本发明涉及一种人工智能安防相机系统和安防方法。
背景技术：
安防系统是以维护社会公共安全为目的，运用安全防范产品和其它相关产品所构成的入侵报警系统、视频安防监控系统、出入口控制系统、防爆安全检查等的系统或是由这些安防监控系统统为子系统组合或集成的电子系统或网络。常用的安防监控系统有闭路监控系统、防盗报警系统、楼宇对讲系统、周界报警系统、智能门锁等，这些传统的安防监控系统通常不能对入侵对象进行准确的辨别，同时监控的范围有限。例如，周界报警系统通过在边界处诸如高墙、围栏等处加装电子周界防范报警设施诸如振动电缆、主动红外线等来实现对入侵对象的检测。这些安防警报系统通常不能有效识别出入侵对象的类别，因此也不能很好地根据识别结果来采取相适应的措施。另一方面，这些安防系统能监控的区域非常有限，无法实现大面积的实时监控。在许多情况下，为了获得对入侵过程的了解，这些安防系统通常还包含摄像功能，并将视频数据存储在存储器中，以备后续使用。然而，在这些系统中，视频数据被不加选择地全部存储或者定期地进行更新替换，其中带有许多对后续使用无任何帮助的视频数据，因而一方面要求很大的存储空间，另一方面也不便于后期快速获得有效的视频信息。
由于传统安防系统存在各种不足之处，因此有必要开发一种能够自动识别监控区域中的入侵对象并根据识别结果采取相应措施的更加智能简便的安防系统。
技术实现要素：
根据本发明的实施例的一个目的在于提供一种人工智能安防相机系统，所述安防相机系统包括：图像获取模块，所述图像获取模块用于获取图像；图像处理模块，所述图像处理模块被配置为对从所述图像获取模块获取的所述图像进行分析，以识别入侵对象；和执行模块，所述执行模块根据所述图像处理模块的分析结果执行安防动作。
在根据本发明的实施例的人工智能安防相机系统中，所述图像处理模块被配置为在硬件ic或云端系统上实现图像分析。
在根据本发明的实施例的人工智能安防相机系统中，所述图像获取模块进一步包括：具有360度全景视角的全景相机；和/或用于在夜间获取图像的红外线感测装置。
在根据本发明的实施例的人工智能安防相机系统中，所述图像处理模块进一步被配置为当图像处理模块识别到所述入侵对象时，图像处理模块将对应的影像传输到存储端，所述存储端进一步被配置为基于指令而发送信息，和/或基于所述指令将所述对应的影像经由实时影像云端传输发送至目标对象以用于判定所述对应的影像中是否包含所述入侵对象。
在根据本发明的实施例的人工智能安防相机系统中，所述图像处理模块进一步包括方位辨识子模块，所述方位辨识子模块被配置为判定所述入侵对象的方位。
在根据本发明的实施例的人工智能安防相机系统中，所述安防相机系统是家用安防相机系统，所述图像处理模块进一步被配置为进行家庭人脸识别、跌倒姿态识别和陌生对象移动物体识别中的至少一种识别。
在根据本发明的实施例的人工智能安防相机系统中，所述执行模块被配置为当所述图像处理模块识别到非家庭人员、跌倒姿态和陌生对象移动物体中的任一种时发出警报提示。
在根据本发明的实施例的人工智能安防相机系统中，所述安防相机系统是农业安防相机系统，所述图像处理模块进一步被配置为进行鸟类入侵识别、鼠类入侵识别和陌生人入侵识别中的至少一种识别。
在根据本发明的实施例的人工智能安防相机系统中，所述执行模块被配置为当所述图像处理模块识别到任一种所述入侵时发出警报提示和/或执行驱赶动作。
在根据本发明的实施例的人工智能安防相机系统中，所述执行模块包括执行所述驱赶动作的喇叭、led、激光器、超声波发生器中的至少一种。
本发明的另一个目的在于提供一种安防方法，所述安防方法包括以下步骤：通过图像获取模块获取图像；通过图像处理模块对所述图像进行分析，以识别入侵对象；当所述图像处理模块识别到所述入侵对象时，通过执行模块执行相应的安防动作。
在根据本发明的实施例的安防方法中，所述图像处理模块基于多特征人脸辨识技术、跌倒姿态辨识技术和移动物体辨识技术中的至少一种技术来进行人脸识别、跌倒姿态识别和移动物体识别中的对应的至少一种识别。
