一种智能事中处置的安防方法及系统技术方案

本发明专利技术公开了一种智能事中处置的安防方法及系统，该安防方法包括：感知环境的特征信息；设定每种特征信息的权重，并根据每种信息的危险值和权重大小，计算得到危险叠加值；将上述危险叠加值与危险阀值进行比对，判定现场环境的危险级别，若危险，向监控端发出不同等级的报警信号，同时生成匹配的处置方案；自动执行处置方案或由监控人员终止自动程序，通过遥控停止或实施现场制暴。本发明专利技术不仅使后台监控人员通过视觉、听觉直接获得报警信息，还可以智能感知判断现场人员的面部、行为特征，物品的形状及属性、周边环境等信息，自动实现危险事件的事中处置。本发明专利技术收集报警信号智能全面、判断方法精准、现场处置及时，实用性强，有利于推广使用。

【技术实现步骤摘要】

本专利技术涉及安防领域，具体为一种智能事中处置的安防方法及系统。
技术介绍
随着城市化的进程发展，城市的规模越来越大，公共场所如学校、车站、机场、展览馆和城市商业广场等重要区域的人群集聚量很大。当出现危险情况时，公共区域的安防设备单一、无智能分析能力，如摄像头仅具备监控的能力，无法获得现场的危险信号，及时报警。在诸如银行、金店等，现场即使存在报警装置，也需要人碰触激发，无法以声音词汇、肢体语言等非接触的多途径形式及时报警。在报警成立后，基本完成了现有安防手段的逻辑方法。缺乏事中处置的手段和平台。与本专利技术最近的技术方案：专利（申请号CN201510844535.1）中公开了一种巡逻机器人。该巡逻机器人行进过程中获取实时模拟图像，将所述实时模拟图像转换为数字图像，并且通过智能分析统计出数字图像中的人数。在判断统计出的人数大于设定阈值的情况下，巡逻机器人停止前进，并将报警信息、当前GPS位置信息发送给远程监控系统。根据此专利技术实施方式，能够在发现人员聚集的情况下，发出预警，提醒安保人员重点关注。专利（申请号CN201520789894.7）中公开了一种移动监控机器人，该移动监控机器人，能够在第一驱动机构的驱动下自行移动，可以替代执勤人员巡逻执勤，并具有相应的信息采集能力，发现警情能够及时报警，通过设置无线传输模块，能够与服务器远程通信功能，将警情及时上报至指挥中心。专利（申请号CN201610074242.4）中公开了一种基于互联网的交通报警方法及系统。该方法，包括：车辆智能终端通过摄像头获取车辆周围的影像信息，根据所述影像信息确定车辆发生交通事故；开启录音功能，记录用户的语音信息；通过GPS获取车辆的位置信息；将所述影像信息、语音信息、位置信息和预存的车辆用户信息通过互联网发送给服务器；服务器识别出所述语音信息的关键词，根据所述关键词和影像信息确定车辆的交通事故类型，将所述影像信息、语音信息、位置信息和预存的车辆用户信息通过互联网发送给所述交通事故类型对应的服务终端。本专利技术能快速、精确、及时地对车辆发生的交通事故进行准确的分类处理，更好地为车辆用户服务，减少交通事故造成的人员伤亡和财产损失。上述现有技术存在以下缺点：缺点一、缺乏广泛的报警信息收集途径。现有摄像头监控设置越来越多，但后台监控人员只能采用人工查看的方式，了解现场情况，由于工作量大、耗时长、信息繁琐监控人员不能及时发现异常信息。而现场人员的报警模式单一，只能通过接触报警按键，反馈至后台。缺点二、缺乏报警信息的智能分析。监控出现的危险人员、危险场景等，没有通过智能分析的手段，自动产生报警信号。然后，对后台监控人员发出危险提示，同时采用权重分析的方法，依靠程序运算，实现报警的确认及匹配处理方案。缺点三、不具备事中处置的能力。当紧急情况出现时，报警信号反馈到后台，监控仅具备犯罪现场的记录与事后追查作用，事发现场设施或平台无具体执行的模块，不具备事中处置的能力。当发生紧急事故和非法刑事案件时，无法对现场进行及时控制。
技术实现思路
