基于SSD的实时区域入侵检测方法、系统及存储介质技术方案

本发明专利技术公开了基于SSD的实时区域入侵检测方法、系统及存储介质，方法包括：根据数据扩增后的训练集训练得到SSD模型；对SSD模型进行压缩处理，并将压缩处理后的SSD模型部署至端侧设备；根据筛选后的识别类别，通过SSD模型对端侧设备获取的待检测图像进行检测，生成入侵检测结果；将入侵检测结果实时更新至云端。本发明专利技术降低了模型的运行要求，减少了检测时间，实时性高，可广泛应用于机器学习技术领域。

SSD-based Real-time Area Intrusion Detection Method, System and Storage Media

【技术实现步骤摘要】
基于SSD的实时区域入侵检测方法、系统及存储介质
本专利技术涉及机器学习
，尤其是基于SSD的实时区域入侵检测方法、系统及存储介质。
技术介绍
目标检测与识别一直是计算机视觉领域的一个问题之一，近年来随着人工智能，神经网络与计算机视觉技术的发展，众多学者提出了一系列神经网络深层架构，由于这些工作，目标检测与识别技术得到的很大的进步，同时有了更大的应用前景。利于目标检测与识别技术进行智能视频监控是它应用的一个应用方案，现实生活中，一些特殊的区域需要智能的防护与监控，比如机场，铁路等地重要的区域或重要设施周围，或智能家庭，智慧城市的建立，都需要进行实时的区域入侵检测。将神经网络架构引入实时区域入侵检测在保证了算法稳定性的同时，能精确的识别目标类别。传统的目标检测主要采用光流法，帧差法和背景差除法，这些方法可以实时的进行区域入侵检测，但这一系列方法受光照，背景复杂程度，气候条件等许多因素的影响较大。随着对实时性，稳定性，精确性以及适应复杂场景的要求越来越高，通过神经网络架构的的目标检测与识别被越来越多的学者重视，并有了大量研究成果。R-CNN算法，YOLO(YouOnlyLookOnce)算法，SSD(SingleShotMultiBoxDetector)算法，都是近年来提出的目标检测与识别算法，这些算法在稳定性，准确度上都有优秀的表现。但是，这些算法在识别时需要占用大量的计算资源，实时性低，极大的限制了目标检测与识别在区域入侵上的应用与发展。
技术实现思路
有鉴于此，本专利技术实施例提供一种实时性高的基于SSD的实时区域入侵检测方法、系统及存储介质。一方面，本专利技术实施例提供了一种基于SSD的实时区域入侵检测方法，包括以下步骤：根据数据扩增后的训练集训练得到SSD模型；对SSD模型进行压缩处理，并将压缩处理后的SSD模型部署至端侧设备；根据筛选后的识别类别，通过SSD模型对端侧设备获取的待检测图像进行检测，生成入侵检测结果；将入侵检测结果实时更新至云端。进一步，所述根据数据扩增后的训练集训练得到SSD模型这一步骤，包括以下步骤：确定训练图片中的先验框；根据先验框计算IOU值；根据计算得到的IOU值和预设的阈值，确定先验框中的正样本和负样本；通过数据扩增技术对训练图片进行数据扩增，所述数据扩增技术包括水平翻转处理、随机裁剪处理和颜色扭曲处理；确定训练参数，通过数据扩增后的训练图片和负样本训练得到SSD模型。进一步，所述根据数据扩增后的训练集训练得到SSD模型这一步骤，还包括以下步骤：对负样本的IOU值进行排序；根据排序结果抽取负样本；确定SSD模型的损失函数。进一步，所述根据筛选后的识别类别，通过SSD模型对端侧设备获取的待检测图像进行检测，生成入侵检测结果这一步骤，包括以下步骤：获取待检测图像的原始预测框；根据SSD模型确定类别置信度；根据类别置信度对原始预测框中的低阈值预测框与背景预测框进行过滤，得到目标预测框；对目标预测框进行解码，得到位置参数；根据位置参数标定待检测图像中的被检测区域；通过SSD模型对被检测区域进行检测，得到入侵检测结果。进一步，所述根据筛选后的识别类别，通过SSD模型对端侧设备获取的待检测图像进行检测，生成入侵检测结果这一步骤，还包括以下步骤：根据目标预测框的置信度进行排序；根据排序结果，从目标预测框中提取得到最终的预测框。进一步，所述端侧设备为树莓派。另一方面，本专利技术实施例还提供了一种基于SSD的实时区域入侵检测系统，包括：训练模块，用于根据数据扩增后的训练集训练得到SSD模型；部署模块，用于对SSD模型进行压缩处理，并将压缩处理后的SSD模型部署至端侧设备；检测模块，用于根据筛选后的识别类别，通过SSD模型对端侧设备获取的待检测图像进行检测，生成入侵检测结果；发布模块，用于将入侵检测结果实时更新至云端。进一步，所述检测模块包括：获取单元，用于获取待检测图像的原始预测框；置信度确定单元，用于根据SSD模型确定类别置信度；预测框过滤单元，用于根据类别置信度对原始预测框中的低阈值预测框与背景预测框进行过滤，得到目标预测框；解码单元，用于对目标预测框进行解码，得到位置参数；标定单元，用于根据位置参数标定待检测图像中的被检测区域；检测单元，用于通过SSD模型对被检测区域进行检测，得到入侵检测结果。另一方面，本专利技术实施例还提供了一种基于SSD的实时区域入侵检测系统，包括：至少一个处理器；至少一个存储器，用于存储至少一个程序；当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述的基于SSD的实时区域入侵检测方法。另一方面，本专利技术实施例还提供了一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行所述的基于SSD的实时区域入侵检测方法。上述本专利技术实施例中的一个或多个技术方案具有如下优点：本专利技术的实施例通过对SSD模型的识别类别进行筛选，降低了模型的运行要求，减少了检测时间，还能通过对训练集进行数据扩增来保证模型的稳定性和精确性；本专利技术的实施例将SSD模型部署至端侧设备，通过端侧设备完成检测后将检测结果发布至云端，实时性高。附图说明图1为本专利技术实施例的整体步骤流程图；图2为本专利技术实施例的模型训练流程图；图3为本专利技术实施例的入侵检测流程图。具体实施方式下面结合说明书附图和具体实施例对本专利技术作进一步解释和说明。对于本专利技术实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。本专利技术提出一种基于SSD的实时区域入侵检测方法，该方法在区域入侵检测中运用改进的SSD算法，通过减小模型的规模，在保证算法稳定性和精确性的同时，降低了模型的运行要求，减少了检测时间，实现了入侵检测的实时性。模型在GPU上对公开数据集以及采集的数据集进行配置并训练，对模型测试并输出后部署在树莓派上，模型输入为入侵时采集视频信息和第一帧图像规定的被检测区域，由于端侧计算资源受限，本实施例输出不是视频或图片而是被识别出的入侵物，识别成功上传云端后，发送入侵信息给用户端。参照图1，本专利技术实施例提供了一种基于SSD的实时区域入侵检测方法，包括以下步骤：根据数据扩增后的训练集训练得到SSD模型；对SSD模型进行压缩处理，并将压缩处理后的SSD模型部署至端侧设备；根据筛选后的识别类别，通过SSD模型对端侧设备获取的待检测图像进行检测，生成入侵检测结果；将入侵检测结果实时更新至云端。其中，在标记与采用训练数据时，本实施例修改VOC2007中的训练类别为person，car,bus,cat,dog这五种常见入侵类别。传统的训练数据集VOC2007的类别共有20类，数据集的组成包括类别标签和真实目标区域等，因为入侵检测对类别要求的特殊性，一些类别不会被涉及。于是本实施例采用减少识别类别的方法，即在模型训练阶段，仅定义与使用数据集中的五个类别，分别为person，car,bus,cat,dog。进一步作为优选的实施方式，所述根据数据扩增后的训练集训练得到SSD模型这一步骤，包括以下步骤：确定训练图片中的先验框；根据先验框计算IOU值；根据计算得到的IOU值和预设的阈值，确定先验框中的正样本和负样本文档来自技高网...

