【技术实现步骤摘要】
本专利技术涉及站区监控，具体涉及一种站区视频监控巡防方法、系统、终端及存储介质。
技术介绍
1、站区通常是指包含特定站点（铁路）及周边相关区域的范围，站区隔离是采取物理或技术手段，将站区与外部环境分隔开来，或者在站区内部对不同功能区域、不同安全等级区域进行分隔的措施。
2、站区隔离主要采用物防手段进行防护，一般采用栅栏防护、刺笼等进行防护，并搭配警示标识，保障站区的安全有序运行、控制人员的流动、防止非法入侵。
3、采用物防手段，当栅栏可能会因风吹日晒、人为破坏等出现损坏，需要定期检查并修复，且栅栏损坏产生漏洞后容易造成人进入站区从而带来行车和人身安全问题。
技术实现思路
1、针对现有技术的上述不足，本专利技术提供一种 方法、系统、终端及存储介质，以解决上述技术问题。
2、第一方面，本专利技术提供一种站区视频监控巡防方法，包括以下步骤：
3、s1，基于站区巡防需求预设巡防区域和巡防区域中的关键区域，实时采集巡防区域内的目标基础数据和目标图像数据；
4、s2，基于雷达检测算法结合目标基础数据判断目标是否落入关键区域，判定为目标落入关键区域时，目标标记为疑似目标；
5、s3， 目标落入关键区域时，基于数据融合算法结合目标基础数据和目标图像数据进行目标跟踪并获取实时的目标轨迹信息；
6、基于卷积神经网络算法对目标图像数据进行目标检测，并获取目标的衣着特征信息；
7、s4，将衣着特征信息与预设的样
8、在一个可选的实施方式中，步骤s3中，卷积神经网络算法具体包括：主干网络、颈部网络和头部网络；
9、主干网络中基于过长程注意力机制将分散的特征信息进行整合，同时在第一层卷积中使用3×3的卷积核，采用并行加串行的max pooling；
10、颈部网络采用解耦头的设计，通过独立的分支分别处理目标的识别和目标的特征提取；
11、头部网络使用anchor free的模式，直接对目标的候选区域进行预测，对于每个预测的目标候选区域，计算其分类分数和回归分数，并基于分类分数和回归分数判定正确的目标候选区域；
12、通过加权综合的bce loss、distribution focal loss和ciou loss作为卷积神经网络算法的损失函数，通过反向传播算法将损失值传回卷积神经网络算法并进行参数的更新。
13、在一个可选的实施方式中，步骤s3中，获取目标的衣着特征信息包括：采用图像分割算法提取目标的上半身衣着区域，具体包括：
14、基于top-down方法利用卷积神经网络从图像数据中获取高级语义特征，初步定位上半身衣着区域；将高级语义特征逐步映射回原始图像分辨率，并利用上采样和卷积操作，精确调整衣着区域边界；
15、基于bottom-up方法获取图像数据的原始像素级特征，利用聚类和边缘检测算法获取目标的局部特征和边界信息并构建出上半身衣着区域候选；
16、将top-down方法得到的上半身衣着区域和bottom-up方法得到的上半身衣着区域进行融合，得到最终的上半身衣着区域。
17、在一个可选的实施方式中，在将top-down方法得到的上半身衣着区域和bottom-up方法得到的上半身衣着区域的融合过程中，具体包括：
18、对于两个结果中一致的区域，直接确定为上半身衣着区域的可靠部分；
19、对于存在差异的区域，查看差异区域与周围已确定的可靠部分的关联性，若差异区域应与相邻的某一可靠部分属于同一整体，则将差异区域进行合并，若差异区域应与相邻的某一可靠部分不属于同一整体，则进行单独标记。
20、在一个可选的实施方式中，对于存在差异的区域的处理还包括利用人体姿态和先验知识修正：
21、依据人体姿态估计结果和对人体结构的先验知识，评估差异区域与人体各部位的关系；
22、若差异区域位于人体运动关节附近，且其分割差异影响到人体姿态的合理性，则根据人体正常运动姿态下衣着的变形规律对该区域进行调整。
23、在一个可选的实施方式中，步骤s4中基于目标轨迹信息判断目标是否存在徘徊行为具体包括：
24、基于标轨迹信息计算目标在预设时间内的轨迹长度、运动方向变化次数以及在某一区域内的停留时间；
25、若行人的轨迹长度低于预设的长度阈值、运动方向多次变化且在关键区域内停留时间超过预设实际阈值，则判定该行人存在徘徊行为。
26、在一个可选的实施方式中，步骤s4中报警信息包括报警数目、报警类型及报警常发地，根据预设的上传间隔时间的将报警数目、报警类型及报警常发地形成报表并进行存储。
27、第二方面，本专利技术提供一种站区视频监控巡防系统，系统在执行时实现上述站区视频监控巡防方法，系统包括：
28、数据采集模块，基于站区巡防需求预设巡防区域和巡防区域中的关键区域，实时采集巡防区域内的目标基础数据和目标图像数据；
