一种基于嵌入式的异常入侵检测及识别方法与流程

本发明涉及一种基于嵌入式的异常入侵检测及识别方法，属于区域检测。

背景技术：

1、随着，生产力的发展，越来越多的企业走向智能化与自动化，如何能够智能及自动的对物品进行检测成为了亟待解决的问题。

2、目前，对于异常入侵检测及识别的方法包括：通过神经网络划分出感兴趣的区域，当人员进入该区域后，则会出现警报。

3、虽然上述方法能够实现对异常入侵的检测，但是在检测时未考虑进入检测区域人员的身份及未考虑检测结果的多种情况，造成对异常入侵检测及识别不准确、灵活性差的问题。

技术实现思路

1、本发明提供一种基于嵌入式的异常入侵检测及识别方法、装置及计算机可读存储介质，其主要目的在于解决异常入侵检测及识别不准确、灵活性差的问题。

2、为实现上述目的，本发明提供的一种基于嵌入式的异常入侵检测及识别方法，包括：

3、接收检测指令，基于检测指令确认检测环境，其中，检测环境包括：检测系统及初始物品集，其中，初始物品集包括一个或多个待检测物品，检测系统包括：图像采集单元、物品标识单元、视频录制单元、距离检测单元及检测反馈单元；

4、基于初始物品集获取一个或多个标识物品序列，利用图像采集单元获取检测图像，基于检测图像及一个或多个标识物品序列获取目标标识图像；

5、获取用于识别第一人员的面部模板图像集，其中，面部图像集中包括一个或多个第一人员的面部模板图像，利用面部模板图像集获取标识人员信息集，基于图像采集单元获取识别图像，其中，预设了图像采集单元的采集频率；

6、构建用于识别面部图像的面部检测模型，基于所述距离检测单元确认检测环境受到入侵后，基于识别图像、标识人员信息集及面部检测模型确认识别图像为入侵图像后，根据目标标识图像获取待检测物品的使用报告，否则，获取待检测物品的异常入侵报告；

7、利用检测反馈单元将所述待检测物品的使用报告或待检测物品的异常入侵报告发送至检测指令的发起端，实现对待检测物品的异常入侵检测及识别。

8、可选地，所述基于初始物品集获取一个或多个标识物品序列，包括：

9、从初始物品集中依次提取待检测物品，并对所提取的待检测物品执行如下操作：

10、利用物品标识单元对待检测物品执行标识操作，得到标识物品，其中，标识了待检测物品的种类及待检测物品的名称；

11、根据待检测物品的种类划分所述标识物品，得到一种或多种初始物品集；

12、从一种或多种初始物品集中依次提取目标物品集，并对目标物品集执行如下操作：

13、从目标物品集中依次提取目标标识物品，并对目标标识物品执行如下操作：

14、对目标标识物品执行编号操作，得到编号物品，其中，编号物品的编号与待检测物品的名称一一对应；

15、按照编号从小到大的顺序对编号物品执行排序操作，得到一个或多个标识物品序列。

16、可选地，所述基于检测图像及一个或多个标识物品序列获取目标标识图像，包括：

17、基于初始物品集获取目标图像集，其中，目标图像集中包括一个或多个目标物品图像；

18、对检测图像执行边缘检测操作，得到边缘检测图像，划分所述边缘检测图像，得到一个或多个第一边缘图像；

19、从所述一个或多个第一边缘图像中依次提取目标边缘图像，并对所提取的目标边缘图像执行如下操作：

20、利用预训练的图像匹配模型、一个或多个标识物品序列、目标图像集及目标边缘图像获取初始标识图像；

21、汇总所述初始标识图像，得到初始标识图像集；

22、利用所述初始标识图像集获取标识图像。

23、可选地，所述利用面部模板图像集获取标识人员信息集，包括：

24、从面部模板图像集中依次提取面部模板图像，并所提取的面部模板图像执行如下操作：

25、获取面部模板图像所对应第一人员的人员信息，其中，人员信息包括：第一人员的姓名，第一人员的性别及第一人员的职位，基于所述人员信息对面部模板图像执行标识操作，得到标识人员信息；

26、汇总所述标识人员信息，得到标识人员信息集。

27、可选地，所述构建用于识别面部图像的面部检测模型，包括：

28、获取用于训练面部检测模型的训练面部图像集，其中，训练面部图像集中包括多个训练面部图像，基于训练面部图像集训练面部检测模型，其中，面部检测模型为卷积神经网络模型，且预设了面部检测模型的损失函数，所述损失函数如下所示：

29、

30、其中，表示损失函数，为训练面部图像集中训练面部图像的数量，表示共有个类别数，是超球面半径，表示类别的权重因子，为角度边界，表示训练面部图像集中第个训练面部图像与类别之间的角度，表示类别的中心角度，表示类别的偏置项。

31、可选地，所述基于所述距离检测单元确认检测环境受到入侵，包括：

32、利用距离检测单元获取检测距离集，其中，预设了距离检测单元的检测时段及检测频率，检测距离集中包括多个检测距离；

33、根据检测距离集及预构建的距离评定关系式计算距离评定值，其中，所述距离评定关系式如下所示：

34、

35、其中，表示距离评定值，表示多个检测距离中第个检测距离，表示检测距离集中共有个检测距离，表示检测距离集中多个检测距离的标准差，、均为预设的比例系数，且;

