一种翻越行为的检测方法、装置及安防系统与流程

计算;推算;计数设备的制造及其应用技术1.本发明涉及智能安防技术领域，具体涉及一种翻越行为的检测方法、装置及安防系统。背景技术：2.在现有的安防系统中，大多情况是通过设置防护栏或防护墙实施物理防护。而在一些特殊的情况下(例如：学生翻墙逃课)，翻越人为方便自身会进行防护栏或防护墙翻越。而在传统的安防系统中，因图像采集设备仅仅只是对防护栏或防护墙内的人或事件进行采集，其并不涉及对翻越防护栏或防护墙的翻越行为进行判断，而无法有效制止翻越人的翻越行为，此外，在翻越人实施翻越行为时，还有可能还会因防护栏或防护墙过高，翻越人在翻越防护栏或防护墙时意外跌落而导致翻越人受伤的情况发生。技术实现要素：3.有鉴于此，本发明提供的一种翻越行为的检测方法、装置及安防系统，以解决在现有技术中，无法实现对翻越行为进行准确检测的问题。4.第一方面，本技术提供的一种翻越行为的检测方法，该所述检测方法用于检测翻越建筑护栏的行为，所述检测方法包括如下步骤：5.获取实时图像帧中的建筑护栏区域，所述建筑护栏区域包括限制进入区域；若所述实时图像帧中的所述限制进入区域内存在预设目标，则判定所述预设目标为越界目标；将所述实时图像帧输入至预设模型中以对所述越界目标进行翻越姿态检测；若检测到所述翻越姿态，则确定所述越界目标存在翻越行为，并在所述限制进入区域开启阻拦网对所述越界目标进行拦截。6.可选的，所述实时图像帧中的所述限制进入区域包括第一越界区域和第二越界区域，所述第一越界区域设于建筑护栏顶部，且所述第一越界区域与所述建筑护栏垂直；所述第一越界区域与所述建筑护栏顶部的垂直距离小于第一预设值，所述第二越界区域与所述第一越界区域的垂直距离大于第二预设值，且所述第二越界区域高于所述第一越界区域，所述若所述实时图像帧中的限制进入区域内存在预设目标，则判定所述目标为越界目标，包括：7.确定所述第一越界区域和所述第二越界区域中是否存在预设目标；若所述第一越界区域存在所述预设目标，则确定所述第二越界区域中是否存在预设目标；若所述第二越界区域存在所述预设目标，则确定所述预设目标为越界目标；若所述第二越界区域不存在所述预设目标，则计算当前时刻t的实时图像帧中的第一越界区域的预设目标与t-n时刻中的实时图像帧中的第一越界区域的预设目标的重合度；根据所述重合度，确定当前实时图像帧中的预设目标为越界目标，其中当所述重合度大于预设重合度时，将所述当前实时图像帧中的预设目标确定为越界目标。8.可选的，所述确定所述第一越界区域和所述第二越界区域中是否存在预设目标，还包括：9.对所述第一越界区域和所述第二越界区域分别进行目标检测，输出检测目标；将所述检测目标与预设对比目标进行相似度匹配，输出目标相似度，所述预设对比目标为至少一种肩部、颈部及头部信息；判断所述目标相似度是否大于预设目标相似度；若所述目标相似度大于所述预设目标相似度，则确定所述第一越界区域和所述第二越界区域中存在所述预设目标。10.可选的，所述若所述第二越界区域不存在所述预设目标，则计算当前时刻t的实时图像帧中的第一越界区域的预设目标与t-n时刻中的一帧图像帧中的第一越界区域的预设目标的重合度，还包括：11.将所述t-n时刻中的一帧图像帧中的第一越界区域的预设目标映射于所述当前时刻t的实时图像帧中的第一越界区域的预设目标；计算所述t-n时刻中的一帧图像帧中的第一越界区域的预设目标面积与所述当前时刻t的实时图像帧中的第一越界区域的预设目标面积的重叠占比，作为所述重合度。12.可选的，所述将所述实时图像帧输入至预设模型中以对越界的所述目标进行翻越姿态检测，包括：13.提取所述越界目标的身形特征和获取预设身形特征，将所述越界目标的身形特征和所述预设身形特征输入至预设模型中；利用所述预设模型对所述越界目标的身形特征与所述预设身形特征进行相似度计算；当所述越界目标的身形特征相似度等于或大于所述预设身形特征相似度时，将所述越界目标的身形特征确定为翻越姿态特征，输出所述目标的翻越姿态。14.可选的，所述限制进入区域还包括：翻越区域，所述翻越区域为实时图像帧中建筑护栏的外表面区域；所述若检测到所述翻越姿态，则确定所述越界目标存在翻越行为，并在所述限制进入区域开启阻拦网对所述越界目标进行拦截，还包括：15.