一种基于目标检测的行为报警系统

1.本发明涉及深度学习中的目标检测领域，针对小目标检测尤其是布匹缺陷检测技术。


背景技术：

2.随着我国经济贸易快速发展，需要被有效监管的区域越来越多，据调查研究发现:大多监控设备依旧延续着传统的监控方式，因此浪费了大量人力、物力等社会资源。尽管市场陆续出现了网络摄像头，却仍需要依靠人力看管，既增加了家庭、企业经济负担，也未在技术上实现更好的突破。
3.伴随着5g时代到来，物联网将进入全面发展时期，物联网将与人工智能技术进一步融合，实现在任何时间、任何地点，人、机、物的互联互通，5g物联网技术的全连接网络，可以推动智能安保领域的发展。
4.基于深度学习的目标检测是目前在图像处理上较为流行的方法，深度学习主要是利用卷积神经网络对大量图像多次训练学习，通过深层卷积自动计算提取目标图像中的特征。本发明提出一种基于目标检测的行为报警系统，结合基于resnet-50改进的faster r-cnn算法实现行为检测，智能监控不同场景中人体的异常行为，同时拥有精确度高的优点。


技术实现要素：

5.为实现上述目的，本发现通过下列技术方案予以实现：
6.一种基于目标检测的行为报警系统，包括用于行为采集、数据上传的智能摄像头模块，与装载基于残差网络resnet101的改进faster rcnn模型用于检测人体行为的神经网络单元模块，与所述云端服务器通过无线通信连接的用于查看智能摄像头模块和接收报警通知的用户单元。
7.优选的，所述智能摄像头模块包括网络摄像头模块、连接服务器的嵌入式平台模块。
8.优选的，所述神经网络单元模块包括数据集处理模块、基于resnet-50改进的faster r-cnn的网络模块、socket通信模块。
9.优选的，所述用户单元包括用户app模块。
附图说明
10.图1：为本发明的系统结构示意图；
11.图2：为本发明的神经网络单元模块结构示意图；
12.图3：为本发明的目标检测单元结构示意图；
13.图4：为本发明的用户单元结构示意图。
具体实施方式
14.下面结合附图对本发明进一步说明。
15.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中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作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。
16.本发明提出了嵌入式平台、神经网络等信息技术上的一体化运用，智能识别异常行为报警系统。如图1至图4所示，包括用于采集的视频数据并上传数据的目标检测单元，与目标检测单元通过目标检测单元通过无线通信连接的用于检测人体行为的神经网络单元模块，与云端服务器通过无线通信连接的用于控制、查看目标检测单元和接收报警通知的用户单元。
17.具体的，目标检测单元包括网络摄像头模块、连接服务器的嵌入式平台模块；学习服务器模块包括数据集处理模块、基于resnet-50改进的faster r-cnn神经网络模块、socket通信模块；
18.所述用户单元包括用户app模块。
19.使用时，目标检测单元通过连接服务器的嵌入式平台模块将收集到的视频流数据传输至神经网络单元中，神经网络单元中先后进行数据集处理、resnet-50改进的faster r-cnn神经网络人体行为检测，最后将检测结果再通过嵌入式平台反馈给云端服务器，而后云端服务器将视频流及检测结果反馈给用户端app，使得智能识别异常行为报警系统具备监控中人体异常行为检测并结果反馈报警的功能；目标检测单元通过连接服务器的嵌入式平台模块将收集到的视频流数据传输至云端服务器模块中，用户端app可以通过socket通信模块与云端服务器取得实时通信，使得智能识别异常行为报警系统中用户端可通过云端服务器实现对目标检测单元的控制、视频流的实时查看等功能。
20.以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。


技术特征：
1.一种基于目标检测的行为报警系统，其特征在于：包括用于行为采集、数据上传的目标检测单元，与装载基于残差网络resnet101的改进faster rcnn模型用于检测人体行为的神经网络单元，与所述云端服务器通过无线通信连接的用于查看目标检测单元和接收报警通知的用户单元。2.根据权利要求1所述的目标检测的行为报警系统，其特征在于：所述智能监控模块包括目标检测单元、连接服务器的嵌入式平台模块。3.根据权利要求1所述的智能识别异常行为报警系统，其特征在于：所述神经网络单元包括数据集处理模块、基于残差网络resnet101的改进faster rcnn模型的神经网络模块、socket通信模块。4.根据权利要求1所述的智能识别异常行为报警系统，其特征在于：所述用户单元包括用户app模块。

技术总结
本发明涉及智能监控安全防护技术领域，尤其涉及一种基于目标检测的行为报警系统，包括用于行为采集、数据上传的目标检测单元，与装载基于残差网络ResNet101的改进Faster RCNN模型用于检测人体行为的神经网络单元，与所述云端服务器通过无线通信连接的用于查看智能摄像头模块和接收报警通知的用户单元；本发明所提供的技术方案有效克服现有智能监控所存在的不能摆脱人力实现智能监控、不能针对多场景及时地对用户进行危险行为智能通知的缺陷。景及时地对用户进行危险行为智能通知的缺陷。景及时地对用户进行危险行为智能通知的缺陷。


技术研发人员：贾海涛 康益铭 林泽航 冯玉轩 陈昊男 钱孝伟 张钰琪 许文波
受保护的技术使用者：电子科技大学长三角研究院（湖州）
技术研发日：2021.12.04
技术公布日：2022/6/3