阅读说明：本技术 一种智能周界检测的方法和设备 (Intelligent perimeter detection method and equipment ) 是由 王家超 褚洪涛 宋志豪 陈维国 元方 张凡超 于 2021-07-16 设计创作，主要内容包括：本发明提供了一种智能周界检测的方法和设备,涉及人工智能和探测设备技术领域。该方法包括：收集授权人的证件照片作为授权数据库；利用训练后的计算机视觉识别模型,对数据库中的照片进行特征提取,获取识别到的人脸码；存储获取的人脸特征码；接入天然气无人值守站的监控视频；使用RTSP协议采集视频流,对视频进行图像分帧处理；识别到人脸后,提取人脸图片和授权数据库进行相似度匹配,对不匹配的情况记录入侵次数；设定入侵次数的阈值,根据模型检测人脸的准确率与每秒编码视频到图片帧的次数综合设计。利用该方法对边界环境进行监控,设备包括视频监控和计算机,解决了检测连续时间序列图片中间断性检测出错的问题。(The invention provides an intelligent perimeter detection method and equipment, and relates to the technical field of artificial intelligence and detection equipment. The method comprises the following steps: collecting certificate photos of an authorizer as an authorization database; carrying out feature extraction on the photos in the database by using the trained computer vision recognition model to obtain recognized face codes; storing the acquired face feature codes; accessing a monitoring video of the natural gas unattended station; collecting a video stream by using an RTSP (real time streaming protocol), and performing image framing processing on the video; after the face is identified, extracting a face picture and performing similarity matching with an authorization database, and recording the invasion times under the condition of mismatching; and setting a threshold value of the intrusion times, and comprehensively designing according to the accuracy rate of detecting the human face by the model and the times from coding the video to picture frames per second. The method is used for monitoring the boundary environment, and the equipment comprises video monitoring and a computer, so that the problem of discontinuous detection error in the continuous time sequence picture is solved.)

一种智能周界检测的方法和设备

技术领域

本发明涉及人工智能和探测设备技术领域，尤其是一种智能周界检测的方法和设备。

背景技术

传统的周界入侵可以使用探测器，包含红外、微波、电缆、激光、视频、雷达或其他传感器。但是这些探测办法只能区别大类，无法区分具体的细颗粒度类别，比如入侵的种类。随着人工智能的流程，目标物包含人脸识别的算法在各行业的应用。它可以适用于周界入侵场景，它的好处就是可以识别出人还是物。但是识别过程中，会因模型泛化能力不足与外界采集数据质量低而识别出错，造成上报信号错乱，导致系统的紊乱。

现有技术中人工智能模型的泛化能力需要进一步的提升，从而改善整体系统的误报的容错能力。当计算机视觉模型在检测连续时间序列图片的时候，目标物会一会消失一会出现，造成信号的紊乱，造成灾难。这一问题存在的原因有多种，比如在检测期间，目标物的角度变化、视觉模型的处理稳定性能不足，以及其他因素导致整体图像帧质量问题等。

发明内容

为了解决周界入侵探测的信号消失问题，以及计算资源与传输负担，提升在视频场景下周界入侵的目标识别和目标跟踪的容错性能，本发明提供了一种智能周界检测的方法和设备，具体的技术方案如下。

一种智能周界检测的方法，步骤包括：

S1.收集授权人的证件照片，并建立授权数据库；

S2.利用训练后的计算机视觉识别模型，对数据库中的照片进行特征提取，

S3.获取识别到的人脸码，并存储获取的人脸特征码；

S4.接入监控视频；

S5.使用RTSP协议采集视频流，对视频进行图像分帧处理；

S6.识别到人脸后，提取人脸图片和授权数据库进行相似度匹配，对不匹配的情况记录入侵次数；

S7.设定入侵次数的阈值，根据模型检测人脸的准确率与每秒编码视频到图片帧的次数综合设定。

优选的是，证件照片显示头部的正面并具有清晰的五官。

优选的是，计算机视觉识别模型训练利用人脸数据进行训练，利用deepface模型，倒数第二层全连接提取对应的人脸码。

优选的是，视频进行图像分帧处理的过程中，cv2.VideoCapture函数接入视频流以关键帧I作为图像基础，使用前向预测帧P，双向内插帧B作为局部变化图像数据对视频均匀编码图片帧。

优选的是，分帧的通过函数videoCapture.read对图片帧进行Base64编码转换，传入识别算法接口，按时间先后顺序依次传图片帧给计算机识别视频模型，进行人脸识别。

进一步优选的是，人脸识别时，对人脸进行特征提取；提取的人脸图片，进行授权数据库的相似度匹配，并设置匹配分数的阈值。

进一步优选的是，匹配分数的阈值为80％；当达到或者超过阈值分数的人脸超过0时，判断为匹配成功，记录入侵次数为0；当达到或者超过阈值分数的人脸为0时，判断匹配不成功，记录入侵次数加1。

进一步优选的是，入侵次数的阈值达到后，启动警告模型；当视频采集的质量提高时，调低匹配分数的阈值；当每秒编码的图片帧数增多时，调高匹配分数的阈值。

一种智能周界检测的设备，利用上述的一种智能周界检测的方法，包括视频采集装置、人脸识别控制系统和警报装置，视频采集装置接入天然气无人值守站的摄像头视频数据，人脸识别控制系统接收视频数据后记录入侵次数，并控制警报装置发出警报。

