[发明专利]一种人员入侵检测方法及装置

说明书

一种人员入侵检测方法及其装置,通过4个步骤对区域内进行人员入侵检测。本发明能保持基于深度学习人员检测准确率，同时通过非移动目标排除从而能解决深度学习目标检测方法偶尔出现大量重复误告警问题。本发明通过缓存即时缓存图像序列和间隔缓存图像序列能大大降低缓存图片数量，从而能大节省存储空间。

技术领域

本发明涉及人员入侵检测技术领域，特别涉及一种人员入侵检测方法及装置。

背景技术

基于监控视频的人员入侵检测具有非常普遍的应用价值，可广泛应用于监狱的周界防范，电力电网的安全作业管控，以及其它各种违禁人员进入的场景。

人员入侵的检测方法主要有两类，一类是以vibe算法为代表的移动侦测检测方法，一类是以yolo为代表的深度学习目标检测方法。移动侦测检测方法存在检出率低、误告率高的不足，存在无法区分人员与其它动态物体的缺点。基于深度学习目标检测方法整体检出率较高，是目前的主流方法，但也存在一旦画面中出现与人员相类似的物体形态时，例如人员画像、衣物等，该方法会出现大量重复误告警的不足。

因此，针对现有技术不足，提供一种人员入侵检测方法及其装置以解决现有技术不足甚为必要。

发明内容

本发明其中一个的目的在于避免现有技术的不足之处而提供一种人员入侵检测方法。该人员入侵检测方法能避免大量重复误告警产生。

本发明的上述目的通过以下技术措施实现：

提供一种人员入侵检测方法,步骤包括：

步骤一、将实时获取监控的视频流得到连续图像序列,并根据预设时间间隔对连续图像序列中进行图像选取，得到识别图像；

步骤二、将步骤一得到的识别图像进行缓存得到即时缓存图像序列和间隔缓存图像序列；

步骤三、将步骤二得到的即时缓存图像序列中的当前图像输入至最优算法模型，得到目标信息；在步骤二得到的间隔缓存图像序列和即时缓存图像序列中选择的对比图像，根据目标信息和对比图像得到对比结果，对对比结果进行非移动目标排除得到人员入侵结果；

步骤四、根据步骤三得到人员入侵结果，判断是否存在人员入侵，当存在人员入侵则对应输出告警并返回步骤一，当非移动物体则返回步骤一。

优选的，上述步骤二包括有：

步骤2.1、将最新的识别图像定义为当前图像；

步骤2.2、将当前图像进行缓存，根据即时缓存图像序列更新方法得到即时缓存图像序列，根据间隔缓存图像序列更新方法得到间隔缓存图像序列；

步骤2.3、判断即时缓存图像序列和间隔缓存图像序列的图像数目是否饱满，当两者同时饱满时进入步骤三，否则返回步骤2.2。

优选的，上述即时缓存图像序列更新方法为将当前图像更新至缓存模块的即时缓存图像序列中，且即时缓存图像序列的存储长度为n，且n为正整数。

优选的，上述即时缓存图像序列更新方法具体为将连续多帧的识别图像按时间顺序从后向前排列，将当前图像作为即时缓存图像序列的末端图像并定义为A_n，与A_n相邻在前的第一帧图像定义为A_n-1，……，与A_n相邻在前的第i帧图像定义为A_n-i，与A_n相邻在前的第n-1帧图像定义为A₁，存在n≥i≥2，且n和i均为正整数，将位于A₁之后的识别图像删除。

优选的，上述间隔缓存图像序列更新方法为每间隔时间t₁分钟将当前图像作为间隔缓存图像序列的末端图像更新至间隔缓存图像序列，且间隔缓存图像序列的存储长度为m，且m为正整数。