基于机器学习的安保活动方案生成方法及系统技术方案

本发明专利技术公开了基于机器学习的安保活动方案生成方法及系统，本发明专利技术涉及安保技术领域，包括以下步骤：S1、获取安保活动方案，建立机器学习样本；S2、将步骤S1中的学习样本录入到机器中，使得机器对样本进行学习，生成若干个安保活动模型；S3、从生成的若干个模型中，对每个样本模型进行自主演练，得出演练结果，从演练的结果中选出最佳安保活动模型。该基于机器学习的安保活动方案生成方法及系统，通过对模型进行建模和建立虚拟场景，然后对模型进行自主演练，得到安保的结果，然后再从得出的结果中选出最佳的方案，通过WIFI节点收集信道状态信息和接收信号强度指示数据，并对收集的信息进行筛选，消除由频率偏移而产生的相位所引起的误差。误差。误差。

【技术实现步骤摘要】
基于机器学习的安保活动方案生成方法及系统


[0001]本专利技术涉及安保
，具体为基于机器学习的安保活动方案生成方法及系统。

技术介绍

[0002]随着计算机技术的高速发展，基于机器学习的图像处理技术也愈发成熟，并应用在各行各业中，在一些社区的安保系统中，大多采用机器学习来监控安保系统，从而大大的降低了人工的工作强度。
[0003]中国专利公开号为CN112733819B的专利技术提出了一种基于深度学习图像处理的多模式安保监测方法，将需要监控的场景按照重要程度进行划分，并根据后续的机器学习结果定期调整，实现将有限的监控资源应用在最需要监控的地方，同时对需要监控的内容也进行重点关注，通过设定危险ID和次危险ID，将最可能出现需要监控的人物给筛选出来，两个操作的结合，实现对最需要监控的地方出现的最需要监控的人进行重点监测，同时通过采集实际的需要监控的场景，粘贴外来的大量训练数据，实现符合待监测场景的预训练集数据的丰富，进而提高最终识别的精度。同时通过训练后的结果，还可以对最可能发送异常行为的区域进行调整监督。实现以较低的设备成本和开销达成最大效率的视频在线监控。
[0004]然而目前的机器学习安保方案还不够成熟，使得生出的方案效果不佳，从而使得安保性能降低，无法起到很好的安保作用。

