【技术实现步骤摘要】
本专利技术涉及信息监控领域，更具体地说，本专利技术涉及一种邮政业综合安全监管系统及方法。
技术介绍
1、随着电子商务快速发展，快递逐渐成为日常生活中不可或缺的一部分。在快递业为国民经济发展做出巨大贡献的同时，也涌现了很多乱象。然而目前的快递行业安全监管力量薄弱，监管方式单一，信息化支撑不足，不能适应快递业迅猛的发展速度，不能有效地保障快递行业安全健康发展。
2、邮政业的生产过程分散，数据产生频率高，属于典型的数据密集行业。而现阶段信息化支撑对于市场运行情况的监测能够达到全市和区县一级，能够满足较为宏观的监管需求，难以深入街道、网点和末端等更深层次的网络，缺乏深入的数据采集能力，必然导致风险预判能力的不足或缺失。缺乏必要的风险预判能力，对安全监管的支撑，基本停留在现状和历史呈现层面，支撑力度不足，在特定条件下甚或成为一种变相的负担。
3、因此，亟需一种邮政业综合安全监管系统及方法。
技术实现思路
1、本专利技术针对现有技术中存在的技术问题，提供一种邮政业综合安全监管系统及方法，以解决上述
技术介绍
中提出的问题。
2、本专利技术解决上述技术问题的技术方案如下：一种邮政业综合安全监管系统，包括：
3、在一个优选地实施方式中，包括视频安全巡查监管模块、收寄验视制度监管模块、过机安检制度监管模块以及业务压力风险预警模块；
4、视频安全巡查监管模块：利用摄像机采集邮政业相关场景的视频数据并利用vott标注工具进行区域标注，构建基于卷积和
5、收寄验视制度监管模块：连接邮政业相关场景的图片数据库采集邮政业相关场景的图片数据，利用labe l me标注工具进行框选并指定类别标签，选择lstm单元搭建循环神经网络模型，并构建自编码器模型；
6、过机安检制度监管模块：在安检机设备周边利用摄像头采集过机安检相关场景的集包图像数据，利用svm分类算法将不同标签的集包图像数据分隔，自动生成智能安检报警信息；
7、业务压力风险预警模块：提供预警规则的管理功能并支持对多类业务规则的添加、修改、删除的管理功能，利用历史数据检验规则匹配程度，并提交正式规则，作为按照规则自动预警的依据；
8、在一个优选地实施方式中，所述视频安全巡查监管模块划分为视频采集标注子单元和视频场景识别子单元，具体包括以下内容：
9、视频采集标注子单元：利用摄像机采集邮政业相关场景的视频数据并传回服务器，以文件的形式存储，利用vott标注工具选择矩形标注形状对视频数据进行区域标注，并为每个标注区域添加相应的任务标签。
10、视频场景识别子单元：构建基于卷积和池化的特征提取网络结构并结合残差块的目标检测网络，输入邮政业相关场景的视频数据，添加卷积层通过多个卷积核提取视频数据的基础特征，将多个卷积层和跳跃连接组成残差单元，在每个残差单元后利用relu作为激活函数层引入非线性并使用卷积核对视频数据进行卷积运算，所述卷积运算具体公式为：
11、
12、其中a(i,j)表示视频数据的基础特征的一个元素，i(m,n)表示视频数据的基础特征像素值，k(i-m,j-n)表示视频数据的基础特征权重值，m、n分别表示卷积核内部的行和列的索引，i、j分别表示视频数据的基础特征的行和列的索引，通过分类头部全局平均池化层并对卷积层的视频数据的基础特征进行下采样操作，重复迭代第一次卷积和池化操作，通过分类头部和回归头部的全连接层将视频数据的高级特征展平为一维向量，并输入至全连接层中，利用全连接层通过权重矩阵将视频数据的高级特征映射到不同的视频数据的场景类别上，输出最终的场景类别识别结果。
