一种基于深度学习的电子围栏智能防护方法及系统与流程

1.本发明属于应用于电子围栏智能防护方法及系统技术领域，具体而言，涉及一种基于深度学习的电子围栏智能防护方法及系统。


背景技术：

2.阻隔外来陌生人员靠近家园一直是我们面对隐私及生命安全保护中重要的话题，当前人们对隐私的保护及对住宅区的安全要求加强，需引入一种阻隔外来人员物理媒介；电子围栏技术虽能满足阻隔外来人员，但是需要人员全天候去检视，对普通家庭来说太消耗精力和时间，不能够面对外来人员智能化管理及信息提醒管理人员。
3.现今电子围栏一方面依赖人工的检视，智能化程度不够，不能根据外来人员的举动智能用不同措施去阻止，不仅在人工检视中浪费不必要的时间，而且还远远达不到保护家园的目的；另一方面，电子围栏全天候使用电，缺少保证电子围栏在满足阻隔外来人员时对电量的节约。


技术实现要素：

4.本发明是基于上述技术问题，针对的电子围栏智能防护方法及系统使用提出的一种基于云平台的远程会诊处理方法及系统；不仅能根据外来人员的举动智能用不同措施去阻止，还能够保证电子围栏在满足阻隔外来人员时对电量的节约。
5.本发明是这样实现的：
6.本发明的提出一种基于深度学习的电子围栏智能防护方法及系统，该方法应用了全自动摄像头、监控集成大屏幕、深度学习数据分析平台、太阳能板、太阳能电能存储器、人员信息处理端、电子围栏感应器、警告模块和报警模块；其特征在于，所述方法包括以下步骤：
7.步骤1：当外来人员接近电子围栏时，全自动摄像头实时跟踪外来人员，监控画面实时在监控集成大屏幕上显示，并将录制视频自动上传到深度学习数据分析平台；
8.步骤2：深度学习数据分析平台将录制视频以每一帧图片的方式处理，图片在训练好的深度学习图片模型中进行匹配，根据匹配结果确定外来人员的行为程度，和电子围栏感应器的数值是否超过预设数值；并确定对外来人员的对待方式；其中确定外来人员的对待方式操作方法如下：
9.步骤2.1：深度学习数据分析平台将录制视频以每一帧图片的方式处理；
10.步骤2.2：图片在训练好的深度学习图片模型中进行匹配；
11.步骤2.3：根据匹配结果和结合电子围栏感应器数值确定对外来人员的对待方式；
12.步骤3：对该外来人员的行为程度进行识别判断，若为无害行为，则从深度学习数据分析平台提取对应的处理方法，进而按照该处理方法进行调整，并执行步骤1和步骤2；若为挑衅行为，则从深度学习数据分析平台提取对应的处理方法，进而按照该处理方法进行调整，并执行步骤4；若为侵犯行为，则从深度学习数据分析平台提取对应的处理方法，进而
按照该处理方法进行调整，并执行步骤5；
13.步骤4：外来人员的行为程度为挑衅行为；触发警告模块，通过多种方式警告外来人员不要靠近电子围栏；并通过人员信息处理端把画面和数据发送给管理人员，管理人员依据自己的权限确定下一步的做法；
14.步骤5：外来人员的行为程度为挑衅行为；触发报警模块，通过多种方式警告外来人员不要靠近电子围栏，并用多种处理方式阻止外来人员靠近电子围栏；同时触发报警模块自发对多管理部门反映当时情况，并通过人员信息处理端把画面和数据发送给管理人员，管理人员依据自己的权限确定下一步的做法；
15.步骤6：太阳能板白天采集太阳光的热能，并转换成电能存储在太阳能电能存储器；晚上释放白天存储的电能供电子围栏的运行。
16.根据本发明方面的一种能够实现的方式，所述步骤1中全自动摄像头实时跟踪外来人员通过具体操作方法包括：
17.外来人员距离电子围栏的距离为小于1米时，全自动摄像头开始实时跟踪；全自动摄像头功能包含红外线功能、自动跟踪技术和语音通话技术等；对全自动摄像头功能标记其中β＝0，1,2,...,n；n为正整数，表示全自动摄像头功能中β可取值的最大值。
18.根据本发明方面的一种能够实现的方式，所述步骤2.2中图片在训练好的深度学习图片模型中进行匹配分析操作方法包括：
19.深度学习数据分析平台将录制视频以每一帧图片的方式处理，把处理过的图片作为一个数据库保存在平台内；
