一种基于交叉验证的营运联合体运营状态监测系统及方法技术方案

本发明专利技术公开了一种基于交叉验证的营运联合体运营状态监测系统及方法，首先对营运联合体的设备运行、人群流量、汽车流量等视频数据进行采集，然后采用基于神经形态计算网络的运营状态识别方法对视频数据进行识别和压缩，得到运营状态识别数据，最后将运营状态识别数据与营运联合体的水电气数据、员工考勤数据、汽车出入打卡数据等实测数据进行比对和交叉验证，使两类来源的数据互为补充，实现对营运联合体运营状态的精准监测。本发明专利技术为银行、金融机构和放款人给营运联合体借钱风险提供了数据支持，帮助外部的银行、金融机构、放款人和其他相关人员掌握标的营运联合体状态，进而做出有价值的决定。 1

A cross validation based operational status monitoring system and method for operational Consortium

The invention discloses a operating state monitoring system and method based on cross validation. First, it collects video data, such as equipment operation, crowd flow, traffic flow, and so on, and then identifies and presses video data by using the operation state recognition method based on neural morphology computing network. In the end, the operation state identification data are compared with the measured data of water and electricity, staff attendance data and car entry and exit card data. The data of the two types of sources are complementary to each other, and the operation state of the operation consortium is monitored accurately. The invention provides data support for banks, financial institutions and lenders to lend money to operating consortium to help external banks, financial institutions, lenders and other related personnel master the standard operating consortium state and make valuable decisions. One

