离技术以及人工设置虚拟周界区域方式实现目标探测，目标分类能力低，易受光照条件、目标姿态以及非兴趣目标移动等因素影响。

随着人工智能的技术发展，能够自动识别出画面中有哪些物体以及它们分别位于画面什么位置的目标检测成为计算机视觉领域的研究热点，先后出现了r-cnn、fasterr-cnn、r-fcn、yolo、ssd等多种算法。但相对图像分类高达96%以上的准确率，由于目标检测涉及多候选区域搜索、特征提取与区域分类等多个环节，算法复杂度高，实时性差，检测准确率偏低，目前基于voc标准测试集的平均准确率最高可达88%。此外，小尺寸目标的检测是业界公认的难题，包含很多小目标的测试集coco的平均准确率目前还不到40%。

技术实现要素：

本发明针对现有周界防入侵误报率高影响实际应用效果的问题，在具有目标定位能力的周界入侵报警技术（如fmcw体制雷达）基础上，联合视觉目标检测技术，基于周界入侵报警设备输出的目标位置信息，动态调整摄像机的焦距，并确定视频目标分类分析处理的候选区域，同时增加目标空间的分辨率，提高了目标分类的准确率，滤除非目标物体导致的误报警，降低了周界防入侵的误报率。

为实现以上技术目的，本发明的技术方案是：基于目标位置信息融合的周界防入侵装置，包括周界入侵报警服务器和部署在防护区域的周界防入侵设备，其特征在于：所述周界防入侵设备通过通信链路与周界入侵报警服务器进行通信，所述周界防入侵设备包括周界入侵报警单元、主控单元、监控摄像机、通信单元和供电单元，所述主控单元分别与周界入侵报警单元和监控摄像机连接，且通过通信单元与周界入侵报警服务器连接，所述监控摄像机通过通信单元与周界入侵报警服务器连接，所述供电单元分别与周界入侵报警单元、主控单元、监控摄像机和通信单元连接，所述供电单元为周界防入侵设备提供直流工作电源；

所述周界入侵报警单元用于自动探测定位入侵目标，并发送报警消息给主控单元，所述主控单元为内置图像处理单元gpu的移动处理器，所述移动处理器负责处理周界入侵报警单元的报警消息，根据报警消息中的入侵目标数量与位置信息，动态设置监控摄像机的镜头焦距和确定目标分类的视觉区域，并运行基于深度网络的嵌入式目标分类算法判断目标类型，同时上传报警消息给周界入侵报警服务器，所述监控摄像机用于监控入侵目标所在位置区域并上传视频监控数据给周界入侵报警服务器，所述周界入侵报警服务器根据收到报警消息的时间戳，存储对应时间段的视频监控数据。

进一步地，所述通信单元为光纤通信或以太网通信，当周界防入侵设备与周界入侵报警服务器之间的距离超过以太网最远传输距离时，通信链路采用光纤通信方式；否则，通信链路采用更低成本的以太网通信方式。

进一步地，所述周界入侵报警服务器负责管理整个周界部署的一个或多个周界防入侵设备，存储、检索周界的监控视频数据与周界入侵报警消息，并与其他安防子系统进行数据交互与联动；

所述周界入侵报警服务器对周界防入侵设备的管理包括：多个周界防入侵设备的时间同步、用于目标分类的深度网络模型的存储与维护、周界防入侵设备状态采集与工作参数配置。

进一步地，所述周界防入侵设备与所述周界入侵报警服务器之间的通信内容包括：监控摄像机的监控视频编码流上传至周界入侵报警服务器、带有目标类型与目标位置等数据的报警消息上报至周界入侵报警服务器、周界防入侵设备向周界入侵报警服务器上报自身状态、周界防入侵设备从周界入侵报警服务器下载更新的深度网络训练模型、周界入侵报警服务器（1）对周界防入侵设备工作参数的设置。