20.深度学习预设图片模型数据是连接在互联网图片数据库、电子围栏统一数据库和本地电子围栏数据库；
21.深度学习识别外来人员的行为程度步骤：
22.step1：选取电子围栏统一数据库、互联网图片数据库和本地电子围栏数据库以6:3:1的比率提取图片；然后在卷积神经网络中运用多种分类函数对图片进行分类及标签；根据分类结果分3种情况分别取名无害行为、挑衅行为和侵犯行为；
23.step2：对3种图片集进行预先全部灰度照片处理，然后在卷积神经网络中的卷积层提取特征值；图片特征提取主要以人与电子围栏的距离和人在电子围栏的行为举止为；
24.step3：根据提取到的卷积层的特征值，在池化层进一步提取，得到新的、维度较小的特征；
25.step4：全连接层把所有局部特征结合变成全局特征；
26.step5：根据外来人员视频处理后，图片数据库在训练好的深度学习模型中进行验证；验证的差距引入多种损失函数进行模型的改进和优化。
27.根据本发明方面的一种能够实现的方式，所述步骤2.3中根据匹配结果和结合电子围栏感应器数值确定对外来人员的对待方式操作方法包括：
28.若电子围栏感应器采集到的动力感应数值超过了深度学习数据分析平台预设的标准范围值上限；标准范围值上限设定为挑衅行为上限和侵犯行为上限；结合深度学习模型识别出外来人员的行为和电子围栏感应器的数值，确定对外来人员的对待方式；并将此对待方式通过人员信息处理端把画面和数据发送给管理人员，管理人员依据自己的权限确定下一步的做法；若管理人员没有对系统做出修正，系统将按已确定好对待方式对待外来
人员。
29.根据本发明方面的一种能够实现的方式，所述步骤4警告模块具体操作方法包括：
30.警告模块包括声音刺耳、灯光闪烁和微电流等形式；对警告模块的形式内容标记为ui，其中i＝0，1,2,...,n；n为正整数，表示警告模块的形式内容i可取值的最大值；并通过人员信息处理端把画面和数据发送给管理人员，管理人员依据自己的权限确定下一步的做法；
31.若管理人员没有对警告模块做出修正，警告模块将按已确定好对待方式对待外来人员
32.人员信息处理端功能包括管理人员接收到警告模块内发送的信息和管理人员可以远程控制警告模块的运用形式，并可以通过全自动摄像头内的语音通话技术和外来人员进行沟通；管理人员通过人员信息处理端远程操作对电子围栏权限进行操作。
33.根据本发明方面的一种能够实现的方式，所述步骤5中报警模块具体操作方法包括：
34.报警模块连接管理部门系统包括：物业社区安保系统、当地公安系统和当地居委会系统等；内置设定紧急联系人电话；对报警模块连接管理部门系统标记xa，其中a＝0，1,2,...,n；n为正整数，表示报警模块连接管理部门系统中a可取值的最大值；
35.报警模块在警告模块的基础之上，处理方式包括：电子围栏开启强电流、报警与连接的管理部门和紧急联系人方式；报警模块通过人员信息处理端把画面和数据发送给管理人员，管理人员依据自己的权限确定下一步的做法；若管理人员没有对报警模块做出修正，报警模块将按已确定好对待方式对待外来人员。
36.根据本发明方面的一种能够实现的方式，所述步骤6中太阳能供给电子围栏具体操作方法包括：
37.太阳能板白天采集太阳光的热能，并转换成电能存储在太阳能电能存储器；晚上释放白天存储的电能供电子围栏的运行；电子围栏运行时是一直在插在插座上，但对电的使用是优先使用太阳能存储的电能；
38.为了节省电子围栏运行时对电的节约，特设定2个满足条件：
39.白天时间定义为早8:00-晚20：00，其余定义为晚上时间。
40.一种云端系统，根据深度学习数据分析平台和电子围栏感应器对外来人员分别进行的图片识别和查看数值变化，快速确定外来人员的行为程度，并确定对外来人员的对待方式；通过云端计算及分析对电子围栏智能防护。
41.基于上述任一方面，本发明的有益效果为：
42.1.本发明是深度学习数据分析平台将录制视频以每一帧图片的方式处理，图片在训练好的深度学习图片模型中进行匹配，根据匹配结果确定外来人员的行为程度，和电子围栏感应器的数值是否超过预设数值；并确定对外来人员的对待方式；基于深度学习的电子围栏不依赖人工的检视，智能化程度高，能根据外来人员的举动智能用不同措施去阻止，不仅在人工检视中节约时间，而且还能保护家园的目的。
