【技术实现步骤摘要】
本专利技术涉及多源数据融合与智能分析领域，尤其涉及一种基于多源数据融合的智能安防一体化方法及系统。
技术介绍
1、目前，安防行业面临着日益复杂和多样化的安全威胁，对安防系统的智能化和综合性能提出了更高的要求。传统的安防系统往往只依赖于有限的单一传感器或不同系统的独立运行，无法充分利用多源数据的信息，难以满足实时、准确的异常检测和预警需求。因此，基于多源数据融合的智能安防一体化方法和系统成为了研究的热点和迫切需求。
2、目前，不同类型的安防传感器和系统产生的数据格式和数据标准不一致，导致数据解析和融合困难，难以实现数据的统一处理和分析；传统的安防系统往往依赖人工判定和规则定义，容易受到主观因素和误判等问题影响，无法实现高准确性的异常检测和预警；现有的安防系统无法实时感知和分析大量的数据流，并在短时间内做出相应的反应，导致系统的实时性和响应能力较低；现有的安防系统往往各自独立运行，无法实现不同传感器和数据源之间的数据互通和融合，导致数据信息的重复、冗余和不完整；传统的安防方法多是基于单一传感器或单一算法进行异常检测和预警，无法全面、准确地利用多源数据和多种算法相结合，缺乏综合性能和鲁棒性；大规模的数据需求和复杂的计算处理需要对现有系统进行升级和改进，提高数据处理和计算能力，以应对快速增长的安防数据量。
技术实现思路
1、鉴于上述存在的问题，提出了本专利技术。
2、因此，本专利技术解决的技术问题是：传统安防系统存在的多源数据难以融合、异常检测准确性不高、实时性和响
3、为解决上述技术问题，本专利技术提供如下技术方案：
4、第一方面，本专利技术实施例提供了一种基于多源数据融合的智能安防一体化方法，包括：
5、搭建传感器网络，对安防数据进行采集与预处理；
6、构建神经网络，将经过预处理的安防数据通过神经网络进行多源数据融合，形成多源数据融合安防预警模型；
7、基于安防需求，在多源数据融合安防预警模型输出的概率分布中设定阈值；在多源数据融合安防预警模型中实时输入安防数据，若输入数据异常状态的概率超过设定的阈值，判定为异常状态；否则判定为正常状态；
8、当输入数据被判定为异常状态时，触发相应的安防预警；根据异常情况的严重程度和特征，进行实时决策，启动相应的安全措施。
9、作为基于多源数据融合的智能安防一体化方法的一种优选方案，其中：
10、所述搭建传感器网络，对安防数据进行采集与预处理包括：
11、所述传感器包括视频监控、温度传感器、烟雾传感器；
12、对采集到的视频数据进行haar小波变换，提取边缘和纹理特征，使用公式：
13、v'＝haartransform(v)
14、其中，v是原始视频数据，v'是经过haar小波变换后的视频数据；
15、设视频的尺寸为m×n，haar小波变换的层数为l，经过haar小波变换后的视频数据表示为一个大小为m×n的系数矩阵，其中每个元素代表了相应位置的系数值。
16、作为基于多源数据融合的智能安防一体化方法的一种优选方案，其中：
17、所述搭建传感器网络，对安防数据进行采集与预处理还包括：
18、对温度传感器采集到的一定时间窗口内的温度数据进行平均，设平均窗口大小为3，公式如下：
19、tsmoothed(t)＝1/3*(t(t-1)+t(t)+t(t+1))
20、其中，tsmoothed(t)表示在时间戳t平滑处理后的温度，t(t)表示在时间戳t所采样的温度数据；
21、对烟雾传感器采集到的烟雾数据进行归一化处理，表示为：
22、cnormalized(t)＝(c(t)-cmin)/(cmax-cmin)
23、其中，cnormalized(t)表示在时间戳t平滑处理后的烟雾浓度，c(t)表示在时间戳t所采样的烟雾浓度，cmax和cmin分别表示时间戳t/2至2t之间的烟雾浓度最大值和最小值。
24、作为基于多源数据融合的智能安防一体化方法的一种优选方案，其中：
25、所述构建神经网络，将经过预处理的安防数据通过神经网络进行多源数据融合，形成多源数据融合安防预警模型包括：
26、设输入数据为经过haar小波变换后的视频数据的系数矩阵平滑处理后的温度值和平滑处理后的烟雾浓度其中i表示第i个输入数据，m表示系数矩阵的行数，n表示系数矩阵的列数。
27、作为基于多源数据融合的智能安防一体化方法的一种优选方案，其中：
28、所述构建神经网络，将经过预处理的安防数据通过神经网络进行多源数据融合，形成多源数据融合安防预警模型还包括：
