一种基于数据加密的智慧社区警务巡防方法及系统技术方案

本发明专利技术公开了一种基于数据加密的智慧社区警务巡防方法及系统，涉及社区智能管理技术领域，该基于数据加密的智慧社区警务巡防方法包括以下步骤：居民与管理员分别进行信息登录注册；对监控视频数据进行预处理；将社区划分为居民密集区域

【技术实现步骤摘要】
一种基于数据加密的智慧社区警务巡防方法及系统


[0001]本专利技术涉及社区智能管理
，具体来说，涉及一种基于数据加密的智慧社区警务巡防方法及系统
。

技术介绍

[0002]智慧城区（社区）是指充分借助互联网
、
物联网，涉及到智能楼宇
、
智能家居
、
路网监控
、
智能医院
、
城市生命线管理
、
食品药品管理
、
票证管理
、
家庭护理
、
个人健康与数字生活等诸多领域，把握新一轮科技创新革命和信息产业浪潮的重大机遇，充分发挥信息通信（
ICT
）产业发达
、RFID
相关技术领先
、
电信业务及信息化基础设施优良等优势，通过建设
ICT
基础设施
、
认证
、
安全等平台和示范工程，加快产业关键技术攻关，构建城区（社区）发展的智慧环境，形成基于海量信息和智能过滤处理的新的生活
、
产业发展
、
社会管理等模式，面向未来构建全新的城区（社区）形态
。“智慧社区”建设，是将“智慧城市”的概念引入了社区，以社区群众的幸福感为出发点，通过打造智慧社区为社区百姓提供便利，从而加快和谐社区建设，推动区域社会进步
。
基于物联网
、
云计算等高新技术的“智慧社区”是“智慧城市”的一个“细胞”，它将是一个以人为本的智能管理系统，有望使人们的工作和生活更加便捷
、
舒适
、
高效
。
[0003]在社区管理中，由保安人员在社区的出入口及内部空间实施巡防，可以核验社区出入人员身份，及时发现可疑人物，扶助老幼，纠正乱停车
、
占用私家车位
、
堵塞道路和消防通道等不规范行为，从而维护社区内部的安全环境和文明秩序，但由于社区分布较大，居民较多，保安人力有限，无法全面覆盖每一个角落，并且保安人员存在人为错误以及不法分子伪装的风险，不便于根据监控视频来判断社区异常风险的问题，对传输的视频数据不能进行很好的加密，导致数据传输和存储的安全性得不到保证
。
[0004]针对相关技术中的问题，目前尚未提出有效的解决方案
。