43.2.本发明太阳能板白天采集太阳光的热能，并转换成电能存储在太阳能电能存储器；晚上释放白天存储的电能供电子围栏的运行；电子围栏运行时是一直在插在插座上，但对电的使用是优先使用太阳能存储的电能；电子围栏全天候使用电，保证电子围栏在满足阻隔外来人员时对电量的节约。
附图说明
44.利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
45.图1为本发明的方法实施步骤流程图。
具体实施方式
46.下面将结合本发明实施以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
47.结合图1，一种基于深度学习的电子围栏智能防护方法及系统，该方法应用了全自动摄像头、监控集成大屏幕、深度学习数据分析平台、太阳能板、太阳能电能存储器、人员信息处理端、电子围栏感应器、警告模块和报警模块；其特征在于，所述方法包括以下步骤：
48.步骤1：当外来人员接近电子围栏时，全自动摄像头实时跟踪外来人员，监控画面实时在监控集成大屏幕上显示，并将录制视频自动上传到深度学习数据分析平台；
49.在本发明的具体实施例中，所述步骤1中全自动摄像头实时跟踪外来人员通过具体操作方法包括：
50.外来人员距离电子围栏的距离为小于1米时，全自动摄像头开始实时跟踪；全自动摄像头功能包含红外线功能、自动跟踪技术和语音通话技术等；对全自动摄像头功能标记其中β＝0，1,2,...,n；n为正整数，表示全自动摄像头功能中β可取值的最大值。
51.步骤2：深度学习数据分析平台将录制视频以每一帧图片的方式处理，图片在训练好的深度学习图片模型中进行匹配，根据匹配结果确定外来人员的行为程度，和电子围栏感应器的数值是否超过预设数值；并确定对外来人员的对待方式；其中确定外来人员的对待方式操作方法如下：
52.步骤2.1：深度学习数据分析平台将录制视频以每一帧图片的方式处理；
53.步骤2.2：图片在训练好的深度学习图片模型中进行匹配；
54.在本发明的具体实施例中，所述步骤2.2中图片在训练好的深度学习图片模型中进行匹配分析操作方法包括：
55.深度学习数据分析平台将录制视频以每一帧图片的方式处理，把处理过的图片作为一个数据库保存在平台内；
56.深度学习预设图片模型数据是连接在互联网图片数据库、电子围栏统一数据库和本地电子围栏数据库；
57.深度学习识别外来人员的行为程度步骤：
58.step1：选取电子围栏统一数据库、互联网图片数据库和本地电子围栏数据库以6:3:1的比率提取图片；然后在卷积神经网络中运用多种分类函数对图片进行分类及标签；根据分类结果分3种情况分别取名无害行为、挑衅行为和侵犯行为；
59.step2：对3种图片集进行预先全部灰度照片处理，然后在卷积神经网络中的卷积层提取特征值；图片特征提取主要以人与电子围栏的距离和人在电子围栏的行为举止为；
60.step3：根据提取到的卷积层的特征值，在池化层进一步提取，得到新的、维度较小的特征；
61.step4：全连接层把所有局部特征结合变成全局特征；
62.step5：根据外来人员视频处理后，图片数据库在训练好的深度学习模型中进行验证；验证的差距引入多种损失函数进行模型的改进和优化。
63.步骤2.3：根据匹配结果和结合电子围栏感应器数值确定对外来人员的对待方式；
64.在本发明的具体实施例中，所述步骤2.3中根据匹配结果和结合电子围栏感应器数值确定对外来人员的对待方式操作方法包括：
65.若电子围栏感应器采集到的动力感应数值超过了深度学习数据分析平台预设的标准范围值上限；标准范围值上限设定为挑衅行为上限和侵犯行为上限；结合深度学习模型识别出外来人员的行为和电子围栏感应器的数值，确定对外来人员的对待方式；并将此对待方式通过人员信息处理端把画面和数据发送给管理人员，管理人员依据自己的权限确定下一步的做法；若管理人员没有对系统做出修正，系统将按已确定好对待方式对待外来人员。