本专利技术所要解决的技术问题是，针对现有技术不足，提供一种智能事中处置的安防方法及系统。为解决上述技术问题，本专利技术所采用的技术方案是：一种智能事中处置的安防方法，包括以下步骤：1）感知环境的特征信息；2）设定每种特征信息的权重，并根据每种信息的危险值和权重大小，计算得到危险叠加值；3）将上述危险叠加值与危险阀值进行比对，判定现场环境的危险级别，若危险，向监控端发出不同等级的报警信号，同时生成匹配的处置方案，并进入步骤4）4）自动执行处置方案或由监控人员终止自动程序，通过遥控停止或实施现场制暴。步骤1）中，特征信息包括图像信息、声音信息、触摸信息、化学属性信息中的一种或多种。采用的这些特征信息具有代表性，且判定简单有效。对于图像信息，其危险值A的决定因素包括人群定义和环境定义两部分，所述人群定义包括人物身份、人体姿态、躯体特征、携带物品特征；所述环境定义包括时间因素、地点因素、场景因素；对于人物身份：通过人脸识别方法识别人物图片，然后将识别结果与与公安系统数据库匹配，判定出人物是无危险、危险或重度危险，对应的危险值M1分别为5、15、25分；对于人体姿态：获取人体姿态特征数据，并将所述人体姿态特征数据与人体行为姿势组成的数据库比对，判断人物是无危险、危险或重度危险，对应的危险值M2分别为5、15、25分；对于躯体特征：根据躯体特征识别方法，对目标人员的躯体特征进行识别，并将识别结果与数据库进行比对，判断人物是无危险、危险或重度危险，对应的危险值M3分别为5、15、25分；对于携带物品特征：将目标人员携带的物品的特征与物品种类数据库进行比对，判断携带物品是无危险、危险或重度危险，对应的危险值M4分别为5、15、25分；对于时间因素：对安防区域内危险发生的时段频次，搭建数据库，同时依据危险发生的时间因素，设立对应的判定得分，危险值M5值分别为10、20、30、40、50、60、70、80、90、100分；对于地点因素：对安防区域内危险发生的地点频次，搭建数据库，同时依据危险发生的地点因素，设立对应的判定得分，M6值分别为10、20、30、40、50、60、70、80、90、100分；场景因素：对安防区域内危险发生的场景因素，搭建数据库，同时依据危险发生的场景因素，设立对应的判定得分，M7值分别为10、20、30、40、50、60、70、80、90、100分；危险值A的计算公式为：危险值A=（M1+M2+M3+M4）*权重值A1+(M5+M6+M7)*权重值A2；权重值A1=90%；权重值A2=10%。危险值A的计算过程简单，考虑的因素全面，且计算结果精确。对于声音信息，其危险值B的决定因素包括人物声音、环境声音、自然界声音三个方面：对于人物声音和环境声音：按照声音的分贝大小，将人物声音判定为无危险、危险、重度危险，人物声音三个危险等级对应的危险值M8分别为25、50、100分；环境声音三个危险等级对应的危险值M9分别为25、50、100分；对于自然界声音：当声音处于自然灾难中时，其危险值M10设为0；当声音处于非自然灾难中时，其危险值M10设为1；危险值B=(M8*权重值B1+M9*权重值B2)*M10；其中，权重值B1=70%；权重值B2=30%。对于触摸信息，其危险值C的决定因素包括触摸力度、触摸部位、触摸温度：对于触摸力度：根据触摸作用力的大小，将触摸动作分为无危险、危险、重度危险三个危险等级，三个危险等级对应的危险值M11分别为25、50、100分；对于触摸部位：将触摸到设定的保护部位设定为危险，并根据触摸部位设定无危险、危险、重度危险三个危险等级，三个危险等级对应的危险值M12分别为25、50、100分；对于触摸温度：测定触摸温度，并根据温度将触摸动作判断为无危险、危险、重度危险三个危险等级，三个危险等级对应的危险值M13分别为25、50、100分；危险值C=M11*权重值C1+M12*权重值C2+M13*权重值C3；其中，权重值C1=70%；权重值C2=20%；权重值C3=10%。对于声音信息，对于化学属性信息，其危险值D的设定规则为：将爆炸品、压缩气体和液化气体归类为重度危险；将易燃液体、易燃固体、自燃物品、氧化剂本文档来自技高网...

