一种基于边缘计算的机场围界入侵预报警处理设备及方法技术

本发明专利技术公开了一种基于边缘计算的机场围界入侵预报警处理设备及方法，涉及一种机场入侵预报警技术领域，中央控制处理模块与图像智能预警模块、入侵报警模块、自动跟踪模块、AI深度学习模块和执行模块交互通信，自动跟踪模块与高速球机电性相连，执行模块通过与LED灯光、声光报警器和广播设备电性相连。该处理设备采用了基于红外热成像和可见光视频的图像智能预警技术，并且与入侵报警技术相结合进行分析处理和逻辑运算，有效过滤机场围界常见的环境因素影响，提高入侵报警准确性。提高入侵报警准确性。提高入侵报警准确性。

【技术实现步骤摘要】
一种基于边缘计算的机场围界入侵预报警处理设备及方法


[0001]本专利技术涉及一种机场入侵预报警
，具体涉及一种基于边缘计算的机场围界入侵预报警处理设备及方法。

技术介绍

[0002]机场因其特殊的性质需要保证机场控制区内的高安全性，尤其按机场安保设施标准要求在飞行区设置物理隔离措施和入侵报警系统，防止人员非法入侵，以保证飞行区的安全。
[0003]目前民用机场的机场围界入侵监控系统主要采用物理围网上安装振动传感器的方式来探测围界入侵行为，当发生围界入侵报警后，安保人员通过观看实时监控视频进行确认入侵报警事件的准确性。虽然传统的振动探测系统能探测入侵行为，但却无法判断和识别机场安保设施标准要求的入侵行为，无法自动快速识别入侵目标的类型，也无法识别入侵误报事件，如大风导致围网晃动可能触发的入侵报警。入侵报警系统的误报和智能化程度低，增加了工作人员的工作量，同时也增加了机场的安保风险。
[0004]目前机场围界入侵监控的研究主要在通过不同探测方式和不同精度的传感器提升入侵报警的准确性，有振动光缆、振动电缆、多轴振动传感器、带传感芯片的线缆、电容扰动电缆等。单一方式的传感器技术进步比较慢，并且受机场围界复杂环境的影响，例如恶劣天气、杂草、动物、物理围界稳固性等，无法突破现有技术瓶颈。
[0005]现有技术的缺点在于：第一，技术单一，无法满足机场安保对入侵报警准确性的要求；第二，机场围界环境非常复杂，在特殊情况下，技术会失效；第三，智能化程度低，不能辅助安保人员准确、高效地确认和处理入侵报警事件。
[0006]因此，本专利技术提供一种基于边缘计算的机场围界入侵预报警处理设备及方法，以解决上述存在的问题。

