一种通过视频识别的方式检测围界抛物报警的方法及设备
技术领域
本发明涉及一种抛物检测报警方法，具体地说是一种通过视频识别的方式检测围界抛物报警的方法及设备，属于抛物检测报警方法领域。
背景技术
现有的抛物检测报警主要包括：激光雷达，缺点：反应时间长，无法探测瞬间出现又消失的物体，探测精度随距离拉长而变化，无法探测厘米级物体，成本极高，且具备机械运动部件，容易损坏。红外动作感应器，缺点：探测精度随距离而变化，探测区域为扇形，扇形区域之间的空隙较大，影响装修效果。微波雷达，缺点：对人身体伤害大，探测精度低，探测速度慢。摄像头视觉分析，缺点：对摄像头安装位置要求高，探测精度随距离改变，受照明影响。摄像头动作感应，缺点：误报率高，无法探测小物体，主要覆盖为旅客，并未覆盖玻璃围界以上区域。激光对射，缺点：空隙大，以检测人员为主，对小型抛物无法探测。
现有技术只能解决探测物体动作，对于区分判断抛物或飞虫等问题，只能产生误报，并不能准确判断是否为人为抛物，且无法在抛物行为发生之前就产生警告，制止抛物行为的发生。
发明内容
本发明的目的在于，设计了一种通过视频识别的方式检测围界抛物报警的方法及设备，解决了室内围栏抛物的报警与取证问题，替代人工。
本发明的技术方案为：
一种通过视频识别的方式检测围界抛物报警的设备，所述设备包括防砸前壳和底壳，所述防砸前壳与所述底壳相结合，所述防砸前壳的侧面设有散热鳍孔，所述防砸前壳的前方上侧设有防攀爬斜面，防止通过攀爬围界玻璃栅栏进入到安检后区域；所述底壳的外侧上端设有玻璃围界金属立柱安装钩，将设备悬挂于围界立柱上；外侧下端设有玻璃围界金属立柱安装架，将设备悬挂于围界立柱上；所述防砸前壳内的上下两端分别设有高速运动物体检测摄像机即第一摄像头和人体骨骼识别摄像头即第二摄像头，所述的高速运动物体检测摄像机和人体骨骼识别摄像头的镜头均伸出所述防砸前壳，并均设有镜头防护片。
两个摄像头通过连接线连接到主板上，运算核心单元为所述主板上的芯片；接口板将外壳外的网线和电源引入外壳内，通过网线直接连接主板上的网口，电源连接变压器；变压器将系统外的24V直流电转化为主板使用的19V直流电。
报警红黄绿指示灯连接在主板上，用于对安保人员提示报警信息有指示作用，也起警示旅客的作用。
所述主板为携带通用输入输出端子、图形计算单元、网口的边缘计算主板，系统的固件运行于主板芯片上，为设备提供运算、通讯、逻辑管理、供电、存储等功能；
第一摄像头和第二摄像头分别与所述系统主板电连接，第一摄像头为系统提供240帧每秒的高速图片捕获能力，用于判断飞过设备上空的物体；第二摄像头为系统提供200万像素的人体图像识别能力；
继电器包括第一继电器、第二继电器和第三继电器；第一继电器连接于所述系统主板的通用输入输出端子上，用低电压信号控制高电压的抛物警示灯；第二继电器连接于所述系统主板的通用输入输出端子上，用低电压信号控制高电压的抛物预警灯；第三继电器连接于所述系统主板的通用输入输出端子上，用低电压信号控制高电压的辅助光源。
所述抛物警示灯为红色LED灯，点亮后提示安保人员本设备位置附近有人抛物；所述抛物预警灯为橘色LED灯，点亮后提示安保人员本设备位置附近有人呈现抛物姿势，但并未捕获到实际抛物；
所述辅助光源为可选扩展备件，为第一摄像头提供额外的不可见红外光照明，以提高第一摄像头对于对可见光吸收但反射红外波段光的物体的辨识度。
一种通过视频识别的方式检测围界抛物报警的方法，包括以下步骤：
（1）设备上电开机；
（2）对本身的硬件进行自检，设备或网络出现故障后，设备会以彩色指示灯闪烁的方式提示设备故障；
（3）从网络接口上报状态给中央服务器；
