[发明专利]一种基于深度学习的震动触发目标监测装置及方法

权利要求书

1.一种基于深度学习的震动触发目标监测装置，其特征在于，包括：震动传感模块、无线收发模块、图像采集模块和主控模块；其中，

所述震动传感模块包括至少一个震动传感器，各所述震动传感器布设于指定的监测区域，用于监测运动目标入侵所引起的震动，并根据震动生成触发信号，所述震动传感模块将所述触发信号发送至所述无线收发模块；

所述无线收发模块包括震动探测单元和NB-IoT单元，所述震动探测单元用于接收所述震动传感模块传回的所述触发信号，并传输至所述主控模块；

所述图像采集模块用于采集监测区域的图像，并传输至所述主控模块；

所述主控模块包括待机状态和识别状态两种工作模式，所述主控模块用于在待机状态接收采集的图像并存储，以及，在接收到所述触发信号时，进入识别状态，基于预置的深度学习目标检测模型，识别采集的图像中目标的属性信息，并通过所述NB-IoT单元将图像与目标的属性信息发送至远程监控中心。

2.根据权利要求1所述的基于深度学习的震动触发目标监测装置，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待机状态中接收所述装置的位置信息并存储，以及，在识别状态中，识别到目标的属性信息后，对目标进行定位，并将所述装置的位置信息与目标的位置信息发送至远程监控中心。

3.根据权利要求2所述的基于深度学习的震动触发目标监测装置，其特征在于：

所述主控模块还用于在识别到目标的属性信息后，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保持识别状态，直至目标离开监测区域。

4.根据权利要求1所述的基于深度学习的震动触发目标监测装置，其特征在于：

所述图像采集模块包括可见光摄像机和红外热成像仪，所述可见光摄像机用于在昼间采集监测区域的图像，所述红外热成像仪用于在夜间采集监测区域的图像。

5.根据权利要求1所述的基于深度学习的震动触发目标监测装置，其特征在于：

所述震动传感模块包括无线单元以及独立的电源。

6.根据权利要求1所述的基于深度学习的震动触发目标监测装置，其特征在于：

所述深度学习目标检测模型采用YOLOv4网络。

7.根据权利要求1所述的基于深度学习的震动触发目标监测装置，其特征在于：

所述深度学习目标检测模型基于YOLOv4网络改进，包括主干网络、颈部网络和头部网络；

基于YOLOv4网络改进包括：在颈部网络中将PANet网络的尺寸为76×76的特征图进行卷积和上采样处理，得到尺寸为152×152的特征图；

将得到的尺寸为152×152的特征图与CSPDarknet主干网络的尺寸为152×152的输出层进行张量拼接；

对拼接后特征图进行5次卷积，输出到头部网络进行处理输出。

8.一种基于深度学习的震动触发目标监测方法，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震动触发目标监测装置实现，包括：

初始化所述装置；

实时采集监测区域的图像并存储；

监测运动目标入侵所引起的震动，并根据震动生成触发信号；

在接收到所述触发信号时，基于预置的深度学习目标检测模型，识别图像中的目标的属性信息，并将目标的属性信息与图像发送至远程监控中心。

9.根据权利要求8所述的基于深度学习的震动触发目标监测方法，其特征在于，还包括：

在识别到目标的属性信息后，对目标进行定位，并将所述装置的位置信息与目标的位置信息发送至远程监控中心。

10.根据权利要求9所述的基于深度学习的震动触发目标监测方法，其特征在于，还包括：

在识别到目标的属性信息后，判断是否对目标进行跟踪；

若进行跟踪，则持续识别图像中的目标的属性信息，并将相应的图像与目标的属性信息、位置信息发送至远程监控中心，直至目标离开监测区域。