【技術(shù)實(shí)現(xiàn)步驟摘要】
本專(zhuān)利技術(shù)屬于反恐防暴監(jiān)控預(yù)警。具體地，涉及一種基于反恐防暴異常檢測(cè)的預(yù)警方法、裝置、電子設(shè)備和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。
技術(shù)介紹
1、維和反恐防暴任務(wù)區(qū)通常覆蓋有地勢(shì)、氣候復(fù)雜的環(huán)境，導(dǎo)致態(tài)勢(shì)信息復(fù)雜多樣，種類(lèi)、數(shù)量繁多。而且，暴恐目標(biāo)通常會(huì)進(jìn)行偽裝和隱藏，運(yùn)動(dòng)類(lèi)型異乎尋常且多變，并會(huì)受背景人群的干擾，嚴(yán)重影響反恐防暴應(yīng)急處突決策。
2、現(xiàn)有反恐防暴預(yù)警技術(shù)面向常態(tài)區(qū)域，如私人住宅、商場(chǎng)、公共區(qū)域等，所采用的檢測(cè)手段并非針對(duì)反恐防暴場(chǎng)景，無(wú)法準(zhǔn)確獲取暴恐處突場(chǎng)景下的威脅信息；并且，現(xiàn)有反恐防暴的檢測(cè)手段單一，缺乏互補(bǔ)聯(lián)動(dòng)和態(tài)勢(shì)信息的整合，難以對(duì)多層次的威脅信息形成統(tǒng)一化、整體化的綜合研判，無(wú)法滿足反恐防暴應(yīng)急處突決策的安全性和快速響應(yīng)要求。
技術(shù)實(shí)現(xiàn)思路
1、本專(zhuān)利技術(shù)的目的在于全面獲取暴恐處突態(tài)勢(shì)信息，并進(jìn)行整合互補(bǔ)，實(shí)現(xiàn)對(duì)多層次的威脅信息形成統(tǒng)一化、整體化的綜合研判，提高反恐防暴決策中危機(jī)響應(yīng)與處置能力，以解決
技術(shù)介紹
中存在的問(wèn)題。
2、為實(shí)現(xiàn)上述目的，第一方面，本專(zhuān)利技術(shù)提供了一種基于反恐防暴異常檢測(cè)的預(yù)警方法，包括：
3、獲取檢測(cè)任務(wù)區(qū)的多源態(tài)勢(shì)數(shù)據(jù)，所述多源態(tài)勢(shì)數(shù)據(jù)是多種探測(cè)感知設(shè)備對(duì)同一檢測(cè)任務(wù)區(qū)進(jìn)行探測(cè)而得到的多模態(tài)態(tài)勢(shì)數(shù)據(jù)，所述多源態(tài)勢(shì)數(shù)據(jù)包括視頻流數(shù)據(jù)、圖片幀數(shù)據(jù)和目標(biāo)時(shí)空軌跡數(shù)據(jù)；
4、采用多源態(tài)勢(shì)數(shù)據(jù)中的視頻流數(shù)據(jù)進(jìn)行持械目標(biāo)檢測(cè)，篩選檢測(cè)任務(wù)區(qū)中的持械目標(biāo)，得到持械目標(biāo)篩選結(jié)果；
5、采用多源態(tài)勢(shì)數(shù)據(jù)
6、采用多源態(tài)勢(shì)數(shù)據(jù)中的目標(biāo)時(shí)空軌跡數(shù)據(jù)進(jìn)行目標(biāo)偏航軌跡檢測(cè)，篩選檢測(cè)任務(wù)區(qū)中偏航目標(biāo)，得到偏航目標(biāo)篩選結(jié)果；
7、基于所述持械目標(biāo)篩選結(jié)果、所述行為可疑目標(biāo)篩選結(jié)果和所述偏航目標(biāo)篩選結(jié)果，判斷檢測(cè)任務(wù)區(qū)的威脅等級(jí)，基于威脅等級(jí)進(jìn)行預(yù)警。