判断所述越界目标的特征的位置是否位于所述翻越区域的范围内；若所述越界目标的特征的位置位于所述翻越区域的范围内，则统计所述越界目标的特征的数量；当所述越界目标的特征的数量等于或大于预设特征数量时，确定所述越界目标存在翻越行为，并对所述越界目标进行提醒；其中，所述越界目标的特征包括第一目标特征和第二目标特征，所述第一目标特征为上肢特征，所述第二目标特征为下肢特征；当在所述翻越区域的范围内设置有所述第一目标特征的位置信息，和/或所述第二目标特征的位置信息时，对所述越界目标进行提醒。16.可选的，该检测方法还包括：17.统计所述第一目标特征或第二目标特征在所述翻越区域的停留时间；18.当所述第一目标特征在所述翻越区域的停留时间小于所述第二目标特征在所述翻越区域的停留时间时，则对所述越界目标进行一级提醒；当所述第一目标特征在所述翻越区域的停留时间大于所述第二目标特征在所述翻越区域的停留时间时，则对所述越界目标进行二级提醒。19.第二方面，本技术提供一种翻越行为的检测装置，该装置包括：20.获取模块，用于获取实时图像帧中的建筑护栏区域，所述建筑护栏区域包括限制进入区域；判定模块，用于若所述实时图像帧中的限制进入区域内存在与预设目标，则判定所述预设目标为越界目标；检测模块，用于将所述实时图像帧输入至预设模型中以对所述越界目标进行翻越姿态检测；启动模块，用于若检测到所述翻越姿态，则确定所述越界目标存在翻越行为，并在所述限制进入区域开启阻拦网对所述越界目标进行拦截。21.第三方面，本发明实施例提供一种安防系统，该系统包括：摄像头、拦网装置、存储器和处理器，所述摄像头与存储器连接，所述存储器与所述处理器连接，所述处理器与所述拦网装置连接，所述摄像头用于采集实时图像帧中的建筑护栏区域作为实时监控数据，并将所述监控数据发送至所述存储器，所述存储器中还存储有计算机程序，所述计算机程序和所述监控影像数据被所述处理器执行时实现第一方面或者第一方面的任意一种实施方式中任一项所述的翻越行为的检测方法，并控制拦网装置开启阻拦网。22.第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行第一方面或者第一方面的任意一种实施方式中所述的翻越行为的检测方法。23.本技术提供的翻越行为的检测方法，通过获取实时图像帧中限制进入区域，若所述实时图像帧中的所述限制进入区域内存在预设目标，则判定所述预设目标为越界目标；将所述实时图像帧输入至预设模型中以对所述越界目标进行翻越姿态检测；若检测到所述翻越姿态，则确定所述越界目标存在翻越行为，并在所述限制进入区域开启阻拦网对所述越界目标进行拦截。通过对实时图像帧中的限制进入区域，先后进行越界目标和翻越姿态检测，实现从确定目标到确定目标是否存在翻越行为的检测，从而提高对翻越人的翻越行为进行精准检测，并且当确定翻越人的翻越行为确定后，还可以通过开启阻拦网对翻越人进行拦截，从而避免翻越人在翻越防护栏或防护墙时意外跌落受伤的情况发生。附图说明24.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。25.图1是根据本发明实施例提供的翻越行为的检测方法的流程图。26.图2是根据本发明实施例提供的翻越行为的检测方法的应用场景示意图。27.图3是根据本发明实施例提供的摄像头拍摄实时图像帧中的建筑护栏区域的示意图；28.图4是本实施例提供的翻越行为的检测方法中步骤s2的流程图；29.图5是本实施例提供的翻越行为的检测方法中步骤s211至s214的流程图；30.图6是本实施例提供的翻越行为的检测方法中步骤s241至s242的流程图；31.图7是本实施例提供的翻越行为的检测方法中步骤s3的流程图；32.图8是本实施例提供的翻越行为的检测装置的结构示意图；33.图9是本实施例提供的一种安防系统的结构示意图。34.附图标记：35.0-限制进入区域；01-1区；02-2区；03-3区；1-获取模块；2-判定模块；3-检测模块；4-启动模块；5-摄像头；6-拦网装置；7-存储器；8-处理器。具体实施方式36.