[发明专利]一种基于深度学习的基站入侵检测方法和系统

权利要求书

1.一种基于深度学习的基站入侵检测方法，该方法用于基站入侵检测系统，所述基站入侵检测系统包括主机、主机上摄像头、基站门上摄像头和报警装置；主机上摄像头、基站门上摄像头和报警装置分别与主机信号连接；所述主机设置数据库；

所述主机上摄像头，用于拍摄铁塔周围环境；所述基站门上摄像头，用于拍摄机房门操作者的人脸信息；

其特征在于，所述基站入侵检测方法包括以下步骤：

步骤100，将训练好的基于深度学习的人脸检测模型、人脸防伪模型、人脸识别模型和动作识别模型，部署到基站入侵检测系统的主机中；

步骤200，识别机房外铁塔周围人员的行为，判断其是否有异常行为；

步骤201，主机上摄像头实时采集铁塔周围环境；

步骤202，利用铁塔周围环境信息，进行人脸检测，当检测到人脸信息时，进行下一步人脸防伪检测；

步骤203，进行人脸防伪检测，如果检测到人脸带面具，则控制报警装置进行报警；如果未检测到人脸带面具，则进行下一步人脸特征提取；

步骤204，进行人脸特征提取，与数据库内的所有人脸特征进行比对，得到人脸比对最高得分；利用人脸比对最高得分，自适应确定动作识别异常行为得分阈值；

步骤205，截取检测到该人脸信息前后指定时间段内的视频；将视频输入到动作识别模型，如果得到的异常行为得分超过异常行为得分阈值，则控制报警装置进行报警。

2.根据权利要求1所述的基于深度学习的基站入侵检测方法，其特征在于，在步骤204中，如果人脸比对得分小于A分，则异常行为得分阈值为B1分；

如果人脸比对得分在A到100之间，则异常行为得分阈值为y＝B1+(x-A)/(100-A)*(A-B1)＝B1+3*(x-A)分，其中，其中x为人脸比对最高得分，y为自适应阈值；

如果人脸比对得分为100分，则异常行为得分阈值为B2分。

3.根据权利要求1或2所述的基于深度学习的基站入侵检测方法，其特征在于，还包括：步骤300，判断要进入机房的人是否具有权限；

步骤301，基站门上摄像头实时采集基站门口的环境；

步骤302，利用基站门口的环境信息，进行人脸检测，当检测到人脸信息时，进行下一步人脸防伪检测；

步骤303，进行人脸防伪检测，如果检测到人脸带面具，则控制报警装置进行报警；如果未检测到人脸带面具，则进行下一步人脸特征提取；

步骤304，进行人脸特征提取，与数据库内的所有人脸特征进行比对，得到人脸比对最高得分；如果人脸比对最高得分超过阈值，则允许开门；如果人脸比对最高得分未超过阈值，则控制报警装置进行报警。