一种河道区域入侵检测方法、系统及存储介质技术方案

本发明专利技术公开了一种河道区域入侵检测方法、系统及存储介质，涉及视频监控技术领域；该检测方法包括以下步骤：实时采集待测河道关联区域内的视频图像，基于视频图像获取待测图像帧，输入河道入侵检测模型，基于输出结果判断是否存在河道入侵，并在判定存在河道入侵时，确定入侵类型并进行预警。该河道区域入侵检测方法，河道入侵数据集精确分类，可使得模型类别之间误检概率大大降低，保证模型可以输出精确的入侵分类目标，并采用新的hard

【技术实现步骤摘要】
一种河道区域入侵检测方法、系统及存储介质


[0001]本专利技术涉及视频监控
，尤其涉及一种河道区域入侵检测方法。

技术介绍

[0002]随着城市规划建设生态保护以及宜居生态居住环境，城市中可供人们休闲娱乐的公园人工湖、水库和湖泊数量越来越多，但在实际生活中，由于安全措施不到位、巡查不力、监控未能有效利用等，导致安全事故频发。因此如何能够及时发现可能存在的危险状况，进行及时预警，减少险情发生，对于保障人民生命安全有着至关重要的意义。
[0003]目前针对河道区域的异常情况监测，还停留在园区工作人员的人工巡逻，主动提醒阶段，因此始终存在巡查效率低下，无法及时发现险情的问题，也存在市政投入大，人员管理繁杂等问题。