下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。37.下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。38.需要说明的是，本技术实施例提供的翻越行为的检测方法适用于检测翻越建筑护栏的行为，该检测对象可以是人或动物，即本技术提到的预设目标可以是人或动物。为便于理解，在本技术提供的实施例中将以检测对象为人做进一步说明。39.可以理解，本技术提到的实时图像帧，并非要求拍摄设备做到目标出现时刻、采集时刻、输出时刻完全同步，受限于硬件处理速度，能够尽量做到实时即可，允许存在一定偏差，均属于申请保护范围，不影响本技术实施即可。40.此外，在本技术所提供的实施例中，实施本技术所提供的翻越行为的检测方法的硬件设备可以包括：图像采集设备(例如：摄像头)、处理器(例如：电脑)及拦网装置。其硬件设备所适用的场景可以包括但不限于学生逃课，小偷入户等场景。利用图像采集设备实时采集预先规划或指定的区域内包括建筑护栏的实时视频图像帧，之后由数据处理器对实时视频图像帧实施翻越行为的检测，当确定实时视频图像帧中存在翻越行为后，数据处理器将控制拦网装置对翻越人进行拦截。以实现对翻越人的翻越行为进行检测，以及避免翻越人在翻越防护栏或防护墙时意外跌落受伤的情况发生。41.请参阅图1至图3，图1是根据本发明实施例提供的翻越行为的检测方法的流程图；图2是根据本发明实施例提供的翻越行为的检测方法的应用场景示意图；图3是根据本发明实施例提供的摄像头拍摄的实时图像帧的示意图；42.在本实施例中，实施本技术所提供的翻越行为检测方法，如图2所示，包括：通过摄像头检测采集包含建筑护栏的实时图像帧，其中，在现场环境中，摄像头所在位置的不同会导致实时图像帧中建筑护栏区域的变化，而大部分情况下所采集的实时图像帧为包括建筑护栏的正视图或建筑护栏的侧视图；在摄像头采集的实时图像帧为侧视图时，建筑护栏作为分界线，将实际采集环境划分为非限制区域和限制进入区域，如图2所示。而为了提高处理器的处理速度，在本技术中，仅选择对包含限制进入区域的建筑护栏的正视图的实时图像帧进行处理。此外，为了更近一步减少处理器的运算工作量，还可以提取翻越人从开始出现在限制进入区域的实时图像帧到在限制进入区域内无法检测到翻越人的实时图像帧。43.即在本实施例中，摄像头仅对建筑护栏区域中的限制进入区域进行实时图像帧采集，所采集到示意图，可参阅图3所示，在图3中1区01用于表示第一越界区域，2区02用于表示第二越界区域，3区03用于表示翻越区域，其1区01、2区02、3区03的集合为限制进入区域0，通过对限制进入区域进行设置，以便于后续对翻越行为进行检测。44.如图1所示，本实施例提供的翻越行为的检测方法的流程包括如下步骤：45.s1，获取实时图像帧中的建筑护栏区域，建筑护栏区域包括限制进入区域。46.s2，若实时图像帧中的限制进入区域内存在预设目标，则判定预设目标为越界目标。47.s3，将实时图像帧输入至预设模型中以对越界目标进行翻越姿态检测。48.s4，若检测到翻越姿态，则确定越界目标存在翻越行为，并在限制进入区域开启阻拦网对越界目标进行拦截。49.本技术实施例提供的翻越行为的检测方法，通过获取实时图像帧中限制进入区域，若实时图像帧中的限制进入区域内存在预设目标，则判定预设目标为越界目标；将实时图像帧输入至预设模型中以对越界目标进行翻越姿态检测；若检测到翻越姿态，则确定越界目标存在翻越行为，并在限制进入区域开启阻拦网对越界目标进行拦截。通过对实时图像帧中的限制进入区域，先后进行越界目标和翻越姿态检测，实现从确定目标到确定目标是否存在翻越行为的检测，从而提高对翻越人的翻越行为进行精准检测，并且当确定翻越人的翻越行为确定后，还可以通过开启阻拦网对翻越人进行拦截，从而避免翻越人在翻越防护栏或防护墙时意外跌落受伤的情况发生。50.在本实施例中，实时图像帧的建筑护栏区域可以是摄像头对限制进入区域进行单独监测获得，如图3所示。其实时图像帧的建筑护栏区域也可以是多个设置在不同方位的摄像头，从多个角度对限制进入区域进行监测获得。