基于DeepStream框架的车辆入侵检测方法与流程

本发明涉及入侵检测，尤其涉及一种基于deepstream框架的车辆入侵检测方法。

背景技术：

1、车辆入侵检测是一项很重要的报警检测任务之一。应用场景通常在交通监控；停车场管理：工业安全；校园安全；军事应用等。

2、现有技术中，通过场景布设的摄像头对区域的车辆入侵情况进行检测和处理。

3、由于硬件布设以及模型的场景适应性差，导致对场景内车辆入侵情况的检测实时性差且存在误报情况。

技术实现思路

1、针对现有技术存在的问题，本发明提供一种基于deepstream框架的车辆入侵检测方法。

2、本发明提供一种基于deepstream框架的车辆入侵检测方法，包括：

3、基于deepstream框架获取至少一个摄像头的实时视频流数据；

4、针对各所述实时视频流数据中的每一帧目标图像，基于目标检测模型对各所述目标图像进行检测；所述目标检测模型为基于训练样本集对预设目标检测网络进行深度学习训练得到的；所述训练样本集包括至少一张车辆标记样本图像；

5、在各所述目标图像中出现车辆目标的情况下，基于所述目标检测模型识别预设区域内的车辆入侵信息。

6、根据本发明提供的一种基于deepstream框架的车辆入侵检测方法，所述在各所述目标图像中出现车辆目标的情况下，基于所述目标检测模型识别预设区域内的车辆入侵信息，包括：

7、在各所述目标图像中出现车辆目标的情况下，判断所述车辆目标是否在所述预设区域内；所述预设区域是图形用户界面工具和/或可视化库进行预先定义和调整得到的；

8、在所述车辆目标在所述预设区域内时，基于所述目标检测模型识别所述车辆目标的所述车辆入侵信息；所述车辆入侵信息包括异常停留、异常移动、异常目标中的至少一项。

9、根据本发明提供的一种基于deepstream框架的车辆入侵检测方法，所述方法还包括：

10、基于追踪算法跟踪所述车辆目标在所述预设区域内的移动轨迹、移动状态和遮挡信息。

11、根据本发明提供的一种基于deepstream框架的车辆入侵检测方法，所述在所述车辆目标在所述预设区域内时，基于所述目标检测模型识别所述车辆目标的所述车辆入侵信息之后，所述方法还包括：

12、将所述车辆目标对应的车辆信息存储至数据库；

13、在出现所述异常停留、所述异常移动和所述异常目标中的至少一种情况时，发出告警信息。

14、根据本发明提供的一种基于deepstream框架的车辆入侵检测方法，所述针对各所述实时视频流数据中的每一帧目标图像，基于目标检测模型对各所述目标图像进行检测之前，所述方法还包括：

15、获取所述实时视频数据流的每一帧初始图像；

16、针对各所述初始图像进行预处理，得到每一帧所述目标图像；所述预处理包括图像增强和图像控制中的至少一项。

17、根据本发明提供的一种基于deepstream框架的车辆入侵检测方法，所述目标检测模型嵌入在所述deepstream框架中，并部署在jetson终端。

18、本发明还提供一种基于deepstream框架的车辆入侵检测装置，包括：

19、获取模块，用于基于deepstream框架获取至少一个摄像头的实时视频流数据；

20、检测模块，用于针对各所述实时视频流数据中的每一帧目标图像，基于目标检测模型对各所述目标图像进行检测；所述目标检测模型为基于训练样本集对预设目标检测网络进行深度学习训练得到的；所述训练样本集包括至少一张车辆标记样本图像；

21、识别模块，用于在各所述目标图像中出现车辆目标的情况下，基于所述目标检测模型识别预设区域内的车辆入侵信息。

22、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的基于deepstream框架的车辆入侵检测方法。

23、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的基于deepstream框架的车辆入侵检测方法。

24、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述的基于deepstream框架的车辆入侵检测方法。

25、本发明提供的基于deepstream框架的车辆入侵检测方法，基于deepstream框架获取各个摄像头的实时视频流数据；然后针对实时视频流数据中的每一帧目标图像，基于预先训练好的目标检测模型对每一帧目标图像进行检测，目标检测模型为基于包括多张车辆标记样本图像的训练样本集对预设目标检测网络进行深度学习训练得到的，然后在目标图像中出现车辆目标的情况下，进一步基于目标检测模型识别预设区域内的车辆入侵信息，基于deepstream框架实现了实时视频的获取，提升了车辆入侵识别的实时性，进一步通过轻量化模型进行车辆目标检测，提升了车辆入侵识别的准确性。

技术特征：

1.一种基于deepstream框架的车辆入侵检测方法，其特征在于，包括：

2.根据权利要求1所述的基于deepstream框架的车辆入侵检测方法，其特征在于，所述在各所述目标图像中出现车辆目标的情况下，基于所述目标检测模型识别预设区域内的车辆入侵信息，包括：

3.根据权利要求2所述的基于deepstream框架的车辆入侵检测方法，其特征在于，所述方法还包括：

4.根据权利要求2所述的基于deepstream框架的车辆入侵检测方法，其特征在于，所述在所述车辆目标在所述预设区域内时，基于所述目标检测模型识别所述车辆目标的所述车辆入侵信息之后，所述方法还包括：

5.根据权利要求1所述的基于deepstream框架的车辆入侵检测方法，其特征在于，所述针对各所述实时视频流数据中的每一帧目标图像，基于目标检测模型对各所述目标图像进行检测之前，所述方法还包括：

6.根据权利要求1-5任一项所述的基于deepstream框架的车辆入侵检测方法，其特征在于，所述目标检测模型嵌入在所述deepstream框架中，并部署在jetson终端。

7.一种基于deepstream框架的车辆入侵检测装置，其特征在于，包括：

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述的基于deepstream框架的车辆入侵检测方法。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的基于deepstream框架的车辆入侵检测方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的基于deepstream框架的车辆入侵检测方法。

技术总结
本发明提供一种基于DeepStream框架的车辆入侵检测方法，属于入侵检测技术领域，包括：基于DeepStream框架获取至少一个摄像头的实时视频流数据；针对各所述实时视频流数据中的每一帧目标图像，基于目标检测模型对各所述目标图像进行检测；所述目标检测模型为基于训练样本集对预设目标检测网络进行深度学习训练得到的；所述训练样本集包括至少一张车辆标记样本图像；在各所述目标图像中出现车辆目标的情况下，基于所述目标检测模型识别预设区域内的车辆入侵信息。本发明的基于DeepStream框架的车辆入侵检测方法提高了车辆入侵检测的实时性和准确性。

技术研发人员：陆凤岭,徐旺,陈蕾,王宁,张耀方,孙国鑫,钱佳怡,熊钊
受保护的技术使用者：商飞智能技术有限公司
技术研发日：
技术公布日：2024/10/31