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分析,具体涉及一种基于边缘智能安防入侵感知方法及系统。
技术介绍
1、随着大数据时代的来临,各处都安装监控便于进行预警保障安全。在同类型安防入侵感知的竞争中,做好音频数据的分析以及将人脸数据和行为数据结合进行分析是安防入侵感知的关键和核心。
2、目前对安防入侵感知的分析主要是通过对各项数据进行单独的分析,很显然这种分析方式存在以下几个问题:
3、1、当前对安防异常数据的分析主要是通过单独的数据进行分析,并没有对将各数据结合进行分析,进而对安防入侵感知进行分析,从而无法更加准确地了解到当前安防入侵感知实际情况,同时也无法保障安防入侵感知可行性分析过程的全面性和真实性,进而无法保障分析结果的参考性和准确性,并且也无法给安防入侵感知模式更新升级提供可靠的依据。
4、2、当前并没有通过对各音频特征进行分析,进而对监控区域内无异常时的当前音频进行分析,无法真实地展示出安防入侵感知情况,进而无法保障安防入侵感知及时感知监控死角的异常声响,从而无法提高安防入侵感知效率,一定程度上降低了安防入侵感知效果。
技术实现思路
1、针对上述存在的技术不足,本专利技术的目的是提供一种基于边缘智能安防入侵感知方法及系统。
2、为解决上述技术问题,本专利技术采用如下技术方案:本专利技术在第一方面提供一种基于边缘智能安防入侵感知方法及系统,该方法包括以下步骤:步骤一、数据采集:在需要监测的区域内部署声传感器和摄像设备,进而采集目标人物的各人脸图像和
3、步骤二、声音数据分析:提取数据库中异常音频类中的各异常音频类型,并提取当前时间段音频的各音频特征数据,进而分析得出当前时间段音频特征评估系数,从而判断当前时间段音频是否属于异常音频。
4、步骤三、人脸数据分析:提取数据库中的各人脸集,并提取目标人物的各人脸图像以及各人脸图像对应的各相似度数据,进而分析得出目标人物的各人脸图像的人脸相似度评估系数,从而判断目标人物的各人脸图像是否属于数据库中的某人脸集,当目标人物的各人脸图像属于数据库中的某人脸集时,将目标人物的各人脸图像更新至数据库中的某人脸集;当目标人物的各人脸图像不属于数据库中的各人脸集时,进行步骤四。
5、步骤四、行为数据采集和分析:当目标人物的各人脸图像不属于数据库中的各人脸集时,将目标人物记为可疑人物,并设置固定时间间隔采集可疑人物对应的各与安全中心的距离和各停留时间,记为可疑人物的各安全距离和各停留时间;进而分析得出可疑人物的行为评估系数,从而制作折线图分析得出可疑人物的预计行为评估系数,并判断可疑人物的预计行为是否存在危险。
6、步骤五、预警终端:若当前时间段音频属于异常音频,进行预警提示;当目标人物的各人脸图像不属于数据库中的某人脸集且可疑人物的预计行为存在危险时,进行预警提示。
7、优选地,所述获取当前音频的音频类型和各音频特征数据,并获取目标人物的各人脸图像对应的各相似度数据,具体获取过程如下:a1、在需要监测的区域内部署各声传感器,进而根据预设的采集时长对当前时间段进行音频采集,从而获取当前时间段音频,使用python语言和pyaudioanalysis库对预处理后的当前时间段音频进行特征提取,由此获取当前时间段音频的各音频特征数据。
8、a2、在需要监测的区域部署摄像设备,当摄像机检测到人脸时,将该人脸对应的人物记为目标人物,通过python语言和opencv库中的videocapture函数控制摄像头采集各图像,并使用opencv库中自带的人脸检测模型采集各图像中的目标人物的各人脸图像以及各人脸图像对应的各相似度数据。
9、优选地,所述分析得出当前时间段音频特征评估系数,具体分析过程如下:将当前时间段音频的各音频特征数据记为xi,其中i表示为各音频特征对应的编号,i=1,2......n,n为大于2的自然整数,n表示为音频特征的总数。
10、根据计算公式得出当前时间段音频特征评估系数α,其中e表示为自然常数,x′i表示为数据库中的第i个音频特征参考数据,δxi表示为数据库中的第i个音频特征允许浮动的数据,σ表示为数据库中的音频特征评估系数对应的修正因子。
11、优选地,所述判断当前时间段音频是否属于异常音频,具体判断过程如下:提取数据库中的各异常音频对应的音频特征评估系数阈值,并将当前时间段音频特征评估系数与数据库中的各异常音频对应的音频特征评估系数阈值逐一进行对比,若当前时间段音频特征评估系数等于数据库中的某异常音频对应的音频特征评估系数阈值,判断当前时间段音频属于异常音频。