8、本專(zhuān)利技術(shù)一些實(shí)施例中，將多源態(tài)勢(shì)數(shù)據(jù)中的視頻流數(shù)據(jù)輸入預(yù)訓(xùn)練的持械目標(biāo)檢測(cè)神經(jīng)網(wǎng)絡(luò)進(jìn)行持械目標(biāo)檢測(cè)，篩選檢測(cè)任務(wù)區(qū)中的持械目標(biāo)；其中，所述持械目標(biāo)檢測(cè)包括多層特征提取、池化、上采樣、多尺度特征融合、關(guān)鍵特征關(guān)注和多尺度特征檢測(cè)。
9、本專(zhuān)利技術(shù)一些實(shí)施例中，所述持械目標(biāo)檢測(cè)神經(jīng)網(wǎng)絡(luò)包括特征提取模塊、池化模塊、特征融合模塊和目標(biāo)檢測(cè)模塊；其中，多源態(tài)勢(shì)數(shù)據(jù)中的視頻流數(shù)據(jù)輸入特征提取模塊進(jìn)行多層特征提取，特征提取模塊的一路輸出輸入特征融合模塊，另一路輸出經(jīng)池化模塊池化后輸入特征融合模塊，特征融合模塊將兩路輸入進(jìn)行上采樣、多尺度特征融合和關(guān)鍵特征關(guān)注，特征融合模塊的輸出輸入目標(biāo)檢測(cè)模塊，目標(biāo)檢測(cè)模塊進(jìn)行多尺度特征檢測(cè)后輸出持械目標(biāo)的檢測(cè)結(jié)果。
10、本專(zhuān)利技術(shù)一些實(shí)施例中，所述池化模塊包括第一卷積模塊、第二卷積模塊、第一帶狀池化模塊、第二帶狀池化模塊、第三帶狀池化模塊、第一最大池化模塊、第二最大池化模塊、第三最大池化模塊、第一拼接模塊和第二拼接模塊；其中，特征提取模塊的輸出輸入第一卷積模塊；第一卷積模塊的第一路輸出直接輸入第一拼接模塊，第一卷積模塊第二路輸出經(jīng)第一帶狀池化模塊、第二帶狀池化模塊和第三帶狀池化模塊進(jìn)行三次帶狀池化，第一卷積模塊第三路輸出經(jīng)第一最大池化模塊、第二最大池化模塊和第三最大池化模塊進(jìn)行三次最大池化；第一帶狀池化模塊和第二帶狀池化模塊的輸出分別乘以第一權(quán)重后輸入第一拼接模塊，將第一最大池化模塊和第二最大池化模塊的輸出分別乘以第二權(quán)重后輸入第一拼接模塊，第一拼接模塊將五路輸入進(jìn)行拼接處理后作為輸出輸入第二拼接模塊，第三帶狀池化模塊的輸出乘以第一權(quán)重后輸入第二拼接模塊，第三最大池化模塊的輸出乘以第二權(quán)重后送入第二拼接模塊，第二拼接模塊將三路輸入拼接后輸入第二卷積模塊，第二卷積模塊卷積后輸出最終池化結(jié)果。
11、本專(zhuān)利技術(shù)一些實(shí)施例中，將多源態(tài)勢(shì)數(shù)據(jù)中的圖片幀數(shù)據(jù)輸入預(yù)訓(xùn)練的可疑行為檢測(cè)神經(jīng)網(wǎng)絡(luò)進(jìn)行可疑行為檢測(cè)，篩選檢測(cè)任務(wù)區(qū)中的行為可疑目標(biāo)；其中，所述可疑行為檢測(cè)神經(jīng)網(wǎng)絡(luò)對(duì)于連續(xù)的n個(gè)所述圖片幀輸入預(yù)測(cè)出對(duì)應(yīng)的第n+1個(gè)所述圖片幀的預(yù)測(cè)幀，從而生成具有時(shí)間順序的預(yù)測(cè)幀，計(jì)算對(duì)應(yīng)于同一時(shí)間點(diǎn)的所述預(yù)測(cè)幀和所述圖片幀之間的誤差，根據(jù)誤差是否超過(guò)預(yù)設(shè)閾值判定所述時(shí)間點(diǎn)對(duì)應(yīng)的行為可疑目標(biāo)及其威脅意圖。