66.步骤3：对该外来人员的行为程度进行识别判断，若为无害行为，则从深度学习数据分析平台提取对应的处理方法，进而按照该处理方法进行调整，并执行步骤1和步骤2；若为挑衅行为，则从深度学习数据分析平台提取对应的处理方法，进而按照该处理方法进行调整，并执行步骤4；若为侵犯行为，则从深度学习数据分析平台提取对应的处理方法，进而按照该处理方法进行调整，并执行步骤5；
67.步骤4：外来人员的行为程度为挑衅行为；触发警告模块，通过多种方式警告外来人员不要靠近电子围栏；并通过人员信息处理端把画面和数据发送给管理人员，管理人员依据自己的权限确定下一步的做法；
68.在本发明的具体实施例中，所述步骤4警告模块具体操作方法包括：
69.警告模块包括声音刺耳、灯光闪烁和微电流等形式；对警告模块的形式内容标记为ui，其中i＝0，1,2,...,n；n为正整数，表示警告模块的形式内容i可取值的最大值；并通过人员信息处理端把画面和数据发送给管理人员，管理人员依据自己的权限确定下一步的做法；
70.若管理人员没有对警告模块做出修正，警告模块将按已确定好对待方式对待外来人员
71.人员信息处理端功能包括管理人员接收到警告模块内发送的信息和管理人员可以远程控制警告模块的运用形式，并可以通过全自动摄像头内的语音通话技术和外来人员进行沟通；管理人员通过人员信息处理端远程操作对电子围栏权限进行操作。
72.步骤5：外来人员的行为程度为挑衅行为；触发报警模块，通过多种方式警告外来人员不要靠近电子围栏，并用多种处理方式阻止外来人员靠近电子围栏；同时触发报警模
块自发对多管理部门反映当时情况，并通过人员信息处理端把画面和数据发送给管理人员，管理人员依据自己的权限确定下一步的做法；
73.在本发明的具体实施例中，所述步骤5中报警模块具体操作方法包括：
74.报警模块连接管理部门系统包括：物业社区安保系统、当地公安系统和当地居委会系统等；内置设定紧急联系人电话；对报警模块连接管理部门系统标记xa，其中a＝0，1,2,...,n；n为正整数，表示报警模块连接管理部门系统中a可取值的最大值；
75.报警模块在警告模块的基础之上，处理方式包括：电子围栏开启强电流、报警与连接的管理部门和紧急联系人方式；报警模块通过人员信息处理端把画面和数据发送给管理人员，管理人员依据自己的权限确定下一步的做法；若管理人员没有对报警模块做出修正，报警模块将按已确定好对待方式对待外来人员。
76.步骤6：太阳能板白天采集太阳光的热能，并转换成电能存储在太阳能电能存储器；晚上释放白天存储的电能供电子围栏的运行。
77.在本发明的具体实施例中，所述步骤6中太阳能供给电子围栏具体操作方法包括：
78.太阳能板白天采集太阳光的热能，并转换成电能存储在太阳能电能存储器；晚上释放白天存储的电能供电子围栏的运行；电子围栏运行时是一直在插在插座上，但对电的使用是优先使用太阳能存储的电能；
79.为了节省电子围栏运行时对电的节约，特设定2个满足条件：
80.白天时间定义为早8:00-晚20：00，其余定义为晚上时间。
81.一种云端系统，根据深度学习数据分析平台和电子围栏感应器对外来人员分别进行的图片识别和查看数值变化，快速确定外来人员的行为程度，并确定对外来人员的对待方式；通过云端计算及分析对电子围栏智能防护。
82.本发明是深度学习数据分析平台将录制视频以每一帧图片的方式处理，图片在训练好的深度学习图片模型中进行匹配，根据匹配结果确定外来人员的行为程度，和电子围栏感应器的数值是否超过预设数值；并确定对外来人员的对待方式；太阳能板白天采集太阳光的热能，并转换成电能存储在太阳能电能存储器；晚上释放白天存储的电能供电子围栏的运行；电子围栏运行时是一直在插在插座上，但对电的使用是优先使用太阳能存储的电能；基于深度学习的电子围栏不依赖人工的检视，智能化程度高，能根据外来人员的举动智能用不同措施去阻止，不仅在人工检视中节约时间，而且还能保护家园的目的，
