港口危险区域入侵检测方法技术

本发明专利技术公开了一种港口中危险区域入侵检测的方法，属于图像处理技术领域，该方法包括如下步骤：利用固定摄像头获取需要检测区域的环境信息；利用目标检测算法，以三角锥判断所需要检测的危险区域；检测图像中是否有人员和车辆，并判断这些目标是否进入到了划定的危险区域中，造成了人员入侵情况的发生。本发明专利技术实现了动态危险区域的有效检测，在保障危险区域无人员入侵的情况下，极大的提高了现有监控设备的利用率，无需重新铺设设备。同时，本发明专利技术提供了全新的目标检测算法，使检测的结果更加准确，对端对端设备的性能要求更加的宽松。对端对端设备的性能要求更加的宽松。对端对端设备的性能要求更加的宽松。

【技术实现步骤摘要】
港口危险区域入侵检测方法


[0001]本专利技术涉及图像处理
，具体涉及一种港口危险区域入侵检测方法。

技术介绍

[0002]众所周知，对于很多的港口来说，在施工作业时候的安全问题是一个很大的问题。为保证人员在施工过程中的安全性，港口主要采用三种办法：一、制定相关的安全手册，并要求工作人员严格按照手册进行施工作业；二、所有施工人员必须佩戴安全帽，以保证人员的施工安全；三、在施工时设定安全区域，并安排安全员监督，保证在施工时没有外来人员和车辆进入到施工区域。不过这样做就造成了一个问题，在安全员疏忽的时候会有外来的人员车辆进入，而且做不到24小时持续的监控。
[0003]传统区域入侵检测方法是以运用传统的像素对比的方法来实现的。这种方法会出现许多的问题，如果发生风吹草动、下雨下雪、光影变化等对于图像的像素改变过大的情况，入侵检测系统就会发生误报。并且由于传统方法使用的是灰度二值化的处理方法，对于检测区域的设定非常的不灵活。如果需要改变检测的区域，需要进行源码上的改动。这就大大的增加了企业的使用成本。现有的区域入侵检测系统还有功能单一的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.港口危险区域入侵检测方法，其特征在于，包括以下步骤：步骤S1、从现场摄像头获取待检测区域的实时图像，制作数据集；步骤S2、更改目标检测网络，替换其特征提取模块和卷积模块，并根据数据集训练目标检测模型；步骤S3、使用S2的训练的目标检测模型，检测出图像中三角锥的位置，根据三角锥的位置确定危险区域；步骤S4、检测进入危险区域的目标并对其跟踪，判断入侵的次数和时间，并根据跟踪结果给出预警信号；步骤S5、把监控画面和结果汇总到MFC。2.根据权利要求1所述的港口危险区域入侵检测方法，其特征在于：步骤S1中实时图像一般由机械大臂或待检测区域内其他设备上原有的摄像头进行获取，以MFC为基础，直接连接摄像头的地址，获取现场的实时图像，完成对现场的实时监控。3.根据权利要求2所述的港口危险区域入侵检测方法，其特征在于：步骤S1中提取现场视频，以帧为单位截取获得的视频，使之成为图片集；使用标注软件给图片添加标注信息，制作成为数据集。4.根据权利要求1所述的港口危险区域入侵检测方法，其特征在于：步骤S2中将目标检测网络的基准yolov4模型的主干网络更换为Shufflenetv2，在模型的颈部neck部分重新构造ghost模块，并以ghost模块替换颈部中的3*3卷积和1*1卷积，使参数量减小的同时小幅度的增加目标检测的准确性。5.根据权利要求4所述的港口危险区域入侵检测方法，其特征在于：使用制作的数据集训练目标检测模型，模型在GPU服务器上进行训练，训练批次为100批，得到适应本次检测任务的目标检测模型。6.根据权利要求4所述的港口危险区域入侵检测方法，其特征在于：首先GhostNet采用正常的卷积计算，得到通道数较少的特征图，然后利用简便操作得到更多的特征图，然后将不同的特征图融合到一起，组合成新的输出；假设输入特征图的尺寸是h*w*c,输出特征图的尺寸是h
’
*w
’
*n,卷积核大小为k*k；在简便操作变换中，假设特征图的通道数是m，变换的数量是s，最终得到的新的特征图的数量是n,得到等式：n＝m*sGhost的变换过程中最后存在一个恒等变换，实际有效的变换数量是s
...

【专利技术属性】
技术研发人员：李海滨，李达，李雅倩，张文明，
申请(专利权)人：燕山大学，
类型：发明
国别省市：