12、本專(zhuān)利技術(shù)一些實(shí)施例中，所述可疑行為檢測(cè)神經(jīng)網(wǎng)絡(luò)是雙路約束對(duì)比檢測(cè)網(wǎng)絡(luò)，采用光流幀約束和擴(kuò)散幀約束，對(duì)所述可疑行為檢測(cè)神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)損失進(jìn)行聯(lián)合優(yōu)化。
13、本專(zhuān)利技術(shù)一些實(shí)施例中，將多源態(tài)勢(shì)數(shù)據(jù)中的目標(biāo)時(shí)空軌跡數(shù)據(jù)輸入預(yù)訓(xùn)練的目標(biāo)偏航軌跡檢測(cè)神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)偏航軌跡檢測(cè)，篩選檢測(cè)任務(wù)區(qū)中偏航目標(biāo)；其中，所述目標(biāo)偏航軌跡檢測(cè)神經(jīng)網(wǎng)絡(luò)是殘差bilstm神經(jīng)網(wǎng)絡(luò)。
14、第二方面，本專(zhuān)利技術(shù)提供了一種基于反恐防暴異常檢測(cè)的預(yù)警裝置，包括：
15、數(shù)據(jù)獲取模塊，用于獲取檢測(cè)任務(wù)區(qū)的多源態(tài)勢(shì)數(shù)據(jù)，所述多源態(tài)勢(shì)數(shù)據(jù)是多種探測(cè)感知設(shè)備對(duì)同一檢測(cè)任務(wù)區(qū)進(jìn)行探測(cè)而得到的多模態(tài)數(shù)據(jù)，所述多源態(tài)勢(shì)數(shù)據(jù)包括視頻流數(shù)據(jù)、圖片幀數(shù)據(jù)和目標(biāo)時(shí)空軌跡數(shù)據(jù)；
16、持械目標(biāo)篩選模塊，用于采用多源態(tài)勢(shì)數(shù)據(jù)中的視頻流數(shù)據(jù)進(jìn)行持械目標(biāo)檢測(cè)，篩選檢測(cè)任務(wù)區(qū)中的持械目標(biāo)，得到持械目標(biāo)篩選結(jié)果；
17、可疑目標(biāo)篩選模塊，用于采用多源態(tài)勢(shì)數(shù)據(jù)中的圖片幀數(shù)據(jù)進(jìn)行可疑行為檢測(cè)，篩選檢測(cè)任務(wù)區(qū)中的行為可疑目標(biāo)，得到行為可疑目標(biāo)篩選結(jié)果；
18、偏航目標(biāo)篩選模塊，用于采用多源態(tài)勢(shì)數(shù)據(jù)中的目標(biāo)時(shí)空軌跡數(shù)據(jù)進(jìn)行目標(biāo)偏航軌跡檢測(cè)，篩選檢測(cè)任務(wù)區(qū)中偏航目標(biāo)，得到偏航目標(biāo)篩選結(jié)果；
19、威脅判斷預(yù)警模塊，用于基于所述持械目標(biāo)篩選結(jié)果、所述行為可疑目標(biāo)篩選結(jié)果和所述偏航目標(biāo)篩選結(jié)果，判斷檢測(cè)任務(wù)區(qū)的威脅等級(jí)，基于威脅等級(jí)進(jìn)行預(yù)警。
20、第三方面，本專(zhuān)利技術(shù)提供了一種電子設(shè)備，包括：至少一個(gè)處理器；以及，與所述至少一個(gè)處理器通信連接的存儲(chǔ)器；其中，所述存儲(chǔ)器存儲(chǔ)有能被所述至少一個(gè)處理器執(zhí)行的指令，所述指令被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行所述的基于反恐防暴異常檢測(cè)的預(yù)警方法。
