基于深度学习的监墙监测自动报警方法技术

本发明专利技术的实施例公开一种基于深度学习的监墙监测自动报警方法，属于图像识别技术领域，用于解决现有监狱监测方法人工成本高且监控效果不好问题。本发明专利技术的方法包括：采集目标看守所监墙内的监控图像；基于预设的深度学习算法对所述监控图像进行深度学习，识别所述监控图像中的犯人逃跑行为；若识别到所述监控图像中有犯人逃跑行为，则发出第一警报。本发明专利技术能够通过看守所监墙内的监控图像，智能地识别犯人逃跑行为，并进行自动地报警，有效地提高了监测及抓捕效率。了监测及抓捕效率。了监测及抓捕效率。

【技术实现步骤摘要】
基于深度学习的监墙监测自动报警方法


[0001]本专利技术属于图像识别
，尤其涉及基于深度学习的监墙监测自动报警方法。

技术介绍

[0002]监墙是设在监狱的四周，用以把监狱和社会相对隔开的固态或形态建筑，一般由砖石砌成或者铁刺网建成。随着时间的推移，有些监狱监墙比较老旧，存在着犯人逃跑的隐患。为了避免此隐患，目前监墙监测方法，就是设置多个哨兵，让哨兵对监墙进行监控。但是此方法不够智能，人力成本较高，另外监控全靠哨兵的眼睛，存在着漏监控的情况，特别是在如晚上、雨天视线不好的情况时，更容易导致漏监控的事件，使得监墙监控效果较差的问题。

技术实现思路

[0003]有鉴于此，本专利技术实施例提供基于深度学习的监墙监测自动报警方法，用于解决现有监墙监测方法，人工成本高且监控效果不好问题。本专利技术能够通过看守所监墙内的监控图像，智能地识别犯人逃跑行为，并进行自动地报警，有效地提高了监墙监测的效果。
[0004]本专利技术实施例提供基于深度学习的监墙监测自动报警方法，包括：
[0005]采集目标看守所监墙内的监控图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的监墙监测自动报警方法，其特征在于，包括：采集目标看守所监墙内的监控图像；基于预设的深度学习算法对所述监控图像进行深度学习，识别所述监控图像中的犯人逃跑行为；若识别到所述监控图像中有犯人逃跑行为，则发出第一警报。2.如权利要求1所述的基于深度学习的监墙监测自动报警方法，其特征在于，所述基于预设的深度学习算法对所述监控图像进行深度学习，识别所述监控图像中的犯人逃跑行为，还包括：基于预设的深度学习算法对所述监控图像进行深度学习，识别哨兵违规行为；在基于预设的深度学习算法对所述监控图像进行深度学习，识别哨兵违规行为之后，还包括：若识别到所述监控图像中有哨兵违规行为，则发出第二警报。3.如权利要求1所述的基于深度学习的监墙监测自动报警方法，其特征在于，所述方法还包括：若识别到所述监控图像中有犯人逃跑行为，则获取逃跑犯人的位置信息；所述逃跑犯人的位置信息包括：逃跑犯人与目标看守所内预设定位点之间的实际距离，逃跑犯人与所述定位点的连线相对于每个预设哨位与所述定位点的连线的偏移角度；根据所述逃跑犯人的位置信息以及每个预设哨位与所述定位点之间的实际距离，筛选出与所述逃跑犯人距离最近的N个哨位作为目标哨位；其中，N为预设数量；向所述目标哨位对应的哨兵发送抓捕通知。4.如权利要求3所述的基于深度学习的监墙监测自动报警方法，其特征在于，所述N＝5。5.如权利要求3所述的基于深度学习的监墙监测自动报警方法，其特征在于，所述获取逃跑犯人的位置信息，包括：获取所述逃跑犯人在所述监控图像中的像素点位置；根据所述监控图像的像素尺寸和所述监控图像对应的实际被拍摄区域的尺寸，确定逃跑犯人在目标看守所内的实际位置；根据所述逃跑犯人在目标看守所内的实际位置，确定逃跑犯人与目标看守所内预设定位点之间的实际距离以及逃跑犯人与所述定位点的连线相对于每个预设哨位与所述定位点的连线的偏移角度。6.如权利要求3所述的基于深度学习的监墙监测自动报警方法，其特征在于，在筛选出与所述逃跑犯人距离最近的N个哨位作为目标哨位之后，向所述目标哨位对应的哨兵发送抓捕通知之前，所述方法还包括：根据所述逃跑犯人的位置信息以及每个目标哨位与所述逃跑犯人之间的距离，确定每个目标哨位对应的哨兵面对定位点时的旋转角度；所述抓捕通知至少包括：提示哨兵面向所述定位点的消息以及面向定位点后需要旋转的角度信息。7.如权利要求6所述的基于深度学习的监墙监测自动报警方法，其特征在于，所述根据所述逃跑犯人的位置信息以及每个预设哨位与所述...

【专利技术属性】
技术研发人员：兰雨晴，乔孟阳，余丹，王丹星，
申请(专利权)人：慧之安信息技术股份有限公司，
类型：发明
国别省市：