29、对于系数矩阵xi，使用卷积层进行特征提取，使用卷积核提取系数矩阵中的特征信息；
30、对于温度值ti和烟雾浓度si，将这两个特征连接到全连接层中；
31、设计k个不同大小的卷积核其中hk表示卷积核的高度，wk表示卷积核的宽度，ck表示卷积核的通道数；
32、输入数据经过卷积层后得到输出特征图并通过激活函数σ(·)进行非线性变换，激活函数使用relu函数；
33、将卷积层输出的所有特征图连接到一起，并保留原始顺序和位置信息；
34、将所有特征图展平为一维向量，得到特征向量其中|h|表示特征向量的维度，表示为：
35、
36、将温度值ti和烟雾浓度si连接到一个全连接层中，在全连接层中，将特征向量zi和温度、烟雾特征拼接在一起，输入到一个具有h个神经元的隐藏层中；
37、隐藏层的输出并通过激活函数σ(·)进行非线性变换，激活函数为relu函数。
38、作为基于多源数据融合的智能安防一体化方法的一种优选方案，其中：
39、所述构建神经网络，将经过预处理的安防数据通过神经网络进行多源数据融合，形成多源数据融合安防预警模型还包括：
40、在输出层中生成一个概率分布，表示输入数据为正常状态和异常状态的转换概率；使用具有2个神经元的输出层，并使用softmax激活函数将输出值转换为概率分布；第一个神经元代表正常状态的概率，第二个神经元代表异常状态的概率。
41、作为基于多源数据融合的智能安防一体化方法的一种优选方案，其中：
42、所述构建神经网络，将经过预处理的安防数据通过神经网络进行多源数据融合，形成多源数据融合安防预警模型还包括：
43、将损失函数定义为交叉熵损失函数，表示为：
44、
45、其中n表示样本集的大小，yi∈{0,1}表示真实标签值，表示预测的概率分布。
46、第二方面，本专利技术实施例提供了一种基于多源数据融合的智能安防一体化系统，包括：
47、预处理模块，用于搭建传感器网络，对安防数据进行采集与预处理本文档来自技高网...
【技术保护点】
1.一种基于多源数据融合的智能安防一体化方法，其特征在于，包括：
2.如权利要求1所述的基于多源数据融合的智能安防一体化方法，其特征在于，所述搭建传感器网络，对安防数据进行采集与预处理包括：
3.如权利要求2所述的基于多源数据融合的智能安防一体化方法，其特征在于，所述搭建传感器网络，对安防数据进行采集与预处理还包括：
4.如权利要求3所述的基于多源数据融合的智能安防一体化方法，其特征在于，所述构建神经网络，将经过预处理的安防数据通过神经网络进行多源数据融合，形成多源数据融合安防预警模型包括：
5.如权利要求4所述的基于多源数据融合的智能安防一体化方法，其特征在于，所述构建神经网络，将经过预处理的安防数据通过神经网络进行多源数据融合，形成多源数据融合安防预警模型还包括：
6.如权利要求5所述的基于多源数据融合的智能安防一体化方法，其特征在于，所述构建神经网络，将经过预处理的安防数据通过神经网络进行多源数据融合，形成多源数据融合安防预警模型还包括：
7.如权利要求6所述的基于多源数据融合的智能安防一体化方法，其特
8.一种基于多源数据融合的智能安防一体化系统，其特征在于，包括：
9.一种计算设备，包括：
10.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述基于多源数据融合的智能安防一体化方法的步骤。
...【技术特征摘要】
1.一种基于多源数据融合的智能安防一体化方法，其特征在于，包括：
2.如权利要求1所述的基于多源数据融合的智能安防一体化方法，其特征在于，所述搭建传感器网络，对安防数据进行采集与预处理包括：
3.如权利要求2所述的基于多源数据融合的智能安防一体化方法，其特征在于，所述搭建传感器网络，对安防数据进行采集与预处理还包括：
4.如权利要求3所述的基于多源数据融合的智能安防一体化方法，其特征在于，所述构建神经网络，将经过预处理的安防数据通过神经网络进行多源数据融合，形成多源数据融合安防预警模型包括：
5.如权利要求4所述的基于多源数据融合的智能安防一体化方法，其特征在于，所述构建神经网络，将经过预处理的安防数据通过神经网络进行多源数据融合，形成多源数据...
【专利技术属性】
技术研发人员：徐俊，陈明涛，李沁，彭霄峰，陈敢，黄志伟，丑述民，
申请(专利权)人：广州发展南沙电力有限公司，
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。