在本实施例中，建筑护栏区域可以包括非限制区域和限制进入区域，在本实施例中，通过设置只对限制进入区域中的数据/特征进行检测，以避免数据处理器进行无效检测，提高数据处理的有效处理时长，进一步提高翻越行为的检测效率。51.在本实施例中，可以通过标记软件对限制进入区域内的预设目标进行标记，例如：通过框选工具将预设目标在限制进入区域中进行框选，之后将被框选的目标确定为越界目标。其中，使用标记软件进行标记是为了能够快速准确的提取出越界目标，可选的，通过标记软件对限制进入区域内的预设目标进行标记，其标记动作可以是由用户进行操作，也可以是由深度学习的模型经过自动标记训练后进行操作。52.在本实施例中，在获得越界目标后，将带有选框标记的实时图像帧送入姿态检测模型中进行翻越姿态检测，输出确定存在翻越行为的越界目标，之后由数据处理器控制阻拦网，对越界目标进行阻拦。53.可选的，限制进入区域为禁止翻越区，例如：校园围墙将马路与学校进行分隔。此时，对于学生而言，校园围墙面向马路的一面可以设置为限制进入区域，而校园围墙面向校内的一面则可以设置为非限制区域。又例如：在小区安防系统中，为保证住户的居住安全，开发商会在小区外围建立围墙，而小区围墙面向马路或面向行人的一面可以设置为第一区域为非限制区域，而与第一区域相对的一面则可以设置为限制进入区域。又例如，桥梁上的护栏将桥外区域(例如河流、悬崖)跟桥内区域隔开，桥内区域为非限制区域，桥外为限制区域。54.可选的，预设目标可以包括人脸轮廓信息、头部信息等。例如：当在限制进入区域中检测到人脸轮廓，则可以确定实时图像帧中存在越界目标。55.可选的，为了能够使检测结果更加准确，预设模型可以是利用深度学习网络进行迭代训练所获得的翻越姿态检测模型。56.可选的，在获取实时图像帧中的建筑护栏区域之后，为了能够快速准确的检测出越界目标，还需对所获取的实时图像帧进行预设处理，其中，预处理的手段可以是先对实时图像帧进行图像滤波处理，减少实时图像帧中的噪声数据，其次对滤波处理后的实时图像帧进行边缘检测，对实时图像帧中的边缘信息进行提取，之后对所检测到的边缘信息进行图像增强，可以通过提高边缘信息的亮度，色调等信息突出实时图像帧的边缘信息，得到完成预处理的实时图像帧，通过对实时图像帧进行预处理，突出实时图像帧的边界信息，有利于后续对越界目标进行提取，从而保证检测翻越行为的准确性。57.本实施例提供一种翻越行为的检测方法，包括：58.如图4所示，图4是本实施例提供的翻越行为的检测方法中步骤s2的流程图。需要说明的是，建筑护栏区域的限制进入区域可以包括第一越界区域和第二越界区域，第一越界区域和第二越界区域可以是用户根据需要通过框选工具设置。其中，第一越界区域设于建筑护栏顶部，该第一越界区域可以包括但不限于圆形选框、矩形选框等其他形状的选框；第一越界区域与建筑护栏垂直；第一越界区域与建筑护栏的垂直距离小于第一预设值，第二越界区域与第一越界区域的垂直距离大于第二预设值，且第二越界区域的高度高于第一越界区域。步骤s2中若实时图像帧中的限制进入区域内存在预设目标，则判定目标为越界目标。而如图4所示，为步骤s2的一种可选方式，该方式在限制进入区域中设置第一越界区域和第二越界区域，通过先后对第一越界区域和第二越界区域进行检测，以防止漏检越界目标，进一步提高翻越姿态检测的准确率。59.可选的，为了减少误检和漏检的情况，保证越界目标检测的执行效率和准确性，将其越界区域划分为第一越界区域和第二越界区域，其中，第一越界区域的选框可以是一条绊线，通过设置绊线可以快速确定出实时图像帧中是否存在越界情况，而之后为了能够准确识别越界目标，则需要在第一越界区域上设置第二越界区域，通过将第二越界区域设置为框选区域，并对选框内的目标进行检测，从而实现对翻越目标从检测到精确检测的过程。60.可选的，第一预设值的取值范围可以是1至10个像素点的堆叠高度，第二预设值范围可以是大于20个像素点的堆叠高度。可选的，第一预设值和第二预设值的取值范围也可以根据实时图像帧的尺寸，或是用户根据设计需求进行设置。总之，该可选实施方式中，设置第一越界区域接近建筑护栏顶部，第二越界区域稍远离建筑护栏顶部，可以理解，当第一越界区域和第二越界区域均存在预设目标，更能说明该预设目标存在越界。