基于神经网络的智能应急监控方法、系统和可读存储介质技术方案

本发明专利技术公开的一种基于神经网络的智能应急监控方法、系统和可读存储介质，其中方法包括：识别应急类型，基于不同的所述应急类型输出对应的响应机制以获取监控画面，基于所述监控画面识别人脸数据信息，利用人脸识别神经网络模型得到模拟输出值；判断目标位置的监控方向以调整对应的监控器，其中，基于预存的数据比对库提取所述目标位置的监控方向，获取所述监控器的当前拍摄角度，计算得到所述监控器的偏移角进而调整所述监控器的方向。本发明专利技术通过识别应急情况的类型来自动获取对应等级的监控画面，并且可以根据人流情况基于神经网络分析后自动化控制监控器移动，可以有效实现应急监控的智能化，推动智慧城市的发展。推动智慧城市的发展。推动智慧城市的发展。

【技术实现步骤摘要】
基于神经网络的智能应急监控方法、系统和可读存储介质


[0001]本专利技术涉及智能监控
，更具体的，涉及一种基于神经网络的智能应急监控方法、系统和可读存储介质。

技术介绍

[0002]当前，全球信息技术呈加速发展趋势，信息技术在国民经济中的地位日益突出，信息资源也日益成为重要的生产要素。智慧城市正是在充分整合、挖掘、利用信息技术与信息资源的基础上，汇聚人类的智慧，赋予物以智能，从而实现对城市各领域的精确化管理，实现对城市资源的集约化利用。
[0003]智慧城市应运而生，其起源于传媒领域，是指利用各种信息技术或创新概念，将城市的系统和服务打通、集成，以提升资源运用的效率，优化城市管理和服务，以及改善市民生活质量，智慧城市是把新一代信息技术充分运用在城市中各行各业基于知识社会下一代创新的城市信息化高级形态，实现信息化、工业化与城镇化深度融合，提高城镇化质量，实现精细化和动态管理，并提升城市管理成效和改善市民生活质量。
[0004]在实际应用中，智慧城市依靠着众多电子元器件吸收多媒体信息，再汇总进行统一处理，针对于街道、商场乃至本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的智能应急监控方法，其特征在于，包括以下步骤：识别应急类型，基于不同的所述应急类型输出对应的响应机制以获取监控画面，其中，若所述应急类型为I级，则输出I级响应机制；若所述应急类型为II级，则输出II级响应机制，所述II级响应机制的优先级高于所述I级响应机制；基于所述监控画面识别人脸数据信息，输入到训练好的人脸识别神经网络模型中，得到模拟输出值；根据所述模拟输出值，判断目标位置的监控方向以调整对应的监控器，其中，基于预存的数据比对库提取所述目标位置的监控方向，获取所述目标位置的所述监控器的当前拍摄角度，计算所述监控器拍摄角度与所述监控方向的几何差值，以得到所述监控器的偏移角进而调整所述监控器的方向。2.根据权利要求1所述的一种基于神经网络的智能应急监控方法，其特征在于，所述识别应急类型，基于不同的所述应急类型输出对应的响应机制以获取监控画面，具体为：获取应急信息，提取应急因子以判断所述应急类型的等级，得到所述I级类型与所述II级类型；输出I级响应机制，则将所述监控画面调整为目标区域内的画面；输出II级响应机制，则将所述监控画面调整为所述目标区域内的画面与应急撤离路线的画面的集合。3.根据权利要求1所述的一种基于神经网络的智能应急监控方法，其特征在于，所述基于所述监控画面识别人脸数据信息，具体为：获取所述监控画面，提取帧图像；对所述帧图像进行逐帧比较并分类，得到所述监控画面的画面内容；基于人脸识别因子从所述画面内容中提取得到所述人脸数据信息。4.根据权利要求1所述的一种基于神经网络的智能应急监控方法，其特征在于，所述人脸识别神经网络模型训练方法为：获取历史监控画面的人脸数据与响应机制；将所述历史监控画面的人脸数据与响应机制进行预处理，得到训练样本集；将所述训练样本集输入至初始化的所述人脸识别神经网络模型中训练；获取输出结果的准确率；若所述准确率大于预设的准确率阈值，则停止训练，得到所述人脸识别神经网络模型。5.根据权利要求1所述的一种基于神经网络的智能应急监控方法，其特征在于，所述方法还包括获取所述监控器的运行状态信息，识别到故障因子超出预设阈值后发出告警提醒。6.根据权利要求1所述的一种基于神经网络的智能应急监控方法，其特征在于，还包括：将所述监控画面划分为不同的子区域；获取每个子区域中的人脸数据信息...

【专利技术属性】
技术研发人员：张天莹，钟蕾，孙小光，黎波，刘秀川，
申请(专利权)人：北京通建泰利特智能系统工程技术有限公司，
类型：发明
国别省市：