（4）第二摄像头检测画面中是否出现人体，对人体图像进行分析，寻找四肢与躯干的相对位置，并对人体姿势进行空间判断，默认设置判断是否有伸手高过胸口；
（5）第一摄像头检测画面中是否有移动物体，根据摄像头前后图像变化程度进行判断，检测帧率保持在240帧每秒；
（6）当第二摄像头中的人体图像呈现抛物姿势，即手腕高过胸口位置，则符合人体动作条件，当第一摄像头中画面有检测到移动物体，物体尺寸大于等于1像素，则符合有图像变化条件；当两个条件都符合时，转向抛物报警过程，抛物预警状态中视为有人体动作条件；
（7）抛物报警状态打印到工作日志中，设定抛物报警持续时间为预设时长，激活抛物报警子程序；
（8）当有人体动作条件，但无图像变化条件，系统判断为抛物预警；
（9）抛物预警状态打印到工作日志中，设定抛物预警时间为预设时长，激活抛物预警子程序；
（10）当有图像变化条件时，但当前无人体动作条件，则视为有干扰物飞过，或因光影等特殊条件导致图像变化，则进入非抛物状态；
（11）非抛物状态打印到工作日志中，设定非抛物时间为预设时长，激活非抛物子程序；
（12）保存两个摄像头在预定状态下的图片信息，分析结果，短视频，状态信息到本地存储空间；
（13）将报警信息，状态信息，图片、分析结果、短视频数据上报至服务器；
（14）设定本地报警指示灯颜色和闪动方式，点亮时长；
（15）判断结束后回归到摄像头检测状态。
本发明的有益效果为：解决了室内围栏抛物的报警与取证问题，替代人工。
下面结合附图和实施例对本发明作进一步说明。
附图说明
图1为本发明实施例一种通过视频识别的方式检测围界抛物报警的设备的示意图；
图2为本发明实施例一种通过视频识别的方式检测围界抛物报警的设备的结构图；
图3为本发明实施例一种通过视频识别的方式检测围界抛物报警的方法的示意图。
具体实施方式
以下对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1
如图1-3所示，一种通过视频识别的方式检测围界抛物报警的设备，所述设备包括防砸前壳1和底壳7，所述防砸前壳1与所述底壳7相结合，所述防砸前壳1的侧面设有散热鳍孔4，所述防砸前壳1的前方上侧设有防攀爬斜面3，玻璃围界属于机场红线，前后区域是安检前安检后的差异，所以不能让任何人通过攀爬围界玻璃栅栏进入到安检后区域，所以在围界立柱上安装的设备不能作为入侵者攀爬时的着力点，故设计设备外壳为防攀爬斜面；所述底壳7的外侧上端设有玻璃围界金属立柱安装钩5，将设备悬挂于围界立柱上；外侧下端设有玻璃围界金属立柱安装架10，将设备悬挂于围界立柱上；所述防砸前壳1内的上下两端分别设有高速运动物体检测摄像机（第一摄像头）6和人体骨骼识别摄像头（第二摄像头）13，所述的高速运动物体检测摄像机6和人体骨骼识别摄像头13的镜头均伸出所述防砸前壳1，并均设有镜头防护片2。
两个摄像头（高速运动物体检测摄像机6和人体骨骼识别摄像头13）通过连接线（USB）连接到主板上，运算核心单元为系统主板上的芯片；接口板9将外壳外的网线和电源引入壳内，通过网线直接连接主板上的网口，电源连接变压器11；变压器11将系统外的24V直流电转化为主板使用的19V直流电。
报警红黄绿指示灯14连接在主板上，用于对安保人员提示报警信息有指示作用，也起警示旅客的作用。
所述主板为携带通用输入输出端子（GPIO）、图形计算单元（GPU）、网口的边缘计算主板，系统的固件运行于主板芯片上，为设备提供运算、通讯、逻辑管理、供电、存储等功能；
第一摄像头和第二摄像头分别与所述系统主板电连接，第一摄像头为系统提供240帧每秒的高速图片捕获能力，用于判断飞过设备上空的物体；第二摄像头为系统提供200万像素的人体图像识别能力；
