基于信号强度与视频的人员分布模型建立方法及系统技术方案

本发明专利技术公开了基于信号强度与视频的人员分布模型建立方法及系统，从现代化建筑中通过无线局域网和监控视频系统，基于两种新型统计方法获得人员数据，通过对比处理后，获取准确率最高的数据统计并根据环境变化，实施更新模型参数。该系统相比于其它现有系统，一方面能够实时获取数据并进行处理后得到高准确率的结果，另一方面系统可以根据实际建筑物内环境变化完成模型自动更新，保证准确率。

【技术实现步骤摘要】
基于信号强度与视频的人员分布模型建立方法及系统
本专利技术涉及基于信号强度与视频的人员分布模型建立方法及系统。
技术介绍
随着智慧城市与绿色智能建筑的不断发展，现代化智能绿色建筑对其自身结构化、数据化带来的决策要求越来越高。通过相关科技手段，获取建筑物相关数据并做智能处理与分析，完成建筑物内人员数据统计，进而辅助能耗管理决策分析。现代化建筑内无线局域网(WiFi)系统和视频监控系统为建筑物内人员数据统计提供了可能。对于建筑物内人员分布统计系统，国内外高校和许多科研机构大多基于单方面做了相关研究，即基于无线局域网(WiFi)系统的人员统计系统和基于视频监控系统的人员分布统计系统。在无线局域网(WiFi)系统设计方面，大多均使用比较传统的三角定位法和指纹数据库定位法；对于数据的获取和处理存在很大的问题，判别方法无法保证精度。单纯使用现行的室内WiFi定位系统无法权衡精度和成本两者的关系。两者在提高精度过程中往往呈现较强的负相关，且不适用于建筑物内复杂的环境。在视频监控系统设计方面，有基于传统背景建模的方法，也有使用深度学习算法实现统计的人员数量的算法。由于视频序列拆分数据量大，传统方法统本文档来自技高网...

【技术保护点】
1.基于信号强度与视频的人员分布模型建立方法，其特征是，包括：步骤(1)：根据被测建筑物内每个无线接入点获取的移动终端的RSSI值，建立指纹标准数据库；计算出建筑内人数第一统计值；步骤(2)：根据被测建筑物内每个视频监控点的监控视频，建立基于视频人员分布模型；计算出建筑内人数第二统计值；步骤(3)：计算第一统计值与第二统计值的差值，如果差值为零，则对建筑内人数的第一统计值或第二统计值进行存储。

【技术特征摘要】
1.基于信号强度与视频的人员分布模型建立方法，其特征是，包括：步骤(1)：根据被测建筑物内每个无线接入点获取的移动终端的RSSI值，建立指纹标准数据库；计算出建筑内人数第一统计值；步骤(2)：根据被测建筑物内每个视频监控点的监控视频，建立基于视频人员分布模型；计算出建筑内人数第二统计值；步骤(3)：计算第一统计值与第二统计值的差值，如果差值为零，则对建筑内人数的第一统计值或第二统计值进行存储。2.如权利要求1所述的基于信号强度与视频的人员分布模型建立方法，其特征是，步骤(1)的具体步骤为：被测建筑物内每个无线接入点将从移动终端获取的报文上传给云端服务器，云端服务器将报文传输给PC端，PC端对报文进行校验，从校验通过的报文中提取信号强度指示RSSI信息；对建筑物内不同位置RSSI信息进行测量，建立指纹标准数据库；每一个无线接入点按照时间先后对不同的6个移动终端各抓取一次RSSI数值，形成信号强度指示RSSI序列，对每一个无线接入点的信号强度指示RSSI序列做矩阵变换，变换成与指纹标准匹配特征矩阵行数和列数均相同的形式，然后将矩阵变换结果与指纹标准数据库进行匹配，获取最优匹配结果为人员位置确定点，根据人员位置确定点计算出建筑内人数第一统计值。3.如权利要求1所述的基于信号强度与视频的人员分布模型建立方法，其特征是，所述步骤(2)的具体步骤为：被测建筑物内每个视频监控点将自身监控的视频数据上传给云端服务器，云端服务器又将视频数据上传给PC端，PC端对视频数据进行拆分成若干帧，从每一秒的所有帧图像中提取人员状态特征，将人员状态特征输入到基于快速区域卷积神经网络模型Faster-R-CNN中，对模型进行训练，得到训练好的基于快速区域卷积神经网络模型；基于训练好的基于快速区域卷积神经网络模型，计算出视频数据中的建筑内人员第二统计值。4.如权利要求1所述的基于信号强度与视频的人员分布模型建立方法，其特征是，所述步骤(3)的步骤为：如果差值不等于零，则进一步判断差值是否在设定阈值内；如果在设定阈值内，则对建筑内人数的第一统计值进行存储；如果差值不在设定阈值内，则进一步判断RSSI序列是否是异常序列；如果RSSI序列是正常序列，则保存建筑内人数的第一统计值进行存储；如果RSSI序列是异常序列，则将异常序列对应的信号强度指示RSSI值和视频监控数据均记录为异常样本。5.如权利要求1所述的基于信号强度与视频的人员分布模型建立方法，其特征是，所述基于信号强度与视频的人员分布模型建立方法，还包括：步骤(4)：当异常样本数量达到设定数量时，使用设定比例的异常样本和第一统计值与第二统计值的差值为零的数据对应的样本对指纹标准数据库进行更新；使用设定比例的异常样本和第一统计值与第二统计值的差值为零的数据对应的样本对应时间段的视频监控数据对基于快速区域卷积神经网络模型进行重新训练更新；当指纹标准数据库和基于快速区域卷积神经网络模型两方面的更新均完成后，返回步骤(1)。6.如权利要求2所述的基于信号强度与视频的人员分布模型建立方法，其特征是，对建筑物内不同位置RSSI信息进行测量，建立指纹标准数据库的具体步骤为：根据建筑物楼层特点，定义相关变量：Ji表示建筑物第i层；Six表示第i层内第x个监控器；Aiytp表示第i层内第y个无线接入点在t时刻获取的第p个移动终端地址，Sixt与Aiytp的t始终保持一致；W＝(d1、d2、d3、...、dj)T，W表示指纹标准匹配特征矩阵；W为j*6的矩阵，其中，“6”为标准匹配特征矩阵...

【专利技术属性】
技术研发人员：曹建荣，张旭，王亚萌，孙雪梅，
申请(专利权)人：山东建筑大学，
类型：发明
国别省市：山东,37