[发明专利]基于嵌入式计算终端实现目标检测和识别系统及布设方法

说明书

本发明实施例提供了一种基于嵌入式计算终端实现目标检测和识别的系统和布设方法，该系统应用于周界雷达报警系统中，具体的为在周界雷达报警系统中，嵌入式计算终端接收雷达的数据并分析，当雷达发现在限制范围的可疑目标时，将坐标发给高清相机进行拍摄，拍摄的图片发送到嵌入式计算终端上的深度卷积神经网络模型进行目标识别和确认，确认为危险目标后，嵌入式计算终端通知报警器发出报警信号，同时将目标出现时间、位置、图片、识别结果等信息传送到监控平台，供用户查看处理。

技术领域

本发明涉及安防报警技术领域，特别是涉及一种基于嵌入式计算终端实现目标检测和识别系统及布设方法。

背景技术

随着国家的安防形势越发严峻，为控制要地防护中可能出现的意外情况及各类突发隐患，防止非法入侵，做到及时预警，进行有效的周界防护迫在眉睫。现有的周界雷达产品(参考文献《电子技术与软件工程》2020年第3期《融合雷达和视频的目标检测系统》)，主要包括雷达、相机、GPU(深度学习)服务器、报警器等，当雷达检测到可疑目标后，通知相机抓拍图片，并将图片发送到GPU(深度学习)服务器进行目标识别和确认，确认为报警目标后，将报警信息发送给系统客户端，供用户查看和处理。

在GPU服务器上部署深度学习网络模型在实际应用中存在两个问题：一是当周界距离比较远时需要的GPU服务器的数量就会非常多，需要单独建一个机房，场地限制和成本额外增加；二是因为GPU服务器需要放置在机房或控制室，与前端的雷达、相机、报警设备需要通过网络连接，一旦出现网络问题会造成前端设备不报警，不能有效的警示非法入侵和提醒外场值班人员。

目前机场及铁路场景在周界防护方面为了节约成本，大多采用栅栏，滚网和视频技术，但是该技术检测精度无法满足要求，且施工时间长，难度大。

申请号为201910777545.6公开了本发明公开了一种基于深度学习的人工智能周界安防方法及服务端，将热源成像雷达采集的雷达图像与可见光系统采集的可见光图像进行融合，以得到周界图像，存储周界图像至图像大数据集，雷达图像为热源成像雷达探测到不同物体所发射的辐射温度信号而形成的图像；通过基于深度学习技术的周界入侵训练优化模型对实时监控的录像视频以不同颜色框图和中文标记的方式对目标进行报警和定位跟踪，颜色框图用于对不同类型目标进行区分，中文标记用于标出了报警总体类型，报警总体类型包括入侵物数量以及危险等级；本发明能在准确的获取到实时监控信息后，快速识别入侵目标并进行分类并及时进行预警，以满足高等级周界安防需求。虽然该技术能够一定程度上实现周界安防的高级别要求，但是并没有解决长距离周界服务区布设的成本问题。

发明内容

本发明所要解决的技术问题在于针对长距离场景提供一种成本低、精度高的周界防护系统。

本发明通过以下技术手段实现解决上述技术问题的：

一种基于嵌入式计算终端实现目标检测系统，包括：

周界雷达设备终端，周界雷达设备终端包括相控阵雷达、视频拍摄器、声光报警器、嵌入式计算终端；所述嵌入式计算终端负责接收上位机发送的设备配置信息，接收并处理雷达、视频信号并进行目标检测和识别，控制报警设备；

中心服务，负责组织协调嵌入式计算终端、监控平台的请求和运行，将监控平台的请求入库并转发给嵌入式计算终端，接收嵌入式计算终端的上传的告警信息、图片、运维信息并保存到数据库和告警图片库，并推送给监控平台，接收嵌入式计算终端的请求并返回请求的数据；

监控平台，用于设置设备信息、实时告警展示；

数据库，用于保存周界雷达设备终端的设备配置信息，保存告警信息；

告警图片库，用于保存告警图片；