[发明专利]一种基于深度学习的智能室内入侵检测方法及系统

摘要

本发明公开了一种基于深度学习的智能室内入侵检测方法及系统，包括建立BP神经网络模型；利用帧间差分算法获得监控视频画面中相邻帧间的差分图像；对所获取的差分图像进行二值化处理，及对处理后的图像中提取静止背景下的变化前景区域图像；对所提取的变化前景图像检测和识别其是否存在人形；当识别存在人形时，从所述变化前景区域中检测和提取获得人脸区域图像；对所提取的人脸区域图像检测和识别其是否为用户图像；及在识别判断为非用户图像时，确定为非用户入侵并向用户发送报警信号。本发明抗其他运动物体干扰能力强、误判率低，可进行大量的视频数据分析，可以准确地进行入侵检测识别。

主权项

一种基于深度学习的智能室内入侵检测方法，其特征在于，包括以下步骤：建立BP神经网络模型，及根据输入包含用户图像的训练数据对BP神经网络模型训练；利用帧间差分算法从监控视频画面中获取相邻帧间的差分图像；对上述差分图像进行二值化处理，提取处理后的图像中的变化前景区域；利用所建立的BP神经网络模型对所提取的变化前景图像检测和识别其是否存在人形；当识别存在人形时，从所述变化前景图像中检测和提取得到人脸区域图像；利用所建立的BP神经网络模型对所提取的人脸区域图像检测和识别判断是否为用户图像；及在识别判断为非用户图像时，确定为非用户入侵并向用户发送报警信号。