技术实现思路

[0004]本专利技术的目的是为了解决现有技术中存在的缺点，而提出的一种河道区域入侵检测方法。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]一种河道区域入侵检测方法，包括以下步骤：
[0007]实时采集待测河道关联区域内的视频图像，基于视频图像获取待测图像帧，输入河道入侵检测模型，基于输出结果判断是否存在河道入侵，并在判定存在河道入侵时，确定入侵类型并进行预警；
[0008]其中，河道入侵检测模型通过如下方式构建：
[0009]采集河道关联区域内的图像，基于采集图像进行图像扩展得到噪声图像，基于所采集图像与扩展的噪声图像形成河道图像数据集；
[0010]标注所述河道图像数据集中各图像的河道入侵类型；其中入侵类型包括行人散步、河边钓鱼、河中游泳、落水以及河边嬉戏中的一种或多种；
[0011]将标注后的河道图像作为训练样本，利用有监督机器学习算法以训练得到所述河道入侵检测模型。
[0012]进一步的，所述关联区域包括河道本身以及河边边缘两侧设定范围的区域。
[0013]进一步的，所述采集河道关联区域内的图像包括：通过在不同时间、河道不同区域、不同角度、不同光照背景下采集河道关联区域内的图像。
[0014]进一步的，所述基于采集图像进行图像扩展得到噪声图像包括：
[0015]采用水平翻转、随意剪裁、几何变换、马赛克中的至少一种扩展方式，对每一帧所述采集图像扩展处理，以得到若干所述噪声图像。
[0016]进一步的，所述利用有监督机器学习算法以训练得到所述河道入侵检测模型包括：将所述训练样本按照6:2:2分为训练集、测试集、和验证集，以进行训练输出得到所述河道入侵检测模型。
[0017]进一步的，所述训练得到所述河道入侵检测模型包括：
[0018]设置模型训练参数和损失函数，其中模型训练参数至少包括模型迭代次数，所述损失函数设置为hard
‑
swish函数；利用所述训练集与所述测试集进行迭代训练，并计算损失值，当模型收敛且瞬时值不再下降，或者达到设定的迭代次数时，停止训练，得到所述河道入侵检测模型。
[0019]进一步的，其中训练所述河道入侵检测模型还包括：
[0020]去除模型网络结构中CSPDarknet53最大预测分支，保留CSPDarknet53较小预测分支。
[0021]本专利技术还提供一种河道区域入侵检测系统，包括：
[0022]图像采集模块，用于实时采集待测河道关联区域内的视频图像；
[0023]在线监测模块，与所述图像采集模块通信连接，并基于所述图像采集模块所采集的视频图像获取待测图像帧，输入河道入侵检测模型，基于输出结果判断是否存在河道入侵，并在判定存在河道入侵时，确定入侵类型，基于入侵类型，生成对应的控制信号，并发送给预警模块；
[0024]所述预警模块，与所述在线监测模块通信连接，用于接收所述在线监测模块发送的控制信号，并基于所述控制信号进行预警。
[0025]其中，河道入侵检测模型通过如下方式构建：
[0026]采集河道关联区域内的图像，基于采集图像进行图像扩展得到噪声图像，基于所采集图像与扩展的噪声图像形成河道图像数据集；标注所述河道图像数据集中各图像的河道入侵类型；其中入侵类型包括行人散步、河边钓鱼、河中游泳、落水以及河边嬉戏中的一种或多种；将标注后的河道图像作为训练样本，利用有监督机器学习算法以训练得到所述河道入侵检测模型。
[0027]进一步的，所述预警模块包括声光报警器，所述声光报警器基于所述控制信号获取对应的音频播报预警信息和/或对应的灯光颜色预警信息，以实现声光预警。
[0028]本专利技术还提供一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上任一项所述的河道区域入侵检测方法的步骤。
[0029]本专利技术的有益效果为：
[0030]1.该河道区域入侵检测方法，河道入侵数据集精确分类，可使得模型类别之间误检概率大大降低，保证模型可以输出精确的入侵分类目标。
[0031]2.该河道区域入侵检测方法采用新的hard
‑
switch损失函数，可以解决了深层网络过拟合问题，理论上使得整个函数图像表现得更加平滑，允许特征深入神经网络，使得模型最终泛化和准确性更强。
[0032]3.基于采集图像进行图像扩展得到噪声图像，可有效增加样本量，可以解决深层网络过拟合问题。
附图说明
[0033]图1为本专利技术提供的一种河道区域入侵检测方法流程示意图；
[0034]图2为本专利技术图像检测算法设计流程示意图；
[0035]图3为本专利技术河道区域入侵检测算法流程示意图；
[0036]图4为本专利技术摄像头状态监控流程示意图；
[0037]图5为本专利技术提供的一种河道区域入侵检测方法流程示意图；
[0038]图6为本专利技术提供的一种河道区域入侵检测系统结构示意图。
具体实施方式
[0039]下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
[0040]下面详细描述本专利的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利，而不能理解为对本专利的限制。
[0041]在本专利的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利的限制。
[0042]在本专利的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“设置”应做广义理解，例如，可以是固定相连、设置，也可以是可拆卸连接、设置，或一体地连接、设置。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利中的具体含义本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种河道区域入侵检测方法，其特征在于，包括以下步骤：实时采集待测河道关联区域内的视频图像，基于视频图像获取待测图像帧，输入河道入侵检测模型，基于输出结果判断是否存在河道入侵，并在判定存在河道入侵时，确定入侵类型并进行预警；其中，河道入侵检测模型通过如下方式构建：采集河道关联区域内的图像，基于采集图像进行图像扩展得到噪声图像，基于所采集图像与扩展的噪声图像形成河道图像数据集；标注所述河道图像数据集中各图像的河道入侵类型；其中入侵类型包括行人散步、河边钓鱼、河中游泳、落水以及河边嬉戏中的一种或多种；将标注后的河道图像作为训练样本，利用有监督机器学习算法以训练得到所述河道入侵检测模型。2.根据权利要求1所述的一种河道区域入侵检测方法，其特征在于，所述关联区域包括河道本身以及河边边缘两侧设定范围的区域。3.根据权利要求1所述的一种河道区域入侵检测方法，其特征在于，所述采集河道关联区域内的图像包括：通过在不同时间、河道不同区域、不同角度、不同光照背景下采集河道关联区域内的图像。4.根据权利要求1
‑
3任一项所述的一种河道区域入侵检测方法，其特征在于，所述基于采集图像进行图像扩展得到噪声图像包括：采用水平翻转、随意剪裁、几何变换、马赛克中的至少一种扩展方式，对每一帧所述采集图像扩展处理，以得到若干所述噪声图像。5.根据权利要求4所述的一种河道区域入侵检测方法，其特征在于，所述利用有监督机器学习算法以训练得到所述河道入侵检测模型包括：将所述训练样本按照6:2:2分为训练集、测试集、和验证集，以进行训练输出得到所述河道入侵检测模型。6.根据权利要求5所述的一种河道区域入侵检测方法，其特征在于，所述训练得到所述河道入侵检测模型包括：设置模型训练参数和损失函数，其中模型训练参数至少包括模型迭代次数，所述损失函数设置为hard
‑

【专利技术属性】
技术研发人员：李浩澜，陈首信，段勃，杨东鑫，谭光明，王佩，
申请(专利权)人：中科计算技术西部研究院，
类型：发明
国别省市：