21、第四方面，本專(zhuān)利技術(shù)提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，存儲(chǔ)有計(jì)算機(jī)程序，其中，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述的基于反恐防暴異常檢測(cè)的預(yù)警方法。
22、本專(zhuān)利技術(shù)具有如下有益效果：
23、本專(zhuān)利技術(shù)利用多源態(tài)勢(shì)數(shù)據(jù)形成互補(bǔ)，更加全面的掌握可疑目標(biāo)動(dòng)向，實(shí)現(xiàn)了對(duì)現(xiàn)場(chǎng)態(tài)勢(shì)的實(shí)時(shí)感知，提高了反恐防暴決策中危機(jī)響應(yīng)與處置能力。
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于反恐防暴異常檢測(cè)的預(yù)警方法，其特征在于，包括：
2.如權(quán)利要求1所述的方法，其特征在于，將多源態(tài)勢(shì)數(shù)據(jù)中的視頻流數(shù)據(jù)輸入預(yù)訓(xùn)練的持械目標(biāo)檢測(cè)神經(jīng)網(wǎng)絡(luò)進(jìn)行持械目標(biāo)檢測(cè)，篩選檢測(cè)任務(wù)區(qū)中的持械目標(biāo)；其中，所述持械目標(biāo)檢測(cè)包括多層特征提取、池化、上采樣、多尺度特征融合、關(guān)鍵特征關(guān)注和多尺度特征檢測(cè)。
3.如權(quán)利要求2所述的方法，其特征在于，所述持械目標(biāo)檢測(cè)神經(jīng)網(wǎng)絡(luò)包括特征提取模塊、池化模塊、特征融合模塊和目標(biāo)檢測(cè)模塊；其中，多源態(tài)勢(shì)數(shù)據(jù)中的視頻流數(shù)據(jù)輸入特征提取模塊進(jìn)行多層特征提取，特征提取模塊的一路輸出輸入特征融合模塊，另一路輸出經(jīng)池化模塊池化后輸入特征融合模塊，特征融合模塊將兩路輸入進(jìn)行上采樣、多尺度特征融合和關(guān)鍵特征關(guān)注，特征融合模塊的輸出輸入目標(biāo)檢測(cè)模塊，目標(biāo)檢測(cè)模塊進(jìn)行多尺度特征檢測(cè)后輸出持械目標(biāo)的檢測(cè)結(jié)果。
4.如權(quán)利要求3所述的方法，其特征在于，所述池化模塊包括第一卷積模塊、第二卷積模塊、第一帶狀池化模塊、第二帶狀池化模塊、第三帶狀池化模塊、第一最大池化模塊、第二最大池化模塊、第三最大池化模塊、第一拼接模塊和第二拼接模塊；其
5.如權(quán)利要求1所述的方法，其特征在于，將多源態(tài)勢(shì)數(shù)據(jù)中的圖片幀數(shù)據(jù)輸入預(yù)訓(xùn)練的可疑行為檢測(cè)神經(jīng)網(wǎng)絡(luò)進(jìn)行可疑行為檢測(cè)，篩選檢測(cè)任務(wù)區(qū)中的行為可疑目標(biāo)；其中，所述可疑行為檢測(cè)神經(jīng)網(wǎng)絡(luò)對(duì)于連續(xù)的N個(gè)所述圖片幀輸入預(yù)測(cè)出對(duì)應(yīng)的第N+1個(gè)所述圖片幀的預(yù)測(cè)幀，從而生成具有時(shí)間順序的預(yù)測(cè)幀，計(jì)算對(duì)應(yīng)于同一時(shí)間點(diǎn)的所述預(yù)測(cè)幀和所述圖片幀之間的誤差，根據(jù)誤差是否超過(guò)預(yù)設(shè)閾值判定所述時(shí)間點(diǎn)對(duì)應(yīng)的行為可疑目標(biāo)及其威脅意圖。