83.保证电子围栏在满足阻隔外来人员时对电量的节约。
84.以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

技术特征：
1.一种基于深度学习的电子围栏智能防护方法及系统，该方法应用了全自动摄像头、监控集成大屏幕、深度学习数据分析平台、太阳能板、太阳能电能存储器、人员信息处理端、电子围栏感应器、警告模块和报警模块；其特征在于，所述方法包括以下步骤：步骤1：当外来人员接近电子围栏时，全自动摄像头实时跟踪外来人员，监控画面实时在监控集成大屏幕上显示，并将录制视频自动上传到深度学习数据分析平台；步骤2：深度学习数据分析平台将录制视频以每一帧图片的方式处理，图片在训练好的深度学习图片模型中进行匹配，根据匹配结果确定外来人员的行为程度，和电子围栏感应器的数值是否超过预设数值；并确定对外来人员的对待方式；其中确定外来人员的对待方式操作方法如下：步骤2.1：深度学习数据分析平台将录制视频以每一帧图片的方式处理；步骤2.2：图片在训练好的深度学习图片模型中进行匹配；步骤2.3：根据匹配结果和结合电子围栏感应器数值确定对外来人员的对待方式；步骤3：对该外来人员的行为程度进行识别判断，若为无害行为，则从深度学习数据分析平台提取对应的处理方法，进而按照该处理方法进行调整，并执行步骤1和步骤2；若为挑衅行为，则从深度学习数据分析平台提取对应的处理方法，进而按照该处理方法进行调整，并执行步骤4；若为侵犯行为，则从深度学习数据分析平台提取对应的处理方法，进而按照该处理方法进行调整，并执行步骤5；步骤4：外来人员的行为程度为挑衅行为；触发警告模块，通过多种方式警告外来人员不要靠近电子围栏；并通过人员信息处理端把画面和数据发送给管理人员，管理人员依据自己的权限确定下一步的做法；步骤5：外来人员的行为程度为挑衅行为；触发报警模块，通过多种方式警告外来人员不要靠近电子围栏，并用多种处理方式阻止外来人员靠近电子围栏；同时触发报警模块自发对多管理部门反映当时情况，并通过人员信息处理端把画面和数据发送给管理人员，管理人员依据自己的权限确定下一步的做法；步骤6：太阳能板白天采集太阳光的热能，并转换成电能存储在太阳能电能存储器；晚上释放白天存储的电能供电子围栏的运行。2.根据权利要求1所述的一种基于深度学习的电子围栏智能防护方法及系统，其特征在于：所述步骤1中全自动摄像头实时跟踪外来人员通过具体操作方法包括：外来人员距离电子围栏的距离为小于1米时，全自动摄像头开始实时跟踪；全自动摄像头功能包含红外线功能、自动跟踪技术和语音通话技术等；对全自动摄像头功能标记其中β＝0，1,2,...,n；n为正整数，表示全自动摄像头功能中β可取值的最大值。3.根据权利要求1所述的一种基于深度学习的电子围栏智能防护方法及系统，其特征在于：所述步骤2.2中图片在训练好的深度学习图片模型中进行匹配分析操作方法包括：深度学习数据分析平台将录制视频以每一帧图片的方式处理，把处理过的图片作为一个数据库保存在平台内；深度学习预设图片模型数据是连接在互联网图片数据库、电子围栏统一数据库和本地电子围栏数据库；深度学习识别外来人员的行为程度步骤：step1：选取电子围栏统一数据库、互联网图片数据库和本地电子围栏数据库以6:3:1
的比率提取图片；然后在卷积神经网络中运用多种分类函数对图片进行分类及标签；根据分类结果分3种情况分别取名无害行为、挑衅行为和侵犯行为；step2：对3种图片集进行预先全部灰度照片处理，然后在卷积神经网络中的卷积层提取特征值；图片特征提取主要以人与电子围栏的距离和人在电子围栏的行为举止为；step3：根据提取到的卷积层的特征值，在池化层进一步提取，得到新的、维度较小的特征；step4：全连接层把所有局部特征结合变成全局特征；step5：根据外来人员视频处理后，图片数据库在训练好的深度学习模型中进行验证；验证的差距引入多种损失函数进行模型的改进和优化。4.