一种基于深度学习的基站入侵检测方法和系统技术方案

本发明专利技术涉及防入侵检测技术领域，提供一种基于深度学习的基站入侵检测方法和系统，该方法用于基站入侵检测系统，所述基站入侵检测系统包括主机、主机上摄像头、基站门上摄像头和报警装置；主机上摄像头、基站门上摄像头和报警装置分别与主机信号连接；所述基站入侵检测方法包括以下步骤：步骤100，将训练好的基于深度学习的人脸检测模型、人脸防伪模型、人脸识别模型和动作识别模型，部署到基站入侵检测系统的主机中；步骤200，识别机房外铁塔周围人员的行为，判断其是否有异常行为；步骤300，判断要进入机房的人是否具有权限。本发明专利技术能够自动化判断是否有没有权限的人员进入基站范围并进行异常行为检测。

【技术实现步骤摘要】
一种基于深度学习的基站入侵检测方法和系统
本专利技术涉及防入侵检测
，尤其涉及一种基于深度学习的基站入侵检测方法和系统。
技术介绍
通讯基站作为重要的通信辅助设施，其工作状态直接影响着通信网络的通信质量。近年来，随着通讯事业的飞速发展，相应的基础建设越来越多，其中通信基站数量也越来越多。然而，基站大多处于无人看管的地方，经常会有一些非工作计划内的人员自拆装设备，给管理人员带来很大的困扰，同时会给通讯基站带来很大的安全隐患。目前基站的维护普遍采用的方式是人工巡视检查，这种方式占用了大量的人力，而且观测周期较长，不能实时监测。
技术实现思路
本专利技术主要解决目前基站的维护普遍采用的方式是人工巡视检查，这种方式占用了大量的人力，而且观测周期较长，不能实时监测的技术问题，提出一种基于深度学习的基站入侵检测方法和系统，能够自动化判断是否有没有权限的人员进入基站范围并进行异常行为检测，提高动作识别准确率，减少误报。本专利技术提供了一种基于深度学习的基站入侵检测方法，该方法用于基站入侵检测系统，所述基站入侵检测系统包括主机、主机上摄像头、基站门上摄像头和报警装置；主机上摄像头、基站门上摄像头和报警装置分别与主机信号连接；所述主机设置数据库；所述主机上摄像头，用于拍摄铁塔周围环境；所述基站门上摄像头，用于拍摄机房门操作者的人脸信息；所述基站入侵检测方法包括以下步骤：步骤100，将训练好的基于深度学习的人脸检测模型、人脸防伪模型、人脸识别模型和动作识别模型，部署到基站入侵检测系统的主机中；步骤200，识别机房外铁塔周围人员的行为，判断其是否有异常行为；步骤201，主机上摄像头实时采集铁塔周围环境；步骤202，利用铁塔周围环境信息，进行人脸检测，当检测到人脸信息时，进行下一步人脸防伪检测；步骤203，进行人脸防伪检测，如果检测到人脸带面具，则控制报警装置进行报警；如果未检测到人脸带面具，则进行下一步人脸特征提取；步骤204，进行人脸特征提取，与数据库内的所有人脸特征进行比对，得到人脸比对最高得分；利用人脸比对最高得分，自适应确定动作识别异常行为得分阈值；步骤205，截取检测到该人脸信息前后指定时间段内的视频；将视频输入到动作识别模型，如果得到的异常行为得分超过异常行为得分阈值，则控制报警装置进行报警。进一步的，在步骤204中，如果人脸比对得分小于A分，则异常行为得分阈值为B1分；如果人脸比对得分在A到100之间，则异常行为得分阈值为y＝B1+(x-A)/(100-A)*(A-B1)＝B1+3*(x-A)分，其中，其中x为人脸比对最高得分，y为自适应阈值；如果人脸比对得分为100分，则异常行为得分阈值为B2分。进一步的，还包括：步骤300，判断要进入机房的人是否具有权限；步骤301，基站门上摄像头实时采集基站门口的环境；步骤302，利用基站门口的环境信息，进行人脸检测，当检测到人脸信息时，进行下一步人脸防伪检测；步骤303，进行人脸防伪检测，如果检测到人脸带面具，则控制报警装置进行报警；如果未检测到人脸带面具，则进行下一步人脸特征提取；步骤304，进行人脸特征提取，与数据库内的所有人脸特征进行比对，得到人脸比对最高得分；如果人脸比对最高得分超过阈值，则允许开门；如果人脸比对最高得分未超过阈值，则控制报警装置进行报警。本专利技术提供的一种基于深度学习的基站入侵检测方法和系统，通过基于深度学习的人脸防伪、人脸识别、动作识别技术自动化判断是否有没有权限的人员进入基站范围并进行异常行为；并通过自适应阈值的方法减少误报，实现防止入侵检测。机房门禁通过基于深度学习的人脸检测技术、人脸防伪技术和人脸识别技术识别要进入机房的人员是否为已经注册的有权限的人员；通过人脸防伪技术和人脸识别技术判断进入铁塔周围人员是否具有权限，通过基于深度学习的动作识别判断其行为是否异常。考虑到有权限人员异常行为可能性低，无权限人员异常行为可能性高，提出使用自适应阈值的方法提高动作识别准确率，减少误报。附图说明图1是本专利技术提供的基站入侵检测系统的系统框图；图2是本专利技术提供的基站入侵检测系统的布置示意图；图3是本专利技术提供的异常行为识别过程的处理流程图；图4是本专利技术提供的人脸门禁识别过程的处理流程图。具体实施方式为使本专利技术解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部内容。本专利技术实施例提供的基于深度学习的基站入侵检测方法，该方法用于基站入侵检测系统，如图1所示，所述基站入侵检测系统包括主机、主机上摄像头、基站门上摄像头和报警装置；主机上摄像头、基站门上摄像头和报警装置分别与主机信号连接；所述主机上摄像头，用于拍摄铁塔周围环境，如图2所示，主机上摄像头安装在机房上，能够拍摄铁塔周围环境。所述基站门上摄像头，用于拍摄机房门操作者的人脸信息，安装在机房的门上。所述主机设置数据库、CPU、GPU和网卡；主机中CPU负责接收摄像头视频数据并预处理；GPU负责运算深度学习算法；网卡使主机与互联网以及两个摄像头相连。用户可通过网络向主机中注册授权人员的人脸特征；授权人员的信息保存在数据库中；主机连接报警系统，在发生异常行为或者异常开门时进行报警。所述基站入侵检测方法包括以下步骤：步骤100，将训练好的基于深度学习的人脸检测模型、人脸防伪模型、人脸识别模型和动作识别模型，部署到基站入侵检测系统的主机中；人脸检测模型用来检测一张图像中是否包含人脸，该模型结构可以选择MTCNN、RetinaFace等结构，训练数据可通过基站门上摄像头实际采集数据标注后获得，此外可通过添加开源数据集，如WiderFace数据集提升模型性能。人脸防伪模型用来识别是否有人通过戴面具攻击系统；模型结构可以选择mobilenet。考虑到防伪数据集制作成本过高，则训练数据只选择开源数据集如大规模高保真度3D人脸面具数据集(CASIA-SURFHiFiMask)，利用以上网络结构和数据集训练一个二分类器，模型输入为一张人脸。人脸识别模型用来提取人脸特征，模型主干网络可选择ResNet网络，训练数据可通过基站门上摄像头实际采集数据后标注获得，此外，可通过添加开源数据集，如DeepGlint数据集提升模型性能。人脸识别模型能够进行一个人脸特征与数据库内所有人脸特征的相似度计算。动作识别模型用来识别某一段动作是否为异常行为，可通过ST-GCN网络识别动作。本专利技术将动作分为正常行为和异常行为两种，其中异常行为包括：破坏、攀爬等行为。训练数据通过基站门上摄像头采集后标注生成。利用以上网络和数据训练一个动作识别模型。模型训练好的各模型可部署到基站入侵检测系统的本文档来自技高网...