技术实现思路

[0005]针对现有技术的不足，本专利技术提供了基于机器学习的安保活动方案生成方法及系统，解决了传统的机器学习安保系统不够成熟，使得生成的安保方案效果差的问题。
[0006]为实现以上目的，本专利技术通过以下技术方案予以实现：基于机器学习的安保活动方案生成方法，包括以下步骤：
[0007]S1、获取安保活动方案，建立机器学习样本；
[0008]S2、将步骤S1中的学习样本录入到机器中，使得机器对样本进行学习，生成若干个安保活动模型；
[0009]S3、从生成的若干个模型中，对每个样本模型进行自主演练，得出演练结果，从演练的结果中选出最佳安保活动模型；
[0010]作为本专利技术进一步的方案：所述步骤S2中，对样本进行学习时，包括以下步骤：
[0011]A、接收训练数据和机器学习模型的属性指标；
[0012]B、根据属性指标来利用数据库确定训练模型；
[0013]C、确定训练模型后，对该模型进行训练，使其获得模型训练的属性目标；
[0014]D、在训练模型时，若获得的属性目标不满足时，则重复步骤C进行训练，直至训练得到的目标满足即可。
[0015]作为本专利技术进一步的方案：所述步骤S3中，在对模型进行演练时，包括以下步骤：
[0016]a、获取安保场景三维数据，根据三维数据构建三维仿真模型，再根据三维仿真模型获取虚拟安保场景；
[0017]b、对获取的样本数据集进行虚拟化演练，将演练得出的结果进行储存；
[0018]c、对每个演练的结果进行对比分析，选出最佳的安保方案。
[0019]基于机器学习的安保活动方案生成系统，所述基于机器学习的安保活动方案生成方法包括有方案设计模块和方案学习模块、方案生成模块以及方案确定模块，方案设计模块用于设计安保的方案，方案学习模块用于机器人的模型训练学习，方案生成模块用于机器模型训练的生成，方案确定模块用于机器模型训练后的确定。
[0020]作为本专利技术进一步的方案：所述方案设计模块采用人工设计，人工将安保方案设计完毕后，将方案数据录入到机器中，以便机器人进行学习样本。
[0021]作为本专利技术进一步的方案：所述方案学习模块选用深度学习神经网络、卷积神经网络、深度判别网络以及自动编码器的其中至少一种，且在学习时，通过WIFI节点收集信道状态信息和接收信号强度指示数据，并对收集的信息进行筛选，去除异常数据，消除由频率偏移而产生的相位所引起的误差。
[0022]作为本专利技术进一步的方案：所述方案生成模块包括有数据储存模块，将方案生成的模型自动储存在数据储存模块中，使得下次进行安保方案时，从数据库中进行筛选训练，节省时间。
[0023]本专利技术提供了基于机器学习的安保活动方案生成方法及系统，与现有技术相比具备以下有益效果：
[0024]该基于机器学习的安保活动方案生成方法及系统，通过对模型进行建模和建立虚拟场景，然后对模型进行自主演练，得到安保的结果，然后再从得出的结果中选出最佳的方案，从而保证机器学习安保的成熟性，通过WIFI节点收集信道状态信息和接收信号强度指示数据，并对收集的信息进行筛选，去除异常数据，消除由频率偏移而产生的相位所引起的误差，从而降低机器在学习中产生的误差。
附图说明
[0025]图1为本专利技术的原理系统框架图。
具体实施方式
[0026]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0027]请参阅图1，本专利技术提供一种技术方案：基于机器学习的安保活动方案生成方法，包括以下步骤：
[0028]S1、获取安保活动方案，建立机器学习样本；
[0029]S2、将步骤S1中的学习样本录入到机器中，使得机器对样本进行学习，生成若干个安保活动模型；
[0030]S3、从生成的若干个模型中，对每个样本模型进行自主演练，得出演练结果，从演
练的结果中选出最佳安保活动模型；
[0031]作为本专利技术进一步的方案：步骤S2中，对样本进行学习时，包括以下步骤：
[0032]A、接收训练数据和机器学习模型的属性指标；
[0033]B、根据属性指标来利用数据库确定训练模型；
[0034]C、确定训练模型后，对该模型进行训练，使其获得模型训练的属性目标；
[0035]D、在训练模型时，若获得的属性目标不满足时，则重复步骤C进行训练，直至训练得到的目标满足即可。
[0036]作为本专利技术进一步的方案：步骤S3中，在对模型进行演练时，包括以下步骤：
[0037]a、获取安保场景三维数据，根据三维数据构建三维仿真模型，再根据三维仿真模型获取虚拟安保场景；
[0038]b、对获取的样本数据集进行虚拟化演练，将演练得出的结果进行储存；
[0039]c、对每个演练的结果进行对比分析，选出最佳的安保方案。
[0040]基于机器学习的安保活动方案生成系统，基于机器学习的安保活动方案生成方法包括有方案设计模块和方案学习模块、方案生成模块以及方案确定模块，方案设计模块用于设计安保的方案，方案学习模块用于机器人的模型训练学习，方案生成模块用于机器模型训练的生成，方案确定模块用于机器模型训练后的确定。
[0041]作为本专利技术进一步的方案：方案设计模块采用人工设计，人工将安保方案设计完毕后，将方案数据录入到机器中，以便机器人进行学习样本。
...

【技术保护点】

【技术特征摘要】
1.基于机器学习的安保活动方案生成方法，其特征在于，包括以下步骤：S1、获取安保活动方案，建立机器学习样本；S2、将步骤S1中的学习样本录入到机器中，使得机器对样本进行学习，生成若干个安保活动模型；S3、从生成的若干个模型中，对每个样本模型进行自主演练，得出演练结果，从演练的结果中选出最佳安保活动模型。2.根据权利要求1所述的基于机器学习的安保活动方案生成方法，其特征在于：所述步骤S2中，对样本进行学习时，包括以下步骤：A、接收训练数据和机器学习模型的属性指标；B、根据属性指标来利用数据库确定训练模型；C、确定训练模型后，对该模型进行训练，使其获得模型训练的属性目标；D、在训练模型时，若获得的属性目标不满足时，则重复步骤C进行训练，直至训练得到的目标满足即可。3.根据权利要求1所述的基于机器学习的安保活动方案生成方法，其特征在于：所述步骤S3中，在对模型进行演练时，包括以下步骤：a、获取安保场景三维数据，根据三维数据构建三维仿真模型，再根据三维仿真模型获取虚拟安保场景；b、对获取的样本数据集进行虚拟化演练，将演练得出的结果进行储存；c、对每个演练的结果进行对比分析，选出最佳的安保方案。4.基于机器学习...

【专利技术属性】
技术研发人员：孙秋燕，陆小燕，
申请(专利权)人：南通安邦信息技术有限公司，
类型：发明
国别省市：