一种基于深度学习的智能安防系统及用于智能安防系统的深度学习方法技术方案

本发明专利技术公开了一种基于深度学习的智能安防系统，其特征在于，包括主控模块，与主控模块分别连接的监控模块、报警模块和电源模块；以及与监控模块连接的摄像头，与电源模块连接的电源；所述监控模块，用于对摄像头采集到的视频数据进行识别，判断是否有陌生人入侵；当检测出有陌生人入侵时，主控模块通过报警模块向主人发送报警信息或发出报警提示音；所述监控模块由YOLOV4人脸检测模块和Dlib人脸识别模块结合，YOLOV4人脸检测模块，用于实时提取视频中的人脸，Dlib人脸识别模块判断是否为陌生人。本发明专利技术通过将把深度学习模型部署于主控模块上，实现主人识别的视频监控功能，减少安防系统误报和漏报的发生，提高家居监控的安全性和可靠性。

【技术实现步骤摘要】
一种基于深度学习的智能安防系统及用于智能安防系统的深度学习方法
本专利技术涉及安防
，尤其是家居防盗入侵检测系统，一种基于深度学习的智能安防系统。
技术介绍
住宅安全一直是人们关注的问题。目前，在安防领域为防止人员非法入侵或意外闯入，已经发展了很多技术，如空间移动报警器(超声波拟报警器、红外报警器、视频越线检测等)，然而在不同技术方案中，可利用各自技术的优势在一定程度上解决入侵检报警问题，但也存在各自的缺点和不足。空间移动报警器的特点是只要所警戒的空间有人活动就会触发报警。红外对射越线检测，利用发射的红外光形成一种人眼不可见的光线，有目标物穿过时，目标物会挡住红外光从而触发报警装置，该检测系统容易受到外界环境的影响造成误报和漏报的情况。近年来随着计算机视觉的发展，数字视频报警器随着数字电路、计算机技术的发展成为一种新式的报警器，具有监视、报警、回放、图像取证等多种功能，然而现有的视频越线检测则是利用摄像头实时监控监测区域，采用图像处理的方法在视频中标记一条线，只要有人越过标记线就会触发报警，该技术若用于家庭防盗检测中对于主人不具有识别性，产生报警的频率较高，适用性较弱。由此可知，利用现有技术在家居防盗入侵检测过程中，不具备对主人的识别功能，从而出现误警率和误报率较高，同时容易受到周围环境的影响，出现漏报等情况，导致防护安全等级较低的问题。并且报警系统只采用蜂鸣报警器，对盗窃者没有威慑性且主人无法取证；同时处理系统大多基于电脑操作系统，成本较高，占用空间较大，造成资源的浪费。>
技术实现思路
本专利技术的专利技术目的在于：针对上述存在的问题，提供一种基于深度学习的监控系统，通过把深度学习模型部署于轻便的树莓派上，同时深度学习模型能够准确识别主人和陌生人，旨在最小化监控设备的使用成本和空间占用率，为家居监控提供高可靠性、高防范性和威慑性强的防盗入侵识别系统。本专利技术采用的技术方案如下：本专利技术一种基于深度学习的智能安防系统，包括主控模块，与主控模块分别连接的监控模块、报警模块和电源模块；以及与监控模块连接的摄像头，与电源模块连接的电源；所述主控模块，作为整个系统的主控芯片，协调着整个系统的运转；所述报警模块，用于在监控现场发出报警提示音或通过无线网络远程向主人发送报警信息；所述电源模块，用于为系统供电；所述监控模块，用于对摄像头采集到的视频数据进行识别，判断是否有陌生人入侵；当检测出有陌生人入侵时，主控模块通过报警模块向主人发送报警信息或发出报警提示音；所述监控模块由YOLOV4人脸检测模块和Dlib人脸识别模块结合，YOLOV4人脸检测模块，用于实时提取视频中的人脸，Dlib人脸识别模块判断是否为陌生人。以上系统，在本专利技术的智能安防系统中，通过视频监控的方式进行监控，并且在监控中通过YOLOV4人脸检测模块和Dlib人脸识别模块结合，实现两种算法的优势互补，从而克服了YOLOV模型区分同一类物体的能力较差和Dlib识别距离短的缺陷，有效的提升了监控系统的实用性以及准确性。