System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理,具体涉及一种基于人工智能的安全事件预测与防范系统。
技术介绍
1、公共场所的安全通常由监控设备进行实时监测,再由公共场所管理人员日常巡检或报警的方式,对已发生的安全事件进行遏制及处理。
2、目前的公共场所安全事件的预防及维护,仍存在较大的延时性,无法对安全事件作出一定程度的主动预见及安全事件证据的精准采集。
技术实现思路
1、针对现有技术所存在的上述缺点,本专利技术提供了一种基于人工智能的安全事件预测与防范系统,解决了上述
技术介绍
中提出的技术问题。
2、为实现以上目的,本专利技术通过以下技术方案予以实现:
3、一种基于人工智能的安全事件预测与防范系统,包括采集层、分析层及预测层;
4、目标区域的布局参数及目标区域的监控设备监控影像数据通过采集层采集,采集层同步基于采集的目标区域的布局参数评估监控设备关联区域盲区率,分析层获取采集层中评估得到的监控设备关联区域盲区率,基于盲区率执行采集层采集的监控影像数据的降序队列生成,进一步通过生成的监控影像数据降序队列于采集层中接收监控影像数据,并对监控影像数据进行动态目标识别,以动态目标识别结果分析动态目标集群,预测层实时接收分析层中动态目标集群分析结果,基于动态目标集群分析结果预测安全事件是否存在;
5、所述分析层包括生成模块、接收模块及识别模块,生成模块用于接收采集层中评估得到的监控设备关联区域盲区率,基于盲区率大小对监控设备进行降序排列,接收模块用于接收采
6、所述识别模块中动态目标人脸相似性识别逻辑表示为:;
7、式中:为动态目标人脸b与动态目标人脸d的相似性;为动态目标人脸图像中识别区域的集合;为d组动态目标人脸中第q个识别区域的特征向量;为b组动态目标人脸中第q个识别区域的特征向量;为偏置;为d组动态目标人脸图像基于r、g、b三通道的平均灰度值;为b组动态目标人脸图像基于r、g、b三通道的平均灰度值;为权重;为动态目标人脸图像中识别区域的总量;
8、其中,权重取值服从,动态目标人员图像分辨率越高,则权重的取值越大,反之,则权重的取值越小,且权重0<≤1,d组动态目标人脸及b组动态目标人脸分别来源于两组不同的图像数据,动态目标人脸的相似性不小于95%,判定两组动态目标人脸一致,反之,则不一致,并对判定结果为是次数最多的两组图像数据再次进行动态目标人脸相似性识别。
9、更进一步地,所述采集层包括交互模块、储存模块及评估模块,交互模块用于获取目标区域中部署的监控设备实时监控的影像数据及目标区域的布局参数,储存模块用于接收交互模块中获取的监控影像数据,评估模块用于遍历交互模块中获取的目标区域的布局参数,基于目标区域布局参数评估监控设备关联区域盲区率;
10、其中,所述交互模块中获取的目标区域布局参数由系统端用户手动上传,目标区域布局参数包括目标区域建筑墙体的位置坐标及监控设备于目标区域内的部署坐标,交互模块基于目标区域建筑墙体的位置坐标及监控设备于目标区域内的部署坐标构建目标区域三维模型。
11、更进一步地,所述评估模块中遍历目标区域布局参数的操作,及对交互模块中构建的目标区域三维模型的读取操作,评估模块中监控设备关联区域盲区率的评估逻辑表示为:;式中:为监控设备关联区域盲区率;为监控设备到下一监控设备间的可行径路径的集合;为第i条可行径路径中可行径路径的总长;为第i条可行径路径上分布的房间数量;为第i条可行径路径中所有拐角区域的面积总和;、、为权重;为监控设备监控区域的集合;为第i个区域中监控路径的总长;为第i个区域中监控房间的数量;为第i个区域中监控拐角的区域面积总和;、、为权重;
12、其中,监控设备关联区域盲区率的值越大,则表示监控设备关联区域安全性越低,上式中应用的、、及、、均于目标区域三维模型中获取。
13、更进一步地,所述、、的取值服从,++=1,且≤≤,所述、、的取值服从,++=1,且≥≥。
14、更进一步地,所述生成模块运行对监控设备进行降序排列,同步将降序排列的监控设备队列向采集层中储存模块反馈,储存模块接收监控设备队列,基于监控设备队列对内部储存的各来源于监控设备的监控影像数据进行归类及排序;