12、优选地,所述分析得出目标人物的各人脸图像的人脸相似度评估系数,具体分析过程如下:将目标人物的各人脸图像对应的各相似度数据记为yjk,其中j表示为各人脸图像对应的编号,j=1,2......m,m为大于2的自然整数,m表示为人脸图像的总数;其中k表示为各相似度对应的编号,k=1,2......bb为大于2的自然整数,b表示为相似度总数。
13、根据计算公式得出目标人物的第j个人脸图像的人脸相似度评估系数λj,其中e为自然常数,y′k表示为数据库中的人脸图像的第k个相似度的参考值,δyk表示为数据库中的人脸图像的第k个相似度的允许浮动值,表示为数据库中的人脸图像的人脸相似度评估系数对应的修正因子。
14、优选地,所述判断目标人物的各人脸图像是否属于数据库中的某人脸集,具体分析过程如下:提取数据库中的各人脸集对应的人脸相似度评估系数阈值,并将目标人物的各人脸图像的人脸相似度评估系数分别与数据库中的各人脸集对应的人脸相似度评估系数阈值进行对比,当目标人物的各人脸图像的人脸相似度评估系数均等于数据库中的某人脸集对应的人脸相似度评估系数阈值时,判断目标人物的各人脸图像属于数据库中的某人脸集,反之判断目标人物的各人脸图像不属于数据库中的某人脸集。
15、优选地,所述分析得出可疑人物的各行为评估系数,具体分析过程如下:将可疑人物的各安全距离和各停留时间记为ah和th,其中h表示为各采集时间点对应的编号,h=1,2.......d,d为大于2的自然整数,d表示为采集时间点的总数。
16、根据计算公式得出可疑人物的第h个采集时间点的行为评估系数βh,其中e为自然常数,a′表示为数据库中的参考安全距离,t′表示为数据库中的参考停留时间,τ1和τ2分别表示为数据库中的安全距离对应的权重因子和停留时间对应的权重因子。
17、优选地,所述制作折线图分析得出可疑人物的预计行为评估系数,并判断可疑人物的预计行为是否存在危险,具体分析过程如下:b1、以可疑人物的各行为评估系数βh作为纵坐标,各采集时间点h作为横坐标制作对应的折线图。
18、根据计算公式得出可疑人物的预计行为评估系数k,其中本文档来自技高网...
【技术保护点】
1.一种基于边缘智能安防入侵感知方法,其特征在于,包括:
2.根据权利要求1所述的一种基于边缘智能安防入侵感知方法,其特征在于,所述获取当前音频的音频类型和各音频特征数据,并获取目标人物的各人脸图像对应的各相似度数据,具体获取过程如下:
3.根据权利要求2所述的一种基于边缘智能安防入侵感知方法,其特征在于,所述分析得出当前时间段音频特征评估系数,具体分析过程如下:
4.根据权利要求3所述的一种基于边缘智能安防入侵感知方法,其特征在于,所述判断当前时间段音频是否属于异常音频,具体判断过程如下:
5.根据权利要求4所述的一种基于边缘智能安防入侵感知方法,其特征在于,所述分析得出目标人物的各人脸图像的人脸相似度评估系数,具体分析过程如下:
6.根据权利要求5所述的一种基于边缘智能安防入侵感知方法,其特征在于,所述判断目标人物的各人脸图像是否属于数据库中的某人脸集,具体分析过程如下:
7.根据权利要求6所述的一种基于边缘智能安防入侵感知方法,其特征在于,所述分析得出可疑人物的各行为评估系数,具体分析过程如下:
...【技术特征摘要】
1.一种基于边缘智能安防入侵感知方法,其特征在于,包括:
2.根据权利要求1所述的一种基于边缘智能安防入侵感知方法,其特征在于,所述获取当前音频的音频类型和各音频特征数据,并获取目标人物的各人脸图像对应的各相似度数据,具体获取过程如下:
3.根据权利要求2所述的一种基于边缘智能安防入侵感知方法,其特征在于,所述分析得出当前时间段音频特征评估系数,具体分析过程如下:
4.根据权利要求3所述的一种基于边缘智能安防入侵感知方法,其特征在于,所述判断当前时间段音频是否属于异常音频,具体判断过程如下:
5.根据权利要求4所述的一种基于边缘智能安防入侵感知方法,其特征在于,所述分析得出目标人物的...
【专利技术属性】
技术研发人员:李颖晖,龚味,
申请(专利权)人:上海麦杰科技股份有限公司北京分公司,
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。