[發明專利]基于深度學習的偽裝型目標監測報警裝置及方法

在審

• 申請號: 202110591197.0
• 申請日: 2021-05-28
• 公開（公告）號: CN113327388A
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 楊軒;郭浩;趙偉;劉訓;成占濤;張曉瑞;胥浩;閆迎速;李硯澤
• 申請（專利權）人: 北京環境特性研究所
• 主分類號: G08B13/196
• 分類號: G08B13/196;G06K9/00
• 代理公司: 北京格允知識產權代理有限公司 11609
• 代理人: 張莉瑜

本發明涉及一種基于深度學習的偽裝型目標監測報警裝置及方法，該裝置包括：電源模塊、圖像采集模塊、無線收發模塊和主控模塊；電源模塊包括太陽能電池，用于為裝置供電；圖像采集模塊用于實時采集指定的監測區域的圖像，并傳輸至主控模塊；無線收發模塊包括NB?IoT單元；主控模塊與圖像采集模塊、無線收發模塊連接，用于接收實時采集的圖像，基于預置的深度學習網絡識別圖像中的目標，在識別到目標后，生成報警報告并通過NB?IoT單元發送至遠程監控中心；其中報警報告包括各目標的屬性信息及對應的圖像；裝置設有涂覆偽裝材料的光學偽裝外殼。本發明具有隱蔽性高、功耗低以及可長時間工作的優勢，能夠應用于邊境地區監測。

技術領域

本發明涉及目標檢測與安全防護技術領域，尤其涉及一種基于深度學習的偽裝型目標監測報警裝置及方法。

背景技術

我國毗鄰多個國家，邊境地區廣闊、環境惡劣、情況復雜，且基礎設施相對薄弱，給邊境安防、維穩任務帶來了極大的挑戰。目前邊境安防采用人防與技防相結合的方式，在視角良好、基礎設施齊全的區域建設視頻監控設備，但在無電、無有線網絡的區域仍需要人工巡邏。人工巡邏存在時效性差、取證不全、隱蔽性差的缺點，不易發現邊境入侵行為。若采用現有邊防領域的移動式視頻監控設備，則存在目標識別能力弱、工作時間短、誤檢率高等缺點。

發明內容

本發明的目的是針對上述至少一部分不足之處，提供一種可以偵察移動目標、準確識別目標種類，并上傳報警信息的隱蔽式視頻監測裝置及方法，以解決邊防區域入侵目標發現難、取證難的問題。

第一方面，本發明提供了一種基于深度學習的偽裝型目標監測報警裝置，包括：

電源模塊、圖像采集模塊、無線收發模塊和主控模塊；

所述電源模塊包括太陽能電池，用于為所述裝置供電；

所述圖像采集模塊用于實時采集指定的監測區域的圖像，并傳輸至所述主控模塊；

所述無線收發模塊包括NB-IoT單元；

所述主控模塊與所述圖像采集模塊、無線收發模塊連接，用于接收實時采集的圖像，基于預置的深度學習網絡識別圖像中的目標，在識別到目標后，生成報警報告并通過所述NB-IoT單元發送至遠程監控中心；其中所述報警報告包括各目標的屬性信息及對應的圖像；

所述裝置設有涂覆偽裝材料的光學偽裝外殼。

可選地，所述無線收發模塊還包括北斗定位單元，所述北斗定位單元用于接收北斗系統的定位信號，實現對所述裝置的定位，并發送所述裝置的位置信息至所述主控模塊；

所述主控模塊還用于在識別到目標后，對目標進行定位；所述報警報告包括各目標的屬性信息、位置信息及對應的圖像。

可選地，所述主控模塊包括存儲單元，所述存儲單元用于存儲所述裝置的位置信息、采集的圖像、目標的屬性信息及位置信息。

可選地，所述深度學習網絡采用MobileNetv2-SSDLite網絡模型。

可選地，所述主控模塊包括圖像處理單元和神經網絡單元，所述圖像處理單元用于對采集的圖像進行降噪預處理、編碼壓縮，所述神經網絡單元用于通過神經網絡加速引擎運行預置的所述深度學習網絡，識別圖像中的各目標及目標的屬性信息。

可選地，所述主控模塊還用于在識別到目標后，判斷是否對目標進行跟蹤；

若進行跟蹤，則所述主控模塊持續識別圖像中跟蹤的目標及目標的屬性信息，對目標進行定位，生成報警報告，并通過所述NB-IoT單元發送至遠程監控中心，直至目標離開監測區域；所述報警報告包括跟蹤的各目標的屬性信息、位置信息及對應的圖像/視頻；

若不進行跟蹤，則所述主控模塊不再對該目標進行定位或生成報警報告。