进一步地，当周界长度大于单个周界防入侵设备的监控范围时，通过部署多个周界防入侵设备实现整个周界的覆盖。

作为优选，所述周界入侵报警单元为fmcw体制雷达，对人员目标的探测距离不小于100m，目标定位误差不超过5m，可同时探测的目标数量不小于10个。

进一步地，所述监控摄像机为低照度高清摄像机，配有电动变焦光学镜头，内置红外补光模块，能够在夜间进行补光。

作为优选，所述监控摄像机的视频分辨率不低于1920×1080，帧率不小于30帧/秒，内置视频压缩编码功能，能够输出压缩后的视频流；正常气象条件下红外补光模块的夜间照射距离不小于100m，光学镜头的最大焦距能够保证距离100m处的人体目标在各种姿态下的像素数均不小于50000。

为了进一步的实现以上技术目的，本发明还提出一种基于目标位置信息融合的周界防入侵方法，其特征在于，包括如下步骤：

步骤一、周界防入侵设备与周界入侵报警服务器开机，并通过通信单元建立网络通信，所述周界防入侵设备完成与周界入侵报警服务器的时间同步；

步骤二、根据监控区域的范围，周界入侵报警服务器设置监控摄像机的焦距，确保监控画面清晰并覆盖整个监控区域，所述监控摄像机向周界入侵报警服务器连续上传视频监控数据流，周界入侵报警服务器存储视频监控数据；

步骤三.根据气候条件，周界入侵报警服务器动态设置周界入侵报警单元的报警阈值，周界入侵报警单元基于当前的报警阈值对所监控区域内的周界入侵行为进行探测；

步骤四、当周界入侵报警单元探测到入侵行为时，向周界防入侵设备中的主控单元上报包含入侵目标数量与位置信息的报警消息；

步骤五、主控单元根据目标数量与各个目标的位置信息，调整监控摄像机的焦距，保证所有目标均出现在监控视频画面内，同时保证各个目标具有较高的空间分辨率；

步骤六、主控单元根据目标数量与各个目标的位置信息，确定目标分类的视觉区域，运行基于深度网络的嵌入式目标分类算法，判断目标类型；

步骤七、如果目标为入侵目标，则通过通信单元上报包含目标类型与位置信息、报警时间的报警消息；如果目标为非入侵目标，则滤除本次报警信息，并上传包含发生时间的误报警消息；

步骤八、周界入侵报警服务器收到报警消息或误报警消息后，基于消息中的时间戳，搜索对应时间段的视频并存储，作为报警记录或误报警记录。

进一步地，所述步骤六中的主控单元根据目标数量以及目标位置采用不同的嵌入式目标分类算法：如果目标为多个，基于每个目标的位置分别确定目标分类的候选区域，采用fasterr-cnn算法进行目标检测；如果目标为1个，基于该目标的位置确定目标分类处理区域，将该区域作为一幅完整图像，采用基于深度网络模型的图像分类算法进行目标分类。

本发明的有益效果为：

1）基于周界入侵报警单元探测的目标位置信息，动态设置监控摄像机的焦距，提高目标的空间分辨率（增加目标在画面中的尺寸），避免了小尺寸目标检测难题，提升目标分类准确率，降低周界入侵误报率；同时无需建立各类目标不同尺寸的训练集，减少了训练数据集规模；

3）基于周界入侵报警单元探测的目标位置信息，设定目标检测的候选区域，减少区域数量和搜索运算量，降低了目标检测算法的复杂度，提升了算法实时性。

附图说明

图1为本发明周界防入侵装置的整体结构示意图。

图2是本发明周界防入侵设备的结构框图。

图3是本发明周界防入侵方法的流程示意图。

附图说明：1-周界入侵报警服务器、2-周界防入侵设备、21-周界入侵报警单元、22-主控单元、23-监控摄像机、24-通信单元和25-供电单元。

具体实施方式

下面结合具体附图和实施例对本发明作进一步说明。

根据附图1所示，基于目标位置信息融合的周界防入侵装置，包括周界入侵报警服务器1和部署在防护区域的周界防入侵设备2，其特征在于：所述周界防入侵设备2通过通信链路与周界入侵报警服务器1进行通信，当周界长度大于单个周界防入侵设备2的监控范围时，通过部署多个周界防入侵设备2实现整个周界的覆盖；