技术实现思路

[0005]针对现有技术的不足，本专利技术提出一种基于数据加密的智慧社区警务巡防方法及系统，解决了上述
技术介绍
中提出现有的但由于社区分布较大，居民较多，保安人力有限，无法全面覆盖每一个角落，并且保安人员存在人为错误以及不法分子伪装的风险，不便于根据监控视频来判断社区异常风险的问题，对传输的视频数据不能进行很好的加密，导致数据传输和存储的安全性得不到保证的问题
。
[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：根据本专利技术的一个方面，提供了一种基于数据加密的智慧社区警务巡防方法，该基于数据加密的智慧社区警务巡防方法包括以下步骤：
S1、
制定社区服务程序与居民管理程序，居民与管理员分别进行信息登录注册；
S2、
收集社区内各个监控终端设备产生的监控视频数据，并对监控视频数据进行预处理；
S3、
利用图像识别技术将社区划分为居民密集区域
、
居民稀少区域及无居民区域；
S4、
基于相似图的异常行为检测算法，持续监控各区域居民活动情况，通过与信息登录注册比对，判断是否符合信息登录注册的正常情况，并及时通知社区警务进行处理；
S5、
对监控视频数据进行数据加密，并实时传输到管理中心，根据监控视频数据调整管理策略
。
[0007]进一步的，收集社区内各个监控终端设备产生的监控视频数据，并对监控视频数据进行预处理包括以下步骤：
S21、
通过线性加权法将监控视频中彩色图像的
RGB
颜色空间转换为灰度图像；
S22、
采用阈值分割法，根据像素的灰度等级进行聚类，将相同灰度等级的像素视为同一区域；
S23、
将每个区域的面积按一定顺序组成面积序列，用作特征向量表示图像；
S24、
通过欧式距离计算区域面积的有序特征向量来表示图像；
S25、
对梯度图像进行细化及二值化处理，并将梯度值大于阈值的像素点作为边缘点；
S27、
将相邻的边缘点连接成连通域，得到最终的边缘图像
。
[0008]进一步的，利用图像识别技术将社区划分为居民密集区域
、
居民稀少区域及无居民区域包括以下步骤：
S31、
对获取的边缘图像的重复数据
、
缺失值和异常值进行去噪
、
滤波及平滑处理，得到复原边缘图像；
S32、
使用改进的混合高斯模型对复原边缘图像进行前景提取，获取只包含居民目标的前景图像；
S33、
通过形态学处理，去除前景图像中与边缘粘连的噪声像素，得到处理后的新图像；
S34、
对复原边缘图像进行小波包分解，得到一级分量和二级分量；
S35、
计算新图像
、
一级分量及二级分量的分形盒维数，得到特征值一
、
特征值二及特征值三；
S36、
将特征值一
、
特征值二及特征值三作为特征向量，训练
SVM
模型，将居民密度分为居民密集区域
、
居民稀少区域及无居民区域类别；
S37、
使用基于支持向量机的优化算法对
SVM
进行参数优化，实现模型参数的最优化；
S38、
对新的边缘图像，重复步骤
S31
至
S34
，提取新的特征值一
、
特征值二及特征值三；
S39、
使用训练好的
SVM
模型对新的特征值一
、
特征值二及特征值三进行分类，实时统计居民密度等级；
S310、
循环步骤
S39
及步骤
S310
，直到监控视频处理结束，得到社区的居民密度分布
。
[0009]进一步的，使用改进的混合高斯模型对复原边缘图像进行前景提取，获取只包含居民目标的前景图像包括以下步骤：
S321、
对社区监控视频进行混合高斯建模，通过优化参数的更新方式，使短时间内
的静止目标像素点与背景像素点不匹配；
S322、
对于与背景匹配的像素点，参数则被更新，对于与背景不匹配的像素点，参数则被保留；
S323、
设置前景目标像素点从静止状态到运动状态的最小时间间隔；
S324、
定义像素点在预设时刻的累积本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于数据加密的智慧社区警务巡防方法，其特征在于，该基于数据加密的智慧社区警务巡防方法包括以下步骤：
S1、
制定社区服务程序与居民管理程序，居民与管理员分别进行信息登录注册；
S2、
收集社区内各个监控终端设备产生的监控视频数据，并对监控视频数据进行预处理；
S3、
利用图像识别技术将社区划分为居民密集区域
、
居民稀少区域及无居民区域；
S4、
基于相似图的异常行为检测算法，持续监控各区域居民活动情况，通过与信息登录注册比对，判断是否符合信息登录注册的正常情况，并及时通知社区警务进行处理；
S5、
对监控视频数据进行数据加密，并实时传输到管理中心，根据监控视频数据调整管理策略
。2.
根据权利要求1所述的一种基于数据加密的智慧社区警务巡防方法，其特征在于，所述收集社区内各个监控终端设备产生的监控视频数据，并对监控视频数据进行预处理包括以下步骤：
S21、
通过线性加权法将监控视频中彩色图像的
RGB
颜色空间转换为灰度图像；
S22、
采用阈值分割法，根据像素的灰度等级进行聚类，将相同灰度等级的像素视为同一区域；
S23、
将每个区域的面积按一定顺序组成面积序列，用作特征向量表示图像；
S24、
通过欧式距离计算区域面积的有序特征向量来表示图像；
S25、
对梯度图像进行细化及二值化处理，并将梯度值大于阈值的像素点作为边缘点；
S27、
将相邻的边缘点连接成连通域，得到最终的边缘图像
。3.
根据权利要求2所述的一种基于数据加密的智慧社区警务巡防方法，其特征在于，所述利用图像识别技术将社区划分为居民密集区域
、
居民稀少区域及无居民区域包括以下步骤：
S31、
对获取的边缘图像的重复数据
、
缺失值和异常值进行去噪
、
滤波及平滑处理，得到复原边缘图像；
S32、
使用改进的混合高斯模型对复原边缘图像进行前景提取，获取只包含居民目标的前景图像；
S33、
通过形态学处理，去除前景图像中与边缘粘连的噪声像素，得到处理后的新图像；
S34、
对复原边缘图像进行小波包分解，得到一级分量和二级分量；
S35、
计算新图像
、
一级分量及二级分量的分形盒维数，得到特征值一
、
特征值二及特征值三；
S36、
将特征值一
、
特征值二及特征值三作为特征向量，训练
SVM
模型，将居民密度分为居民密集区域
、
居民稀少区域及无居民区域类别；
S37、
使用基于支持向量机的优化算法对
SVM
进行参数优化，实现模型参数的最优化；
S38、
对新的边缘图像，重复步骤
S31
至
S34
，提取新的特征值一
、
特征值二及特征值三；
S39、
使用训练好的
SVM
模型对新的特征值一
、
特征值二及特征值三进行分类，实时统计居民密度等级；
S310、
循环步骤
S39
及步骤
S310
，直到监控视频处理结束，得到社区的居民密度分布
。4.
根据权利要求3所述的一种基于数据加密的智慧社区警务巡防方法，其特征在于，所
述使用改进的混合高斯模型对复原边缘图像进行前景提取，获取只包含居民目标的前景图像包括以下步骤：
S321、
对社区监控视频进行混合高斯建模，通过优化参数的更新方式，使短时间内的静止目标像素点与背景像素点不匹配；
S322、
对于与背景匹配的像素点，参数则被更新，对于与背景不匹配的像素点，参数则被保留；
S323、
设置前景目标像素点从静止状态到运动状态的最小时间间隔；
S324、
定义像素点在预设时刻的累积静止时间；
S325、
当目标运动或被遮挡的时间小于时间阈值，并且累积静止时间的值大于最小时间间隔时，则像素点被认为是前景目标
。5.
根据权利要求4所述的一种基于数据加密的智慧社区警务巡防方法，其特征在于，所述使用基于支持向量机的优化算法对
SVM
进行参数优化，实现模型参数的最优化包括以下步骤：
S371、
建立区域扫描器，确定
SVM
模型的参数寻优范围；...

【专利技术属性】
技术研发人员：王勇成，黄小烨，季政傈，
申请(专利权)人：江苏达海智能系统股份有限公司，
类型：发明
国别省市：