在根据本发明的实施例的安防方法中，所述图像处理模块基于多特征人脸辨识技术进行人脸识别进一步包括以下步骤：获取人脸数据影像来训练机器，使得机器能够识别影像中的人脸；收集多个已知对象的已知人脸影像；获取各个所述已知人脸影像中包含的人脸特征，建立已知人脸数据库；获取新输入的新人脸影像，并且将所述新人脸影像转化为新人脸特征；将所获取的所述新人脸特征与所述已知人脸数据库进行对比，以确定所述新人脸影像的身份。
在根据本发明的实施例的安防方法中，所述图像处理模块基于跌倒姿态辨识技术进行跌倒姿态识别进一步包括以下步骤：利用姿态向量图来描述姿态顺序排列，通过深度训练学习累积神经网络匹配模型；通过经训练的神经网络匹配模型计算待辨识的姿态影像和已经注册的姿态影像顺序排列；通过比对获取每个姿态向量图的相似度；依据所述相似度的大小进行姿态辨识。
在根据本发明的实施例的安防方法中，所述图像处理模块基于移动物体辨识技术进行移动物体识别包括以下步骤：通过图像获取模块进行动态的侦测；经由机械学习原理的图像识别技术以及内建数据库对侦测到的图像进行分析；根据所述分析的结果识别移动物体。
在根据本发明的实施例的安防方法中，进行所述动态的侦测的方法包括光流法、刚体变换法、运动梯度法和背景相减法。
根据本发明的实施例的安防方法进一步包括以下步骤：通过所述图像处理模块确定所述入侵对象的位置，所述安防动作包括利用声音、激光和超声波中的至少一种来驱赶所述入侵对象。
根据本发明的实施例的安防方法进一步包括：当识别到所述入侵对象时，将对应的影像传输到存储端，并且所述存储端基于指令发送信息，和/或基于所述指令将所述对应的影像经由实时影像云端传输发送至目标对象以用于判定所述对应的影像中是否包含所述入侵对象。
附图说明
图1是适用于本发明的安防相机系统或安防方法的安防应用场景的示意图。
图2是示出根据本发明的安防相机系统的模块原理图。
图3是示出根据本发明的安防相机系统的示例性透视图。
图4是示出根据本发明的安防方法的示例性流程图。
图5是示出根据本发明的安防方法用于农业安防场景的优选实施例的示例性流程图。
附图标记列表
1前后360度双摄像头
2喇叭
3激光器
4led
5超声波发生器
6旋转云台
7太阳能板
8固定座
具体实施方式
为便于更好地理解本发明的原理，下文以示例性实施例的方式、结合附图进一步说明本发明。应理解的是，说明书的附图是示例性的，目的是帮助理解本发明的原理，而并不对本发明的实施方式做出任何限制。
图1是适用于本发明的安防相机系统或安防方法的安防应用场景的示意图。为了更好地保护给定的场所，通常需要对场所进行监控，特别是对外来人员的监控和对外来动物诸如小鸟、老鼠(参见图1中的圆圈处标记)等进行监控，以根据监控结果采取适当的安防措施，保证给定场所的安全。
根据本发明的人工智能安防相机系统能够很好地完成安防任务。根据本发明的人工智能安防相机系统包括：图像获取模块、图像处理模块和执行模块。图像获取模块用于获取图像，例如图像获取模块是摄像机，优选地是360度全景相机。图像处理模块被配置成对从图像获取模块获取的图像进行分析，以识别入侵对象。执行模块被配置成根据图像处理模块的分析结果执行安防动作。
图2是示出根据本发明的安防相机系统的模块原理图，以及图3是示出根据本发明的安防相机系统的示例性透视图。在所示的实施例中，图像获取模块可以包括前后360度双摄像头1，执行模块可以包括喇叭2、激光器3、led4、超声波发生器5等。图像获取模块和执行装置能够根据需要适当地组装。例如将摄像头与喇叭2、激光器3、led4、超声波发生器5等分别安装在不同地点，也可以将摄像头与喇叭2、激光器3、led4、超声波发生器5等如在图3中所示那样组装在一起。可以为根据本发明的人工智能安防相机系统设置太阳能板7，用于提供向人工智能安防相机系统提供电力。根据需要，可以将执行模块安装在旋转云台6上，便于在各个方向上执行安防动作。根据本发明的实施例，例如还可以为图像获取模块和执行模块等设置固定座8。
根据本发明的实施例，双摄像头1包括前后两颗210度4k镜头，通过软件合成360度全景画面。喇叭2是高分贝喇叭，小于100分贝量。激光器3发射的激光波长532nm，功率小于250mw。led3小于1200流明。超音波发生器4的频率为15-25khz。旋转云台6能够依识别数据分析进行360度旋转定位。太阳能板7由高效能20w单晶制成，具有16％高转换率。
