[發明專利]基于野生動物侵入預警系統的實時數據處理方法

在審

• 申請號: 202310153207.1
• 申請日: 2023-02-22
• 公開（公告）號: CN116206412A
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 楊歷潤;李慶;姜韜;陳湘才;郭修杰;陸曉;馮春柏;張志永;張家新;陳定兵;孫凱
• 申請（專利權）人: 昆明卓潤科技有限公司
• 主分類號: G08B13/191
• 分類號: G08B13/191;G08B13/196;G08G1/01
• 代理公司: 北京冠和權律師事務所 11399
• 代理人: 張樹朋

本發明提供了一種基于野生動物侵入預警系統的實時數據處理方法，方法包括：構建封閉道路現場包含障礙物及野生動物狀態的目標檢測數據集；封閉道路現場布設視頻及熱成像一體化云臺設備，得到熱成像圖片，并通過熱成像圖片數據實現對野生動物的位置定位，然后調用云臺攝像機調焦對野生動物進行精準抓拍清晰攝像機圖片并進行預處理；預處理后的熱成像圖片數據和攝像機圖片輸送至嵌入式平臺處理器，對熱成像圖片數據進行處理分析，判斷是否有野生動物，對攝像機圖片在搭載的目標檢測網絡YOLOV4進行特征提取、特征融合及輸出，得到野生動物的種類。本發明保證對現場障礙物實現精準檢測；搭建運行環境保證嵌入式設備在現場長時間穩定運行。

技術領域

本發明涉及野生動物檢測技術領域，特別涉及一種基于野生動物侵入預警系統的實時數據處理方法。

背景技術

在我國野生動物較多的地區，存在野生動物侵入特殊封閉道路并發生危險事故的情況。對于野生動物來講，其圖片數據集不止受到拍攝角度的影響，還會受到其姿態不同程度遮擋的影響。現有網絡公開的檢測數據集要應用到某一具體場景還需要對數據集進行進一步優化，特殊封閉道路現場的障礙物數據集比較稀缺，而訓練集樣本的好壞往往與最后訓練得到的深度學習網絡的檢測效果密切相關，因此需要在訓練前盡量構建出符合的特殊封閉道路現場目標檢測數據集供給后期神經網絡進行學習。常用的圖像檢測方式包括背景差分法及HOT+SVM算法等，在微小的環境變化下，也能快速檢測出視頻中的異物，但當由于光線和天氣等原因導致背景變化巨大時，其檢測效果會顯著下降。常見的視頻檢測方式主要采用將算法部署到后端服務器中統一處理現場采集的視頻數據，但對于當前項目的特殊封閉道路現場，由于帶寬受限、現場攝像頭數量很多，以及長距離的大量數據傳輸可能會導致視頻信息在傳輸過程中存在丟失和檢測延時的現象。而且單個服務器設備處理多路視頻數據導致檢測速率進一步降低，以及對服務器的配置要求會非常高，從而難以實現對入侵異物的實時檢測。對于特殊封閉道路侵入檢測來說，不僅僅要簡單地實現對比較直觀的野生動物檢測，現場的條件會比較復雜，需要考慮光照、天氣、季節等條件的影響，此外野生動物的大小、形狀可能會有很大的不同。所以需要構建出一個目標檢測網絡適合各種環境下的多種障礙物的識別并能保證較高的準確率。

現有技術一，CN201580020150.1利用動作感應的侵入偵測技術，一種侵入偵測系統包括至少兩個偵測器。每個偵測器被組配成產生偵測輸出。至少一個信息模塊被組配成產生元數據而該元數據有關于該至少兩個偵測器的效能。分析模塊被組配成產生組合警報信號。該組合警報信號是來自該至少兩個偵測器的多個偵測輸出與該元數據的函數。該元數據可包含有關減少一個或多個該偵測器的偵測效能的不利狀況的信息。該至少兩個偵測器較佳地包含至少一個視頻動作偵測器及被動紅外線偵測器。雖然實現了偵測輸出僅可當該個別偵測器偵測到侵入事件時產生，但是不適合特殊封閉道路侵入檢測，缺少目標檢測數據集導致檢測的誤報率較高。

現有技術二，CN113256983B一種基于毫米波雷達的道路防侵入預警方法和系統，包括：獲取毫米波雷達采集的道路車輛數據；根據設定值，判斷長度方向上的點目標數據為近距離值或遠距離值；若為近距離值，則近距離點計數；若為遠距離值，則遠距離點計數；當近/遠距離點計數滿足近/遠距離點計數判定條件時，近/遠距離數據包計數；當近/遠距離數據包滿足近/遠距離數據包計數判定條件時，觸發近/遠距離報警。雖然可以精準的判斷出是否有車輛侵入設置車道和旁向車道過車時是否會發生誤報，該方法簡單，方便，處理速度快，可以很好的應用在單片機上，有效解決了漏報誤報的問題，但是單片機作為嵌入式的處理器長時間的工作很容易得到工作不穩定，影響整體系統的檢測的有效性。