基于室内人员定位和行为感知的非入侵安防方法及系统技术方案

本发明专利技术公开了一种基于室内人员定位和行为感知的非入侵安防方法及系统，包括数据采集模块、身份识别与标定模块、人员定位与追踪模块、人员行为感知模块、危险预警与可视化展示模块以及人员身份、位置状态和行为状态数据库更新模块；能够实时对智能楼宇进行安防监控、处理、更新和反馈，实现对楼内人员的身份识别与标定、定位与追踪以及行为感知，在此基础上实现非入侵安防系统的预警功能，即对人员高密度聚集预警和危险动作预警，和可视化展示功能，即对智能楼宇内人员轨迹在可视化平台进行展示。

【技术实现步骤摘要】
基于室内人员定位和行为感知的非入侵安防方法及系统
本专利技术属于智能楼宇安防领域，特别涉及室内人员身份标定、定位和行为感知的非入侵安防方法及系统。
技术介绍
随着通信技术与计算机技术的快速发展，现代智能楼宇逐渐实现信息与建筑物理系统高度融合。与此同时智能楼宇的安防系统也逐渐智能化，向着非入侵、具有记忆功能的智能安防系统发展。而智能楼宇内人员安全是安防系统的一个重要部分，对人员进行实时而准确的身份识别标定、定位和行为感知，能够实现对智能楼宇内人员进行实时危险区域预警、高密度聚集预警以及高人流预警，并对危险人员进行预警。智能化的非入侵安防系统成为目前智能楼宇和智能家居的大趋势，将中央服务器作为数据处理中心，对来自安防摄像头系统、智能路由系统和传感器系统的数据进行统筹处理，将数据处理结果可视化展示在安防系统平台上，并实现历史数据库的更新，使得安防系统具有记忆性。但是，以往安防系统仅仅由安防摄像头系统作为唯一的数据来源，并且数据处理和安防预警需要人工参与，对危险的预警具有严重的迟滞性；还有一些楼宇内的安防系统需要人员佩戴额外的设备作为定位信标等，为用户带来极大不便；即使有一些现代智能楼宇内的安防系统逐渐智能化，但是仅仅还是对实时数据的实时处理、展示和预警，不具有自我更新的记忆性。
技术实现思路
本专利技术提供一种基于室内人员定位和行为感知的非入侵安防方法及系统，以解决上述现有技术中没有考虑到的智能楼宇安防系统的技术多元性、安防非入侵性和系统记忆性。本系统能够实现人员身份识别与标定、人员定位与追踪、人员行为感知和基于人员位置信息的人员聚集与流动分析预警。为了实现上述目的，本专利技术采用的技术方案是：基于室内人员定位和行为感知的非入侵安防方法，包括以下步骤：S1、数据采集：智能路由系统采集用户的电子设备访问数据，安防摄像头系统采集监控视频；建立楼宇内地图坐标系；S2、身份识别与标定：根据S1采集到的电子设备访问数据和室内监控视频，对室内人员身份进行识别和标识，将室内人员划分为：楼内人员、有访问记录的访客和新访客三类；S3、人员定位与追踪以及人员行为感知：根据S1建立的楼宇内地图坐标系，对S2划分的三类人员分别进行定位和行为感知，得到室内所有人员的位置和行为状态；S4、危险预警和可视化展示：根据S3得到的室内所有人员的位置和行为状态，判断是否存在危险，若存在则进行预警。进一步的，S1包括以下步骤：SA1、以非入侵的方式采集用户的电子设备访问数据，包括用户电子设备的物理地址、信号强度；SA2、通过IP地址获取安防摄像头系统的实时监控视频数据；SA3、建立楼宇的地图坐标系，按照设定距离划分位置坐标块。进一步的，S2包括以下步骤：SB1、人员身份数据库初始化，为楼宇内每个人员创建人员身份数据库，该数据库包括该人员的人脸特征向量和电子设备的物理地址；SB2、根据室内监控视频进行人脸识别，通过用户电子设备访问数据进行访客设备MAC地址识别；SB3、结合人脸识别结果和MAC地址识别结果，对楼宇内人员的身份标定。