还进一步优选的是，人脸识别控制系统对视频数据进行压缩，然后对视频进行检测。

本发明提供的一种智能周界检测的方法和设备有益效果是：该方法可以解决计算机视觉模型在检测连续时间序列图片的时候，当标物在期间出现在图片中而模型间断性检测出错的问题。利用设备实现该方法可以提升整个人工智能模型的泛化能力，从而改善了误报的容错能力。另外，该方法还解决了环境与模型等因素引起的偶然性问题导致的目标检测失败。

附图说明

为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是智能周界检测的方法的流程示意图；

图2是设备的工作流程图。

具体实施方式

结合图1和图2所示，对本发明提供的一种智能周界检测的方法和设备具体实施方式进行说明。

一种智能周界检测的方法，步骤包括：

S1.收集授权人的证件照片，并建立授权数据库。

证件照片显示头部的正面并具有清晰的五官。这些图片的要求可以按照护照标准拍摄的近期五官清晰无遮挡，坐姿端正等要求照片。

S2.利用训练后的计算机视觉识别模型，对数据库中的照片进行特征提取。

计算机视觉识别模型训练利用人脸数据进行训练，利用deepface模型，倒数第二层全连接提取对应的人脸码。可以选用计算机视觉识别人脸模型为第三方训练的模型，训练方法是利用大量的人脸训练数据进行，采用的识别模型是deepface，用中倒数第二层全连接存提取对应的人脸码；后续的人脸识别模型都是此模型，人脸识别模型也可以采用其他的人脸识别模型，单要求该模型能够提取人脸的特征码。

S3.获取识别到的人脸码，并存储获取的人脸特征码。其中人脸码可以存储在计算机中，并在人脸识别控制系统中保存，保存后可以设定数据保密措施。

S4.接入监控视频。例如在天然气无人值守站使用时，可以将天然气无人值守站的监控视频数据直接接入。还可以应用于LNG卸车场景中，对卸车场景中的安全目标物进行实时的监测，直至目标出现。

S5.使用RTSP协议采集视频流，对视频进行图像分帧处理。

具体的时，视频进行图像分帧处理的过程中，cv2.VideoCapture函数接入视频流以关键帧I作为图像基础，使用前向预测帧P，双向内插帧B作为局部变化图像数据对视频均匀编码图片帧。分帧的通过函数videoCapture.read对图片帧进行Base64编码转换，传入识别算法接口，按时间先后顺序依次传图片帧给计算机识别视频模型，进行人脸识别。

S6.识别到人脸后，提取人脸图片和授权数据库进行相似度匹配，对不匹配的情况记录入侵次数。

人脸识别时，对人脸进行特征提取；提取的人脸图片，进行授权数据库的相似度匹配，并设置匹配分数的阈值。匹配分数的阈值为80％，还可以根据视觉模型的准确率和经验进行相应的设置；当达到或者超过阈值分数的人脸超过0时，判断为匹配成功，表示安全无需警告，记录入侵次数为0；当达到或者超过阈值分数的人脸为0时，判断匹配不成功，表示不安全，人脸没有经过授权，记录入侵次数加1。

S7.设定入侵次数的阈值，根据模型检测人脸的准确率与每秒编码视频到图片帧的次数综合设定。

可以设置入侵次数为3时作为阈值，入侵次数的阈值达到后，启动警告模型；当视频采集的质量提高时，调低匹配分数的阈值；当每秒编码的图片帧数增多时，调高匹配分数的阈值。具体的时，入侵次数的阈值根据模型检测人脸的准确率与每秒编码视频到图片帧的次数综合设计。当人脸识别模型的准确率很高并且视频采集的质量很高的情况下，可以把阈值设小。当每秒编码的图片帧数多时，可以把这个阈值设置大一些。其中每秒编码的图片帧多的时候，会出现计算性能的消耗，内存的消耗，还有传输的消耗。因此不推荐单位时间编码图片帧多的参数。

一种智能周界检测的设备，利用上述的一种智能周界检测的方法，包括视频采集装置、人脸识别控制系统和警报装置，视频采集装置接入天然气无人值守站的摄像头视频数据，人脸识别控制系统接收视频数据后记录入侵次数，并控制警报装置发出警报。其中人脸识别控制系统对视频数据进行压缩，然后对视频进行检测。在视频到图片帧编码的时候，可以采用3帧每秒的频率。

该装置中，视频流经过处理后，编码图片帧，然后计算机视觉识别目标物，实时监测场景中的目标，目标出现时上报目标的坐标；目标消失时，并且达到3次，此时上报目标消失，控制系统对该结果进行准确判断，发出相应的指令。

该方法可以解决计算机视觉模型在检测连续时间序列图片的时候，当标物在期间出现在图片中而模型间断性检测出错的问题。利用设备实现该方法可以提升整个人工智能模型的泛化能力，从而改善了误报的容错能力。另外，该方法还解决了环境与模型等因素引起的偶然性问题导致的目标检测失败。

当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。