【技术实现步骤摘要】
一种基于深度学习的校园防护自动报警方法
[0001]本专利技术涉及深度学习
,特别涉及一种基于深度学习的校园防护自动报警方法。
技术介绍
[0002]现在的学校的安全防护大多是靠保安和普通监控,且保安是负责巡逻,来人为监督是否存在翻墙行为等,普通监控一般只是对指定区域进行监控,来将监控的视频保留,或者是通过特定的人员来对监控视频进行排查,来确定是否存在翻墙行为,不论是哪种方式进行监控,都不会保证对翻墙行为进行有效管理,难免有的时候会有遗漏或者失误,对人员生命安全造成伤害,无法及时解决处理。
[0003]因此,本专利技术提出一种基于深度学习的校园防护自动报警方法。
技术实现思路
[0004]本专利技术提供一种基于深度学习的校园防护自动报警方法,用以通过获取视频进行图像分析,并基于两个深度学习模型,可以有效的确定出是否存在翻墙行为,进而实现有效管理。
[0005]本专利技术提供一种基于深度学习的校园防护自动报警方法,包括:
[0006]步骤1:采集目标区域的当下区域视频,并对所述当下区域视频中的每个视频帧进行图像分析;
[0007]步骤2:基于图像分析结果,获取每个视频帧的图像序列,并依次将每个视频帧的图像序列输入到第一深度学习模型中,获取每个视频帧的帧内容;
[0008]步骤3:判断每个帧内容是否满足待分析标准;
[0009]步骤4:若全部帧内容都满足,则继续对下一时刻的区域视频进行分析;
[0010]步骤5:若存在在待分析标准边界范围的帧内 ...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的校园防护自动报警方法,其特征在于,包括:步骤1:采集目标区域的当下区域视频,并对所述当下区域视频中的每个视频帧进行图像分析;步骤2:基于图像分析结果,获取每个视频帧的图像序列,并依次将每个视频帧的图像序列输入到第一深度学习模型中,获取每个视频帧的帧内容;步骤3:判断每个帧内容是否满足待分析标准;步骤4:若全部帧内容都满足,则继续对下一时刻的区域视频进行分析;步骤5:若存在在待分析标准边界范围的帧内容,则标定对应帧内容的初始出现时刻,并将所述初始出现时刻的帧内容作为初始内容;步骤6:若存在不满足待分析标准的帧内容,则提取不满足待分析标准的第一内容,并基于第二深度学习模型对所述第一内容进行种类识别以及动作定位,获取危险值;步骤7:当所述危险值高于预设值时,向所述第一内容设置报警标签,基于对所述当下区域视频所设置的所有报警标签,进行相应的报警提醒。2.如权利要求1所述的基于深度学习的校园防护自动报警方法,其特征在于,采集目标区域的当下区域视频,并对所述当下区域视频中的每个视频帧进行图像分析,包括:基于预先设置的摄像装置,对所述目标区域进行视频采集,并获取当下时刻的当下区域视频;按照预设拆分精度,对所述当下区域视频进行帧拆分,获取得到若干个视频帧;对每个视频帧进行图像分析。3.如权利要求1所述的基于深度学习的校园防护自动报警方法,其特征在于,基于图像分析结果,获取每个视频帧的图像序列,包括:获取每个视频帧的图像分析结果,并按照图像分析结果对相应视频帧进行第一灰度线条的确定,同时,获取对应目标区域的区域墙体图;基于所述区域墙体图对确定的第一灰度线条进行优化,得到第二灰度线条;按照所述第二灰度线条获取得到相应帧视频的图像块;分别获取每个图像块的块序列,并按照相应视频帧的划分顺序,构建得到相应视频帧的图像序列。4.如权利要求3所述的基于深度学习的校园防护自动报警方法,其特征在于,依次将每个视频帧的图像序列输入到第一深度学习模型中,获取每个视频帧的帧内容,包括:确定每个视频帧中每个区域块的边缘序列以及中间序列;基于所述第一深度学习模型对同个视频帧的每个区域块的中间序列进行依次分析,同时,基于所述第一深度学习模型对同个视频帧中所有边缘序列进行同时分析;基于依次分析结果以及同时分析结果,获取得到相应视频帧的帧内容。5.如权利要求1所述的基于深度学习的校园防护自动报警方法,其特征在于,判断每个帧内容是否满足待分析标准,包括:获取每个帧内容中每个内容指标的第一指标值;将每个第一指标值分别与所述待分析标准对应的预设指标值进行比较;当相应帧内容中的...
【专利技术属性】
技术研发人员:兰雨晴,余丹,乔孟阳,黄永琢,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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。