根据权利要求1所述的一种基于深度学习的电子围栏智能防护方法及系统，其特征在于：所述步骤2.3中根据匹配结果和结合电子围栏感应器数值确定对外来人员的对待方式操作方法包括：若电子围栏感应器采集到的动力感应数值超过了深度学习数据分析平台预设的标准范围值上限；标准范围值上限设定为挑衅行为上限和侵犯行为上限；结合深度学习模型识别出外来人员的行为和电子围栏感应器的数值，确定对外来人员的对待方式；并将此对待方式通过人员信息处理端把画面和数据发送给管理人员，管理人员依据自己的权限确定下一步的做法；若管理人员没有对系统做出修正，系统将按已确定好对待方式对待外来人员。5.根据权利要求1所述的一种基于深度学习的电子围栏智能防护方法及系统，其特征在于：所述步骤4警告模块具体操作方法包括：警告模块包括声音刺耳、灯光闪烁和微电流等形式；对警告模块的形式内容标记为u
i
，其中i＝0，1,2,...,n；n为正整数，表示警告模块的形式内容i可取值的最大值；并通过人员信息处理端把画面和数据发送给管理人员，管理人员依据自己的权限确定下一步的做法；若管理人员没有对警告模块做出修正，警告模块将按已确定好对待方式对待外来人员人员信息处理端功能包括管理人员接收到警告模块内发送的信息和管理人员可以远程控制警告模块的运用形式，并可以通过全自动摄像头内的语音通话技术和外来人员进行沟通；管理人员通过人员信息处理端远程操作对电子围栏权限进行操作。6.根据权利要求1所述的一种基于深度学习的电子围栏智能防护方法及系统，其特征在于：所述步骤5中报警模块具体操作方法包括：报警模块连接管理部门系统包括：物业社区安保系统、当地公安系统和当地居委会系统等；内置设定紧急联系人电话；对报警模块连接管理部门系统标记xa，其中a＝0，1,2,...,n；n为正整数，表示报警模块连接管理部门系统中a可取值的最大值；报警模块在警告模块的基础之上，处理方式包括：电子围栏开启强电流、报警与连接的管理部门和紧急联系人方式；报警模块通过人员信息处理端把画面和数据发送给管理人员，管理人员依据自己的权限确定下一步的做法；若管理人员没有对报警模块做出修正，报警模块将按已确定好对待方式对待外来人员。7.根据权利要求1所述的一种基于深度学习的电子围栏智能防护方法及系统，其特征在于：所述步骤6中太阳能供给电子围栏具体操作方法包括：太阳能板白天采集太阳光的热能，并转换成电能存储在太阳能电能存储器；晚上释放白天存储的电能供电子围栏的运行；电子围栏运行时是一直在插在插座上，但对电的使用
是优先使用太阳能存储的电能；为了节省电子围栏运行时对电的节约，特设定2个满足条件：白天时间定义为早8:00-晚20：00，其余定义为晚上时间。8.一种云端系统，其特征在于：根据深度学习数据分析平台和电子围栏感应器对外来人员分别进行的图片识别和查看数值变化，快速确定外来人员的行为程度，并确定对外来人员的对待方式；通过云端计算及分析对电子围栏智能防护，以执行上述权利要求1-7任一项所述的一种基于深度学习的电子围栏智能防护方法及系统。9.一种云端系统，其特征在于：所述云端在网络下，依靠云端计算及分析服务程序对电子围栏智能防护实现上述权利要求1-7任一项所述的一种基于深度学习的电子围栏智能防护方法及系统。

技术总结
本发明属于应用于电子围栏智能防护方法及系统技术领域，具体而言，涉及一种基于深度学习的电子围栏智能防护方法及系统，本发明是深度学习数据分析平台将录制视频以每一帧图片的方式处理，图片在训练好的深度学习图片模型中进行匹配，根据匹配结果确定外来人员的行为程度，和电子围栏感应器的数值是否超过预设数值；并确定对外来人员的对待方式；太阳能板白天采集太阳光的热能，并转换成电能存储在太阳能电能存储器；晚上释放白天存储的电能供电子围栏的运行；电子围栏运行时是一直在插在插座上，但对电的使用是优先使用太阳能存储的电能；不仅在人工检视中节约时间，而且还能保护家园的目的，保证电子围栏在满足阻隔外来人员时对电量的节约。时对电量的节约。时对电量的节约。


技术研发人员：高晨 陈凯瑞
受保护的技术使用者：高晨
技术研发日：2023.02.02
技术公布日：2023/6/3