29、雷达判断模块，基于雷达检测算法结合目标基础数据判断目标是否落入关键区域，判定为目标落入关键区域时，目标标记为疑似目标；
30、目标跟踪和特征提取模块，目标落入关键区域时，基于数据融合算法结合目标基础数据和目标图像数据进行目标跟踪并获取实时的目标轨迹信息；
31、基于卷积神经网络算法对目标图像数据进行目标检测，并获取目标的衣着特征信息；
32、报警模块，将衣着特征信息与预设的样本库进行匹配，基于目标轨迹信息判断目标是否存在徘徊行为，当目标的衣着特征信息不匹配和/或存在徘徊行为时触发报警机制，并记录报警信息。
33、第三方面，提供一种终端，包括：
34、处理器、存储器，其中，
35、该存储器用于存储计算机程序，
36、该处理器用于从存储器中调用并运行该计算机程序，使得终端执行上述的终端的方法。
37、第四方面，提供了一种计算机存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述各方面所述的方法。
38、本专利技术的有益效果在于，本专利技术提供的站区视频监控巡防方法、系统、终端及存储介质，通过预设区域并实时采集多源数据，利用先进算法实现目标精准监测与行为分析，有效提升站区安全性与管理效率，具体表现在：预设巡防及关键区域并采集数据，为全面监控提供基础，使监控范围明确、数据全面；雷达算法结合基础数据判断目标区域落点，及时标记疑似目标，助力快速聚焦潜在风险；数据融合跟踪获取轨迹，结合卷积神经网络检测衣着特征，实现目标动态掌握与特征精准识别，便于深入分析目标属性；衣着特征匹配与轨迹分析判断徘徊行为，触发报警并记录信息，能精准防范违规与异常行为，保障站区秩序，同时为后本文档来自技高网...
【技术保护点】
1.一种站区视频监控巡防方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的站区视频监控巡防方法，其特征在于，步骤S3中，卷积神经网络算法具体包括：主干网络、颈部网络和头部网络；
3.根据权利要求1所述的站区视频监控巡防方法，其特征在于，步骤S3中，获取目标的衣着特征信息包括：采用图像分割算法提取目标的上半身衣着区域，具体包括：
4.根据权利要求3所述的站区视频监控巡防方法，其特征在于，在将Top-down方法得到的上半身衣着区域和Bottom-up方法得到的上半身衣着区域的融合过程中，具体包括：
5.根据权利要求4所述的站区视频监控巡防方法，其特征在于，对于存在差异的区域的处理还包括利用人体姿态和先验知识修正：
6.根据权利要求1所述的站区视频监控巡防方法，其特征在于，步骤S4中基于目标轨迹信息判断目标是否存在徘徊行为具体包括：
7.根据权利要求1所述的站区视频监控巡防方法，其特征在于，步骤S4中报警信息包括报警数目、报警类型及报警常发地，根据预设的上传间隔时间的将报警数目、报警类型及报警常发地形成报
8.一种站区视频监控巡防系统，其特征在于，系统在执行时实现如权利要求1-7所述站区视频监控巡防方法，系统包括：
9.一种终端，其特征在于，包括：
10.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述可读存储介质上存储有站区视频监控巡防程序，所述站区视频监控巡防程序被处理器执行时实现如权利要求1-7任一项所述站区视频监控巡防方法的步骤。
...【技术特征摘要】
1.一种站区视频监控巡防方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的站区视频监控巡防方法，其特征在于，步骤s3中，卷积神经网络算法具体包括：主干网络、颈部网络和头部网络；
3.根据权利要求1所述的站区视频监控巡防方法，其特征在于，步骤s3中，获取目标的衣着特征信息包括：采用图像分割算法提取目标的上半身衣着区域，具体包括：
4.根据权利要求3所述的站区视频监控巡防方法，其特征在于，在将top-down方法得到的上半身衣着区域和bottom-up方法得到的上半身衣着区域的融合过程中，具体包括：
5.根据权利要求4所述的站区视频监控巡防方法，其特征在于，对于存在差异的区域的处理还包括利用人体姿态和先验知识修正：
6.根据权...
【专利技术属性】
技术研发人员：陈志刚，谢寅锁，王彦，徐林铎，金钟政，张高远，王肖东，付强，张加珂，张斌，
申请(专利权)人：济南三鼎电气有限责任公司，
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。