[发明专利]基于深度学习的人工智能周界安防方法及服务端

说明书

本发明公开了基于深度学习的人工智能周界安防方法及服务端，将热源成像雷达采集的雷达图像与可见光系统采集的可见光图像进行融合，以得到周界图像，存储周界图像至图像大数据集，雷达图像为热源成像雷达探测到不同物体所发射的辐射温度信号而形成的图像；通过基于深度学习技术的周界入侵训练优化模型对实时监控的录像视频以不同颜色框图和中文标记的方式对目标进行报警和定位跟踪，颜色框图用于对不同类型目标进行区分，中文标记用于标出了报警总体类型，报警总体类型包括入侵物数量以及危险等级；本发明能在准确的获取到实时监控信息后，快速识别入侵目标并进行分类并及时进行预警，以满足高等级周界安防需求。

技术领域

本发明涉及安防领域，特别涉及基于深度学习的人工智能周界安防方法及服务端。

背景技术

深度学习(DL,Deep Learning)是机器学习(ML,Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标—人工智能(AI,ArtificialIntelligence)。

深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字、图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。

深度学习在搜索技术、数据挖掘、机器学习、机器翻译、自然语言处理、多媒体学习、语音、推荐和个性化技术以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。

现有的红外对射、物理传感器以及电子围栏系统等常规监控视频分析系统容易受环境、夜晚以及灯光的干扰，产生的误报漏报非常严重，无法满足高等级周界安防系统需求，且不能识别一些特殊目标，例如猫、狗、非机动车等，从而让入侵过程有机可乘。

发明内容

本发明所要解决的技术问题是：提供基于深度学习的人工智能周界安防方法及服务端，以满足高等级周界安防需求。

为了解决上述技术问题，本发明采用的技术方案为：

基于深度学习的人工智能周界安防方法，包括步骤：

S1、将热源成像雷达采集的雷达图像与可见光系统采集的可见光图像进行融合，以得到周界图像，存储所述周界图像至图像大数据集，所述雷达图像为所述热源成像雷达探测到不同物体所发射的辐射温度信号而形成的图像；

S2、通过基于深度学习技术的周界入侵训练优化模型对实时监控的录像视频以不同颜色框图和中文标记的方式对目标进行报警和定位跟踪，所述颜色框图用于对不同类型目标进行区分，所述中文标记用于标出了报警总体类型，所述报警总体类型包括入侵物数量以及危险等级。

为了解决上述技术问题，本发明采用的另一种技术方案为：

基于深度学习的人工智能周界安防服务端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

S1、将热源成像雷达采集的雷达图像与可见光系统采集的可见光图像进行融合，以得到周界图像，存储所述周界图像至图像大数据集，所述雷达图像为所述热源成像雷达探测到不同物体所发射的辐射温度信号而形成的图像；

S2、通过基于深度学习技术的周界入侵训练优化模型对实时监控的录像视频以不同颜色框图和中文标记的方式对目标进行报警和定位跟踪，所述颜色框图用于对不同类型目标进行区分，所述中文标记用于标出了报警总体类型，所述报警总体类型包括入侵物数量以及危险等级。