【技术实现步骤摘要】
一种基于交叉验证的营运联合体运营状态监测系统及方法
本专利技术属于营运联合体运营监测
，具体涉及一种基于交叉验证的营运联合体运营状态监测系统及方法的设计。
技术介绍
银行和金融机构给营运联合体(工厂、农场、企业、物流中心等)借钱，非常关心营运联合体是否正常运营，因此需要对营运联合体的运营情况进行监测。但是，派人和委托第三方机构进行监测，面临劳动力密集、成本巨大和有被收买(特别大金额的情况)的问题。同时，现有运营监测技术的数据来源往往比较单一，这就可能造成监测数据出现较大误差的情况。而营运联合体的运营情况是由人员、水电气和物流车辆支持的，监测全部这些关联信息，就可以帮助外部的银行、放款金融机构和其他相关人员掌握标的营运联合体状态。通过营运联合体内部信息接口、视频和音频采集等方式，监测营运联合体办公区和生产工作场所的：噪音数据、电表数据、气表数据、进出口和要道人流量以及考勤机和车辆进出打卡数据等，并且进行交叉验证处理，就可以充分发挥这些客观数据的价值。
技术实现思路
本专利技术的目的是为了解决现有的营运联合体运营监测技术数据来源单一，容易出现误差的问题，提出了一种基于交叉验证的营运联合体运营状态监测系统及方法。本专利技术的技术方案为：一种基于交叉验证的营运联合体运营状态监测系统，包括：视频采集设备，用于采集营运联合体的运营视频数据F1。神经网络识别装置，用于采用基于神经形态计算网络的运营状态识别方法对运营视频数据F1进行识别及压缩，得到运营状态识别数据F2。数据采集设备，用于采集营运联合体的运营状态实测数据F3。交叉验证比对装置，用于对运营状态识别数据F2和运营状态实测数据F3进行分析比对，得到营运联合体运营状态的交叉验证比对结果。视频采集设备、神经网络识别装置和交叉验证比对装置顺次通信连接，数据采集设备与交叉验证比对装置通信连接。本专利技术的有益效果是：本专利技术通过采集营运联合体的运营视频数据F1，并将其处理为运营状态识别数据F2，然后将其与采集到的运营状态实测数据F3进行比对和交叉验证，使两类数据互为补充，实现对营运联合体运营状态的精准监测。进一步地，视频采集设备包括营运联合体设备运行监测摄像头组、人群流量监测摄像头组以及汽车流量监测摄像头组；营运联合体设备运行监测摄像头组包括若干个设置于营运联合体工作场所的摄像头；人群流量监测摄像头组包括若干个设置于营运联合体工作场所及生活场所的摄像头；汽车流量监测摄像头组包括若干个设置于营运联合体大门及道路口的摄像头。数据采集设备包括水电气采集装置、考勤机以及汽车门禁；水电气采集装置包括水表采集器、电表采集器、气表采集器、温度传感器、噪声传感器以及亮度传感器；温度传感器、噪声传感器以及亮度传感器均设置于营运联合体的各个工作场所内；考勤机设置于营运联合体各工作场所门口；汽车门禁安装于营运联合体大门。上述进一步方案的有益效果是：通过合理布局与安装各个摄像头，可以更加完整的采集到营运联合体的运营视频数据F1；通过合理布局与安装水电气采集装置、考勤机以及汽车门禁等数据采集设备，可以更加完整的采集到营运联合体的运营状态实测数据F3。进一步地，运营视频数据F1包括设备运行视频数据、人群流量视频数据以及汽车流量视频数据；运营状态识别数据F2包括水电气识别数据、人群流量识别数据以及汽车流量识别数据；运营状态实测数据F3包括水电气实测数据、员工考勤数据以及汽车出入打卡数据；水电气实测数据包括水表数据、电表数据、气表数据、温度数据、噪声数据以及亮度数据。上述进一步方案的有益效果是：营运联合体的运营情况是由人员、水电气和物流车辆支持的，监测并比对这三类数据即可实现对营运联合体运营状态的精准监测，为银行和金融机构给营运联合体借钱提供了数据支持。本专利技术还提供了一种基于交叉验证的营运联合体运营状态监测方法，包括以下步骤：S1、对视频采集设备和数据采集设备进行安装与布局。S2、通过视频采集设备采集营运联合体的运营视频数据F1。S3、在神经网络识别装置中，采用基于神经形态计算网络的运营状态识别方法对运营视频数据F1进行识别及压缩，得到运营状态识别数据F2。S4、通过数据采集设备采集营运联合体的运营状态实测数据F3。S5、在交叉验证比对装置中对运营状态识别数据F2和运营状态实测数据F3进行分析比对，得到营运联合体运营状态的交叉验证比对结果。本专利技术的有益效果是：本专利技术通过对运营状态识别数据F2与运营状态实测数据F3进行比对和交叉验证，有效解决了监测目标营运联合体的运营状态的问题，可以帮助外部的银行、放款金融机构和其他相关人员掌握标的营运联合体状态，进而做出有价值的决定。进一步地，步骤S1具体为：将用于监测营运联合体设备运行的摄像头、温度传感器、噪声传感器以及亮度传感器安装于各营运联合体工作场所内，将水表采集器、电表采集器以及气表采集器安装于各个水、电、气表上；将用于监测人群流量的摄像头安装于营运联合体各工作场所及各生活场所，将考勤机设置于营运联合体各工作场所门口；将用于监测汽车流量的摄像头安装于营运联合体大门及各道路口，将汽车门禁安装于营运联合体大门。上述进一步方案的有益效果是：通过合理布局与安装各个摄像头，可以更加完整的采集到营运联合体的运营视频数据F1；通过合理布局与安装水电气采集装置、考勤机以及汽车门禁等数据采集设备，可以更加完整的采集到营运联合体的运营状态实测数据F3。进一步地，步骤S3中的神经形态计算网络为广义回归神经网络，步骤S3包括以下分步骤：S31、基于光流场的动态纹理特征提取。S32、基于动态纹理和水平集算法的多向运动分割。S33、基于GRNN(GeneralizedRegressionNeuralNetwork，广义回归神经网络)的运营状态回归估计。步骤S31具体包括以下分步骤：S311、光流场计算：采用Brox多分辨率光流估计算法获得运营视频数据F1中连续两帧图像的光流场其中E表示光流场强度，表示光流场的方向角。S312、光流场强度的透视归一化：采用透视四边形法实现光流场中任意一点的光流场强度E的归一化，获得归一化光流场该归一化光流场即为动态纹理特征。步骤S32具体包括以下分步骤：S321、方向角区间划分：根据设备、人群或车辆运动方向的先验知识将光流场的方向角划分为n个互不相交的方向角区间Φi，其中i＝1,2,...,n。S322、具有不同方向角区间的子光流场获取：逐点扫描归一化光流场中的每一点，根据其方向角将其归入相应的方向角区间Φi，扫描完成后，被分解为个具有不同方向角区间的子光流场S323、子光流场分割：在每一个子光流场中，借助Renyi熵阈值法实现光流场强度的分割，以获得子光流场运动的分割结果Si。S324、初始分割结果获取：合并Si，并依据所对应的方向角区间的不同进行区分标记，从而获得具有不同运动方向的设备、人群或车辆的初始分割结果S。S325、ROI(RegionOfInterest，感兴趣区域)集合获取：采用无需对水平集函数重新初始化的变分水平集算法，优化初始分割结果S，获取对应不同运动方向的设备、人群或车辆的ROI集合，即{ROI(i,j)|i＝1,2,...,n,j＝1,2,...m(i)}，其中m(i)为隶属于相同方向角区间Φi的ROI的数目。步骤S33具体包本文档来自技高网...

