基于深度学习的伪装型目标监测报警装置及方法与流程

技术特征：

1.一种基于深度学习的伪装型目标监测报警装置，其特征在于，包括：电源模块、图像采集模块、无线收发模块和主控模块；

所述电源模块包括太阳能电池，用于为所述装置供电；

所述图像采集模块用于实时采集指定的监测区域的图像，并传输至所述主控模块；

所述无线收发模块包括nb-iot单元；

所述主控模块与所述图像采集模块、无线收发模块连接，用于接收实时采集的图像，基于预置的深度学习网络识别图像中的目标，在识别到目标后，生成报警报告并通过所述nb-iot单元发送至远程监控中心；其中所述报警报告包括各目标的属性信息及对应的图像；

所述装置设有涂覆伪装材料的光学伪装外壳。

2.根据权利要求1所述的基于深度学习的伪装型目标监测报警装置，其特征在于：

所述无线收发模块还包括北斗定位单元，所述北斗定位单元用于接收北斗系统的定位信号，实现对所述装置的定位，并发送所述装置的位置信息至所述主控模块；

所述主控模块还用于在识别到目标后，对目标进行定位；所述报警报告包括各目标的属性信息、位置信息及对应的图像。

3.根据权利要求2所述的基于深度学习的伪装型目标监测报警装置，其特征在于：

所述主控模块包括存储单元，所述存储单元用于存储所述装置的位置信息、采集的图像、目标的属性信息及位置信息。

4.根据权利要求1所述的基于深度学习的伪装型目标监测报警装置，其特征在于：

所述深度学习网络采用mobilenetv2-ssdlite网络模型。

5.根据权利要求1所述的基于深度学习的伪装型目标监测报警装置，其特征在于：

所述主控模块包括图像处理单元和神经网络单元，所述图像处理单元用于对采集的图像进行降噪预处理、编码压缩，所述神经网络单元用于通过神经网络加速引擎运行预置的所述深度学习网络，识别图像中的各目标及目标的属性信息。

6.根据权利要求2所述的基于深度学习的伪装型目标监测报警装置，其特征在于：

所述主控模块还用于在识别到目标后，判断是否对目标进行跟踪；

若进行跟踪，则所述主控模块持续识别图像中跟踪的目标及目标的属性信息，对目标进行定位，生成报警报告，并通过所述nb-iot单元发送至远程监控中心，直至目标离开监测区域；所述报警报告包括跟踪的各目标的属性信息、位置信息及对应的图像/视频；

若不进行跟踪，则所述主控模块不再对该目标进行定位或生成报警报告。

7.根据权利要求1所述的基于深度学习的伪装型目标监测报警装置，其特征在于：

所述图像采集模块包括可见光摄像机，所述可见光摄像机用于在昼间采集监测区域的图像。

8.一种基于深度学习的伪装型目标监测报警方法，其特征在于，采用如权利要求1-7任一项所述的基于深度学习的伪装型目标监测报警装置实现，包括：

初始化所述装置；

实时采集监测区域的图像；

基于预置的深度学习网络识别图像中的目标，在识别到目标后，生成报警报告并发送至远程监控中心，其中所述报警报告包括各目标的属性信息及对应的图像。

9.根据权利要求8所述的基于深度学习的伪装型目标监测报警方法，其特征在于，包括：

在识别到目标后，对目标进行定位，生成报警报告并发送至远程监控中心，其中所述报警报告包括各目标的属性信息、位置信息及对应的图像。

10.根据权利要求9所述的基于深度学习的伪装型目标监测报警方法，其特征在于，包括：

在识别到目标后，判断是否对目标进行跟踪；

若进行跟踪，则持续识别图像中跟踪的目标，对目标进行定位，生成报警报告并发送至远程监控中心，直至目标离开监测区域；其中所述报警报告包括跟踪的各目标的属性信息、位置信息及对应的图像/视频；

若不进行跟踪，则不再对该目标进行定位或生成报警报告。

技术总结
本发明涉及一种基于深度学习的伪装型目标监测报警装置及方法，该装置包括：电源模块、图像采集模块、无线收发模块和主控模块；电源模块包括太阳能电池，用于为装置供电；图像采集模块用于实时采集指定的监测区域的图像，并传输至主控模块；无线收发模块包括NB‑IoT单元；主控模块与图像采集模块、无线收发模块连接，用于接收实时采集的图像，基于预置的深度学习网络识别图像中的目标，在识别到目标后，生成报警报告并通过NB‑IoT单元发送至远程监控中心；其中报警报告包括各目标的属性信息及对应的图像；装置设有涂覆伪装材料的光学伪装外壳。本发明具有隐蔽性高、功耗低以及可长时间工作的优势，能够应用于边境地区监测。

技术研发人员：杨轩;郭浩;赵伟;刘训;成占涛;张晓瑞;胥浩;闫迎速;李砚泽
受保护的技术使用者：北京环境特性研究所
技术研发日：2021.05.28
技术公布日：2021.08.31