本发明专利技术公开一种基于卷积神经网络的校园安全图像识别预警方法，主要解决了现有技术在智慧校园安全防范方面数据存储压力和资源开销较大的问题，其实现方案是，在神经网络训练阶段：采集真实人类翻越校园围墙的图像和手写标签；使用采集到的真实人类翻越校园围墙的图像和手写标签训练图像识别网络；在实际监测阶段：使用热释电红外传感器进行探测人类翻越围墙并进行拍照；将拍摄的图像输入神经网络进行分类鉴别并提出预警。本发明专利技术减轻了智慧校园安全监测方面的数据存储压力和资源开销，可应用于对校园安全问题进行自动分类与预警。于对校园安全问题进行自动分类与预警。于对校园安全问题进行自动分类与预警。
【技术实现步骤摘要】
基于卷积神经网络的校园安全图像识别预警方法
[0001]本专利技术属于智慧校园
，具体涉及一种图像自动分类识别方法，可应用于对校园不合理出入进行监测和告警。
技术介绍
[0002]校园是学生学习生活的场所，大量的学生聚集在校园中，学校安全工作，是全社会安全工作的一个十分重要的组成部分。它直接关系到青少年学生能否安全、健康地成长，也关系到千千万万个家庭的幸福安宁和社会稳定。在校园的日常管理中，安全是管理的第一要务，但是通常会出现校外不明身份人员通过翻越围墙进入学校或者校内学生通过翻越围墙违规离开学校，如果不能及时发现，将会对学生的生命和财产安全造成损失。
[0003]在现在的一些校园监控中，摄像头布置在校园中各个角落，但基本都是通过工作人员观看监控视频的方式来监控，使用这种方法监控时，因为学校的人员较多，需要工作人员保持高度的警惕，才能够时刻注意到校园中出现的一些安全事件。
[0004]在长期监控中，工作人员难免会产生疏忽，一些危及安全的事件发生后，难以及时响应的缺陷。
[0005]中国专利CN107025693A的专利技术专利提供了一种校园安全防护系统，包括宿舍大门门禁装置、单体宿舍门禁装置、学校大门门禁装置、宿舍终端、门禁终端、教师点名装置和学生信息平台，所述学生信息平台采集和更新学生信息，将信息分配到宿舍终端和门禁终端，所述宿舍大门门禁装置和单体宿舍门禁装置将信息上传到宿舍终端，所述宿舍终端、门禁终端和教师点名装置采集到的信息上传到学生信息平台。
[0006]上述方案中能够根据权限等级查询学生在校的活动轨迹，在一定程度上避免了学生因无故外出或缺课造成的安全隐患；但是，上述方案只对学生的活动轨迹进行跟踪，而无法对学生以及校外不明人员违规不正常进出校园(如翻越围墙)进行监测，因此，上述方案仍需进一步改进。
[0007]中国专利CN112489268A的专利技术专利提供了一种校园安全防护平台。包括用户服务模块、安全应用模块、防护主机模块和数据存储模块；防护主机模块包括集成管理单元、身份核验单元和人脸分析单元；人脸识别单元使用深度学习算法模型实现用户人脸和用户身份证图像的对比验证。但是仍然无法对学生以及校外不明人员违规不正常进出校园(如翻越围墙)进行监测，只是对校园大门等正常进出途径进行了管控，而且需要维护合法用户的用户身份证图像数据库以用于对比验证。
[0008]中国专利CN107134112A提供了一种用于校园的多方位安防监控系统。该系统通过不同功能的摄像头，对不法分子携带危险品和管制器械进行监控，同时数据库进行对比分析和判断，进行自动报警，相关人员提前一步做出反应，将校园犯罪扼杀在摇篮中，加强了校园安防控制系统，并且实现了多方位的监控，警力和校园保卫联动，更加确保了校园学生的安全，让不法分子无机可乘。
[0009]上述专利通过图像识别和图像比对的方式，对进入校园的危险人物和危险器件进
行识别，并在识别出危险人物或危险器件后发出警报。通过这样的方式，安保人员只需在接收到警报信号后及时对现在危险进行控制和消除即可，不仅可以节省安保人员的精力，由于图像识别和图像比对的技术已经很成熟，对危险人物或危险物品识别的准确性也有保障。但是，上述专利在判断出危险情况时，危险因素已经存在于校园内，在安保人员赶到危险人员所在区域前，危险人员仍有较长的时间来实施其不法行为，这种情况下，危险人员附近的学生所面临的危险程度仍然很高。而且需要维护人脸数据库、危险品数据库和管制器械数据库，增大了存储压力。
技术实现思路
[0010]本专利技术的目的在于针对已有技术数据存储压力和资源开销较大，监控不全面的情况，着重针对违规翻越围墙进出校园的问题，提出一种基于卷积神经网络的监控图像自动识别分类方法，以实现对违规翻越校园围墙行为的及时发现和告警，使得校园管理者能够及时采取处理措施，减少突发事件造成的损失。
[0011]为实现上述目的，本专利技术的技术方案如下:
[0012]训练阶段：
[0013](1)采集真实人类翻越校园围墙的图像，图像采集工作由校园装设的摄像头完成
[0014](2)对步骤一采集的图像进行数据增强预处理，并对数据集进行手工标注图像预处理得到标签图像。
[0015](2a)采用字符串格式将手写标签打包成log日志，并将该日志与其对应的图像进行二进制编码，生成二进制编码文件。
[0016](2b)将手写标签向量归一化；