进一步的，S3中，定位过程包括以下步骤：SC1、为楼宇内每个人员创建人员位置数据库，该数据库包括不同时刻该人员的身份标识和位置状态；SC2、对楼内人员，基于数据采集模块采集到的用户的电子设备访问数据，采用图嵌入回归神经网络算法得到楼内人员的位置状态；SC3、对有访问记录访客，基于数据采集模块采集到的用户的电子设备访问数据，采用图嵌入回归神经网络算法和基于数据采集模块采集到的监控视频，采用地标定位法，对有访问记录访客的定位追踪，得到有访问记录访客的位置状态；SC4、对新访客，基于监控视频，采用实时多人追踪算法MOTDT实现对新访客的定位追踪，得到新访客的位置状态。进一步的，SC2和SC3中的图嵌入回归神经网络算法，包括离线训练模型阶段和在线定位阶段：离线训练模型阶段包括以下步骤：SC201、按楼宇内地图坐标系对每个位置坐标块进行编号，(1,1)、(1,2)、(1,3)···(2,1)、(2,2)、(2,3)···；在每个位置坐标块，采集实验电子设备的物理地址和信号强度；SC202、提取实验电子设备的物理地址和信号强度的特征向量，通过对采集到的实验电子设备的物理地址和信号强度分析，用信号趋势指数STI与数据间隔interval作为训练回归神经网络的特征向量；设智能路由系统有n台智能路由器采集数据，提取的特征向量如下：[RSSI1,RSSI2,RSSI3,……,RSSIn,STI1,STI2,STI3,……,STIn,interval1,interval2,interval3,……,intervaln]其中RSSI1,RSSI2,RSSI3……,RSSIn分别为n台智能路由器采集到的实验电子设备的信号强度；STI1,STI2,STI3,……,STIn分别为n台智能路由器代表的信号趋势指数，interval1,interval2,interval3,……,intervaln分别为n台智能路由器采集到的信号强度的数据间隔；信号趋势指数STI计算方法如下：1)对一组实验数据求取平均值其中,RSSIavg表示n台智能路由器采集到电子设备的信号强度的平均值，RSSIi表示第i台智能路由器采集到的电子设备的信号强度；2)计算该组数据的信号趋势指数STI，STIi＝||RSSIi-RSSIavg||其中,STIi表示第i个信号趋势指数，RSSIavg表示n台智能路由器采集到电子设备的信号强度的平均值，RSSIi表示第i台智能路由器采集到的电子设备的信号强度；数据间隔interval，计算公式为：intervali＝||RSSIi-RSSIi+1||其中intervali表示第i个数据间隔，RSSIi表示第i台智能路由器采集到的电子设备的信号强度；RSSIi+1表示第i+1台智能路由器采集到的电子设备的信号强度；SC203、通过SC201中得到的位置坐标块编号，将位置坐标块作为图的节点；根据现实地图来判断相邻节点nodei，nodej之间是否能够到达，若能够到达，则edgei,j＝1，否则edgei,j＝0；通过图嵌入的方法将图嵌入到回归神经网络算法的损失函数中；SC204、图嵌入回归神经网络模型训练，图嵌入回归神经网络模型结构为：十层的全连接层，损失函数为图嵌入下的欧氏距离函数，输入为SC202提取的每个位置坐标块的特征向量，输出为对应的位置坐标块的坐标(x，y)，通过梯度下降优化训练得到本专利技术所提出的图嵌入回归神经网络模型；在线定位阶段：提取用户电子设备的物理地址和信号强度的特征向量，将用户电子设备的物理地址和信号强度的特征向量带入SC204得到的图嵌入回归神经网络模型中，得到楼内人员的位置坐标。进一步的，S3中，行为感知包括以下步骤：S301、对于楼内人员和有访本文档来自技高网...

