基于区块链网络的校园隐患排查系统技术方案

本发明专利技术提出了一种基于区块链网络的校园隐患排查系统，包括：特征集生成单元，用于对异常图形集合进行条件筛选识别，根据关联性回归模型计算获取目标对象的特征参数，将计算后的特征参数形成巡检特征集；轨迹遍历单元，用于在巡检特征集中通过巡检轨迹函数进行遍历，从而筛选出校园安防巡检的异常图形。而筛选出校园安防巡检的异常图形。而筛选出校园安防巡检的异常图形。

【技术实现步骤摘要】
为巡检异常图形向量，μ为巡检调节参数，||
·
||代表模长，L
xk
为x 方位第k个异常图形向量的关联程度值，L
yk
为y方位第k个异常图形向量的关联 程度值，当f
n
值越大则表示第n个安全巡检单元所包含的异常图形越多，在该安全 巡检单元提供巡检等级，并对该安全巡检单元周围的安全巡检单元查找类似异常图 形的轨迹。
[0024]优选的，所述轨迹遍历单元包括：
[0025]通过巡检轨迹函数获取校园异常图形巡检轨迹，进行安全隐患的筛查，每次对 n个安全巡检单元进行历史数据收集，对巡检路线映射到远程服务器巡检终端上， 发现异常图形的安全巡检单元赋值为1，为发现异常图形赋值为0，形成巡检轨迹图； 历史数据中每次巡检都可以获得一个巡检轨迹图；将所有巡检时获得的巡检轨迹图 求和，然后对求和后获得的图像归一化处理获得巡检热度图。
[0026]综上所述，由于采用了上述技术方案，本专利技术的有益效果是：
[0027]通过在区块链网络中设置相应的安全巡检单元，通过异常图形的相关性筛选以 及条件判断之后，对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区块链网络的校园隐患排查系统，其特征在于，包括：特征集生成单元，用于对异常图形集合进行条件筛选识别，根据关联性回归模型计算获取目标对象的特征参数，将计算后的特征参数形成巡检特征集；轨迹遍历单元，用于在巡检特征集中通过巡检轨迹函数进行遍历，从而筛选出校园安防巡检的异常图形。2.根据权利要求1所述的基于区块链网络的校园隐患排查系统，其特征在于，所述特征集生成单元包括：安全巡检单元提取异常图形时，所提取的异常图形也会存在于另一安全巡检单元中，这就需要对异常图形进行重复去噪处理，对重复的异常图形进行遍历去噪计算，将异常图形集合B中的图形信息逐个放入筛选的条件概率中；对于集合B中分为在n个安全巡检单元中收集的异常图形集合B
n
，以及异常图形集合中j个重复的异常图形B
j
，C为异常图形集合B中异常图形的属性条件，满足筛选条件算法M为正整数异常图形数值，其中，表示B
n
的所有异常图形的属性条件C的条件概率的乘积，B
n
和B
j
以及C的联合概率分布为P(B
n
,B
j
|C)，以及遍历B
n
和C得到条件概率分布P(B
n
|C)，遍历B
j
和C得到条件概率分布P(B
j
|C)。3.根据权利要求1所述的基于区块链网络的校园隐患排查系统，其特征在于，所述特征集生成单元包括：经过条件筛选之后去掉重复的异常图形，在异常图形中需要定位真正的安全风险目标对象，根据安全性信息判定条件进行关联性计算，关联性计算回归模型函数为：F
n
＝I
n
(u)+σ+J
n
·
ε+K
n
·
μF
n
为目标对象关联预测值，ε为目标对象关联预测值F
n
和J
n
物体跌落输出图形集合的回归系数，μ为目标对象关联预测值F
n
和K
n
人员聚集输出图形集合的回归系数，σ为分布图形的调节系数，I
n
(u)为场所动态数据判断函数、通过异常图形中获取温度图形监测数据，u为温度图形数量，A
n
为显示温度图形通信反馈超时阈值、b
n
为通信中断阈值、h为综合判断场所温度图形的应力，λ为判断参数，通过对物体跌落判断模型进行模型计算由于物体判断过程中需要对图形x和y方位进行联合处理，对异常图形中相邻像素发生的变化度进行梯度运算，D...

【专利技术属性】
技术研发人员：谭昌壘，夏耿，
申请(专利权)人：中安链科技重庆有限公司，
类型：发明
国别省市：