61.在本实施例中，为了能够准确检测到翻越目标，防止后续翻越目标在翻越围墙时受伤，步骤s2还可以包括：62.s21，确定第一越界区域中是否存在预设目标。63.在本实施例中，可以对第一越界区域和第二越界区域进行目标检测，以确定出预设目标，其中，如图5所示，图5是本实施例提供的翻越行为的检测方法中步骤s211至s214的流程图。具体的，确定第一越界区域存在预设目标和后续确定第二越界区域中存在预设目标包括如下步骤：64.s211，对第一越界区域和第二越界区域分别进行目标检测，输出检测目标；65.在本实施例中，可以利用区域检测或绊线检测的方式对第一越界区域或第二越界区域进行检测，先确定出第一越界区域和第二越界区域中是否存在越界目标，当检测结果为存在时，则对越界区域中的目标进行头部信息检测，确定检测目标为头部信息后执行步骤s212；当检测结果为不存在时，则结束对当前实时图像帧的越界区域进行目标检测，并获取下一帧实时图像帧并对下一帧实时图像帧的越界区域进行目标检测。可以理解，分别的含义指对第一越界区域进行目标检测和对第二越界区域进行目标检测的执行互不干扰，均需要根据步骤s2的执行顺序来确定。66.s212，将检测目标与预设对比目标进行相似度匹配，输出目标相似度，预设对比目标为至少一种肩部、颈部及头部信息。67.在本实施例中，可以先通过提取检测目标的关键点信息，例如：头部信息的7个关键点(头顶、左眼、右眼、左耳、右耳、左嘴角、右嘴角)。其次将所提取检测目标的关键点信息的坐标值与预设对比目标的关键点信息的坐标值，利用检测目标和预设对比目标关键点信息的坐标值计算出检测目标与预设对比目标的相似度，其中，相似度计算可以采用传统的欧氏距离、皮尔逊相关系数等方法获得。68.s213，判断目标相似度是否大于预设目标相似度。69.s214，若目标相似度大于预设目标相似度，则确定第一越界区域和第二越界区域中存在预设目标。70.在本实施例中，当获得目标相似度后，需要将目标相似度与预设目标相似度进行比较，为了保证识别结果的准确性，因此需要获取目标相似度大于预设目标相似度的实时图像帧作为预设目标。为了提高检测效率以及缓解处理器的算力紧张，为此，在本实施例中，将对目标相似度等于或小于预设目标相似度的实时图像帧停止执行后续的处理操作。71.s22，若第一越界区域存在预设目标，则确定第二越界区域中是否存在预设目标。72.s23，若第二越界区域存在预设目标，则确定预设目标为越界目标。73.s24，若第二越界区域不存在预设目标，则计算当前时刻t的实时图像帧中的第一越界区域的预设目标与t-n时刻中的一帧图像帧中的第一越界区域的预设目标的重合度。74.在本实施例中，为了能够准确检测越界目标，因此，还需要获取预设时刻内的实时图像帧和当前时刻的实时图像帧进行处理。参见图6所示，图6是本实施例提供的翻越行为的检测方法中步骤s241至s242的流程图，对预设目标的确定还可以还包括如下步骤。75.s241，将t-n时刻中的一帧图像帧中的第一越界区域的预设目标映射于当前时刻t的实时图像帧中的第一越界区域的预设目标。76.s242，计算t-n时刻中的一帧图像帧中的第一越界区域的预设目标面积与当前时刻t的实时图像帧中的第一越界区域的预设目标面积的重叠占比，作为重合度。77.在本实施例中，计算重叠占比的公式可以是：[0078][0079]其中，d为t-n时刻中的一帧图像帧中的第一越界区域的预设目标面积与当前时刻t的实时图像帧中的第一越界区域的预设目标面积的重叠占比，pt为当前时刻t的实时图像帧中的第一越界区域的预设目标面积，pt-n为t-n时刻的实时图像帧中的第一越界区域的预设目标面积，且pt-n、pt均大于0。[0080]在本实施例中，t-n时刻中的一帧图像帧中的第一越界区域的预设目标面积与当前时刻t的实时图像帧中的第一越界区域的预设目标面积可以通过传统的测量软件/工具直接获得。[0081]s25，根据重合度，确定当前实时图像帧中的预设目标为越界目标。[0082]在本实施例中，通过获取用户预先设置的预设重合度，利用该预设重合度与预设目标的重合度进行比较，以确定出越界目标，还可以包括：[0083]s251，当重合度大于预设重合度时，将当前实时图像帧中的预设目标确定为越界目标但不存在翻越行为。