[发明专利]一种基于视频分析的翻墙检测方法

权利要求书

1.一种基于视频分析的翻墙检测方法，其特征在于，1）架设摄像机

在封闭围墙上架设摄像机用以覆盖四面围墙，并确保所有摄像机的监控范围没有视觉死角；

2）互联网络

设置有与摄像机连接的核心交换机，以保障所有摄像机的网络通畅；

3）翻墙检测模型训练

将深度学习服务器连接至核心交换机的后端，确保深度学习服务器能获取所有摄像机的实时视频流，通过视频流采集正负样本图片和试验图片，正样本为“人翻墙的行为”，负样本为除正样本以外的图片，尤其要包含其他物体的干扰图片，试验图片为随机图片，且需保证图片的多样性和不可重复性；通过多次模型训练，既得到试验准确率在95%以上的检测效果，翻墙检测模型训练完成；

4）调试运行

在试用期内，对所有软硬件设备进行调试及测试，同时对摄像机实时视频画面的清晰度和检测翻墙行为的准确率进行监测，以确保所有设备稳定运行，对于出现问题的环节重新调试；

运行时，深度学习服务器通过核心交换机获取所有摄像头视频流，并利用深度学习算法对视频流进行逐帧的检测分析，当检测到某一帧存在人的翻墙行为时，将该帧图片推送给管理服务器，管理服务器在管理平台显示该报警图片提示管理员有可疑人员翻墙，再由管理员判断是否准确。

2.根据权利要求1所述的一种基于视频分析的翻墙检测方法，其特征在于，步骤1）中，摄像机为红外摄像机，且摄像机以对射的方式进行布置。

3.根据权利要求2所述的一种基于视频分析的翻墙检测方法，其特征在于，摄像机对射距离≤摄像机的红外距离。

4.根据权利要求1所述的一种基于视频分析的翻墙检测方法，其特征在于，步骤2）中，互联网络还包括接入层交换机，摄像机与接入层交换机连接，接入层交换机与核心交换机连接。

5.根据权利要求1所述的一种基于视频分析的翻墙检测方法，其特征在于，步骤3）中，正样本图片、负样本图片及试验图片的张数在万级以上。

6.根据权利要求1所述的一种基于视频分析的翻墙检测方法，其特征在于，步骤4）中，深度学习服务器中设置有基于多层神经网络深度学习算法，该算法用于对“人员翻墙行为动作”和“非人员翻墙行为动作”进行二元分类，同时提取翻墙人员的行为动作特征，行为动作特征包括翻墙时人员的头部动作特征、躯干动作特征以及四肢动作特征，通过大量的样本训练，反复迭代，推算该二元分类之间的阈值，当阈值达到可应用范围内，即认为算法迭代完成，翻墙检测模型训练完成。

7.一种基于视频分析的翻墙检测系统，包括摄像机、核心交换机、深度学习服务器及管理服务器，其特征在于，摄像机与核心交换机连接，核心交换机与深度学习服务器连接，深度学习服务器与管理服务器连接。

8.根据权利要求7所述的一种基于视频分析的翻墙检测系统，其特征在于，摄像机为带语音功能的红外摄像机。

9.根据权利要求7所述的一种基于视频分析的翻墙检测系统，其特征在于，还设置有接入层交换机，接入层交换机一端与摄像机连接，接入层交换机另一端与核心交换机连接。

10.根据权利要求7所述的一种基于视频分析的翻墙检测系统，其特征在于，管理服务器内设置有存储器。