根据本发明的实施例的人工智能安防相机系统还可以包括内建模块：温湿度侦测芯片、gsm数据传输芯片、光线感应芯片、影像辨识芯片、云端操作系统等。
根据本发明的实施例，图像处理模块可以在硬件ic或云端系统上实现图像分析。图像获取模块在光线良好的情况下，可以通过摄像头1获取图像，并且图像获取模块可以进一步包括红外线感测装置，用于在夜间获取图像。
根据本发明的实施例，当图像处理模块识别到入侵对象时，图像处理模块将与入侵对象的出现相关的一段影像上传到存储端，为后续核查等提供更多信息。图像处理模块可以包括方位辨识子模块，并且通过其判定入侵对象的方位，并在对入侵对象进行定位之后，启动执行模块诸如喇叭2、激光器3、led4、超声波发生器5等来驱赶入侵对象，或者也可以仅仅是向安防监管人员提出警报。
图4是示出根据本发明的安防方法的示例性流程图。根据本发明的人工智能安防相机系统可以被用于家用安防或者农业安防或者其它安防。将根据具体实施例描述根据本发明的人工智能安防相机系统的应用。
1、第一实施例
根据本发明的第一实施例的人工智能安防相机系统用于家用安防，图像获取模块可以是一台拥有360度全景视角并且可独立运作实现大范围无死角安全监控的摄像机。一台全景相机可以取代多台传统的监控摄像机台应用，达到无缝监控的使用目的。利用图像识别运算可完成家庭人脸识别、跌倒姿态警示、移动物体警示。图像识别运算可于硬件ic或云端系统上实现。通过人脸识别可以获知外来人员的入侵，以便即使发出警报，并可以将与外来人员的出现相关的影像或视频上传到储存端，诸如云盘等。通过跌倒姿态识别，能够得知有人在监控区内跌倒，便于及时采取行动，适用于帮助实现医疗护理的提升。通过移动物体识别能够向安防监管人员提供外来物体入侵的信息，便于安防监管人员采取适当的后续行动。
2、第二实施例
根据本发明的第二实施例的人工智能安防相机系统用于农业安防，图像获取模块可以是360度全景镜头，实时辨别鸟类侵害。图像处理模块可以利用图像技术对入侵对象进行判别及定位，在识别和/或定位到入侵物体后，执行模块可以向监管人员发出警报和/或可以针对定点发激光及超音波对目标物进行驱赶。执行模块的设备可由云台旋转定位，不须架设多台激光驱赶器，节省建置经费。所获取的图像可以经由实时影像云端传输上传，农场主人可透过手机app接收信息及影像，判定图像中是否有入侵者。执行模块包括喇叭、led、激光器、超声波发生器中的至少一种。
以上具体介绍了根据本发明的安防相机系统的应用的两个具体实施例，但是上述实施例并不限制本发明，根据本发明的安防相机系统可以根据需要被适当修改，并且可以上述情形之外的情形诸如办公安防中使用。
以下参考图5进一步详细介绍利用安防相机系统执行安防任务的安防方法。图5是示出根据本发明的安防方法的示意性原理图。
根据本发明的安防方法主要包括以下步骤：通过图像获取模块获取图像；通过图像处理模块对所述图像进行分析，以识别入侵对象；当图像处理模块识别到入侵对象时，通过执行模块执行相应的安防动作。
更加具体地，如图5中所示，当在农业安防中使用根据本发明的安防方法时，启动360度全景摄像机进行摄影或者在夜间启用红外线感测装置来获取图像，然后将获取的图像传输到图像处理模块即图像处理盒进行图像识别和判定，当识别到入侵物体诸如生物体(鸟)入侵时，判定入侵物体的位置，然后根据识别和判定的结果，云台旋转方位并且启动执行模块，即启动驱赶装置(喇叭、led、激光器)等，对入侵物体进行驱赶，然后图像处理模块即图像处理盒继续进行图像识别和判定，以判定入侵物体是否已被成功驱赶，当判定入侵物体已被成功驱赶时，结束驱赶程序，当判定入侵物体仍然存在时，则继续驱赶程序，并继续进行图像识别和判定，如此循环，直至入侵物体被驱赶成功时，结束驱赶程序，但是图像识别和判定仍继续进行。
