基于深度学习的周界报警算法制造技术

本发明专利技术公开了一种基于深度学习的周界报警算法。为了解决基于视频分析的周界报警中误报多的问题，本发明专利技术利用深度学习在视频帧上对人体进行检测，将检测到的人体作为候选目标，判断是否触发了周界报警的规则。基于深度学习的目标检测算法，能准确的区分人、树叶、小动物和光线变化等，因此，本发明专利技术中基于深度学习的周界报警算法将误报降到了百分之一以内，深度学习采用统一的训练框架，从大量的样本中学习模型，规避了传统视频分析的“经验式”模型，因此本发明专利技术中的算法参数极少，很适合推广应用。

Perimeter alarm algorithm based on deep learning

The invention discloses a perimeter alarm algorithm based on deep learning. In order to solve multiple false alarm in perimeter video analysis based on the problems, the invention uses deep learning of the human body detection in video frames, will detect the human body as a candidate target, whether triggered perimeter alarm rules. The target detection algorithm based on deep learning, can accurately differentiate between people, leaves, small animal and light changes, therefore, the invention of perimeter deep learning based on false alarm algorithm will drop to less than one percent, using a unified framework of deep learning training model, learning from a large number of samples, to avoid the traditional video analysis \experience type\ model, so the algorithm parameters in the invention are very suitable for application.

【技术实现步骤摘要】
基于深度学习的周界报警算法
本专利技术属于安防技术中的视频监控领域，涉及模式识别、图形图像处理、视频分析等，利用深度学习算法实现周界报警。
技术介绍
传统周界报警方法和设备包括红外/激光/微波对射式、振动/泄露电缆式、张力围栏式、电子脉冲围栏式、振动光缆式等。红外/激光/微波对射式由发射装置和接收装置组成，发射装置发射红外线、激光或微波，当有目标入侵时，会阻断红外线、激光或微波，从而在接收装置上接收不到红外线、激光或微波。振动电缆式是利用驻极体振动电缆作为传感器，泄露电缆式利用泄露同轴电缆作为传感器，张力围栏式采用强力拉紧探测光缆作为传感器，电子脉冲围栏式采用极低频率的脉冲高压对入侵者以警告，振动光缆式则是用入侵者的震动或压力等导致光线的相位变化来检测入侵。这些周界报警方法和设备受树叶、小动物的影响，或者受温度湿度、光线变化的影响，会产生大量的误报，而且有些对人体还有某种程度的伤害，所以，在安防系统中，如小区，这些周界报警设备基本都处于停用荒废的状态。随着视频监控的发展，摄像头的普及，出现了基于视频分析的周界报警算法和产品，此类算法通常利用背景建模如多高斯模型来提取目标，然后判断目标本文档来自技高网...

【技术保护点】
一种基于深度学习的周界报警算法，其特征在于：利用深度学习统一的算法框架，用大量样本训练得到人体模型，并将此模型用于周界报警规则判断。

【技术特征摘要】
1.一种基于深度学习的周界报警算法，其特征在于：利用深度学习统一的算法框架，用大量样本训练得到人体模型，并将此模型用于周界报警规则判断。2.根据权利要求1所述的基于深度学习周界报警算法，其特征在于，从视频连续帧中提取前景。然后把符合背景模型的像素点判定为背景，不符合背景模型的像素点则判定为前景。3.根据权利要求1所述的基于深度学习周界报警算法，其特征在于，通过形态学滤波的方法滤除噪声点。形态学滤波过程是先进行腐蚀算子，再进行膨胀算子。经过滤波后，用连通域标记算法将前景像素点连成一片区域，即连通域，用左上角坐标和区域宽高表示。4.根据权利要求3所述的方法，其特征在于，连通域标记经过两步扫描：第一步是标记过程，即给每个像素点做标记；第二步是连通坐标过程，即通过连通关系得到区域的坐标。5.根据权利要求1所述的基于深度学习周界报警算法，其特征在于，从原始输入图像中截取ROI子图，采用从左到右，从上到下的流程，并且利用前景图像作为模板，这样可以去除...

【专利技术属性】
技术研发人员：张恩伟，
申请(专利权)人：北京博睿视科技有限责任公司，
类型：发明
国别省市：北京,11