[發(fā)明專利]一種智能監(jiān)控系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010095650.4
• 申請日: 2020-02-17
• 公開（公告）號: CN111325132A
• 公開（公告）日: 2020-06-23
• 發(fā)明（設(shè)計(jì)）人: 孫克道;楊學(xué)杰;楊光;李思毛
• 申請（專利權(quán)）人: 深圳龍安電力科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 東莞市神州眾達(dá)專利商標(biāo)事務(wù)所(普通合伙) 44251
• 代理人: 劉漢民

1.一種智能監(jiān)控系統(tǒng)，其特征在于，其包括以下設(shè)備：

目標(biāo)物監(jiān)測設(shè)備，用于監(jiān)測在警示區(qū)域內(nèi)存在的目標(biāo)物；

圖像定位設(shè)備，用于目標(biāo)物監(jiān)測設(shè)備識別出目標(biāo)物后，在一定時間內(nèi)定位所述目標(biāo)物并獲取一組待判斷圖像；

人體識別設(shè)備，用于從所述圖像定位設(shè)備獲取所述一組待判斷圖像，識別所述一組待判斷圖像中是否均存在人體；

目標(biāo)識別設(shè)備，用于當(dāng)所述人體識別設(shè)備判定存在一組待判斷圖像中均存在人體，則識別該組所述待判斷圖像中存在人體特征最多的一張待判斷圖像作為待測人體圖像；然后從后臺數(shù)據(jù)庫中獲取安全人體圖像；利用深度卷積神經(jīng)網(wǎng)絡(luò)將所述安全人體圖像學(xué)習(xí)出安全人體特征，并根據(jù)所述安全人體特征判斷所述待測人體圖像得出是否為安全人體的結(jié)果。

2.如權(quán)利要求1所述的智能監(jiān)控系統(tǒng)，其特征在于，人體識別設(shè)備識別時還包括以下步驟：若該組待判斷圖像中均存在人體，則判斷該組每一張待判斷圖像中是否存在相同數(shù)量的人體；

若是，則所述目標(biāo)識別設(shè)備識別該組所述待判斷圖像中存在人體特征最多的一張待判斷圖像作為待測人體圖像；

若否，則首先選取人體數(shù)量最多且一致的若干張待判斷圖像，再識別這些待判斷圖像中存在人體特征最多的一張待判斷圖像作為待測人體圖像。

3.如權(quán)利要求1所述的智能監(jiān)控系統(tǒng)，其特征在于，所述目標(biāo)識別設(shè)備還包括人臉識別步驟，具體包括：

利用人臉識別模塊識別待測人體圖像的第一人臉信息，并與所述安全人體圖像的第二人臉信息進(jìn)行匹配，判斷所述安全人體圖像得出是否為安全人體。

4.如權(quán)利要求3所述的智能監(jiān)控系統(tǒng)，其特征在于，所述目標(biāo)識別設(shè)備在識別將待測人體圖像的第一人臉信息前還包括以下步驟：

將所述待判斷圖像劃分為第一人臉區(qū)域和第一背景區(qū)域；將安全人體圖像劃分為第二人臉區(qū)域和第二背景區(qū)域；然后將所述第二背景區(qū)域的顏色覆蓋所述第一背景區(qū)域。

5.如權(quán)利要求3所述的智能監(jiān)控系統(tǒng)，其特征在于，所述人臉識別步驟的方法具體為：

訓(xùn)練人臉識別模塊；

獲得所述待測人體圖像或該組待判斷圖像，利用訓(xùn)練得到的人臉識別模塊對其進(jìn)行檢測，得到待測人體圖像中的人臉區(qū)域rl，在所述人臉區(qū)域rl中進(jìn)行五官定位，得到待測人體圖像的第一五官數(shù)據(jù)；

確定安全人體人臉圖像，對安全人體人臉圖像進(jìn)行五官檢測，得到安全人體人臉圖像的第二五官數(shù)據(jù)；

基于所述第一五官數(shù)據(jù)和第二五官數(shù)據(jù)，計(jì)算兩者全臉及局部五官相似度；

計(jì)算待測人體圖像和安全人體人臉圖像的概率融合相似度，得到判斷結(jié)果。

6.如權(quán)利要求5所述的智能監(jiān)控系統(tǒng)，其特征在于，若所獲取的是待測人體圖像，則人臉識別模塊利用ASM算法對其進(jìn)行檢測；若所獲取的是該組待判斷圖像，則采用非監(jiān)督學(xué)習(xí)，即使用CNN模型去檢測人臉關(guān)鍵點(diǎn)位置，然后使用光流（flow tracking）跟蹤該組待判斷圖像的下一幀圖片人臉關(guān)鍵點(diǎn)位置作為融合信息給CNN檢測器去作為人臉關(guān)鍵點(diǎn)的輔助信息。

7.如權(quán)利要求1所述的智能監(jiān)控系統(tǒng)，其特征在于，所述目標(biāo)識別設(shè)備還包括輸入設(shè)備；所述目標(biāo)識別設(shè)備還用于從所述輸入設(shè)備中獲取所述安全人體描述后，通過自然語言處理所述安全人體描述并篩選出安全人體關(guān)鍵信息，然后利用所述安全人體關(guān)鍵信息應(yīng)用深度學(xué)習(xí)得出安全人體特征。

8.如權(quán)利要求7所述的智能監(jiān)控系統(tǒng)，其特征在于，所述深度卷積神經(jīng)網(wǎng)絡(luò)是使用AlexNet經(jīng)典網(wǎng)絡(luò)在ImageNet預(yù)訓(xùn)練的CNN模型所構(gòu)建的，并利用所述后臺數(shù)據(jù)庫中的全部安全人體圖像進(jìn)行訓(xùn)練得出。