入侵预警方法、装置及电子设备

1.一种入侵预警方法，所述方法用于铁路入侵监测，其特征在于，包括：根据视频帧图像判断指定区域内是否存在异常目标；其中，所述视频帧图像为所述指定区域的拍摄图像；如果是，确定所述异常目标的目标信息；所述目标信息包括目标类别、目标位置、目标大小、目标速度以及目标轨迹；通过预先训练得到的分级预警模型生成所述目标信息对应的预警级别；其中，所述分级预警模型为一种深度神经网络模型；按照所述预警级别进行预警；所述分级预警模型包括特征提取器和分类器；其中，所述特征提取器包括关键词提取单元和LSTM单元；所述通过预先训练得到的分级预警模型生成所述目标信息对应的预警级别，包括：将所述目标信息输入至所述关键词提取单元，通过所述关键词提取单元提取所述目标信息的关键词，得到词向量；将所述词向量输入至所述LSTM单元，通过所述LSTM单元基于所述目标信息以及已记忆的历史目标信息，得到句向量；将所述句向量输入至所述分类器，通过所述分类器对所述句向量进行分类处理，得到预警级别；所述根据视频帧图像判断指定区域内是否存在异常目标的步骤，包括：判断所述视频帧图像与预设图像之间是否存在差异；其中，所述视频帧图像与所述预设图像均为指定区域的拍摄图像，且所述预设图像中的指定区域不存在异常物；如果是，确定所述指定区域内存在异常目标；或，比对多个所述视频帧图像之间的差异来判断所述指定区域是否存在异常目标；所述确定所述异常目标的目标信息的步骤，包括：利用连续采集的多张所述视频帧图像对所述异常目标进行跟踪定位，确定所述异常目标的目标位置、目标速度和目标轨迹中；其中，所述目标轨迹包括目标运动轨迹和/或目标预测轨迹；通过预设的目标识别模型对所述视频帧图像进行目标识别，确定所述异常目标的目标类别；其中，所述目标识别模型为一种深度卷积神经网络模型；所述分级预警模型的训练步骤包括：获取预设数量的训练数据；其中，所述训练数据携带有不同预警级别的标签；且所述训练数据为目标类别、目标位置、目标大小、目标速度和目标轨迹；采用所述训练数据对所述分级预警模型进行训练，直至所述分级预警模型的损失函数值收敛到预设阈值时停止训练。 2.根据权利要求1所述的方法，其特征在于，所述目标识别模型为GoogLeNet网络模型。 3.根据权利要求1所述的方法，其特征在于，所述LSTM单元包括依次连接的LSTM层、平均池化层和逻辑回归层。 4.一种入侵预警装置，所述装置用于铁路入侵监测，其特征在于，包括：异常判断模块，用于根据视频帧图像判断指定区域内是否存在异常目标；其中，所述视频帧图像为所述指定区域的拍摄图像；目标确定模块，用于在所述异常判断模块的判断结果为是时，确定所述异常目标的目标信息；所述目标信息包括目标类别、目标位置、目标大小、目标速度以及目标轨迹；级别生成模块，用于通过预先训练得到的分级预警模型生成所述目标信息对应的预警级别；其中，所述分级预警模型为一种深度神经网络模型；预警模块，用于按照所述预警级别进行预警；所述分级预警模型包括特征提取器和分类器；其中，特征提取器包括关键词提取单元和LSTM单元；所述级别生成模块用于：将目标信息输入至关键词提取单元，通过关键词提取单元提取目标信息的关键词，得到词向量；将词向量输入至LSTM单元，通过LSTM单元基于目标信息以及已记忆的历史目标信息，得到句向量；将句向量输入至分类器，通过分类器对句向量进行分类处理，得到预警级别；所述异常判断模块用于：判断视频帧图像与预设图像之间是否存在差异；其中，视频帧图像与预设图像均为指定区域的拍摄图像，且预设图像中的指定区域不存在异常物；如果是，确定指定区域内存在异常目标；或，比对多个所述视频帧图像之间的差异来判断所述指定区域是否存在异常目标；所述目标确定模块用于：利用连续采集的多张视频帧图像对异常目标进行跟踪定位，确定异常目标的目标位置、目标速度和目标轨迹；其中，目标轨迹包括目标运动轨迹和/或目标预测轨迹；通过预设的目标识别模型对视频帧图像进行目标识别，确定异常目标的目标类别；其中，目标识别模型为一种深度卷积神经网络模型；所述装置还包括分级预警模型训练模块，用于获取预设数量的训练数据；其中，所述训练数据携带有不同预警级别的标签；且所述训练数据为目标类别、目标位置、目标大小、目标速度和目标轨迹；采用所述训练数据对所述分级预警模型进行训练，直至所述分级预警模型的损失函数值收敛到预设阈值时停止训练。 5.一种电子设备，其特征在于，包括存储器以及处理器，所述存储器用于存储支持处理器执行权利要求1至3任一项所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。 6.一种机器可读存储介质，其特征在于，所述机器可读存储介质存储有处理器可执行的程序代码，所述程序代码被配置成使所述处理器执行所述权利要求1至3任一项所述方法。