作为优选，还包括分别与主控模块连接的传感器模块和控制模块；所述传感器模块分别连接烟雾传感器、火焰传感器和气体传感器，用于采集监测环境中的烟雾、火焰和可燃气体信息，并发送到主控模块判断采集的数据是否高于安全阈值；所述控制模块分别连接风扇和喷淋，用于接收主控模块的指令，控制风扇和喷淋工作。以上系统，除了视频监控功能外还集成了一些常用的安防类传感器和控制器以增强系统的实用性。作为优选，所述报警模块包括分别与主控模块连接的蜂鸣器、指示灯和通信模块；所述通信模块采用SIM900A，连接天线，用于发送短信。以上系统，当报警模块被触发时，树莓派将控制LED指示灯和蜂鸣器产生报警提示，并通过邮件和短信远程通知主人。作为优选，所述传感器模块和控制模块集成在由CC2530为MCU的通信模块上，CC2530通过GPIO分别连接接烟雾传感器、火焰传感器、气体传感器、风扇和喷淋，通过UART串口与主控模块相连；所述主控模块采用树莓派。以上系统，传感和控制模块需要根据实际需要放置在多个监测点，因此需要用一个无线自组织网络把它们联系在一起，本系统选用ZigBee网络来实现这一功能，且选用CC2530来实现ZigBee网络的搭建。作为优选，所述YOLOV4人脸检测模块包括特征提取网络CSPDarkent53、特征金字塔和yolo_head；所述CSPDarkent53，用于多输入图像的特征提取；所述特征金字塔，用于进行特征融合，最终输出三组特征；所述yolo_head，用于对提取的特征进行预测。作为优选，所述Dlib人脸识别模块包括数据库创建模块和目标识别模块；所述数据库创建模块，用于采集所有主人的人脸来创建数据库；所述目标识别模块包括人脸特征提取单元、人脸特征的欧式距离计算单元和人脸特征判断单元；所述人脸特征提取单元，用于提取人脸的128D特征；所述人脸特征的欧式距离计算单元，用于计算提取的人脸特征与数据库中特征的欧氏距离；所述人脸特征判断单元，基于计算的欧氏距离，与阈值进行比较，判定该人脸属于主人或陌生人。本专利技术一种用于智能安防系统的深度学习方法，包括：采集监测环境中的视频数据，通过人脸识别方法判断是否存在入侵，若存在入侵，进一步防止误报判断，若不存在误报，向主人发送报警信息，并在监控现场发出报警提示音。作为优选，还包括：采集监测环境中的烟雾、火焰和可燃气体数据；判断采集的数据是否超过设定的阈值；若超过阈值，向主人发送报警信息，同时进行通风或灭火。作为优选，所述人脸识别方法包括以下步骤：步骤一：将采集的视频帧输入到YOLOV4的人脸检测模块当中，模型判断当前帧中是否存在人脸，若存在人脸，则把标记人脸的矩形框进行截取，将截取到的人脸视频帧送入Dlib的人脸识别模型；步骤二：Dlib的人脸识别模型把人脸的128D特征提取出来，并计算该特征与人脸数据库中特征的欧氏距离；步骤三：当欧氏距离小于阈值，判定为该人脸存在于数据库中；若欧氏距离大于阈值，判定该人脸属于陌生人。作为优选，所述防止误报判断的方法：当识别的图片被连续3次识别成陌生人才触发报警；当主人和陌生人同时出现在监控场景中时不会触发报警；当提取出的图片中无人脸信息时不触发报警。综上所述，由于采用了上述技术方案，本专利技术的有益效果是：1、本专利技术设计了一种具备主人识别的家居防盗入侵检测系统，能够准确的识别主人或陌生人，提高家居监控的可靠性；解决现有检测系统出现误警率和误报率较高，容易受到周围环境的影响，出现漏报等情况，导致防护安全等级较低的问题。2、本专利技术实现了对家居防盗入侵的取证功能，并且及时通过主人；解决现有报警系统只采用蜂鸣报警器，对盗窃者没有威慑性的缺陷。3、本专利技术使用成本低，占用空间小。把深度学习模型部署于轻便的树莓派上，旨在最小化监控设备的使用成本和空间占用率；区别于现有处理系统大多基于电脑操作系统，成本较高，占用空间较大，造成资源的浪本文档来自技高网...

