[发明专利]一种基于多源异构数据融合的社区安全防护方法及系统

说明书

本发明涉及社区安防技术领域，具体公开了一种基于多源异构数据融合的社区安全防护方法及系统，包括：获取监控摄像头图像；分别将图像输入到目标跟踪模型、行为分析模型和人头检测模型；得到目标的定位，同时进行行为分析，获得行为信息，对图像中的人头个数进行统计，获取每个目标的坐标；进行目标追踪、进行异常行为的预警，进行人头距离计算；当人头距离小于距离阈值时进行人数统计；当统计的人数超过人数阈值时进行聚众预警；融合红外传感器的穿越记录、行人检测信息、目标跟踪，综合判断非法入侵；融合目标跟踪与行为检测的结果，进行重点监控。

技术领域

本发明涉及社区安防技术领域，具体是一种基于多源异构数据融合的社区安全防护方法及系统。

背景技术

社区安全防护，无论在传统社区还是智慧社区都是最值得关注的模块。一个社区的好坏，安全一直都是重要的参考点。多源异构数据融合和深度学习的发展，可以解决智慧社区自动安全防护的诸多难题。

卷积神经网络是深度学习的一种方法，利用其在图像处理等领域优秀的表现结合传统算法，大量减少人工干预，训练高质量模型用于提高准确率。

多源异构数据融合最早被用于军事领域，但其思想可被用于解决社区安全防护领域。将多传感器的数据分别处理，再将处理后的数据利用融合算法综合判断，达到社区自动化安全防护的目的。

目前社区安全防护方面，多采用传统监控设备、传感器和安全人工巡视的方式，各个设备的数据没有有效的结合，形成一个个数据孤岛，无法自动化形成安全防护体系，人工成本大，且无法及时发现社区安全事件的发生。鉴于此，本发明提出一种多源异构数据融合的社区安全防护方法。

发明内容

本发明的目的在于提供一种基于多源异构数据融合的社区安全防护方法及系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明实施例提供了一种基于多源异构数据融合的社区的安全防护方法，该安全防护方法具体包括以下步骤：

S10、获取监控摄像头图像；

S20、分别将图像输入到目标跟踪模型、行为分析模型和人头检测模型；

S30、得到目标的定位，同时进行行为检测，获得行为信息，对图像中的人头个数进行统计并获取每个目标的坐标；

S40、进行目标追踪、进行异常行为的提示，进行人头距离计算；

S50、当人头距离小于距离阈值时进行人数统计；

S60、当统计的人数超过人数阈值时进行聚众提示；

S70、融合红外传感器的穿越记录、行为检测的信息、目标跟踪，综合判断非法入侵；

红外传感器多置于社区围栏和楼宇周边，结合行为分析和目标追踪减少误报，提高入侵检测的准确率；

S80、融合目标跟踪与行为检测的结果，进行重点监控；

将目标跟踪与行为检测相结合，为目标赋予行为信息，有针对性的进行重点监控。

作为本发明进一步的方案：在步骤S10中，通过RTSP不断拉取监控摄像头的视频帧，图片在进入具体模型前进行相应的预处理。

作为本发明进一步的方案：在步骤S20中，目标跟踪模型的训练中使用同一目标的一对图像模板分别输入到卷积神经网络中，训练得到目标跟踪模型；

行为分析模型的训练中使用更长的视频通过LTC3D网络进行训练，得到行为分析模型；

人头检测模型，使用默认参数的SSD网络进行训练，训练中对参数不断进行调整，得到效果最好的人头检测模型。