36、比较距离评定值与预设的距离评定阈值；

37、若所述距离评定值大于或等于距离评定阈值，则确认检测环境受到入侵；

38、否则，返回所述利用距离检测单元获取检测距离集的步骤。

39、可选地，所述基于识别图像、标识人员信息集及面部检测模型确认识别图像为入侵图像，包括：

40、利用面部检测模型检测识别图像，得到第一面部图像集，其中，第一面部图像集中包含y个第一面部图像，且y为大于等于0的整数；

41、若第一面部图像集中存在第一面部图像，则从第一面部图像集中依次提取目标第一面部图像，并对所提取的目标第一面部图像执行如下操作：

42、从所述标识人员信息集所对应的面部图像集中依次提取目标面部模板图像，利用目标第一面部图像、目标面部模板图像及预构建的面部匹配模型执行匹配操作，得到第二人员图像；

43、汇总所匹配的第二人员图像，得到第二人员图像集；

44、若第一面部图像集中的第一面部图像均能与面部图像集中的面部模板图像完成匹配，则确认识别图像为入侵图像；

45、否则，提示识别图像为异常入侵图像，且基于第一面部图像集及第二人员图像集获取第三面部图像集，其中，第三面部图像集中包括u个第三面部图像，且u为大于等于0的整数。

46、可选地，所述根据目标标识图像获取待检测物品的使用报告，包括：

47、获取检测到入侵图像所对应的时间，得到初始时间，基于所述第二人员图像集及标识人员信息集获取使用人员信息集，其中，使用人员信息集包括：g个第一人员所对应的人员信息，第二人员图像集包括h个第一人员所对应的面部图像，且g=h；

48、利用距离检测单元获取第一检测距离集，其中，第一检测距离集中包括多个第一检测距离；

49、基于第一检测距离集、检测距离集及预构建的第一检测关系式计算第一数值，比较第一数值与预设的离去阈值；

50、若第一数值大于或等于所述离去阈值，则确认进入检测环境中的第一人员均离开检测环境，得到使用环境；

51、否则返回所述利用距离检测单元获取第一检测距离集的步骤；

52、获取使用环境所对应的时间及图像，得到目标时间及目标图像，基于使用环境及图像采集单元获取使用图像；

53、利用使用图像及目标标识图像获取保留物品集，其中，保留物品集中包括q个保留的待检测物品，q为大于等于0的整数；

54、基于保留物品集及标识物品序列获取使用物品集；

55、利用使用物品集、初始时间、目标时间、入侵图像、目标图像及使用人员信息集获取使用报告。

56、可选地，所述第一检测关系式，如下所示：

57、

58、其中，表示第一数值，为预设的比例系数，表示第一检测距离集中第个第一检测距离。

59、可选地，所述获取待检测物品的异常入侵报告，包括：

60、获取检测到异常入侵图像的时间，得到异常初始时间，根据检测环境获取异常目标环境，获取异常目标环境所对应的时间，得到异常目标时间；

61、以异常初始时间为起点，异常目标时间为终点，利用所述视频录制单元获取异常入侵视频，基于第二人员图像集中的第二人员图像获取异常人员信息集，利用异常入侵视频、异常人员信息集、异常初始时间、异常目标时间及所述第三面部图像集获取异常入侵报告。

62、为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

63、至少一个处理器；以及，

64、与所述至少一个处理器通信连接的存储器；其中，

65、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以实现上述所述的基于嵌入式的异常入侵检测及识别方法。

66、为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于嵌入式的异常入侵检测及识别方法。

67、相比于背景技术所述问题，本发明先接收检测指令，基于检测指令确认检测环境，其中，检测环境包括：检测系统及初始物品集，其中，初始物品集包括一个或多个待检测物品，检测系统包括：图像采集单元、物品标识单元、视频录制单元、距离检测单元及检测反馈单元，可见本发明并非取视频中的图像，并对视频中的图像进行处理，而是利用图像采集单元采集图像，多个单元相结合，并通过不同的单元实现不同的作用效果，加快了检测及识别时的效率及提高了检测及识别结果的准确性。其后，基于初始物品集获取一个或多个标识物品序列，利用图像采集单元获取检测图像，基于检测图像及一个或多个标识物品序列获取目标标识图像。对应地，并对图像中的待检测物品执行标识操作，以便实现对检测环境中待检测物品的准确检测，此外，本发明获取用于识别第一人员的面部模板图像集，其中，面部图像集中包括一个或多个第一人员的面部模板图像，利用面部模板图像集获取标识人员信息集，基于图像采集单元获取识别图像，可见本发明并未将人员均归类于不可进入检测环境的人员，而是，对不同的人员执行不同的操作，以提高本发明的灵活性。构建用于识别面部图像的面部检测模型，基于所述距离检测单元确认检测环境受到入侵后，基于识别图像、标识人员信息集及面部检测模型确认识别图像为入侵图像后，根据目标标识图像获取待检测物品的使用报告，否则，基于目标标识图像获取待检测物品的异常入侵报告，可见本发明对于不同的情况给出了不同的报告，每种报告中均包括详细的信息，进一步地，提高了对异常入侵检测及识别的灵活性。此后，利用检测反馈单元将所述待检测物品的使用报告或待检测物品的异常入侵报告发送至检测指令的发起端，实现对待检测物品的异常入侵检测及识别，可见本发明将所生成的不同的报告发送至发起端，实现对信息的反馈，进一步地，促进了本发明的灵活性。因此本发明提出的基于嵌入式的异常入侵检测及识别方法、装置、电子设备及计算机可读存储介质，其主要目的在于解决异常入侵检测及识别不准确、灵活性差的问题。