一种基于红外热成像与AI的周界安防智能预警系统的制作方法

本发明属于安防监控与人工智能，具体涉及一种基于红外热成像与ai的周界安防智能预警系统。

背景技术：

1、传统周界安防预警系统普遍存在三大痛点，一是环境适应性差，传统周界安防预警系统的可见光摄像头在夜间、逆光、雨雾等恶劣条件下性能急剧下降，导致大量漏报；二是传统周界安防预警系统的pir（被动红外）探测器或简单的视频移动侦测无法区分人、动物、风吹草动，误报率高；三是缺乏全局态势感知，传统周界安防预警系统单点式的监控设备各自为战，无法对跨越多个监控区域的目标进行持续追踪和行为研判，难以判断入侵者的真实意图。为消除上述痛点，中国专利cn119851198a公开了一种基于红外热成像的目标闯入识别方法及系统，cn119851198a公开了一种基于视频联合采集的周界入侵识别方法及系统，cn115424104b公开了一种基于特征融合与注意力机制的目标检测方法。针对“环境适应性差”，cn119851198a和cn118298377b均引入了红外热成像技术，利用其不受光照影响、穿透薄雾能力强的物理特性，有效解决了夜间和恶劣天气下的监控盲区问题。针对“误报率高”，cn119851198a和cn115424104b引入了ai智能分析算法，cn119851198a通过边缘计算进行初步的闯入判断，cn115424104b通过特征融合与注意力机制提升目标识别精度，从而在算法层面过滤动物或环境扰动引起的无效警报。针对“缺乏全局态势感知”，cn118298377b通过构建红外云台成像仪阵列，利用联合追踪模块和时空关联，实现了对跨越多个监控区域目标的持续追踪和行为研判。

2、上述现有技术方案虽然在解决痛点问题方面取得了进展，但仍无法应对在实际应用中的深层次需求，存在以下三方面缺陷：

3、(1) 架构与带宽瓶颈缺陷：cn119851198a采用了边缘计算服务器，但未明确边缘与中心两级架构的分工与数据流形态，通常前端节点须上传原始的、庞大的视频流，从而产生带宽瓶颈，无法大规模部署节点；cn118298377b建立了中心化追踪，而中心化追踪可能导致带宽浪费或算力分配不均；

4、(2) 缺乏系统化误报过滤机制：现有技术方案虽然都利用ai分类来降低误报，但缺乏系统级的过滤机制，无法达到高的工程化误报率指标；

5、(3) 缺乏安防联动响应机制：现有技术未建立安防联动响应机制，cn119851198a虽然提到了“入侵行为触发概率”，但并未将入侵行为评估与联动响应机制相结合，不能为安保人员提供清晰、可执行的行动指南，可能面对警报不知所措或反应过度/不足。

技术实现思路

1、针对现有技术的不足，本发明所要解决的技术问题是提供一种基于红外热成像与ai的周界安防智能预警系统，构建分布式计算架构以解决带宽瓶颈；通过误报过滤机制压低误报率；建立从评估到处置的联动响应机制，为安保人员提供标准化的行动指南。

2、本发明所采用的技术方案如下：

3、本发明提供一种基于红外热成像与ai的周界安防智能预警系统，采用“边缘ai节点＋中央ai服务器”两级架构，包括前端红外节点和中央ai服务器；所述前端红外节点包括非制冷红外机芯、可见光变焦相机、电动云台和边缘ai处理模块；所述边缘ai处理模块包括目标分类模型，对红外图像进行目标检测和分类；所述中央ai服务器，接收所述前端红外节点的检测事件流，通过时空关联执行跨节点目标追踪、行为轨迹分析、威胁等级评估、输出告警和联动控制指令。

4、优选的，所述非制冷红外机芯探测器的像素分辨率为640×512或256×192；所述电动云台旋转范围参数为水平360°和垂直90°；所述边缘ai处理模块配置为≥1 tops npu。

5、优选的，所述非制冷红外机芯、电动云台和边缘ai处理模块通过poe网线或wifi6连接；所述边缘ai模块在本地完成基础目标检测和分类，减少传输带宽。

6、优选的，所述目标分类模型，利用针对红外图像训练的轻量级分类网络，基于红外热特征进行分类，所述红外热特征包括体温分布、移动速度、体型比例；所述分类类别包括7类：人员、奔跑人员、车辆、摩托车、大型动物、小型动物和未知物体。不依赖可见光纹理特征，全天时有效。

7、优选的，所述行为轨迹分析包括三个参数：进入速度、方向和停留时长；所述威胁等级评估为四个等级：低、中、高和紧急。

8、优选的，所述输出告警和联动控制指令包括：

9、（1）威胁等级为低级时，仅记录；

10、（2）威胁等级为中级时，执行app推送；

11、（3）威胁等级为高级时，触发电动云台自动转向锁定，并控制可见光变焦相机进行光学变焦取证和录像，同时执行app推送及声光报警；

12、（4）威胁等级为紧急时，例如多人翻越，联动门禁、灯光和对讲系统。

13、优选的，所述前端红外节点和中央ai服务器共同构建误报过滤机制，所述误报过滤机制包括：

14、（1）时序过滤；

15、设定目标连续出现帧数大于等于阈值时触发检测事件，所述目标连续出现帧数阈值设置为3帧；排除传感器热噪声等瞬时干扰；

16、（2）体量过滤；

17、热面积低于阈值的小动物不触发告警，仅记录事件，所述热面积阈值为0.3 m²；

18、（3）背景自适应学习；

19、学习和识别场景固定热源，并纳入背景模型；自动屏蔽路灯、空调外机等固定热源。

20、优选的，所述周界安防智能预警系统容量为≥64路前端红外节点，统一web管理平台，支持历史事件回溯。

21、采用上述技术方案，本发明获得的有益效果是：

22、（1）本发明采用“边缘ai节点＋中央ai服务器”两级架构，前端红外节点搭载非制冷机芯和边缘npu（≥1 tops），在本地完成基础目标检测和分类，将原始视频流压缩为结构化的“检测事件流”（包含目标类别、位置、时间戳等元数据）；中央ai服务器仅接收轻量化的事件流，执行计算密集的跨节点追踪和威胁评估。降低了对网络带宽的需求，使得系统可管理≥64路红外节点，实现了在成本、延迟和性能之间取得最佳平衡的大规模部署，避免了算力分配不均。

23、（2）本发明构建了多层误报过滤机制：①时序过滤，目标需连续出现≥3帧才触发事件，排除传感器热噪声等瞬时干扰；②体量过滤，设定热面积阈值（如<0.3 m²），小型动物仅记录不告警；③背景自适应学习，系统自动采集场景背景热图，建立环境热背景模型，自动识别并屏蔽路灯、空调外机等固定热源。通过误报过滤机制，系统误告警事件占全部捕获事件的比例约为0.6%，达到了工程化指标，显著优于传统pir系统。

24、（3）本发明设计了量化的四级威胁评估与分级响应机制，中央ai服务器综合考量目标类别、行为特征、数量和区域敏感度，将威胁等级量化为低/中/高/紧急四级，并映射到标准化响应动作：低级仅记录，中级app推送，高级触发云台自动转向锁定并光学变焦取证及声光报警，紧急级联动门禁、灯光和对讲系统。为安保人员提供了清晰、可执行的行动指南，实现了差异化处置，避免了面对警报时的不知所措或反应过度/不足，提升了安防体系的运营效率和应急响应速度。