【技术实现步骤摘要】
本专利技术属于安防监控，尤其涉及一种建筑智能化安防监控系统。
技术介绍
1、随着国家城市化建设的快速推进，建筑规模不断扩大，建筑行业在传统管理模式上的低效高成本愈发严重。安监系统作为智慧工地的核心功能之一，它涉及具有时延敏感和视频分析需求的智能应用。而传统的网络监控摄像机仅能进行简单的视频处理，如视频编码、缩时压缩等，缺少足够的计算资源，难以处理人工智能应用的计算需求。若在智慧工地安监系统中运行人工智能应用将对视频数据进行分析，将消耗大量的计算资源和存储资源，同时也对人力资源造成浪费。同时，工地上的出入口，停车场等都不是进行协同的安防管理，都需要人力进行控制，造成了很大的人力资源浪费，同时也有很大的安全的隐患。
2、因此，需要设计一种用在公司的智慧管理系统，以更好的给建筑工地做好安全保护。
技术实现思路
1、本专利技术的目的是提出一种建筑智能化安防监控系统，通过自适应特征提取、交叉注意机制、动态入侵检测和智能控制策略实现，增加正则项和冗余项以提升检测和控制的鲁棒性和准确性。
2、为了达到上述目的，在本专利技术的提供了一种建筑智能化安防监控系统，所述系统包括：
3、数据获取子系统，用于使用摄像机、红外传感器实时监控建筑内外的情况，记录监控数据，并对监控数据进行预处理；
4、入侵报警分析子系统，用于构建入侵检测模型分析预处理后的监控数据并构建基于深度学习的权限控制模型进行权限控制；其中，所述权限控制包括对出入口控制子系统、电子巡查子系统和
5、出入口控制子系统，用于根据权限控制模型管理和控制建筑的出入口，确保只有授权人员可以进入；
6、电子巡查子系统，用于根据权限控制模型记录保安人员的巡查情况，确保巡查工作按计划进行；
7、停车库管理子系统，用于根据权限控制模型管理建筑内外的停车场，确保车辆进出有序；
8、智能集成数据服务设备，用于接收和处理各模块的数据，提供统一的管理和控制平台；
9、其中，所述入侵检测模型使用动态异常检测网络进行检测，通过动态异常检测网络检测入侵行为，具体步骤如下：
10、假设检测函数为，输出入侵概率，表示如下：
11、；
12、其中，动态异常检测网络使用变分自编码器进行异常检测，表示t时刻的输入特征；
13、通过变分自编码器检测特征中的异常行为，输出入侵概率；其中，变分自编码器表示如下：
14、；
15、其中，和分别表示从特征生成的均值和标准差，为潜在变量；通过编码器将特征转换为潜在变量，其中，加入噪声项以增强鲁棒性；
16、所述变分自解码器表示如下：
17、；
18、其中，表示解码器输出重建的特征，通过解码器将潜在变量转换回重建的特征，用于检测异常；
19、通过变分自编码器的损失函数设计如下：
20、；
21、其中，e表示期望，表示kl散度，q表示后验分布，表示潜在变量，表示似然函数，表示先验分布；
22、同时，在变分自编码器的损失函数增加正则项，防止过拟合，得到总损失函数，表示如下：
23、；
24、其中，n表示特征数量，i表示第i个特征，和表示正则项权重，表示网络权重，和表示编码器输出的均值和标准差。
25、进一步地，所述监控数据包括视频数据、红外数据和声音数据。
26、进一步地，所述预处理包括：对摄像机获取的视频数据进行帧提取、对红外数据使用自适应递归神经网络处理和对声音数据使用mfcc提取频谱特征。
27、进一步地，所述帧提取利用卷积神经网络进行特征提取，表示如下：
28、；
29、其中，表示卷积操作，表示偏置项，表示输入的视频；
30、所述自适应递归神经网络处理，表示如下：
31、；
32、其中，表示基于时间序列数据的红外数据，表示时间的隐藏状态，表示激活函数，、和分别表示权重矩阵和偏置，表示时间的隐藏状态；
33、所述mfcc提取频谱特征，表示如下：
34、；
35、其中，表示短时傅里叶变换，表示离散余弦变换，表示音频数据。
36、进一步地，将视频数据、红外数据和声音数据的特征向量转换为统一的特征表示，生成融合特征，表示如下：
37、；
38、其中，表示自适应权重；
39、使用交叉注意机制优化融合特征，表示如下：
40、；
41、其中，表示交叉注意机制，表示优化的融合特征，计算如下：
42、；
43、其中，表示查询向量，表示键向量，表示值向量，表示向量维度。
