【技术实现步骤摘要】
一种学校监控设备的控制方法
本专利技术属于监控设备控制
，特别涉及用于一种学校监控设备的控制方法。
技术介绍
在校园内，因学校人员密集，且学校内具有较多的教学设备、老师学生的私有物品，因此每年都会发生较多的盗窃行为，同时会发生打架斗殴等现象，因此在校园内安装了监控设备，监控设备实时录取学校的环境录像，可对上述行为进行回查。在校园内安装监控设备给校园的盗窃、打架斗殴等事件提供了较好的视频证据，但校园一般面积都很大，而监控室离每个摄像头的距离又较远，当需要对校园监控网进行检查维护时，如需要暂时关掉监控设备，开启监控设备等操作时，则需要监控室进行配合，若维修人员通过通话机与监控人员进行通信的信号较差时，则不能很好的配合，会给维护工作带来不便。
技术实现思路
本专利技术的目的在于提供一种学校监控设备的控制方法，从而克服当需要对校园监控网进行检查维护需要监控室进行配合时，维修人员通过通话机与监控人员进行通信的信号较差时不能很好的配合的缺陷。为实现上述目的，本专利技术提供了用于一种学校监控设备的
【技术保护点】
1.一种学校监控设备的控制方法，其特征在于，包括：/nS1，在校园布置监控设备网络，所述监控设备上连接有一体感设备和一亮度传感器；/nS2，监控设备获取多张预定行为图像，将每张预定行为对应一个具体的监控设备的操作指令，同时对多张所述行为图像的行为特征进行标记，形成行为图像指令样本库；/nS3，建立支持向量机，利用粒子群算法优化所述支持向量机的网络参数，以形成网络参数最优的支持向量机；/nS4，将标记的行为图像样本分为训练集和测试集，将训练集输入网络参数最优的支持向量机训练行为特征数据,利用测试集对训练后的支持向量机进行测试，获取能够预测行为的支持向量机；/nS5，由体感设备...
【技术特征摘要】
1.一种学校监控设备的控制方法，其特征在于，包括：
S1，在校园布置监控设备网络，所述监控设备上连接有一体感设备和一亮度传感器；
S2，监控设备获取多张预定行为图像，将每张预定行为对应一个具体的监控设备的操作指令，同时对多张所述行为图像的行为特征进行标记，形成行为图像指令样本库；
S3，建立支持向量机，利用粒子群算法优化所述支持向量机的网络参数，以形成网络参数最优的支持向量机；
S4，将标记的行为图像样本分为训练集和测试集，将训练集输入网络参数最优的支持向量机训练行为特征数据,利用测试集对训练后的支持向量机进行测试，获取能够预测行为的支持向量机；
S5，由体感设备采集多个行为动作，并将每个行为动作对应一个具体的监控设备的操作指令，将多个行为动作和对应的操作指令集成以形成动作指令数据库；
S6，由亮度传感器实时获取亮度值，当亮度值低于预设值时则关闭支持向量机预测，打开所述体感设备，由所述体感设备实时采集行为动作，以根据行为动作调取对应的操作指令以操控所述监控设备；
当亮度值高于预设值时则关闭体感设备，打开支持向量机预测，由监控设备实时获取行为图像，采用能够预测行为的支持向量机对连续帧监控图像进行行为预测，若预测到预定行为图像，则调取对应的操作指令以操控所述监控设备。
2.根据权利要求1所述的地下室防盗监控设备的控制方法，其特征在于，步骤S2具体包括：
S201，设置所述支持向量机的参数：惩罚参数C，RBF核参数δ，损失函数ε参数；其中，惩罚参数C范围为[1，100]，RBF核参数δ的范围为[0.1，100]，损失函数ε参数范围为[0.001，1]；
S202，初始化粒子群的相关参数：设定种群数量，最大迭代次数，学习因子及惯性权重，并随机赋予每个粒子的初始位置和速度；
S203，确定适应度评估函数，根据适应度函数评价每个粒子的适应度；
S204，将各个粒子的适应度的极值存在pbest中，将所有的最优个体的适应度存在全局极值gbest中；
S205，对所有粒子执行如下操作:根据以下公式(1)、式(2)、更新粒子的位置与速度，如果粒子适应度优于pbest，将pbe...
【专利技术属性】
技术研发人员：陈非儿，徐波，彭东亚，梁红，樊慧珍，荣彩，叶权锋，郭瑞超，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西;45
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。