[发明专利]基于云边协同的陌生人入侵检测方法

说明书

本发明提供了一种基于云边协同的陌生人入侵检测方法，实现对非园区内工作人员的检测、定位及追踪功能。其包括如下步骤：建立园区工作人员人脸库；园区入口处终端部署人脸检测及人脸识别模型，检测非园区工作人员，并对其标记；终端数据采集及预处理工作，上传到边缘服务器；边缘服务器在多个视频源中筛选目标图像，并记录其帧图像时间及运动轨迹信息；整合不同源视频的目标图像序列，生成其运动轨迹，并反馈结果；定期对处理结果进行分析处理，对于识别精度低于阈值的处理结果进行反馈，上传错误数据至云端，在云端对模型进行更新训练，并反馈训练参数至边缘服务器进行更新。

技术领域

本发明涉及一种基于云边协同的陌生人入侵检测方法，属于人脸识别技术领域。

背景技术

园区安防升级，如何利用人工智能技术实现对园区的监测和预警是当前急需解决的问题，主要包含身份识别，陌生人入侵预警、跨摄像头识别及轨迹跟踪等功能。

主要技术难点在于结合行人重识别技术实现跨摄像头的目标定位以及实现实时性分析。园区摄像头由于安放位置、角度等原因，并不能总是拍到行人正脸信息，所以仅依靠人脸识别在多个摄像头中查找同一行人通常是不现实的，在非刻意伪装的情况下，行人短时间内不会改变衣着，而衣着是辨别行人较为明显的特征，因此在这里我们选用人脸结合行人穿着属性来辨别身份。其次在深度学习中，模型越大，往往效果越好，但同时造成边缘端部署困难，检测延迟等问题。传统的视频分析会对每一帧图像都进行推理检测，而视频中存在大量重复帧或变化不大的近似帧，逐帧检测是不需要的，因此，减少不必要的帧检测也是提高推理速度的一种方式，视频不同于图像的另外一点就是图像除本身内容外，帧序列之间的时间关系表征了目标的运动轨迹。

最后，庞大的数据存储制约智能计算的发展，摄像头安放日益增多，设备获取比以往更多地数据，但并非所有数据都有价值，因此决策如何更有效的整合和存储数据变得尤为重要。

发明内容

本发明目的是提供了一种基于云边协同的陌生人入侵检测方法，实现对非园区内工作人员的检测、定位及追踪功能。

本发明为实现上述目的，通过以下技术方案实现：

一种基于云边协同的陌生人入侵检测方法，包括如下步骤：

（1）建立园区工作人员人脸库，用于身份识别对比，区分工作人员与陌生入侵者；

（2）园区入口处终端部署人脸检测及人脸识别模型，利用人脸库对比，检测非园区工作人员，并对其标记；

（3）终端数据采集及预处理工作，包含丢弃模糊图像、裁剪包含感兴趣对象的视频帧图像，上传到边缘服务器；

（4）边缘服务器对上传数据进行分析处理，利用标记目标的结构化属性特征，在多个视频源中筛选目标图像，并记录其帧图像时间及运动轨迹信息；

（5）整合不同源视频的目标图像序列，生成其运动轨迹，并反馈结果；

（6）定期对处理结果进行分析处理，对于识别精度低于阈值的处理结果进行反馈，上传错误数据至云端，在云端对模型进行更新训练，并反馈训练参数至边缘服务器进行更新。

上述基于云边协同的陌生人入侵检测方法基础上，步骤(3)利用行人重识别技术解析视频具体过程如下：

（1）提取多帧包含陌生人的图像，对其定位后进行结构化属性提取，串联后形成一维特征向量，作为参考特征向量，记为；

（2）在其他监控视频中，对包含陌生人的视频片段进行定位和图像截取，分别提取其属性特征，记为，与参考特征进行模板匹配，设置阈值为K，计算当前提取特征与参考特征的相似度，，当，判断为同一人，保留包含该属性特征的视频序列及时间信息；

（3）对每一个出现过该特征的监控视频都进行相同操作，按照时间顺序排列组合，最后根据园区地图信息，得到陌生人运动轨迹，实现跨摄像头的陌生人追踪。