【技术保护点】
1.基于室内人员定位和行为感知的非入侵安防方法，其特征在于，包括以下步骤：/nS1、数据采集：智能路由系统采集用户的电子设备访问数据，安防摄像头系统采集监控视频；建立楼宇内地图坐标系；/nS2、身份识别与标定：根据S1采集到的电子设备访问数据和室内监控视频，对室内人员身份进行识别和标识，将室内人员划分为：楼内人员、有访问记录的访客和新访客三类；/nS3、人员定位与追踪以及人员行为感知：根据S1建立的楼宇内地图坐标系，对S2划分的三类人员分别进行定位和行为感知，得到室内所有人员的位置和行为状态；/nS4、危险预警和可视化展示：根据S3得到的室内所有人员的位置和行为状态，判断是否存在危险，若存在则进行预警。/n

【技术特征摘要】
1.基于室内人员定位和行为感知的非入侵安防方法，其特征在于，包括以下步骤：
S1、数据采集：智能路由系统采集用户的电子设备访问数据，安防摄像头系统采集监控视频；建立楼宇内地图坐标系；
S2、身份识别与标定：根据S1采集到的电子设备访问数据和室内监控视频，对室内人员身份进行识别和标识，将室内人员划分为：楼内人员、有访问记录的访客和新访客三类；
S3、人员定位与追踪以及人员行为感知：根据S1建立的楼宇内地图坐标系，对S2划分的三类人员分别进行定位和行为感知，得到室内所有人员的位置和行为状态；
S4、危险预警和可视化展示：根据S3得到的室内所有人员的位置和行为状态，判断是否存在危险，若存在则进行预警。


2.根据权利要求1所述的基于室内人员定位和行为感知的非入侵安防方法，其特征在于，所述S1包括以下步骤：
SA1、以非入侵的方式采集用户的电子设备访问数据，包括用户电子设备的物理地址、信号强度；
SA2、通过IP地址获取安防摄像头系统的实时监控视频数据；
SA3、建立楼宇的地图坐标系，按照设定距离划分位置坐标块。


3.根据权利要求1所述的基于室内人员定位和行为感知的非入侵安防方法，其特征在于，所述S2包括以下步骤：
SB1、人员身份数据库初始化，为楼宇内每个人员创建人员身份数据库，该数据库包括该人员的人脸特征向量和电子设备的物理地址；
SB2、根据室内监控视频进行人脸识别，通过用户电子设备访问数据进行访客设备MAC地址识别；
SB3、结合人脸识别结果和MAC地址识别结果，对楼宇内人员的身份标定。


4.根据权利要求1所述的基于室内人员定位和行为感知的非入侵安防方法，其特征在于，所述S3中，定位过程包括以下步骤：
SC1、为楼宇内每个人员创建人员位置数据库，该数据库包括不同时刻该人员的身份标识和位置状态；
SC2、对楼内人员，基于数据采集模块采集到的用户的电子设备访问数据，采用图嵌入回归神经网络算法得到楼内人员的位置状态；
SC3、对有访问记录访客，基于数据采集模块采集到的用户的电子设备访问数据，采用图嵌入回归神经网络算法和基于数据采集模块采集到的监控视频，采用地标定位法，对有访问记录访客的定位追踪，得到有访问记录访客的位置状态；
SC4、对新访客，基于监控视频，采用实时多人追踪算法MOTDT实现对新访客的定位追踪，得到新访客的位置状态。


5.根据权利要求4所述的基于室内人员定位和行为感知的非入侵安防方法，其特征在于，所述SC2和SC3中的图嵌入回归神经网络算法，包括离线训练模型阶段和在线定位阶段：
离线训练模型阶段包括以下步骤：
SC201、按楼宇内地图坐标系对每个位置坐标块进行编号，(1，1)、(1，2)、(1，3)···(2，1)、(2，2)、(2，3)···；在每个位置坐标块，采集实验电子设备的物理地址和信号强度；
SC202、提取实验电子设备的物理地址和信号强度的特征向量，通过对采集到的实验电子设备的物理地址和信号强度分析，用信号趋势指数STI与数据间隔interval作为训练回归神经网络的特征向量；设智能路由系统有n台智能路由器采集数据，提取的特征向量如下：
[RSSI1，RSSI2，RSSI3，......，RSSIn，STI1，STI2，STI3，......，STIn，interval1，interval2，interval3，......，intervaln]
其中RSSI1，RSSI2，RSSI3......，RSSIn分别为n台智能路由器采集到的实验电子设备的信号强度；STI1，STI2，STI3，......，STIn分别为n台智能路由器代表的信号趋势指数，interval1，interval2，interval3，......，intervaln分别为n台智能路由器采集到的信号强度的数据间隔；
信号趋势指数STI计算方法如下：
1)对一组实验数据求取平均值



其中，RSSIavg表示n台智能路由器采集到电子设备的信号强度的平均值，RSSIi表示第i台智能路由器采集到的电子设备的信号强度；
2)计算该组数据的信号趋势指数STI，
STIi＝||RSSIi-RSSIavg||
其中，STIi表示第i个信号趋势指数，RSSIavg表示n台智能路由器采集到电子设备的信号强度的平均值，RSSIi表示第i台智能路由器采集到的电子设备的信号强度；
数据间隔interval，计算公式为：
int...

【专利技术属性】
技术研发人员：徐占伯，赵国梁，王青乙，吴江，管晓宏，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61