[发明专利]区域报警方法、装置、电子设备及可读存储介质

说明书

本发明是关于一种区域报警方法、装置、电子设备及可读存储介质。所述方法包括：将采集的当前图像输入至已训练的神经网络模型，以由所述神经网络模型从所述当前图像中识别监控对象并输出所述监控对象的位置信息；根据所述监控对象的位置信息，确定所述监控对象在所述当前图像中所处的目标区域；判断所述目标区域与预先指定的报警区域之间是否存在交集，若是，确定所述监控对象为目标监控对象，并输出报警信号。本发明采用神经网络模型检测监控对象，准确性较高，进而可提高区域报警方法的准确性。

技术领域

本发明涉及监控技术领域，尤其涉及一种区域报警方法、装置、电子设备及可读存储介质。

背景技术

为加强海上交通管理，维护海上交通环境及秩序，以及保障船舶、设施及人员的安全，海面上的某些禁航区域例如进行工程建设的区域是不允许船舶经过的。因此，需要对禁航区域进行监控，以及时发现经过的船舶并进行报警，从而提醒相关工作人员。

现有技术中通过采集包括指定区域的图像，采用像素值分割的方法根据船只的形状来检测图像中的船只。但是现有技术中检测船只的精确较低，容易出现漏检或者误检的情况。

发明内容

为解决相关技术中存在的问题，本发明提供一种区域报警方法、装置、电子设备及可读存储介质，以解决现有技术中的不足。

根据本发明实施例的第一方面，提供了一种区域报警方法，所述方法包括：

将采集的当前图像输入至已训练的神经网络模型，以由所述神经网络模型从所述当前图像中识别监控对象并输出所述监控对象的位置信息；

根据所述监控对象的位置信息，确定所述监控对象在所述当前图像中所处的目标区域；

判断所述目标区域与预先指定的报警区域之间是否存在交集，若是，确定所述监控对象为目标监控对象，并输出报警信号。

在本发明的一个实施例中，所述以由所述神经网络模型从所述当前图像中识别监控对象并输出所述监控对象的位置信息包括：

由所述神经网络模型的卷积层对输入的当前图像进行卷积处理得到高维特征数据并输出给所述神经网络模型的池化层；

由所述神经网络模型的池化层对输入的所述高维特征数据进行数据降维处理得到低维特征数据并输出给所述神经网络模型的全连接层；

由所述神经网络模型的全连接层根据输入的所述低维特征数据识别所述当前图像中的目标对象以及目标对象的位置信息，输出所述目标对象的位置信息。

在本发明的一个实施例中，所述判断所述目标区域与预先指定的报警区域之间是否存在交集之前，所述方法进一步包括：

对所述目标区域的尺寸进行校正。

在本发明的一个实施例中，所述对所述目标区域的尺寸进行校正包括：

在所述当前图像的前N张图像中确定与所述当前图像中的监控对象匹配的参考监控对象，N为大于或等于2的整数；

在所述前N张图像中获取所述参考监控对象所处的至少一个参考区域；

将至少一个所述参考区域的尺寸大小进行平均值运算，得到平均尺寸；

将所述目标区域缩放至所述平均尺寸。

在本发明的一个实施例中，该方法还包括：

统计设定周期内目标监控对象的数量。

在本发明的一个实施例中，所述统计设定周期内目标监控对象的数量包括：

统计设定周期内采集的首张图像中目标监控对象的数量T1；

将所述首张图像的下一张图像作为待处理图像；