13、在一个优选地实施方式中，所述收寄验视制度监管模块划分为图片采集标注子单元和图片场景识别子单元，具体包括以下内容：
14、图片采集标注子单元：连接邮政业相关场景的图片数据库采集邮政业相关场景的图片数据并传回服务器，以文件的形式存储，利用labelme标注工具对邮政业相关场景图片数据中出现的每个物体进行框选并指定类别标签。
15、图片场景识别子单元：选择lstm单元搭建循环神经网络模型，根据当前时间戳输入带有类别标签的图片数据和上一时间戳的隐藏状态，通过sigmoid激活函数计算输入层的激活值，其具体公式为：
16、tl＝s(wl*[it-1,xt]+bl)
17、其中，tl表示输入层的激活值，s()表示sigmoid激活函数，wl表示权重矩阵，it-1表示上一时间戳的隐藏状态，xt表示当前时间戳输入带有类别标签的图片数据，bl表示偏置项，输出层选择全连接层并根据当前时间戳输入带有类别标签的图片数据、上一时间戳的隐藏状态以及当前时间戳输入带有类别标签的图片数据的细胞状态，通过sigmoid激活函数计算输出层的激活值，其具体公式为：
18、to＝s(wo*[it-1,xt]+bo)
19、其中，to表示遗忘层的激活值，s()表示sigmoid激活函数，wo表示权重矩阵，it-1表示上一时间戳的隐藏状态，xt表示当前时间戳输入带有类别标签的图片数据，bo表示偏置项，通过全连接层输出带有类别标签的图片数据预测分类结果，构建自编码器模型输入带有类别标签的图片数据预测分类结果并映射到潜在空间，通过带有类别标签的图片数据预测分类结果对自编码器进行监督训练。
20、在一个优选地实施方式中，所述过机安检制度监管模块划分为安检采集标注子单元和安检场景识别子单元，具体包括以下内容：
21、安检采集标注子单元：在安检机设备周边利用摄像头采集过机安检相关场景的集包图像数据并传回服务器，以文件的形式存储，利用labelme标注工具对过机安检相关场景的集包图像数据进行框选并指定不同标签，利用颜色直方图提取集包图像数据特征。
22、安检场景识别子单元：利用svm分类算法将不同标签的集包图像数据分隔并利用核函数将不同标签的集包图像数据特征映射到高维空间构建最优超平面，以便在高维空间中更好地分离不同标签的集包图像数据，最大化分离集包图像数据在该超平面的投影点，所述svm基本公式形式为：
23、f(x)＝sign(w*x+b)
24、其中f(x)表示集包图像数据的预测结果，w表示权重向量，用于表示超平面的方向，x表示不同标签的集包图像数据特征向量，b表示偏置项，通过f(x)的正负类关系判断集包图像数据的标签类型，通过正类、负类信号反馈到智能安检报警信息库，自动生成智能安检报警信息，对安检发现的异常快件进行记录、上报邮政管理部门，并根据情况报送相关部门。
25、在一个优选地实施方式中，所述业务压力风险预警模块提供预警规则的管理功能并支持对多类业务规则的添加、修改、删除的管理功能，具备权限的用户完成规则设置后，利用历史数据检验规则匹配程度，并提交正式规则，作为按照规则自动预警的依据，根据实际情况不断完善预警管理功本文档来自技高网...
