一种基于大数据的智慧安防预警管理方法和系统与流程

本发明涉及安防预警，具体为一种基于大数据的智慧安防预警管理方法和系统。

背景技术：

1、随着中国城市化进程的加快，越来越多的人口由乡村进入城市定居，城市人口随之增长。城市化可以在一定程度上提高人们的生活水平，但是，城市人口密度增大，将使城市中的社会复杂度增大：空间结构复杂、人口密度大、流动性大、社会关系庞杂、交通拥堵严重、事故和恶性事件频发。并且，由于城市人口以及规模的增大，也对城市管理者在管理城市以及对公共安全进行防护时带来了更大的挑战。

2、所以，城市管理者在进行防护时，需要考虑防护对象的状态，如果所得到的对象状态是滞后或者误差较大时，城市管理者所进行的防护往往是滞后以及错误的。

3、现有技术cn109064698a仅仅通过对人员在监控区域内的行进轨迹以及行为模式进行分析判断是否有异常行为，没有做到对监控对象状态准确、实时的监测，具有很大的局限性。

技术实现思路

1、（一）解决的技术问题

2、针对现有技术的不足，本发明提供了一种基于大数据的智慧安防预警管理方法和系统，具备精准识别、实时报警等优点，解决了公共安防状态滞后和误差较大的问题。

3、（二）技术方案

4、为解决上述公共安防状态滞后和误差较大的技术问题，本发明提供如下技术方案：

5、本实施例公开一种基于大数据的智慧安防预警管理方法，具体包括以下步骤：

6、s1、在智慧安防预警区域周围安装一系列监控设备和人脸识别终端；

7、s2、通过安装的监控设备对智慧安防预警区域周围环境进行实时监测；

8、s3、收集智慧安防预警区域各个人员的人脸图像数据，通过卷积对人脸图像数据进行识别，并对识别后的人脸图像数据进行处理保存；

9、收集报警信息中各个危险人员的人脸图像数据，通过卷积对人脸图像数据进行识别，并对识别后的人脸图像数据进行处理保存；

10、s4、通过安装的一系列监控设备和人脸识别终端对智慧安防预警区域进行实时监控；

11、s5、人脸识别终端会根据当前拍摄的图像数据，确定人脸图像信息，并对人脸图像信息进行处理；

12、s6、确定好人脸目标后由卷积神经网络将提取后的特征数组与保存后的各个索引中的特征数组进行对比；

13、s7、根据对比结果实时判断是否需要进行报警；

14、优选地，所述安装的监控设备对智慧安防预警区域进行实时环境监测，包括以下步骤：

15、所述安装的监控设备包括：烟雾报警器、红外检测设备、摄像头以及报警装置；

16、s21、在智慧安防预警区域内设定保护区域；

17、s22、通过红外检测设备，当检测到保护区域周围来人时会打开摄像头，通过摄像头对附近人员进行实时监测，当检测到存在人员存在非法行为时，摄像头会产生警报信号并唤醒报警装置；

