基于卷积神经网络的校园安全图像识别预警方法技术

本发明专利技术公开一种基于卷积神经网络的校园安全图像识别预警方法，主要解决了现有技术在智慧校园安全防范方面数据存储压力和资源开销较大的问题，其实现方案是，在神经网络训练阶段：采集真实人类翻越校园围墙的图像和手写标签；使用采集到的真实人类翻越校园围墙的图像和手写标签训练图像识别网络；在实际监测阶段：使用热释电红外传感器进行探测人类翻越围墙并进行拍照；将拍摄的图像输入神经网络进行分类鉴别并提出预警。本发明专利技术减轻了智慧校园安全监测方面的数据存储压力和资源开销，可应用于对校园安全问题进行自动分类与预警。于对校园安全问题进行自动分类与预警。于对校园安全问题进行自动分类与预警。

【技术实现步骤摘要】
基于卷积神经网络的校园安全图像识别预警方法


[0001]本专利技术属于智慧校园
，具体涉及一种图像自动分类识别方法，可应用于对校园不合理出入进行监测和告警。

技术介绍

[0002]校园是学生学习生活的场所，大量的学生聚集在校园中，学校安全工作，是全社会安全工作的一个十分重要的组成部分。它直接关系到青少年学生能否安全、健康地成长，也关系到千千万万个家庭的幸福安宁和社会稳定。在校园的日常管理中，安全是管理的第一要务，但是通常会出现校外不明身份人员通过翻越围墙进入学校或者校内学生通过翻越围墙违规离开学校，如果不能及时发现，将会对学生的生命和财产安全造成损失。
[0003]在现在的一些校园监控中，摄像头布置在校园中各个角落，但基本都是通过工作人员观看监控视频的方式来监控，使用这种方法监控时，因为学校的人员较多，需要工作人员保持高度的警惕，才能够时刻注意到校园中出现的一些安全事件。
[0004]在长期监控中，工作人员难免会产生疏忽，一些危及安全的事件发生后，难以及时响应的缺陷。
[0005]中国专利CN107025693A的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的校园安全识别预警方法，其特征在于，包括如下：训练阶段：(1)采集真实人类翻越校园围墙的图像，图像采集工作由校园装设的摄像头完成(2)对步骤一采集的图像进行数据增强预处理，并对数据集进行手工标注图像预处理得到标签图像(2a)采用字符串格式将手写标签打包成log日志，并将该日志与其对应的图像进行二进制编码，生成二进制编码文件(2b)将手写标签向量归一化(3)使用步骤二预处理后的图像及产生的标签训练卷积图像处理神经网络。(3a)神经网络中包含了2层3
×
3的深度可分离卷积，把一步普通卷积变成两步计算：首先进行3
×
3的逐通道卷积，生成Feature map然后进行1
×
1的逐点卷积，将上一步的Feature map在深度方向上进行加权组合，生成新的Feature map(3b)神经网络中还包含了两层不同卷积率的混合膨胀卷积，膨胀率为[1 2 5......]实际检测阶段：(4)使用校园围墙上装设的热释电红外传感器进行探测，若探测到则使用对应区域的摄像头进行图像采集。(5)将采集的图像输入已经训练好的神经网络，根据神经网络的结果判定是否有人翻越围墙，若判定图像中存在人类，则给予校园安保室一定的预警信息，由人工进行图像复核。若认为图片中不存在人类，则不做出告警。最后将采集的图像存入本地数据库。步骤五之后返回到步骤四继续进行监测(5a)将神经网络输出的结果得到相应的信心分数confident(5b)将confident和与预先设定好的阈值μ对比，若confident>μ，则判定图像中存在人类，否则认为图片中不存在人类(5c)阈值μ由预先设定的cost table进行调整，将图片中有人类却未识别出来的情况的cost设置一个较高的数值，图片中无人类却判别为有人类的情况的cost设置一个较低的数值。2.根据权利要求1所述的方法，其特征在于，(2)中数据增强预处理包括图像切割，图像翻转以及图像白化操作。对采集到的图像进行手工标注图像标签，根据预先提供的类别选项卡(真或假)，人工选择该图像的所属类别。3.根据权利要求1所述的方法，其特征在于，(2a)中采用字符串格式将手写标签打包成log日志，是将采集到的手写标签改写成一串由key
‑
value对和间隔符组成的字符串日志，其中key代表图像分类类别，value的取值根据人工分类的结果指定，取0代表不属于该类别(图片中不存在人...

【专利技术属性】
技术研发人员：方泓策，吕法科，高宇，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：