后续则可以不开启阻拦网以减少功耗。其他实施例中，如从安全角度考虑，也可以开启阻拦网。[0084]在本实施例中，如果重合度大于预设重合度时，则说明预设目标移动很少或未移动，仅越界还未翻越。其他实施例中，在当前图像帧中，存在预设目标，检测到(t-a*n)时刻～(t-n)时刻也存在预设目标，且计算每n个时刻的实时图像帧中的预设目标的重合度，且根据时间变化若重合度的变化趋势是从由小变大，再到由大变小，则可以判断在当前图像帧中存在翻越目标，判定预设目标为越界目标且存在翻越行为。a和n均为正整数，具体取值由一个时刻的时间长度决定，一个时刻的时间长度越短，n取值可以越大，例如，一个时刻为100毫秒，n可取1。[0085]s252，当重合度小于或等于预设重合度时，获取下一帧待检测的实时图像帧。[0086]在本实施例中，为了提高检测效率，当重合度不能满足预设重合度时，将会获取下一帧待检测的实时图像帧。[0087]本实施例提供的翻越行为的检测方法，还包括：[0088]如图7所示，图7是本实施例提供的翻越行为的检测方法中步骤s3的流程图。其中，限制进入区域除了包括：第一越界区域和第二越界区域之外还可以包括翻越区域。该翻越区域为建筑护栏的外表面区域；在本实施例中，若在翻越区域检测到翻越姿态，可以确定越界目标存在翻越行为，同时为防止越界目标意外摔伤，在检测存在翻越行为的同时，拉网装置将在限制进入区域开启阻拦网对越界目标进行拦截。[0089]具体的，翻越行为的检测方法的步骤s3可以包括:[0090]s31，提取越界目标的身形特征，并获取预设身形特征。[0091]s32，对越界目标的身形特征与预设身形特征进行相似度计算。[0092]s33，当越界目标的身形特征相似度等于或大于预设身形特征相似度时，将越界目标的身形特征确定为翻越姿态特征，输出目标的翻越姿态。[0093]在本实施例中，在确定出实时图像帧中存在越界目标后，需要将设置有越界目标的实时图像帧送入特征检测模型中进行身形特征进行检测。而在特征检测模型中，所检测所识别或输出的身形特征可以是越界目标的手掌、手臂、脚及腿部特征。之后将所输出的身形特征与通过先验知识或用户预先设置的身形特征集合中身形特征进行匹配。其次计算越界目标的身形特征与预设身形特征的相似度。最后将大于或等于预设身形特征的越界目标的身形特征确定为翻越姿态特征，并特征检测模型输出标记有“存在翻越行为”的实时图像帧。[0094]可选的，特征检测模型可以通过是r-cnn/pp-net/fast r-cnn/faster r-cnn/r-fcn/yolo等网络训练获得。[0095]可选的，先验知识可以是用户根据检测需要，提前对指定检测区域的翻越行为进行数据采集，之后由人工进行确定得出的预先设置的身形特征。[0096]可选的，对越界目标的身形特征与预设身形特征进行相似度计算，可以是通过将越界目标的身形特征与预设身形特征投影至新基础平面，并在新基础平面上设置预设平面特征，之后利用欧氏距离计算越界目标的身形特征与预设平面特征之间的相似度以及预设身形特征与预设平面特征之间的相似度。[0097]由于在本实施例中，所采集的对象是实时图像帧，也就是说，可以将本技术的实时图像帧看做是平面空间。因此，在本实施例中，越界目标的身形特征与预设平面特征之间的相似度的计算公式可以是：[0098][0099]其中，c为越界目标的身形特征与预设平面特征之间的相似度，xx和yx为越界目标的身形特征的坐标值、xy和yy为预设平面特征的坐标值。[0100]预设身形特征与预设平面特征之间的相似度的计算公式可以是：[0101][0102]其中，u为预设身形特征与预设平面特征之间的相似度，xc和yc为预设身形特征的坐标值、xy和yy为预设平面特征的坐标值。[0103]之后，通过对获取越界目标的身形特征与预设平面特征之间的相似度和预设身形特征与预设平面特征之间的相似度进行判断，从而确定出实时图像帧中的翻越姿态。[0104]在本实施例中，通过设置预设平面特征，并以该平面特征为基准，计算预设身形特征相似度和越界目标的身形特征相似度，之后以预设身形特征相似度为基准，当越界目标的身形特征相似度下于预设身形特征相似度时，则表示当前的越界目标随越界，但并未实施翻越。