15、其中储存模块由生成模块反馈的监控设备队列,完成监控影像数据的归类及排序后,接收模块同步运行,接收模块每次运行于储存模块中基于监控影像数据排序结果,按顺序接收一组来源于同一监控设备的所有监控影像数据。
16、更进一步地,所述识别模块于监控影像数据中抓取图像数据的逻辑表示为:;
17、式中:为图像数据抓取频率;为监控影像数据对应区域的通过路径长度;为动态目标运动速度;其中,,为监控影像数据对应区域行径方向左侧区域外轮廓总长;为监控影像数据对应区域行径方向右侧区域外轮廓总长,的取值通过系统端用户手动设定或取1m/s。
18、更进一步地,所述识别模块在对监控影像数据进行动态目标识别后,同步对存在动态目标的监控影像数据中的画面帧进行截取,并对截取的画面帧同步应用识别模块中动态目标人脸相似性识别逻辑,进行动态目标人脸的相似性识别,在完成相似性识别后,同步执行动态目标人脸是否一致的判定,并对判定结果为是次数最多的两组画面帧再次进行动态目标人脸相似性识别,基于画面帧的最终的动态目标人员相似性识别结果,与基于图像数据的最终的动态目标人员相似性识别结果中动态目标人脸判定结果为一致的次数相等时,将画面帧或图像数据中判定为一致的动态目标人脸组合,记作动态目标集群,反之,将画面帧或图像数据中数量最少的判定为一致的动态目标人脸组合,记作动态目标集群。
19、更进一步地,所述预测层包括调取模块、预测模块及标记模块,调取模块用于调取系统中分析层运行阶段,采集层中交互模块运行获取的目标区域监控影像数据,预测模块用于驱动分析层运行,对调取模块调取的监控影像数据进行处理,再次分析动态目标集群,同步接收上一次分析层运行分析的动态目标集群,应用两组动态目标集群预测是否存在安全事件,标记模块用于标记采集层中储存模块中储存的存在动态目标集群的监控影像数据;
20、其中,标记模块对于监控影像数据的标记操作,即对储存模块中监控影像数据的重命名操作。
21、更进一步地,所述预测模块中设定有预测逻辑,预测逻辑表示为:式中:为动态目标集群x中对应动态目标人脸图像与动态目标集群x中对应动态目标人脸图像的相似度;为两组动态目标集群中动态目标的平均数;
22、其中,所述预测模块中两组动态目标集群满足式(1)或式(2)中任意一组,则表示预测模块预测结果为目标区域不存在安全事件,反之,则表示预测模块预测结果本文档来自技高网...
【技术保护点】
1.一种基于人工智能的安全事件预测与防范系统,其特征在于,包括采集层、分析层及预测层;
2.根据权利要求1所述的一种基于人工智能的安全事件预测与防范系统,其特征在于,所述采集层包括交互模块、储存模块及评估模块,交互模块用于获取目标区域中部署的监控设备实时监控的影像数据及目标区域的布局参数,储存模块用于接收交互模块中获取的监控影像数据,评估模块用于遍历交互模块中获取的目标区域的布局参数,基于目标区域布局参数评估监控设备关联区域盲区率;
3.根据权利要求2所述的一种基于人工智能的安全事件预测与防范系统,其特征在于,所述评估模块中遍历目标区域布局参数的操作,及对交互模块中构建的目标区域三维模型的读取操作,评估模块中监控设备关联区域盲区率的评估逻辑表示为:;式中:为监控设备关联区域盲区率;为监控设备到下一监控设备间的可行径路径的集合;为第i条可行径路径中可行径路径的总长;为第i条可行径路径上分布的房间数量;为第i条可行径路径中所有拐角区域的面积总和;、、为权重;为监控设备监控区域的集合;为第I个区域中监控路径的总长;为第I个区域中监控房间的数量;为第I个区域中监控
4.根据权利要求3所述的一种基于人工智能的安全事件预测与防范系统,其特征在于,所述、、的取值服从,++=1,且≤≤,所述、、的取值服从,++=1,且≥≥。
5.根据权利要求1所述的一种基于人工智能的安全事件预测与防范系统,其特征在于,所述生成模块运行对监控设备进行降序排列,同步将降序排列的监控设备队列向采集层中储存模块反馈,储存模块接收监控设备队列,基于监控设备队列对内部储存的各来源于监控设备的监控影像数据进行归类及排序;
6.根据权利要求1所述的一种基于人工智能的安全事件预测与防范系统,其特征在于,所述识别模块于监控影像数据中抓取图像数据的逻辑表示为:;