继电器12包括第一继电器、第二继电器和第三继电器；第一继电器连接于所述系统主板的通用输入输出端子（GPIO）上，用低电压信号控制高电压的抛物警示灯；第二继电器连接于所述系统主板的通用输入输出端子（GPIO）上，用低电压信号控制高电压的抛物预警灯；第三继电器连接于所述系统主板的通用输入输出端子（GPIO）上，用低电压信号控制高电压的辅助光源；
所述报警红黄绿指示灯14包括所述的抛物警示灯和抛物预警灯；
所述抛物警示灯为红色LED灯，点亮后提示安保人员本设备位置附近有人抛物；所述抛物预警灯为橘色LED灯，点亮后提示安保人员本设备位置附近有人呈现抛物姿势，但并未捕获到实际抛物；
所述辅助光源为可选扩展备件，为第一摄像头提供额外的不可见红外光照明，以提高第一摄像头对于对可见光吸收但反射红外波段光的物体的辨识度。
如图3所示，一种通过视频识别的方式检测围界抛物报警的方法，包括以下步骤：
（1）设备上电开机；
（2）对本身的硬件进行自检，设备或网络出现故障后，设备会以彩色指示灯闪烁的方式提示设备故障；
（3）从网络接口上报状态给中央服务器；
（4）第二摄像头检测画面中是否出现人体（单个或多个），对人体图像进行分析，寻找四肢与躯干的相对位置，并对人体姿势进行空间判断，默认设置判断是否有伸手高过胸口；通过神经网络框架训练程序（Posenet框架，开源，tensorflow-models/posenet2.2.1）训练神经网络找到人像中的骨骼，从而判断人体的动作；
（5）第一摄像头检测画面中是否有移动物体，根据摄像头前后图像变化程度进行判断，检测帧率保持在240帧每秒；240帧每秒比对是通过对图形做特征点提取后比对前后帧的特征点数据之后发现前后帧的变化；然后就是一软件逻辑（Motion-project开源4.3.1），一个摄像头返回人的形态，能取得取得手腕，手指，肘关节，肩关节，颈部，头，眼镜鼻子嘴，腰，两条腿上的膝盖脚踝还有脚在图像上的相对位置,从而判断是否举手过肩；
（6）当第二摄像头中的人体图像呈现抛物姿势，即手腕高过胸口位置，则符合人体动作条件，当第一摄像头中画面有检测到移动物体，物体尺寸大于等于1像素，则符合有图像变化条件；当两个条件都符合时，转向抛物报警过程，抛物预警状态中视为有人体动作条件；人体姿势摄像头实际上是把图像把颜色数据压缩后变成数组，送入神经网络判断器，这个判断器是事先调整神经网络的分层，用样本数据送入网络进行训练的结果集；然后当需要获取人体姿势数据的时候，先装载神经网络框架，然后装载训练库结果集；
然后，人体姿势摄像头把图像转换为数组送进去PoseNet程序（PoseNet框架，tensorflow-models/posenet2.2.1），获取了身体姿势坐标；所述PoseNet为开源程序，是一个视觉定位模型，能够通过一张彩色图像定位人体的位姿信息，用于检测单个或多个姿势；
（7）抛物报警状态打印到工作日志中，设定抛物报警持续时间为预设时长，激活抛物报警子程序；
（8）当有人体动作条件，但无图像变化条件，系统判断为抛物预警；
（9）抛物预警状态打印到工作日志中，设定抛物预警时间为预设时长，激活抛物预警子程序；
（10）当有图像变化条件时，但当前无人体动作条件，则视为有干扰物飞过，或因光影等特殊条件导致图像变化，则进入非抛物状态；
（11）非抛物状态打印到工作日志中，设定非抛物时间为预设时长，激活非抛物子程序；
（12）保存两个摄像头在预定状态下的图片信息，分析结果，短视频，状态信息到本地存储空间；
（13）将报警信息，状态信息，图片、分析结果、短视频数据上报至服务器；
（14）设定本地报警指示灯颜色和闪动方式，点亮时长；
（15）判断结束后回归到摄像头检测状态。