如图5中所示，当在家用安防中使用根据本发明的安防方法时，启动360度全景摄像机进行摄影或者在夜间启用红外线感测装置来获取图像，然后将获取的图像传输到图像处理模块即图像处理盒进行图像识别和判定，当识别到入侵物诸如小偷入侵时，判定小偷的位置，然后根据识别和判定的结果，云台旋转方位并且启动执行模块，即启动驱赶装置(喇叭、led、激光器)等，对小偷进行驱赶，并将自动将相关影像(例如，1-2分钟的影像)上传到云端，然后图像处理模块即图像处理盒继续进行图像识别和判定，以判定小偷是否已被成功驱赶，当判定小偷已被成功驱赶时，结束驱赶程序，当判定小偷仍然存在时，则继续驱赶程序，并继续进行图像识别和判定，如此循环，直至小偷被驱赶成功时，结束驱赶程序，但是图像识别和判定仍继续进行。
以上结合图5描述了根据本发明的安防方法的具体实施例，但是这些具体实施例仅仅是示例性的，而不限制根据本发明的安防方法，并且根据需要可以被适当地修改。
以下将具体介绍根据本发明的安防方法中的图像识别方法。
在根据本发明的实施例的安防方法中，图像处理模块可以基于多特征人脸辨识技术、跌倒姿态辨识技术和移动物体辨识技术中的至少一种技术来进行人脸识别、跌倒姿态识别和移动物体识别中的对应的至少一种识别。
人脸辨识技术的开发和实现包括：人脸侦测，(1)搜集人脸数据影像，建立影像训练集，(2)机器学习将人脸的特征归纳成一组分类，(3)输入新影像时利用所述分类去比对影像中是否有相符的视区存在(即可能的人脸位置)；建立人脸数据库，(1)收集工作人员人脸影像做成已知人脸数据库，(2)取出各个人员之脸部特征，建立人脸特征数据；人脸辨识，(1)输入监视影像，(2)人脸侦测，取得影像中人脸位置，(3)将监视影像中的人脸转为特征，并且与人脸数据库比对，(4)输出已知人脸有拥有者的身份，或输出未知人脸警告信息。
跌倒姿态辨识技术的困难点在于其特征的稳定性问题，因为一个人的姿态会因生病、受伤、体型胖瘦变化、穿衣多寡甚至是穿着舒适度等因素影响而改变，根据本发明的跌倒姿态辨识技术特别利用机器深度学习方法，用姿态向量图标来描述姿态顺序排列，透过深度训练学习，累积神经网络匹配模型。训练好的累积神经网络匹配模型能够计算待辨识的姿态影像和已经注册的姿态影像顺序排列，比对每个姿态向量图的相似度，再依据其相似度大小进行身分辨识。姿态辨识应用采全天候实时运作，在特定的安防场合中可快速对远距离个体人物目标的身分进行准确判断，未来将可用于养护医疗应用上。
移动物体辨识技术针对入侵物体(不限定鸟类或其他动物)进行动态侦测，测试入侵物体能否被正确侦测。依序采取下列方法：(1)光流法，(2)刚体变换法，(3)运动梯度法，(4)背景相减法。透过360度环景模块化相机镜头，将所摄高清画面经由机械学习原理之图像识别技术及内建数据库的分析，使产品本身能够辨识移动物体，将鸟类及陌生人视为入侵物，并传送入侵者方位予系统，进行农业安防应用。
下面以举例的方式，介绍基于移动物体辨识技术的移动物体识别程序开发过程。移动物体识别程序开发过程包括：
影像来源分析——先取得多部360度环景影像录影，对拍摄技术、成像原理进行研究，同时收集环景室外影片范例，影像内容需包含人体姿态收集,鸟类或动物入侵等，以便建立测试范例；
可行性测试——针对人体体态或姿态或入侵物体(不限于鸟类或其它动物)进行动态侦测，测试人体姿态或入侵物体能否被正确侦测，依序采取下列方法：(1)光流法，(2)刚体变换法，(3)运动梯度法，(4)背景相减法；
动态侦测实作——(1)输入环景影像，包含影像读取、前处理、画面增强与色彩转换，(2)建立背景模型，使用高斯混合方法建构背景，(3)使用前景分割算法分离前景物体，(4)物体型态过滤，包括压制环境噪声(例如：前景物体小于影像5％则抑制)与型态过滤，(5)物体位置计算，分析前景物体轮廓，取得各个物体之像素面积与形状中心，计算此形状中心位在360度范围的画面中的所在角度数，(6)输出物体位置，输出物体个数与其相应之位置角度，提供后续云台定位使用，(7)软件模块改良，针对初步结果进行效能改良，并封装成软件模块方便呼叫使用。
以上结合附图和实施例介绍了根据本发明的人工智能安防相机系统以及安防方法。但是应理解的是，以上实施例仅仅是示例性的，并不限制本发明的范围。本发明的保护范围由权利要求限定。