[发明专利]一种基于深度学习的危险物识别方法

说明书

本发明公开一种基于深度学习危险物识别方法，应用于智能视频技术领域，通过安装在监控区域中不同地点的视频前端设备实时采集图像信息，将图像信息传送至后台服务器，服务器根据余弦训练的深度学习算法对采集到的图像进行分析，得出是否存在危险物的判断结果；当判断存在危险物，则向终端反馈危险物对应的地点信息以及图像信息；终端提示并预警；本发明通过将智能危险物识别平台布置在视频监控系统的后台，无需对已经建成的视频监控系统进行改造或拆除重建，能够最大化保护的降低危险物识别成本；并且通过本发明的方法可以大量节省人力成本；本发明的图像处理可实现毫秒级的速度，为危险物识别以及预警处理提高了效率。

技术领域

本发明属于智能视频技术领域，特别涉及一种对室内外环境中可疑人携带管制刀具的 视频分析技术。

背景技术

随着我国“平安城市”建设的深入，我国安防市场的需求将进一步提高，成为继美国之 后全球第二大安防市场。

技术方面的突飞猛进也为安防产业的发展提供了强大的动力，60年代视频图像技术、 70年代计算机数字技术、80年代生物识别技术以及90年代国际互联网技术的应用使安防 行业得到快速发展。

近年来，全程数字化、网络化的视频监控系统优势愈发明显，其高度的开放性、集成 性和灵活性，为整个安防产业的发展提供了更加广阔的发展空间，而智能视频监控则是网 络化视频监控领域最前沿的应用模式之一。智能视频监控以数字化、网络化视频监控为基 础，但又有别于一般的网络化视频监控，它是一种更高端的视频监控应用。

视频发展阶段：

第一阶段：七十年代末到九十年代中期。这个阶段以闭路电视监控系统(CCTV)为主， 也就是第一代模拟电视视频监控系统。在2000年左右，已经基本淘汰。

第二阶段：九十年代中期至九十年代末，以基于PC机插卡式的视频监控系统为主，此阶段也被业内人士称为半数字时代。或第二代视频监控系统。

第三阶段：九十年代末至今，以嵌入式技术为依托，以网络、通信技术为平台，以在摄像头中嵌入简单的图像分析算法为特色的网络视频监控系统为主，自此，网络视频监控的发展也进入了数字时代。目前海康，大华，柯达等多数安防厂商提供的都是第三代——网络化视频监视系统，又称为IP监视系统。

第四阶段：二十一世纪初至今，随着用户对智能图像分析的要求越来越高，单纯的在 摄像头中嵌入简单的算法对抓拍的图片进行分析已经远远不能满足用户的需求。用户对于 监控系统的要求已经从事后取证转向事前预防。监控方式也由以人在监控中心值守转变为 电脑智能值守。第四代智能识别监控系统正是应这样的需求而产生的。

传统第三代视频监控系统主要的预警是由人员通过看监控显示大屏实现，需要大量的 人力投入，同时对人员的责任心，专注度要求很高，大多数情况下只能起到事后取证的作 用，而且事后取证的效率极低。

大多数其他厂商将算法集成在摄像头中，由于受摄像头硬件限制，只能构建简单算法， 做基本处理，无法实现真正意义上的智能识别。

发明内容

为了解决现有的危险物识别算法前置，受摄像头硬件限制，只能构建简单算法，做基 本处理，无法实现真正意义上的智能识别的问题，本发明提出了一种基于深度学习的危险 物识别方法，实现对环境中的是否出现管制刀具携带者进行检测，从而在发现上述情况时 及时发出报警信号，通知监控人员采集措施处理。

本发明采用的技术方案为：基于深度学习的危险物识别方法，包括：

S1、通过安装在各监控区域的视频前端设备采集对应监控区域的视频流信息；

所述视频流信息包括视频图像以及各视频图像对应的监控区域；

还包括通过移动视频采集设备对监控盲区进行实施视频图像信息采集；