所述周界入侵报警服务器1负责管理整个周界部署的一个或多个周界防入侵设备2，存储、检索周界的监控视频数据与周界入侵报警消息，并与其他安防子系统进行数据交互与联动；

所述周界入侵报警服务器1对周界防入侵设备2的管理包括：多个周界防入侵设备2的时间同步、用于目标分类的深度网络模型的存储与维护、周界防入侵设备2状态采集与工作参数配置。

根据附图2所示，所述周界防入侵设备2实现对入侵行为的极低误报率探测与上报，包括周界入侵报警单元21、主控单元22、监控摄像机23、通信单元24和供电单元25，所述主控单元22分别与周界入侵报警单元21和监控摄像机23连接，且通过通信单元24与周界入侵报警服务器1连接，所述监控摄像机23通过通信单元24与周界入侵报警服务器1连接，所述供电单元25分别与周界入侵报警单元21、主控单元22、监控摄像机23和通信单元24连接，所述供电单元25为周界防入侵设备2提供直流工作电源。

可选的，周界入侵报警单元21与监控摄像机23的供电电压为直流12v，主控单元22的供电电压为直流5v，通信单元24的供电电压为直流9v；

所述周界入侵报警单元21用于自动探测定位入侵目标，并发送报警消息给主控单元22，所述主控单元22为内置图像处理单元gpu的移动处理器，所述移动处理器负责处理周界入侵报警单元21的报警消息，根据报警消息中的入侵目标数量与位置信息，动态设置监控摄像机23的镜头焦距和确定目标分类的视觉区域，并运行基于深度网络的嵌入式目标分类算法判断目标类型，同时上传报警消息给周界入侵报警服务器1，所述监控摄像机23用于监控入侵目标所在位置区域并上传视频监控数据给周界入侵报警服务器1，所述周界入侵报警服务器1根据收到报警消息的时间戳，存储对应时间段的视频监控数据。

所述周界入侵报警单元21具有多个入侵目标的自动探测和定位能力，能够全天时、全天候探测入侵目标，并提供入侵目标的数量与位置信息，所述周界入侵报警单元21为fmcw体制雷达，对人员目标的探测距离不小于100m，目标定位误差不超过5m，可同时探测的目标数量不小于10个；

所述通信单元24为光纤通信或以太网通信，当周界防入侵设备2与周界入侵报警服务器1之间的距离超过以太网最远传输距离时，通信链路采用光纤通信方式；否则，通信链路采用更低成本的以太网通信方式；

所述周界防入侵设备2与所述周界入侵报警服务器1之间的通信内容包括：监控摄像机23的监控视频编码流上传至周界入侵报警服务器1、带有目标类型与目标位置等数据的报警消息上报至周界入侵报警服务器1、周界防入侵设备2向周界入侵报警服务器1上报自身状态、周界防入侵设备2从周界入侵报警服务器1下载更新的深度网络训练模型、周界入侵报警服务器1对周界防入侵设备2工作参数的设置。

所述监控摄像机23为低照度高清摄像机，配有电动变焦光学镜头，内置红外补光模块，能够在夜间进行补光，提升夜晚视频监控质量；

所述监控摄像机23的视频分辨率不低于1920×1080，帧率不小于30帧/秒，内置视频压缩编码功能，能够输出压缩后的视频流；正常气象条件下红外补光模块的夜间照射距离不小于100m，光学镜头的最大焦距能够保证距离100m处的人体目标在各种姿态下的像素数均不小于50000。

所述主控单元22为内置图像处理单元gpu的移动处理器，负责处理周界入侵报警单元21的报警消息，并根据报警消息中目标位置信息，动态设置监控摄像机23的光学镜头焦距，使视频图像中目标大小适中，避免了小目标尺寸下的目标分类误差，提升目标分类准确率，同时无需建立各种目标不同尺寸的训练集，减少了训练数据集规模；基于周界入侵报警单元21报警消息中目标位置信息，确定视频分析区域，减少候选区域数量和选择计算，降低了目标检测算法的复杂度，提升算法实时性；运行基于预先训练好的深度网络进行目标分类。