【技术保护点】
1.一种基于深度学习的基站入侵检测方法，该方法用于基站入侵检测系统，所述基站入侵检测系统包括主机、主机上摄像头、基站门上摄像头和报警装置；主机上摄像头、基站门上摄像头和报警装置分别与主机信号连接；所述主机设置数据库；/n所述主机上摄像头，用于拍摄铁塔周围环境；所述基站门上摄像头，用于拍摄机房门操作者的人脸信息；/n其特征在于，所述基站入侵检测方法包括以下步骤：/n步骤100，将训练好的基于深度学习的人脸检测模型、人脸防伪模型、人脸识别模型和动作识别模型，部署到基站入侵检测系统的主机中；/n步骤200，识别机房外铁塔周围人员的行为，判断其是否有异常行为；/n步骤201，主机上摄像头实时采集铁塔周围环境；/n步骤202，利用铁塔周围环境信息，进行人脸检测，当检测到人脸信息时，进行下一步人脸防伪检测；/n步骤203，进行人脸防伪检测，如果检测到人脸带面具，则控制报警装置进行报警；如果未检测到人脸带面具，则进行下一步人脸特征提取；/n步骤204，进行人脸特征提取，与数据库内的所有人脸特征进行比对，得到人脸比对最高得分；利用人脸比对最高得分，自适应确定动作识别异常行为得分阈值；/n步骤205，截取检测到该人脸信息前后指定时间段内的视频；将视频输入到动作识别模型，如果得到的异常行为得分超过异常行为得分阈值，则控制报警装置进行报警。/n...

【技术特征摘要】
1.一种基于深度学习的基站入侵检测方法，该方法用于基站入侵检测系统，所述基站入侵检测系统包括主机、主机上摄像头、基站门上摄像头和报警装置；主机上摄像头、基站门上摄像头和报警装置分别与主机信号连接；所述主机设置数据库；
所述主机上摄像头，用于拍摄铁塔周围环境；所述基站门上摄像头，用于拍摄机房门操作者的人脸信息；
其特征在于，所述基站入侵检测方法包括以下步骤：
步骤100，将训练好的基于深度学习的人脸检测模型、人脸防伪模型、人脸识别模型和动作识别模型，部署到基站入侵检测系统的主机中；
步骤200，识别机房外铁塔周围人员的行为，判断其是否有异常行为；
步骤201，主机上摄像头实时采集铁塔周围环境；
步骤202，利用铁塔周围环境信息，进行人脸检测，当检测到人脸信息时，进行下一步人脸防伪检测；
步骤203，进行人脸防伪检测，如果检测到人脸带面具，则控制报警装置进行报警；如果未检测到人脸带面具，则进行下一步人脸特征提取；
步骤204，进行人脸特征提取，与数据库内的所有人脸特征进行比对，得到人脸比对最高得分；利用人脸比对最高得分，自适应确定动作识别异常行为得分阈值；
步骤205，截取检测到该人脸信息前后指定时间段内的视频；将视频输入到动作识别模型，如果...

【专利技术属性】
技术研发人员：王奕，
申请(专利权)人：中国铁塔股份有限公司大连市分公司，
类型：发明
国别省市：辽宁;21