从而通越界检测以及相似度检测，提高对翻越目标实施翻越行为的检测。[0105]可选的，步骤s33还可以包括：[0106]s331，判断越界目标的特征的位置是否位于翻越区域的范围内；[0107]s332，若越界目标的特征的位置位于翻越区域的范围内，则统计越界目标的特征的数量，当越界目标的特征的数量等于或大于预设特征数量时，确定越界目标存在翻越行为，并对越界目标进行提醒；其中，越界目标的特征包括第一目标特征和第二目标特征，当在翻越区域的范围内设置有第一目标特征的位置信息，和/或第二目标特征的位置信息时，对越界目标进行提醒。[0108]s332，若越界目标的特征的位置不位于翻越区域的范围内，则获取下一帧待检测的实时图像帧。[0109]在本实施例中，为了进一步准确检测翻越目标的翻越行为，还可以在翻越区内标记越界目标的特征，并根据越界目标的特征对确定翻越行为，同时对越界目标进行提醒以及对越界目标进行拦截。[0110]可选的，判断越界目标的特征的位置是否位于翻越区域的范围内，可以判断越界目标的特征是否设于翻越区域内，或是判断越界目标的特征的坐标值是否满足翻越区域四个顶点所框选的范围。[0111]可选的，第一目标特征是手掌和/或手臂等上肢特征，第二目标特征，可以是脚和/或腿等下肢特征。在本实施例中，可以提取手掌、手臂、脚、腿等特征位置信息，并判断该位置信息是否设于翻越区域内，若设于则对第一目标特征和第二目标特征进行统计，当第一目标特征和第二目标特征的数量等于或大于预设数量时，则可以通过第一目标特征和第二目标特征的具体数量或具体特征信息，确定越界目标存在翻越行为。[0112]可选的，为了能够及时提醒越界目标，需要在每检测到一个越界目标的特征都可以进行语音提醒或提示。[0113]例如：在对翻墙行为进行检测时，当处理器从所采集到的实时图像帧中的越界区域中检测到了人头信息，则可以确定实时图像帧中存在越界目标。其次在越界目标确定后，需要对越界目标进行人形检测，并判断越界目标中是否存在翻越行为，如果越界目标存在翻越行为，则处理器将控制提醒装置对翻越目标进行提醒，同时处理器也会对越界目标的身形特征(例如：手掌、手臂、腿等)的进行检测并对其数量进行统计，而当处理器在翻越区域内检测到越界目标的身形特征后，则说明越界目标已经开始实施范围行为，处理器器将控制提醒装置将对翻越目标进行语音提醒，同时处理器还会控制拦网装置展开，对翻越目标进行拦截。[0114]本实施例提供的一种翻越行为的检测方法，步骤s4，还可以包括：[0115]s41，统计第一目标特征或第二目标特征在翻越区域的停留时间；[0116]s42，当第一目标特征在翻越区域的停留时间小于第二目标特征在翻越区域的停留时间时，则对越界目标进行一级提醒；[0117]s43，当第一目标特征在翻越区域的停留时间大于第二目标特征在翻越区域的停留时间时，则对越界目标进行二级提醒。[0118]为了避免翻越人在翻越防护栏或防护墙时意外跌落受伤的情况发生，在本实施例中，将对越界目标的进行分级提醒，具体可以分为一级提醒和二级提醒，一级提醒是利用语音进行翻越劝阻，同时呼叫对应负责人，赶往现场进行处理，二级提醒则是在一级提醒的基础上，开启护栏网，防止翻越人在护栏翻越过程中意外跌落受伤。例如：处理器获取对第一目标特征或第二目标特征停留在翻越区域的时间并对进行比较，当第一目标特征在翻越区域的停留时间小于第二目标特征在翻越区域的停留时间时，则说明翻越人的下肢特征先越过建筑护栏，也就是说，当翻越人完成翻越行为时，应是下肢着地，而下肢着地相较于上肢着地较为安全，则需要开启一级提醒；与之相对的，当第一目标特征在翻越区域的停留时间大于第二目标特征在翻越区域的停留时间时，则有可能是翻越人的上肢特征先着地，例如：翻越人的头部先着地；则可以认定翻越人在翻越过程中存在跌落风险，需要开启二级提醒，以减少翻越人受伤的风险。[0119]请参阅图8，图8是本实施例提供的翻越行为的检测装置的结构示意图。该翻越行为的检测装置，包括：[0120]获取模块1，用于获取实时图像帧中的建筑护栏区域，所述建筑护栏区域包括限制进入区域。