【技术保护点】
1.一种基于深度学习的智能安防系统，其特征在于，包括主控模块，与主控模块分别连接的监控模块、报警模块和电源模块；以及与监控模块连接的摄像头，与电源模块连接的电源；/n所述主控模块，作为整个系统的主控芯片，协调着整个系统的运转；/n所述报警模块，用于在监控现场发出报警提示音或通过无线网络远程向主人发送报警信息；/n所述电源模块，用于为系统供电；/n所述监控模块，用于对摄像头采集到的视频数据进行识别，判断是否有陌生人入侵；当检测出有陌生人入侵时，主控模块通过报警模块向主人发送报警信息或发出报警提示音；所述监控模块由YOLOV4人脸检测模块和Dlib人脸识别模块结合，YOLOV4人脸检测模块，用于实时提取视频中的人脸，Dlib人脸识别模块判断是否为陌生人。/n

【技术特征摘要】
1.一种基于深度学习的智能安防系统，其特征在于，包括主控模块，与主控模块分别连接的监控模块、报警模块和电源模块；以及与监控模块连接的摄像头，与电源模块连接的电源；
所述主控模块，作为整个系统的主控芯片，协调着整个系统的运转；
所述报警模块，用于在监控现场发出报警提示音或通过无线网络远程向主人发送报警信息；
所述电源模块，用于为系统供电；
所述监控模块，用于对摄像头采集到的视频数据进行识别，判断是否有陌生人入侵；当检测出有陌生人入侵时，主控模块通过报警模块向主人发送报警信息或发出报警提示音；所述监控模块由YOLOV4人脸检测模块和Dlib人脸识别模块结合，YOLOV4人脸检测模块，用于实时提取视频中的人脸，Dlib人脸识别模块判断是否为陌生人。


2.根据权利要求1所述的基于深度学习的智能安防系统，其特征在于，还包括分别与主控模块连接的传感器模块和控制模块；所述传感器模块分别连接烟雾传感器、火焰传感器和气体传感器，用于采集监测环境中的烟雾、火焰和可燃气体信息，并发送到主控模块判断采集的数据是否高于安全阈值；所述控制模块分别连接风扇和喷淋，用于接收主控模块的指令，控制风扇和喷淋工作。


3.根据权利要求1所述的基于深度学习的智能安防系统，其特征在于，所述报警模块包括分别与主控模块连接的蜂鸣器、指示灯和通信模块；所述通信模块采用SIM900A，连接天线，用于发送短信。


4.根据权利要求2所述的基于深度学习的智能安防系统，其特征在于，所述传感器模块和控制模块集成在由CC2530为MCU的通信模块上，CC2530通过GPIO分别连接接烟雾传感器、火焰传感器、气体传感器、风扇和喷淋，通过UART串口与主控模块相连；所述主控模块采用树莓派。


5.根据权利要求1所述的基于深度学习的智能安防系统，其特征在于，所述YOLOV4人脸检测模块包括特征提取网络CSPDarkent53、特征金字塔和yolo_head；所述CSPDarkent53，用于多输入图像的特征提取；所述特征金字塔，用于进行特征融合，...

【专利技术属性】
技术研发人员：杨超，井贝贝，蒋欣秀，丁广恩，马宏伟，丁洪伟，邢湘瑞，王冠博，赵兴兵，寇倩兰，葛昊洋，徐航，胡坤，
申请(专利权)人：云南大学，
类型：发明
国别省市：云南;53