44、进一步地，所述权限控制模型定义状态空间包括优化的融合特征和子系统状态，表示如下：
45、；
46、其中，表示出入口控制子系统的状态，表示电子巡查子系统的状态，表示停车库管理子系统的状态；
47、定义动作空间包括对各子系统的控制指令，表示如下：
48、；
49、其中，表示出入口控制子系统的动作，表示电子巡查子系统的动作，表示停车库管理子系统的动作。
50、进一步地，所述权限控制模型通过自适应策略网络进行控制决策。
51、进一步地，所述自适应策略网络计算如下：
52、假设控制策略函数为，输出控制动作，表示如下：
53、；
54、通过策略网络根据当前状态决策最优控制动作；
55、在策略网络中加入冗余项，表示如下：
56、；
57、其中，表示状态-动作值函数，表示冗余项权重，表示冗余动作。
58、进一步地，在所述权限控制模型设计进行动态优先级调整，根据实时情况动态调整各子控制系统的优先级；其中，所述动态优先级调整策略表示如下：
59、；
60、其中，表示权重参数，表示安全率，表示效率，表示误报率。
61、进一步地，通过反向传播优化自适应权重参数，表示如下：
62、；
63、其中，表示视频特征，r表示红外特征，a表示声音特征，表示偏导，表示学习率；
64、同时，使用变分自编码器的损失函数训练动态异常检测网络，并加入正则项，表示如下：
65、；
66、通过在损失函数中加入正则项，防止模型过拟合；
67、使用策略梯度优化方法训练控制策略网络，并加入冗余项，表示如下：
68、；
69、其中，表示期望，表示t时刻的奖励函数；控制策略优化通过策略梯度方法训练策略网络。
70、本专利技术的有益技术效果至少在于以下：
71、本专利技术通过同时处理视频、红外和声音数据，算法能够从多个角度获取信息，提高本文档来自技高网...
【技术保护点】
1.一种建筑智能化安防监控系统，其特征在于，所述系统包括：
2.根据权利要求1所述的一种建筑智能化安防监控系统，其特征在于，所述监控数据包括视频数据、红外数据和声音数据。
3.根据权利要求2所述的一种建筑智能化安防监控系统，其特征在于，所述预处理包括：对摄像机获取的视频数据进行帧提取、对红外数据使用自适应递归神经网络处理和对声音数据使用MFCC提取频谱特征。
4.根据权利要求3所述的一种建筑智能化安防监控系统，其特征在于，所述帧提取利用卷积神经网络进行特征提取，表示如下：
5.根据权利要求4所述的一种建筑智能化安防监控系统，其特征在于，将视频数据、红外数据和声音数据的特征向量转换为统一的特征表示，生成融合特征，表示如下：
6.根据权利要求1所述的一种建筑智能化安防监控系统，其特征在于，所述权限控制模型定义状态空间包括优化的融合特征和子系统状态，表示如下：
7.根据权利要求6所述的一种建筑智能化安防监控系统，其特征在于，所述权限控制模型通过自适应策略网络进行控制决策。
8.根据权利要求7所述的一种建
9.根据权利要求6所述的一种建筑智能化安防监控系统，其特征在于，在所述权限控制模型设计进行动态优先级调整，根据实时情况动态调整各子控制系统的优先级；其中，所述动态优先级调整策略表示如下：
10.根据权利要求5所述的一种建筑智能化安防监控系统，其特征在于，通过反向传播优化自适应权重参数，表示如下：
...【技术特征摘要】
1.一种建筑智能化安防监控系统，其特征在于，所述系统包括：
2.根据权利要求1所述的一种建筑智能化安防监控系统，其特征在于，所述监控数据包括视频数据、红外数据和声音数据。
3.根据权利要求2所述的一种建筑智能化安防监控系统，其特征在于，所述预处理包括：对摄像机获取的视频数据进行帧提取、对红外数据使用自适应递归神经网络处理和对声音数据使用mfcc提取频谱特征。
4.根据权利要求3所述的一种建筑智能化安防监控系统，其特征在于，所述帧提取利用卷积神经网络进行特征提取，表示如下：
5.根据权利要求4所述的一种建筑智能化安防监控系统，其特征在于，将视频数据、红外数据和声音数据的特征向量转换为统一的特征表示，生成融合特征，表示如下：
...
【专利技术属性】
技术研发人员：高传玉，丘义和，屈凯平，潘水晶，梁荣冲，王雪，
申请(专利权)人：深圳市宝鹰建设集团股份有限公司，
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。