[0121]判定模块2，用于若所述实时图像帧中的限制进入区域内存在与预设目标，则判定所述预设目标为越界目标。[0122]检测模块3，用于将所述实时图像帧输入至预设模型中以对所述越界目标进行翻越姿态检测。[0123]启动模块4，用于若检测到所述翻越姿态，则确定所述越界目标存在翻越行为，并在所述限制进入区域开启阻拦网对所述越界目标进行拦截。[0124]请参阅图9，图9是本实施例提供的一种安防系统的结构示意图，如图9所示，该系统可以包括：摄像头5、拦网装置6、存储器7和处理器8，摄像头与存储器连接，存储器与处理器连接，处理器与拦网装置连接，摄像头用于采集实时图像帧中的建筑护栏区域作为实时监控数据，并将监控数据发送至存储器，存储器中还存储有计算机程序，计算机程序和监控影像数据被处理器执行时实施上述实施例所提供的翻越行为的检测方法，同时控制拦网装置开启阻拦网，并联系工作人员对翻越目标进行处理。[0125]阻拦网可以是可伸缩的拦网，在确定越界目标存在翻越行为时，控制阻拦网伸出对越界目标进行拦截，其他情况控制阻拦网保持缩拢状态。[0126]此外，在本实施例所提供的安防系统还可以包括：至少一个处理器8，例如cpu(central processing unit，中央处理器)，存储器7。其中，所述存储器和所述处理器之间互相通信连接；存储器7可以是高速ram存储器(random access memory，易挥发性随机存取存储器)，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器7可选的还可以是至少一个位于远离前述处理器8的存储装置。其中处理器8可以结合图8所描述的装置，存储器7中存储应用程序，且处理器8调用存储器7中存储的程序代码，以用于执行上述任一方法步骤。[0127]此外，存储器7可以包括易失性存储器(volatile memory)，例如随机存取存储器(random-access memory，ram)；存储器也可以包括非易失性存储器(non-volatile memory)，例如快闪存储器(flash memory)，硬盘(hard disk drive，hdd)或固态硬盘(solid-state drive，ssd)；存储器7还可以包括上述种类的存储器的组合。[0128]处理器8可以是中央处理器(central processing unit，cpu)，网络处理器(network processor，np)或者cpu和np的组合。其中，处理器8还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(application-specific integrated circuit，asic)，可编程逻辑器件(programmable logic device，pld)或其组合。上述pld可以是复杂可编程逻辑器件(complex programmable logic device，cpld)，现场可编程逻辑门阵列(field-programmable gate array，fpga)，通用阵列逻辑(generic array logic,gal)或其任意组合。[0129]可选地，存储器7还用于存储程序指令。处理器8可以调用程序指令，实现如本技术图1至图4实施例中所示的翻越行为的检测方法。[0130]本发明实施例还提供了一种非暂态计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的拍摄方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)、随机存储记忆体(random access memory，ram)、快闪存储器(flash memory)、硬盘(hard disk drive，hdd)或固态硬盘(solid-state drive，ssd)等；所述存储介质还可以包括上述种类的存储器的组合。[0131]显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!