【技术保护点】
1.一种邮政业综合安全监管系统，其特征在于，具体包括：包括视频安全巡查监管模块、收寄验视制度监管模块、过机安检制度监管模块以及业务压力风险预警模块；
2.根据权利要求1所述的一种邮政业综合安全监管系统，其特征在于：所述视频安全巡查监管模块利用摄像机采集邮政业相关场景的视频数据，利用VOTT标注工具对视频数据进行区域标注，并添加相应的任务标签，构建基于卷积和池化的特征提取网络结构并结合残差块的目标检测网络，输入邮政业相关场景的视频数据，添加卷积层通过多个卷积核提取视频数据的基础特征，利用ReLU作为激活函数层引入非线性并使用卷积核对视频数据进行卷积运算，并对卷积层的视频数据的基础特征进行下采样操作，重复迭代第一次卷积和池化操作，通过分类头部和回归头部的全连接层将视频数据的高级特征展平为一维向量，并输入至全连接层中，利用全连接层通过权重矩阵将视频数据的高级特征映射到不同的视频数据的场景类别上，输出最终的场景类别识别结果。
3.根据权利要求2所述的一种邮政业综合安全监管系统，其特征在于：所述卷积运算具体公式为：
4.根据权利要求1所述的一种邮政业综合
5.根据权利要求4所述的一种邮政业综合安全监管系统，其特征在于：所述计算输入层的激活值具体公式为：
6.根据权利要求4所述的一种邮政业综合安全监管系统，其特征在于：所述计算输出层的激活值具体公式为：
7.根据权利要求1所述的一种邮政业综合安全监管系统，其特征在于：所述过机安检制度监管模块在安检机设备周边利用摄像头采集过机安检相关场景的集包图像数据，利用LabelMe标注工具对过机安检相关场景的集包图像数据进行框选并指定不同标签，利用SVM分类算法将不同标签的集包图像数据分隔并利用核函数将不同标签的集包图像数据特征映射到高维空间构建最优超平面，以便在高维空间中更好地分离不同标签的集包图像数据，最大化分离集包图像数据在该超平面的投影点。
8.根据权利要求7所述的一种邮政业综合安全监管系统，其特征在于：所述SVM基本公式形式为：
9.根据权利要求1所述的一种邮政业综合安全监管系统，其特征在于：所述业务压力风险预警模块提供预警规则的管理功能并支持对多类业务规则的添加、修改、删除的管理功能，根据实际情况不断完善预警管理功能，通过历史数据分析计算各网点历史业务、快递员数量的数据变化轨迹，并描绘网点日常运营历史业务变化、快递员数量的特征，实时与网点现状进行比对，标记各网点当前运营状态，自动生成、结合人工辅助综合设定爆仓、现有、积压检测的分类分级，根据事件类型的不同，人工提前设定事件类型，并设置判定规则。
10.一种邮政业综合安全监管方法应用于如权利要求1-9任一所述的一种邮政业综合安全监管系统，其特征在于：具体包括以下步骤：
...【技术特征摘要】
1.一种邮政业综合安全监管系统，其特征在于，具体包括：包括视频安全巡查监管模块、收寄验视制度监管模块、过机安检制度监管模块以及业务压力风险预警模块；
2.根据权利要求1所述的一种邮政业综合安全监管系统，其特征在于：所述视频安全巡查监管模块利用摄像机采集邮政业相关场景的视频数据，利用vott标注工具对视频数据进行区域标注，并添加相应的任务标签，构建基于卷积和池化的特征提取网络结构并结合残差块的目标检测网络，输入邮政业相关场景的视频数据，添加卷积层通过多个卷积核提取视频数据的基础特征，利用relu作为激活函数层引入非线性并使用卷积核对视频数据进行卷积运算，并对卷积层的视频数据的基础特征进行下采样操作，重复迭代第一次卷积和池化操作，通过分类头部和回归头部的全连接层将视频数据的高级特征展平为一维向量，并输入至全连接层中，利用全连接层通过权重矩阵将视频数据的高级特征映射到不同的视频数据的场景类别上，输出最终的场景类别识别结果。
3.根据权利要求2所述的一种邮政业综合安全监管系统，其特征在于：所述卷积运算具体公式为：
4.根据权利要求1所述的一种邮政业综合安全监管系统，其特征在于：所述收寄验视制度监管模块连接邮政业相关场景的图片数据库采集邮政业相关场景的图片数据，利用labelme标注工具对邮政业相关场景图片数据中出现的每个物体进行框选并指定类别标签，选择lstm单元搭建循环神经网络模型，根据当前时间戳输入带有类别标签的图片数据和上一时间戳的隐藏状态，通过sigmoid激活函数计算输入层的激活值，输出层选择全连接层并根据当前时间戳输入带有类别标签的图片数据、上一时间戳的隐藏状态以及当前时间戳输入带有类别标签的图片数据的细胞状态，通过sigmoid激活函数计算输出层的激活值，通过全连接层输出带有类别标签的图片数...
【专利技术属性】
技术研发人员：刘聪，胡青波，陈子葳，张亚军，张筱，
申请(专利权)人：北京华录高诚科技有限公司，
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。