[发明专利]入侵预警方法、装置及电子设备

说明书

本发明提供了一种入侵预警方法、装置及电子设备，该方法包括：根据视频帧图像判断指定区域内是否存在异常目标；如果是，确定异常目标的目标信息；该目标信息包括目标类别、目标位置、目标大小、目标速度、目标轨迹中的一种或多种；通过预先训练得到的分级预警模型生成目标信息对应的预警级别；其中，分级预警模型为一种深度神经网络模型；按照预警级别进行预警。本发明能够较好地确定出入侵物信息，并基于入侵物信息进行分级报警，有助于相关人员有针对性地采取措施，进一步保障铁路运营的安全性。

技术领域

本发明涉及安全技术领域，尤其是涉及一种入侵预警方法、装置及电子设备。

背景技术

随着高速铁路运营里程的不断增加和车速的逐渐提升，高速铁路运营安全成为事关国计民生的大事。然而，在诸如山区和隧道口等路段存在突发落石、泥石流的可能，存在施工的路段经常发生机械、人员及施工材料侵入既有线限界的情况，这些情况均严重影响着高速铁路行车安全。由于列车行车速度快，单靠司机视觉和传统检测方法来进行异物识别，难以保证行车安全。轨道线路的异物侵限不仅会导致铁路沿线的既有建筑物遭到破坏，铁路行车遭到中断，往往还会导致列车脱轨和人员伤亡，不仅极大的危害了人民的生命财产安全，同时也造成了国家财产不可估计的损失。因此铁路异物侵入实时检测与报警对确保轨道交通安全具有重要意义。

为此，世界各国研究了诸如红外、超声、激光在内的各种铁路周界入侵监测方法，但是现有的方法中仅是检测出指定区域存在入侵物(又称为异常目标)并发起警报，相关工作人员难以获知确切的入侵信息，不便于针对入侵物有针对性地采取措施，难以较好地保障铁路运营的安全性。

发明内容

有鉴于此，本发明的目的在于提供一种入侵预警方法、装置及电子设备，能够较好地确定出入侵物信息，并基于入侵物信息进行分级报警，有助于相关人员有针对性地采取措施，进一步保障铁路运营的安全性。

为了实现上述目的至少之一，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种入侵预警方法，包括：根据视频帧图像判断指定区域内是否存在异常目标；其中，所述视频帧图像为所述指定区域的拍摄图像；如果是，确定所述异常目标的目标信息；所述目标信息包括目标类别、目标位置、目标大小、目标速度、目标轨迹中的一种或多种；通过预先训练得到的分级预警模型生成所述目标信息对应的预警级别；其中，所述分级预警模型为一种深度神经网络模型；按照所述预警级别进行预警。

进一步，所述根据监控图像判断指定区域内是否存在异常目标的步骤，包括：判断所述视频帧图像与预设图像之间是否存在差异；其中，所述监控图像与所述预设图像均为指定区域的拍摄图像，且所述预设图像中的指定区域不存在异常物；如果是，确定所述指定区域内存在异常目标。

进一步，所述确定所述异常目标的目标信息的步骤，包括：利用连续采集的多张所述视频帧图像对所述异常目标进行跟踪定位，确定所述异常目标的目标位置、目标速度和目标轨迹中的一种或多种；其中，所述目标轨迹包括目标运动轨迹和/或目标预测轨迹；通过预设的目标识别模型对所述视频帧图像进行目标识别，确定所述异常目标的目标类别；其中，所述目标识别模型为一种深度卷积神经网络模型。

进一步，所述目标识别模型为GoogLeNet网络模型。

进一步，所述分级预警模型的训练步骤包括：获取预设数量的训练数据；其中，所述训练数据携带有不同预警级别的标签；且所述训练数据为目标类别、目标位置、目标大小、目标速度和目标轨迹中的一种或多种信息的组合；采用所述训练数据对所述分级预警模型进行训练，直至所述分级预警模型的损失函数值收敛到预设阈值时停止训练。