融合雷達和視頻的目標檢測系統

時亞麗 唐亮

（1.中國電子科技集團第三十八研究所 安徽省合肥市 230088）

（2.安徽省公共安全應急信息技術重點實驗室 安徽省合肥市 230088）

1 引言

周界防護主要是能夠有效地探測非法入侵，一旦發生警情，能第一時間上傳報警信息到指揮中心，配合必要的人防、物防手段，實現全天候全方位預測預警。傳統的周界防護方案主要有紅外對射、感應電纜、電子圍欄等。紅外對射方案誤報率較高，無法識別外部擾動引起的報警，氣候影響較大，雨雪、大風、霧霾均可能造成系統誤報。感應電纜誤報率較高，對于快速越過無法預警。電子圍欄方案只有人員觸碰才會報警，識別能力差；誤報率高，不能識別小動物等的觸碰；可靠性差，大量布設時平均故障時間迅速提高。

基于雷達和視頻融合的目標檢測系統是一種新型的周界防護手段，能夠實現監控范圍內移動目標的實時監控，自動跟蹤其運動軌跡并記錄，識別出可疑目標并實時報警，并且系統不受夜間、雨雪霧等惡劣天氣影響。系統具有識別準確率高、誤報率低、自動化程度高、使用限制少、可探測目標種類多等特點。

2 系統設計

融合雷達和視頻的目標檢測系統結合了雷達跟蹤目標多、光電探測細節豐富、探測范圍廣的優勢，采用深度學習算法對目標智能識別和確認，有效的降低了誤報率，提高了識別準確率。系統主要包括相控陣警戒雷達探測終端、計算機網絡及布線、后端服務器及報警管理系統，網絡拓撲結構如圖1 所示。

系統的探測終端設備主要包含相控陣警戒雷達、高清夜視相機和一體化支架。相控陣警戒雷達通過電磁波對周界防區進行實時掃描，并結合MIMO、數字波束形成等技術，對防區內目標的距離、速度、角度進行精準測量，有效探測距離達到120m，定位精度達0.5m。高清夜視相機，采用星光級超低照度低功耗的全高清網絡攝像機，紅外補光距離達100 米，和雷達聯動拍攝目標視頻圖像。一體化支架包括防水防塵控制箱、聲光報警設備、開關電源、光交換機等等配件。機動性強，安裝維護方便，支持網絡和光纖接入，易部署。系統采用光纖網絡作為系統的承載網絡，網絡采用星型以太網結構，從指揮中心核心交換機到前端設備之間為1000M 以太網，所有監控視頻及報警數據都通過以太網進行傳輸。

當有目標進入警戒區時，監視雷達自動記錄目標的坐標、距離和速度，并觸發相機抓拍一張圖片，然后將圖片送給分析服務進行目標識別，當確認目標為可疑目標后，保存目標圖片和告警信息，并發出告警信號進行聲光報警。

圖1：系統網絡拓撲結構圖

圖2：系統流程圖

3 系統設計

3.1 系統軟件

系統軟件的流程圖如圖2 所示：首先開始系統初始化，增加雷達、相機、報警器設備信息，設置雷達和相機的警戒區域和排除區域。然后啟動雷達和相機數據接收，當雷達發現目標時進行判斷，如果目標不在告警范圍則不進行處理，如果目標在告警范圍，保存雷達監測到的目標距離、速度等信息并啟動相機抓拍。然后調用目標檢測算法對圖片進行目標識別和確認，查看是否為可疑目標，如果不是可疑目標則不進行處理，如果是可疑目標，則控制聲光報警器進行報警，并保存告警圖片和目標信息。

系統軟件主要包括五個模塊，即告警監控首頁，報警結果查看，雷達設置，攝像頭設置和配置項設置模塊。軟件具體功能如下：

3.1.1 設備信息設置

監控終端設備包括雷達和相機，軟件可以對設備信息進行添加、查看、修改、刪除，可以設置單個設備的警戒區域和排除區域。警戒區域是指需要布放的監控區域，排除區域是指不進行防控的區域，只有進入警戒區域的目標才會進行捕獲和報警。

3.1.2 參數配置

軟件可以靈活配置報警器開關、音量、報警間隔、設備狀態監控間隔、報警信息保存地址等信息。

3.1.3 告警信息實時查看

在告警監控首頁，可以添加需要實時監控的雷達設備，當有告警信息出現時，雷達地圖畫面中所屬的雷達點位顏色變紅并進行語音提示，同時與雷達關聯的遠景和近景相機顯示實時視頻，方便用戶第一時間獲取報警點位信息并發現可疑目標。告警列表中顯示最近的幾條告警記錄供用戶查看。查看的告警圖片信息如圖3 所示：紅色虛線框為設置的警戒區域，在警戒區域的目標使用紅框表示，不在警戒區域的目標使用藍框表示，只有當一張圖片中至少有一個目標出現在警戒區域時才會告警并保存告警信息。

3.1.4 歷史記錄查詢

在告警結果查看頁面，設置起始時間、結束時間、報警雷達等查詢條件，可以查看歷史告警記錄，告警結果列表如圖4 所示。

3.2 目標檢測算法設計

由于動物和樹枝等的活動引起的外部干擾信號，只依靠雷達檢測仍然包含一些誤報。通過引入目標確認算法，可以消除雷達探測到的虛假警報，進一步提高預警準確性。目標檢測算法在后端分析服務器中實現。與傳統的特征提取方法相比，深度卷積神經網絡可以模擬人的大腦，通過持續學習，自動從圖像中提取出深層特征，不僅避免了復雜的特征設計步驟，而且具有強大的概括性。基于深度卷積神經網絡的目標檢測算法在圖像分類和識別上取得了質的提高。

卷積神經網絡CNN 是一種深度前饋人工神經網絡，它主要由卷積層、池化層和全連接層組成。CNN 的卷積層和池化層配合，可以構成多個卷積組，然后逐層提取目標特征，最后通過若干個全連接層完成分類。卷積神經網絡CNN 將數據量很大的圖像識別問題不斷降維，最終使其可以拿來訓練。其中卷積層所做的操作，可以當成是受局部感受野，而池化層的目的，則主要為了降低數據的維度。CNN 通過卷積來模擬特征區分，并且通過卷積的權值共享及池化，來降低網絡參數的數量級，最后通過傳統神經網絡完成分類等任務。

4 結語

圖3：告警圖片

圖4：告警結果列表

針對現有周界安防產品的高誤報率影響實際使用效果，受雨雪霧天氣影響大、無法進行目標分類等問題，本文提出了一種新型的融合雷達和視頻的目標檢測系統，系統綜合分析雷達和視頻兩種信號，采用深度學習算法將人工智能技術引入要地防護，集監視雷達、光電成像設備于一體，能夠全天候大范圍的實時監控移動目標，自動跟蹤其運動軌跡并記錄，識別出可疑目標后實時報警，全面降低了周界入侵探測的誤報率，能夠廣泛應用于監獄、派出所、鐵路、機場等各種重要的周界防護場所。