【技术保护点】
1.一种基于交叉验证的营运联合体运营状态监测系统，其特征在于，包括：

【技术特征摘要】
1.一种基于交叉验证的营运联合体运营状态监测系统，其特征在于，包括：视频采集设备，用于采集营运联合体的运营视频数据F1；神经网络识别装置，用于采用基于神经形态计算网络的运营状态识别方法对运营视频数据F1进行识别及压缩，得到运营状态识别数据F2；数据采集设备，用于采集营运联合体的运营状态实测数据F3；交叉验证比对装置，用于对运营状态识别数据F2和运营状态实测数据F3进行分析比对，得到营运联合体运营状态的交叉验证比对结果；所述视频采集设备、神经网络识别装置和交叉验证比对装置顺次通信连接，所述数据采集设备与交叉验证比对装置通信连接。2.根据权利要求1所述的营运联合体运营状态监测系统，其特征在于，所述视频采集设备包括营运联合体设备运行监测摄像头组、人群流量监测摄像头组以及汽车流量监测摄像头组；所述营运联合体设备运行监测摄像头组包括若干个设置于营运联合体工作场所的摄像头；所述人群流量监测摄像头组包括若干个设置于营运联合体工作场所及生活场所的摄像头；所述汽车流量监测摄像头组包括若干个设置于营运联合体大门及道路口的摄像头；所述数据采集设备包括水电气采集装置、考勤机以及汽车门禁；所述水电气采集装置包括水表采集器、电表采集器、气表采集器、温度传感器、噪声传感器以及亮度传感器；所述温度传感器、噪声传感器以及亮度传感器均设置于营运联合体的各个工作场所内；所述考勤机设置于营运联合体各工作场所门口；所述汽车门禁安装于营运联合体大门。3.根据权利要求1所述的营运联合体运营状态监测系统，其特征在于，所述运营视频数据F1包括设备运行视频数据、人群流量视频数据以及汽车流量视频数据；所述运营状态识别数据F2包括水电气识别数据、人群流量识别数据以及汽车流量识别数据；所述运营状态实测数据F3包括水电气实测数据、员工考勤数据以及汽车出入打卡数据；所述水电气实测数据包括水表数据、电表数据、气表数据、温度数据、噪声数据以及亮度数据。4.一种基于交叉验证的营运联合体运营状态监测方法，其特征在于，包括以下步骤：S1、对视频采集设备和数据采集设备进行安装与布局；S2、通过视频采集设备采集营运联合体的运营视频数据F1；S3、在神经网络识别装置中，采用基于神经形态计算网络的运营状态识别方法对运营视频数据F1进行识别及压缩，得到运营状态识别数据F2；S4、通过数据采集设备采集营运联合体的运营状态实测数据F3；S5、在交叉验证比对装置中对运营状态识别数据F2和运营状态实测数据F3进行分析比对，得到营运联合体运营状态的交叉验证比对结果。5.根据权利要求4所述的营运联合体运营状态监测方法，其特征在于，所述步骤S1具体为：将用于监测营运联合体设备运行的摄像头、温度传感器、噪声传感器以及亮度传感器安装于各营运联合体工作场所内，将水表采集器、电表采集器以及气表采集器安装于各个水、电、气表上；将用于监测人群流量的摄像头安装于营运联合体各工作场所及各生活场所，将考勤机设置于营运联合体各工作场所门口；将用于监测汽车流量的摄像头安装于营运联合体大门及各道路口，将汽车门禁安装于营运联合体大门。6.根据权利要求4所述的营运联合体运营状态监测方法，其特征在于，所述步骤S3中的神经形态计算网络为广义回归神经网络，所述步骤S3包括以下分步骤：S31、基于光流场的动态纹理特征提取；S32、基于动态纹理和水平集算法的多向运动分割；S33、基于GRNN的运营状态回归估计；所述步骤S31具体包括以下分步骤：S311、光流场计算：采用Brox多分辨率光流估计算法获得运营视频数据F1中连续两帧图像的光流场其中E表示光流场强度，表示光流场的方向角；S312、光流场强度的透视归一化：采用透视四边形法实现光流场中任意一点的光流场强度E的归一化，获得归一化光流场该归一化光流场即为动态纹理特征；所述步骤S32具体包括以下分步骤：S321、方向角区间划分：根据设备、人群或车辆运动方向的先验知识将光流场的方向角划分为n个互不相交的方向角区间Φi，其中i＝1,2,...,n；S322、具有不同方向角区间的子光流场获取：逐点扫描归一化光流场中的每一点，根据其方向角将其归入相应的方向角区间Φi，扫描完成后，被分解为个具有不同方向角区间的子光流场S323、子光流场分割：在每一个子光流...

【专利技术属性】
技术研发人员：唐文奇，黄晓维，
申请(专利权)人：爱保理网北京科技有限公司，
类型：发明
国别省市：北京,11