【技术保护点】
一种智能事中处置的安防方法，其特征在于，包括以下步骤：1）感知环境的特征信息；2）设定每种特征信息的权重，并根据每种信息的危险值和权重大小，计算得到危险叠加值；3)将上述危险叠加值与危险阀值进行比对，判定现场环境的危险级别，若危险，向监控端发出不同等级的报警信号，同时生成匹配的处置方案，并进入步骤4）；4)自动执行处置方案或由监控人员终止自动程序，通过遥控停止或实施现场制暴。

【技术特征摘要】
2016.09.28 CN 201610858257X1.一种智能事中处置的安防方法，其特征在于，包括以下步骤：1）感知环境的特征信息；2）设定每种特征信息的权重，并根据每种信息的危险值和权重大小，计算得到危险叠加值；3)将上述危险叠加值与危险阀值进行比对，判定现场环境的危险级别，若危险，向监控端发出不同等级的报警信号，同时生成匹配的处置方案，并进入步骤4）；4)自动执行处置方案或由监控人员终止自动程序，通过遥控停止或实施现场制暴。2.根据权利要求1所述的智能事中处置的安防方法，其特征在于，步骤1）中，特征信息包括图像信息、声音信息、触摸信息、化学属性信息中的一种或多种。3.根据权利要求2所述的智能事中处置的安防方法，其特征在于，对于图像信息，其危险值A的决定因素包括人群定义和环境定义两部分，所述人群定义包括人物身份、人体姿态、躯体特征、携带物品特征；所述环境定义包括时间因素、地点因素、场景因素；对于人物身份：通过人脸识别方法识别人物图片，然后将识别结果与与公安系统数据库匹配，判定出人物是无危险、危险或重度危险，对应的危险值M1分别为5、15、25分；对于人体姿态：获取人体姿态特征数据，并将所述人体姿态特征数据与人体行为姿势组成的数据库比对，判断人物是无危险、危险或重度危险，对应的危险值M2分别为5、15、25分；对于躯体特征：根据躯体特征识别方法，对目标人员的躯体特征进行识别，并将识别结果与躯体姿态数据库进行比对，判断人物是无危险、危险或重度危险，对应的危险值M3分别为5、15、25分；对于携带物品特征：将目标人员携带的物品的特征与物品种类数据库进行比对，判断携带物品是无危险、危险或重度危险，对应的危险值M4分别为5、15、25分；对于时间因素：对安防区域内危险发生的时段频次，搭建数据库，同时依据危险发生的时间因素，设立对应的判定得分，危险值M5值分别为10、20、30、40、50、60、70、80、90、100分；对于地点因素：对安防区域内危险发生的地点频次，搭建数据库，同时依据危险发生的地点因素，设立对应的判定得分，M6值分别为10、20、30、40、50、60、70、80、90、100分；场景因素：对安防区域内危险发生的场景因素，搭建数据库，同时依据危险发生的场景因素，设立对应的判定得分，M7值分别为10、20、30、40、50、60、70、80、90、100分；危险值A的计算公式为：危险值A=（M1+M2+M3+M4）*权重值A1+(M5+M6+M7)*权重值A2；权重值A1=90%；权重值A2=10%。4.根据权利要求3所述的智能事中处置的安防方法，其特征在于，对于声音信息，其危险值B的决定因素包括人物声音、环境声音、自然界声音三个方面：对于人物声音和环境声音：设定人物声音无危险、危险、重度危险三个危险等级对应的危险值M8分别为25、50、100分；设定环境声音无危险、危险、重度危险三个危险等级对应的危险值M9分别为25、50、100分；对于自然界声音：当声音处于自然灾难中时...

【专利技术属性】
技术研发人员：肖湘江，沈林成，周擎坤，李金波，曾志文，蔡兆云，钟敏，张冠勇，张静宁，
申请(专利权)人：中国人民解放军国防科学技术大学，
类型：发明
国别省市：湖南;43