技术实现思路

[0007]本专利技术的目的在于提供一种基于边缘计算的机场围界入侵预报警处理设备及方法，以解决上述
技术介绍
中提出的问题。
[0008]为实现上述目的，本专利技术提供如下技术方案：
[0009]一种基于边缘计算的机场围界入侵预报警处理设备，包括：中央控制处理模块与图像智能预警模块、入侵报警模块、自动跟踪模块、AI深度学习模块和执行模块，所述中央控制处理模块与图像智能预警模块、入侵报警模块、自动跟踪模块、AI深度学习模块和执行模块交互通信，所述自动跟踪模块与高速球机电性相连，所述执行模块通过与LED灯光、声光报警器和广播设备电性相连。
[0010]优选的，一种基于边缘计算的机场围界入侵预报警处理设备，所述图像智能预警模块与振动传感器电性连接，所述执行模块与网络摄像机电性连接。
[0011]一种基于边缘计算的机场围界入侵预报警处理方法，采用基于边缘计算的机场围
界入侵预报警处理设备，所述方法包括：
[0012]通过图像智能预警模块实现基于红外热成像和可见光视频的图像智能预警技术进行入侵检测，分别输出不同级别检测区域的热成像分析预警和可见光分析预警分析信号；
[0013]通过入侵报警模块实现基于波形、陀螺仪、防拆数据信息的振动信号分析算法判断和识别入侵行为，能过虑大风引起的误报，输出机场安保设施标准要求的剪切、攀爬、倾斜和拆卸的报警信号；
[0014]通过中央控制处理模块接收图像智能预警模块和入侵报警模块发送的预警、报警信息，调用AI深度学习模块的反馈结果，进行中央分析处理和逻辑运算，结合预设的突发事件响应级别，实现一系列的自动跟踪和联动策略；
[0015]通过AI深度学习模块，判断和识别入侵目标类型，并实将识别目标类型反馈至中央控制处理模块；
[0016]自动跟踪模块根据中央控制处理模块的指令，控制高速球机对目标进行跟踪，保持目标在中心，放大目标特写；
[0017]执行模块根据中央控制处理模块的指令，联动网络摄像机、LED灯光、声光报警器和广播设备。
[0018]优选的，一种基于边缘计算的机场围界入侵预报警处理方法，所述图像智能预警模块通过检测算法对实时输入的红外热成像和可见光视频帧检测，基于背景学习的复杂监控环境下目标检测算法检测，检测是否有活动目标进入预定区域，并识别入侵目标，所述目标检测算法包括了检测区域设定、滤波图像处理、背景分割、运动目标提取，目标检测算法能有效过滤机场围界常见的风吹草动、光线的干扰，将入侵目标输出。
[0019]优选的，一种基于边缘计算的机场围界入侵预报警处理方法，所述入侵报警模块通过振动传感器的振动信号分析算法判断和识别入侵行为，包括过滤大风引起的误报，根据输出机场安保设施标准要求的剪切、攀爬、倾斜和拆卸的报警信号。
[0020]优选的，一种基于边缘计算的机场围界入侵预报警处理方法，根据图像智能预警模块、入侵报警模块和AI深度学习模块输入的数据进行分析处理和逻辑运算，对预警/报警进行确认，并输出不同的联动策略，根据预设的突发事件响应级别，分别联动网络摄像机、LED灯光、声光报警器，同时结合系统联动广播设备，整体由弱至强提醒和警示试图入侵者。
[0021]优选的，一种基于边缘计算的机场围界入侵预报警处理方法，所述AI深度学习模块接收中央控制处理模块推送的图片，通过深度学习算法识别目标的类型，区分人员、车和动物，深度学习算法支持机场围界场景中常见目标的识别，如人员、车辆、鸟类。
[0022]优选的，一种基于边缘计算的机场围界入侵预报警处理方法，所述自动跟踪模块与高速球机电性相连，驱动高速球机自动跟踪目标，光学变焦，确保目标始终位于视场中心，自动跟踪方法具备较强的抗目标丢失能力，在目标丢失后，依然能够发现并继续跟踪。
[0023]优选的，一种基于边缘计算的机场围界入侵预报警处理方法，所述执行模块通过与LED灯光、声光报警器和广播设备电性相连，执行中央控制处理模块的控制指令。
[0024]与现有技术相比，本专利技术的有益效果是：采用了基于红外热成像和可见光视频的图像智能预警技术，并且与入侵报警技术相结合进行分析处理和逻辑运算，有效过滤机场围界常见的环境因素影响，提高入侵报警准确性；通过AI算法判断和识别入侵行为和入侵
目标类型，并通过自动跟踪和联动策略，辅助安保人员准确、高效地确认和处理入侵报警事件。
附图说明
[0025]图1为本专利技术基于边缘计算的机场围界入侵报警处理设备的结构示意图；
[0026]图2为本专利技术基于边缘计算的机场围界入侵报警处理方法的流程示意图；
[0027]图3为本专利技术图像智能预警方法的流程示意图；
[0028]图4为本专利技术入侵报警方法的流程示意图；
[0029]图5为本专利技术AI深度学习方法的流程示意图；
[0030]图6为本专利技术自动跟踪方法的流程示意图。
具体实施方式
[0031]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边缘计算的机场围界入侵预报警处理设备，其特征在于，包括：中央控制处理模块与图像智能预警模块、入侵报警模块、自动跟踪模块、AI深度学习模块和执行模块，所述中央控制处理模块与图像智能预警模块、入侵报警模块、自动跟踪模块、AI深度学习模块和执行模块交互通信，所述自动跟踪模块与高速球机电性相连，所述执行模块通过与LED灯光、声光报警器和广播设备电性相连。2.根据权利要求1所述的一种基于边缘计算的机场围界入侵预报警处理设备，其特征在于，所述图像智能预警模块与振动传感器电性连接，所述执行模块与网络摄像机电性连接。3.一种基于边缘计算的机场围界入侵预报警处理方法，其特征在于，采用权利要求1
‑
2任一项所述的基于边缘计算的机场围界入侵预报警处理设备，所述方法包括：通过图像智能预警模块实现基于红外热成像和可见光视频的图像智能预警技术进行入侵检测，分别输出不同级别检测区域的热成像分析预警和可见光分析预警分析信号；通过入侵报警模块实现基于波形、陀螺仪、防拆数据信息的振动信号分析算法判断和识别入侵行为，能过虑大风引起的误报，输出机场安保设施标准要求的剪切、攀爬、倾斜和拆卸的报警信号；通过中央控制处理模块接收图像智能预警模块和入侵报警模块发送的预警、报警信息，调用AI深度学习模块的反馈结果，进行中央分析处理和逻辑运算，结合预设的突发事件响应级别，实现一系列的自动跟踪和联动策略；通过AI深度学习模块，判断和识别入侵目标类型，并实将识别目标类型反馈至中央控制处理模块；自动跟踪模块根据中央控制处理模块的指令，控制高速球机对目标进行跟踪，保持目标在中心，放大目标特写；执行模块根据中央控制处理模块的指令，联动网络摄像机、LED灯光、声光报警器和广播设备。4.根据权利要求3所述的一种基于边缘计算的机场围界入侵预报警处理方法，其特征在于，所述图像智能预警模块通...

【专利技术属性】
技术研发人员：王锋，田钊，黄一丁，张旗，周亚东，杨权应，张宇，杨金雨，李爱敏，杨军，史云飞，王延晓，
申请(专利权)人：北京京航安机场工程有限公司，
类型：发明
国别省市：