6.如權(quán)利要求5所述的方法，其特征在于，所述可疑行為檢測(cè)神經(jīng)網(wǎng)絡(luò)是雙路約束對(duì)比檢測(cè)網(wǎng)絡(luò)，采用光流幀約束和擴(kuò)散幀約束，對(duì)所述可疑行為檢測(cè)神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)損失進(jìn)行聯(lián)合優(yōu)化。
7.如權(quán)利要求1所述的方法，其特征在于，將多源態(tài)勢(shì)數(shù)據(jù)中的目標(biāo)時(shí)空軌跡數(shù)據(jù)輸入預(yù)訓(xùn)練的目標(biāo)偏航軌跡檢測(cè)神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)偏航軌跡檢測(cè)，篩選檢測(cè)任務(wù)區(qū)中偏航目標(biāo)；其中，所述目標(biāo)偏航軌跡檢測(cè)神經(jīng)網(wǎng)絡(luò)是殘差BiLSTM神經(jīng)網(wǎng)絡(luò)。
8.一種基于反恐防暴異常檢測(cè)的預(yù)警裝置，包括：
9.一種電子設(shè)備，包括：
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，存儲(chǔ)有計(jì)算機(jī)程序，其中，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的基于反恐防暴異常檢測(cè)的預(yù)警方法。
...【技術(shù)特征摘要】
1.一種基于反恐防暴異常檢測(cè)的預(yù)警方法，其特征在于，包括：
2.如權(quán)利要求1所述的方法，其特征在于，將多源態(tài)勢(shì)數(shù)據(jù)中的視頻流數(shù)據(jù)輸入預(yù)訓(xùn)練的持械目標(biāo)檢測(cè)神經(jīng)網(wǎng)絡(luò)進(jìn)行持械目標(biāo)檢測(cè)，篩選檢測(cè)任務(wù)區(qū)中的持械目標(biāo)；其中，所述持械目標(biāo)檢測(cè)包括多層特征提取、池化、上采樣、多尺度特征融合、關(guān)鍵特征關(guān)注和多尺度特征檢測(cè)。
3.如權(quán)利要求2所述的方法，其特征在于，所述持械目標(biāo)檢測(cè)神經(jīng)網(wǎng)絡(luò)包括特征提取模塊、池化模塊、特征融合模塊和目標(biāo)檢測(cè)模塊；其中，多源態(tài)勢(shì)數(shù)據(jù)中的視頻流數(shù)據(jù)輸入特征提取模塊進(jìn)行多層特征提取，特征提取模塊的一路輸出輸入特征融合模塊，另一路輸出經(jīng)池化模塊池化后輸入特征融合模塊，特征融合模塊將兩路輸入進(jìn)行上采樣、多尺度特征融合和關(guān)鍵特征關(guān)注，特征融合模塊的輸出輸入目標(biāo)檢測(cè)模塊，目標(biāo)檢測(cè)模塊進(jìn)行多尺度特征檢測(cè)后輸出持械目標(biāo)的檢測(cè)結(jié)果。
4.如權(quán)利要求3所述的方法，其特征在于，所述池化模塊包括第一卷積模塊、第二卷積模塊、第一帶狀池化模塊、第二帶狀池化模塊、第三帶狀池化模塊、第一最大池化模塊、第二最大池化模塊、第三最大池化模塊、第一拼接模塊和第二拼接模塊；其中，
5.如權(quán)利要求1所述的方法，其特...
【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：劉珩，王丹寧，張學(xué)銘，朱超，胡曾豪，樊芳芳，
申請(qǐng)(專(zhuān)利權(quán))人：北京理工大學(xué)，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。