[发明专利]一种河道区域入侵检测方法、系统及存储介质

说明书

本发明公开了一种河道区域入侵检测方法、系统及存储介质，涉及视频监控技术领域；该检测方法包括以下步骤：实时采集待测河道关联区域内的视频图像，基于视频图像获取待测图像帧，输入河道入侵检测模型，基于输出结果判断是否存在河道入侵，并在判定存在河道入侵时，确定入侵类型并进行预警。该河道区域入侵检测方法，河道入侵数据集精确分类，可使得模型类别之间误检概率大大降低，保证模型可以输出精确的入侵分类目标，并采用新的hard‑switch损失函数，可以解决了深层网络过拟合问题，理论上使得整个函数图像表现得更加平滑，允许特征深入神经网络，使得模型最终泛化和准确性更强。

技术领域

本发明涉及视频监控技术领域，尤其涉及一种河道区域入侵检测方法。

背景技术

随着城市规划建设生态保护以及宜居生态居住环境，城市中可供人们休闲娱乐的公园人工湖、水库和湖泊数量越来越多，但在实际生活中，由于安全措施不到位、巡查不力、监控未能有效利用等，导致安全事故频发。因此如何能够及时发现可能存在的危险状况，进行及时预警，减少险情发生，对于保障人民生命安全有着至关重要的意义。

目前针对河道区域的异常情况监测，还停留在园区工作人员的人工巡逻，主动提醒阶段，因此始终存在巡查效率低下，无法及时发现险情的问题，也存在市政投入大，人员管理繁杂等问题。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种河道区域入侵检测方法。

为了实现上述目的，本发明采用了如下技术方案：

一种河道区域入侵检测方法，包括以下步骤：

实时采集待测河道关联区域内的视频图像，基于视频图像获取待测图像帧，输入河道入侵检测模型，基于输出结果判断是否存在河道入侵，并在判定存在河道入侵时，确定入侵类型并进行预警；

其中，河道入侵检测模型通过如下方式构建：

采集河道关联区域内的图像，基于采集图像进行图像扩展得到噪声图像，基于所采集图像与扩展的噪声图像形成河道图像数据集；

标注所述河道图像数据集中各图像的河道入侵类型；其中入侵类型包括行人散步、河边钓鱼、河中游泳、落水以及河边嬉戏中的一种或多种；

将标注后的河道图像作为训练样本，利用有监督机器学习算法以训练得到所述河道入侵检测模型。

进一步的，所述关联区域包括河道本身以及河边边缘两侧设定范围的区域。

进一步的，所述采集河道关联区域内的图像包括：通过在不同时间、河道不同区域、不同角度、不同光照背景下采集河道关联区域内的图像。

进一步的，所述基于采集图像进行图像扩展得到噪声图像包括：

采用水平翻转、随意剪裁、几何变换、马赛克中的至少一种扩展方式，对每一帧所述采集图像扩展处理，以得到若干所述噪声图像。

进一步的，所述利用有监督机器学习算法以训练得到所述河道入侵检测模型包括：将所述训练样本按照6:2:2分为训练集、测试集、和验证集，以进行训练输出得到所述河道入侵检测模型。

进一步的，所述训练得到所述河道入侵检测模型包括：

设置模型训练参数和损失函数，其中模型训练参数至少包括模型迭代次数，所述损失函数设置为hard-swish函数；利用所述训练集与所述测试集进行迭代训练，并计算损失值，当模型收敛且瞬时值不再下降，或者达到设定的迭代次数时，停止训练，得到所述河道入侵检测模型。

进一步的，其中训练所述河道入侵检测模型还包括：

去除模型网络结构中CSPDarknet53最大预测分支，保留CSPDarknet53较小预测分支。