7.根据权利要求1所述的一种基于人工智能的安全事件预测与防范系统,其特征在于,所述识别模块在对监控影像数据进行动态目标识别后,同步对存在动态目标的监控影像数据中的画面帧进行截取,并对截取的画面帧同步应用识别模块中动态目标人脸相似性识别逻辑,进行动态目标人脸的相似性识别,在完成相似性识别后,同步执行动态目标人脸是否一致的判定,并对判定结果为是次数最多的两组画面帧再次进行动态目标人脸相似性识别,基于画面帧的最终的动态目标人员相似性识别结果,与基于图像数据的最终的动态目标人员相似性识别结果中动态目标人脸判定结果为一致的次数相等时,将画面帧或图像数据中判定为一致的动态目标人脸组合,记作动态目标集群,反之,将画面帧或图像数据中数量最少的判定为一致的动态目标人脸组合,记作动态目标集群。
8.根据权利要求1所述的一种基于人工智能的安全事件预测与防范系统,其特征在于,所述预测层包括调取模块、预测模块及标记模块,调取模块用于调取系统中分析层运行阶段,采集层中交互模块运行获取的目标区域监控影像数据,预测模块用于驱动分析层运行,对调取模块调取的监控影像数据进行处理,再次分析动态目标集群,同步接收上一次分析层运行分析的动态目标集群,应用两组动态目标集群预测是否存在安全事件,标记模块用于标记采集层中储存模块中储存的存在动态目标集群的监控影像数据;
9.根据权利要求8所述的一种基于人工智能的安全事件预测与防范系统,其特征在于,所述预测模块中设定有预测逻辑,预测逻辑表示为:;式中:为动态目标集群x中对应动态目标人脸图像与动态目标集群x中对应动态目标人脸图像的相似度;为两组动态目标集群中动态目标的平均数;
10.根据权利要求1所述的一种基于人工智能的安全事件预测与防范系统,其特征在于,所述生成模块通过介质电性连接有识别模块及接收模块,所述识别模块通过无线网络交互连接有调取模块,所述调取模块通过介质电性连接有预测模块及标记模块,所述生成模块通过无线网络交互连接有交互模块,所述交互模块通过介质电性连接有储存模块及评估模块。
...【技术特征摘要】
1.一种基于人工智能的安全事件预测与防范系统,其特征在于,包括采集层、分析层及预测层;
2.根据权利要求1所述的一种基于人工智能的安全事件预测与防范系统,其特征在于,所述采集层包括交互模块、储存模块及评估模块,交互模块用于获取目标区域中部署的监控设备实时监控的影像数据及目标区域的布局参数,储存模块用于接收交互模块中获取的监控影像数据,评估模块用于遍历交互模块中获取的目标区域的布局参数,基于目标区域布局参数评估监控设备关联区域盲区率;
3.根据权利要求2所述的一种基于人工智能的安全事件预测与防范系统,其特征在于,所述评估模块中遍历目标区域布局参数的操作,及对交互模块中构建的目标区域三维模型的读取操作,评估模块中监控设备关联区域盲区率的评估逻辑表示为:;式中:为监控设备关联区域盲区率;为监控设备到下一监控设备间的可行径路径的集合;为第i条可行径路径中可行径路径的总长;为第i条可行径路径上分布的房间数量;为第i条可行径路径中所有拐角区域的面积总和;、、为权重;为监控设备监控区域的集合;为第i个区域中监控路径的总长;为第i个区域中监控房间的数量;为第i个区域中监控拐角的区域面积总和;、、为权重;
4.根据权利要求3所述的一种基于人工智能的安全事件预测与防范系统,其特征在于,所述、、的取值服从,++=1,且≤≤,所述、、的取值服从,++=1,且≥≥。
5.根据权利要求1所述的一种基于人工智能的安全事件预测与防范系统,其特征在于,所述生成模块运行对监控设备进行降序排列,同步将降序排列的监控设备队列向采集层中储存模块反馈,储存模块接收监控设备队列,基于监控设备队列对内部储存的各来源于监控设备的监控影像数据进行归类及排序;
6.根据权利要求1所述的一种基于人工智能的安全事件预测与防范系统,其特征在于,所述识别模块于监控影像数据中抓取图像数据的逻辑表示为:;
7.根据权利要求1所述的一种基于人工智能的安全事件预测与...
【专利技术属性】
技术研发人员:魏力鹏,严彬元,陶佳冶,付鋆,班秋成,刘俊荣,周泽元,
申请(专利权)人:贵州电网有限责任公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。