[0017](3)使用步骤二预处理后的图像及产生的标签训练卷积图像处理神经网络。
[0018](3a)神经网络中包含了2层3
×
3的深度可分离卷积，把一步普通卷积变成两步计算：
[0019]首先进行3
×
3的逐通道卷积，生成Feature map
[0020]然后进行1
×
1的逐点卷积，将上一步的Feature map在深度方向上进行加权组合，生成新的Feature map
[0021](3b)神经网络中还包含了两层不同膨胀率的混合膨胀卷积，膨胀率为[1 2 5......][0022]实际监测阶段：
[0023](4)使用校园围墙上装设的热释电红外传感器进行探测，若探测到则使用对应区域的摄像头进行图像采集。
[0024](5)将采集的图像输入已经训练好的神经网络，根据神经网络的结果判定是否有人翻越围墙，若判定图像中存在人类，则给予校园安保室一定的预警信息，由人工进行图像复核。若认为图片中不存在人类，则不做出告警。最后将采集的图像存入本地数据库。步骤五之后返回到步骤四继续进行监测
[0025](5a)将神经网络输出的结果得到相应的信心分数confident
[0026](5b)将confident和与预先设定好的阈值μ对比，若confident>μ，则判定图像中存在人类，否则认为图片中不存在人类
[0027](5c)阈值μ由预先设定的cost table进行调整，将图片中有人类却未识别出来的情况的cost设置一个较高的数值，图片中无人类却判别为有人类的情况的cost设置一个较低的数值。
[0028]本专利技术与现有技术相比具有以下优点:
[0029]1.由于只需要判断是否有人翻越围墙，而不需要判别翻越围墙的人员身份，则只需要使用图片训练集及测试集完成神经网络的训练，不需要维护校内合法人员图片及信息的数据库，减轻了数据存储的压力。
[0030]2.采用了热释电红外传感器作为监控摄像头拍照并递交给神经网络进行识别的依据，与现有技术相比减少了神经网络识别的数据量，减少了资源开销。
[0031]3.本专利技术中的神经网络中采用了深度可分离卷积减小参数量和计算量。深度可分离卷积把一步普通卷积变成两步计算，减少了参数量和计算量。
[0032]4.本专利技术中的神经网络采用混合膨胀卷积HDC(hybrid dilated convolution)，从而可以扩大模型的感受野，同时使多本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于卷积神经网络的校园安全识别预警方法，其特征在于，包括如下：训练阶段：(1)采集真实人类翻越校园围墙的图像，图像采集工作由校园装设的摄像头完成(2)对步骤一采集的图像进行数据增强预处理，并对数据集进行手工标注图像预处理得到标签图像(2a)采用字符串格式将手写标签打包成log日志，并将该日志与其对应的图像进行二进制编码，生成二进制编码文件(2b)将手写标签向量归一化(3)使用步骤二预处理后的图像及产生的标签训练卷积图像处理神经网络。(3a)神经网络中包含了2层3
×
3的深度可分离卷积，把一步普通卷积变成两步计算：首先进行3
×
3的逐通道卷积，生成Feature map然后进行1
×
1的逐点卷积，将上一步的Feature map在深度方向上进行加权组合，生成新的Feature map(3b)神经网络中还包含了两层不同卷积率的混合膨胀卷积，膨胀率为[1 2 5......]实际检测阶段：(4)使用校园围墙上装设的热释电红外传感器进行探测，若探测到则使用对应区域的摄像头进行图像采集。(5)将采集的图像输入已经训练好的神经网络，根据神经网络的结果判定是否有人翻越围墙，若判定图像中存在人类，则给予校园安保室一定的预警信息，由人工进行图像复核。若认为图片中不存在人类，则不做出告警。最后将采集的图像存入本地数据库。步骤五之后返回到步骤四继续进行监测(5a)将神经网络输出的结果得到相应的信心分数confident(5b)将confident和与预先设定好的阈值μ对比，若confident>μ，则判定图像中存在人类，否则认为图片中不存在人类(5c)阈值μ由预先设定的cost table进行调整，将图片中有人类却未识别出来的情况的cost设置一个较高的数值，图片中无人类却判别为有人类的情况的cost设置一个较低的数值。2.根据权利要求1所述的方法，其特征在于，(2)中数据增强预处理包括图像切割，图像翻转以及图像白化操作。对采集到的图像进行手工标注图像标签，根据预先提供的类别选项卡(真或假)，人工选择该图像的所属类别。3.根据权利要求1所述的方法，其特征在于，(2a)中采用字符串格式将手写标签打包成log日志，是将采集到的手写标签改写成一串由key
‑
value对和间隔符组成的字符串日志，其中key代表图像分类类别，value的取值根据人工分类的结果指定，取0代表不属于该类别(图片中不存在人...
【专利技术属性】
技术研发人员：方泓策，吕法科，高宇，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。