【技术保护点】
1.基于SSD的实时区域入侵检测方法，其特征在于：包括以下步骤：根据数据扩增后的训练集训练得到SSD模型；对SSD模型进行压缩处理，并将压缩处理后的SSD模型部署至端侧设备；根据筛选后的识别类别，通过SSD模型对端侧设备获取的待检测图像进行检测，生成入侵检测结果；将入侵检测结果实时更新至云端。

【技术特征摘要】
1.基于SSD的实时区域入侵检测方法，其特征在于：包括以下步骤：根据数据扩增后的训练集训练得到SSD模型；对SSD模型进行压缩处理，并将压缩处理后的SSD模型部署至端侧设备；根据筛选后的识别类别，通过SSD模型对端侧设备获取的待检测图像进行检测，生成入侵检测结果；将入侵检测结果实时更新至云端。2.根据权利要求1所述的基于SSD的实时区域入侵检测方法，其特征在于：所述根据数据扩增后的训练集训练得到SSD模型这一步骤，包括以下步骤：确定训练图片中的先验框；根据先验框计算IOU值；根据计算得到的IOU值和预设的阈值，确定先验框中的正样本和负样本；通过数据扩增技术对训练图片进行数据扩增，所述数据扩增技术包括水平翻转处理、随机裁剪处理和颜色扭曲处理；确定训练参数，通过数据扩增后的训练图片和负样本训练得到SSD模型。3.根据权利要求2所述的基于SSD的实时区域入侵检测方法，其特征在于：所述根据数据扩增后的训练集训练得到SSD模型这一步骤，还包括以下步骤：对负样本的IOU值进行排序；根据排序结果抽取负样本；确定SSD模型的损失函数。4.根据权利要求1所述的基于SSD的实时区域入侵检测方法，其特征在于：所述根据筛选后的识别类别，通过SSD模型对端侧设备获取的待检测图像进行检测，生成入侵检测结果这一步骤，包括以下步骤：获取待检测图像的原始预测框；根据SSD模型确定类别置信度；根据类别置信度对原始预测框中的低阈值预测框与背景预测框进行过滤，得到目标预测框；对目标预测框进行解码，得到位置参数；根据位置参数标定待检测图像中的被检测区域；通过SSD模型对被检测区域进行检测，得到入侵检测结果。5.根据权利要求4所述的基于SSD的实时区域入侵检测方法，其特征在于：所述根据筛选后的识别类...

【专利技术属性】
技术研发人员：王永斌，季文翀，刘廉如，张忠平，丁雷，
申请(专利权)人：宜通世纪物联网研究院广州有限公司，
类型：发明
国别省市：广东,44