根据图3所示，一种基于目标位置信息融合的周界防入侵方法，其特征在于，包括如下步骤：

步骤一、周界防入侵设备2与周界入侵报警服务器1开机，并通过通信单元24建立网络通信，所述周界防入侵设备2完成与周界入侵报警服务器1的时间同步，时间同步的作用是保证每个周界防入侵设备2上报的入侵报警消息中时间戳偏移较小；

本实施例中周界防入侵设备2与周界入侵报警服务器1采用网络时间协议ntp进行时间同步，以周界入侵报警服务器1的时间为参考基准，精度可达毫秒级；

步骤二、根据监控区域的范围，周界入侵报警服务器1设置监控摄像机23的焦距，确保监控画面清晰并覆盖整个监控区域，并且没有盲点，夜晚时打开监控摄像机23内置的红外补光模块，提供辅助照明，所述监控摄像机23向周界入侵报警服务器1连续上传视频监控数据流，周界入侵报警服务器1存储视频监控数据；

步骤三.根据气候条件，周界入侵报警服务器1动态设置周界入侵报警单元21的报警阈值，周界入侵报警单元21基于当前的报警阈值对所监控区域内的周界入侵行为进行探测；

由于不同气候条件下，周界入侵报警单元21的误报率差别较大，例如风吹动周界附近的树木，可能引起fmcw体制雷达的误报警，需要针对不同气象条件，设置最优的报警阈值，尽可能滤除误报警事件；

步骤四、当周界入侵报警单元21探测到入侵行为时，向周界防入侵设备2中的主控单元22上报包含入侵目标数量与位置信息的报警消息，所述报警消息还包括入侵目标类别信息；

步骤五、主控单元22根据目标数量与各个目标的位置信息，调整监控摄像机23的焦距，保证所有目标均出现在监控视频画面内，同时保证各个目标具有较高的空间分辨率（即目标在监控画面中可视面积较大）；

调整监控摄像机23的焦距的原则为：在尽可能保证所有目标整体出现在监控视频画面内的基础上，基于基准目标的物理大小及其与周界防入侵设备2的距离，根据光学成像模型计算当目标像素点数达到50000时大致所需的光学镜头的焦距；

步骤六、主控单元22根据目标数量与各个目标的位置信息，确定目标分类的视觉区域，运行基于深度网络的嵌入式目标分类算法，判断目标类型；

所述主控单元22根据目标数量以及目标位置采用不同的嵌入式目标分类算法：如果目标为多个，基于每个目标的位置分别确定目标分类的候选区域，采用fasterr-cnn算法进行目标检测；如果目标为1个，基于该目标的位置确定目标分类处理区域，将该区域作为一幅完整图像，采用基于深度网络模型的图像分类算法进行目标分类。

步骤七、如果目标为入侵目标，则通过通信单元24上报包含目标类型与位置信息、报警时间的报警消息；如果目标为非入侵目标，则滤除本次报警信息，并上传包含发生时间的误报警消息；

步骤八、周界入侵报警服务器1收到报警消息或误报警消息后，基于消息中的时间戳，搜索对应时间段的视频并存储，作为报警记录或误报警记录；

本发明中的周界入侵报警服务器1还可使用报警记录查询复核入侵行为，同时使用报警记录中的图像帧训练更新目标分类的深度网络模型，若用于目标分类的深度网络参数变化，则向周界防入侵设备2的主控单元22下载更新后的深度网络模型；同时可使用误报警记录进行事后分析，防止漏报情况发生，如有漏报则能够进行事后追溯与处置。

本发明的特点为：周界防入侵装置由部署在重要防护区域周界的一个或多个周界防入侵设备2、一套周界入侵报警服务器1组成，周界防入侵设备2包括具有目标定位能力的周界入侵报警单元21、集成红外补光模块和电动变焦光学镜头的监控摄像机23、运行视觉目标分类算法的主控单元22；本发明在周界入侵报警单元21探测周界入侵目标的信息的基础上，动态调整监控摄像机23的焦距，使监控视频图像中目标大小适中，避免了小目标尺寸下的目标分类误差，提升了目标分类准确率；同时根据周界入侵报警单元21报警消息中目标位置信息，可确定视频目标分析区域，减少候选区域数量和选择计算，降低了目标检测算法的复杂度，提升算法实时性。

以上对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。