18、s23、通过红外检测设备实时监测保护区域内是否存在火焰；当检测到保护区域内存在火焰时，红外检测设备会产生警报信号并唤醒报警装置；

19、s24、通过安装的烟雾报警器实时监测保护区域内是否存在烟雾，当检测到保护区域内存在烟雾时，烟雾报警器会产生警报信号并唤醒报警装置。

20、优选地，所述收集智慧安防预警区域各个人员的人脸图像数据，通过卷积对人脸图像数据进行识别，并对识别后的人脸图像数据进行处理保存包括以下步骤：

21、卷积神经网络对人脸图像数据的识别包括以下步骤：

22、s31、将人脸图像数据划分成n个小区域图像数据块；

23、s32、将划分后的图像数据块传输至卷积神经网络进行特征提取；

24、s33、通过对提取到的特征数据进行展开组合，得到一个特征数组；

25、s34、根据聚类算法，对得到的特征数组进行优化，并根据聚类结果建立相应的索引；

26、s35、为聚类后的每个类别中心构建单独索引并将所有的索引汇总进行保存。

27、优选地，所述根据聚类算法，对得到的特征数组进行优化包括以下步骤：

28、根据得到的特征数组初始化k个类别中心，k1，k2，k3，...，kn；

29、初始设定每个特征数组为每个类别的类别中心；

30、将得到的特征数据基于其特征数组建立特征向量；

31、linkwa=<w1，w2，...，wl>

32、linkwb=<w1，w2，...，wn>

33、其中，linkwa表示特征向量wa，w1表示特征数组中出现次数最多的值，基于特征数据出现的次数以及出现位置将特征向量映射成有向图；

34、通过计算两个特征向量的最大余弦相似度来判断两个特征数组的相似度；

35、

36、其中，len（wa）、len（wb）表示特征数据在有向图中的广度优先的遍历信息；dep（wpab）表示特征数据映射在有向图中的最近公共根节点；dep（wb）、dep（wa）表示特征数据在所映射的有向图中的深度信息；

37、当相似度sim为[0,1]时表示两特征数组相似，当相似度sim为[0,-1]时表示两特征数组不相似；

38、当两个特征数组相似时，根据相似度的大小将相似的特征数组进行降序排列；选择相似度在的[0,1]之间数组进行两两合并构建成集合；并基于合并后的集合大小选则集合中心点作为新的类别中心；

39、在新的类别中心和未合并的特征数组之间通过再次进行相似度的方式进行聚类，直到不再出现新的类别中心，迭代停止。

40、优选地，所述将划分后的图像数据块传输至卷积神经网络进行特征提取包括：

41、接收到输入图像数据块后，卷积层通过卷积核按照设置的步长在输入的图像数据块上移动，并在每一步的相应区域上与该区域的特征值进行乘积累加，以此实现对每个图像数据块的特征提取；

42、卷积计算公式如下所述：

43、

44、其中，表示输入特征值，表示对应卷积核的权值， b表示偏置值；

45、对于提取的图像数据块的特征，通过池化层对其进行特征降维，保留大部分输入特征中的重要信息，并最大程度上为后续的卷积层和全连接层降低输入特征的分辨率，降低模型的计算量；

46、在神经网络中，上一层的输出会作为下一层的输入，通过不断堆叠就形成了卷积神经网络；

47、在将数据输入到下层的过程中必须经过激活函数的处理；

48、假设该输入值为(i=1,2,...,n)，每个输出值相对应的输入权值为，b为偏移量，将这些输入值输入到卷积神经网络后得到的输出结果为：

49、

50、其中，为对应的激活函数；

51、经过不断堆叠的卷积和池化后将数据传入全连接层；

52、通过全连接层将特征数据进行展开组合，得到一个特征数据。

53、优选地，所述通过安装的一系列监控设备和人脸识别终端对智慧安防预警区域进行实时监控包括以下步骤：

54、s41、基于设置的监测点，对q个监测点进行编号q1，q2，...qq；

55、s42、以监测点q1为坐标原点，根据q1坐标建立三维控制坐标系，并基于监测点q1确定其他各个监测点的坐标；

56、s43、将各个监测点的坐标保存在系统的数据库内；

57、s44、各监测点安装的人脸识别装置会实时拍摄当前位置的人员人脸图像。

58、优选地，所述人脸识别终端会根据当前拍摄的图像数据，确定人脸图像信息，并对人脸图像信息进行处理包括以下步骤：

59、s51、设定人脸识别终端拍摄的帧数，拍摄多帧人脸目标图像；

60、s52、将拍摄好的人脸目标图像传输至训练好的卷积神经网络，然后识别出人脸目标且保存特征点，并得到一帧图像中人脸目标的大致坐标位置；

61、s53、对另一帧图像进行特征提取，获取新的坐标位置，与上一帧特征点进行对比，若重合度高于80%，以此为根据判断是否为同一个人脸目标。

62、优选地，所述确定好人脸目标后由卷积神经网络将提取后的特征数组与保存后的各个索引中的特征数组进行对比包括以下步骤：

63、s61、将保存的各个索引调入卷积神经网络；

64、所述将保存的各个索引调入卷积神经网络包括以下步骤：

65、s611、通过计算提取后的特征数组与各个索引之间的相似度进行初步匹配；

66、s612、匹配成功后基于匹配结果将相应索引中的各个特征数据调入卷积神经网络；

67、s62、将提取后的特征数组与保存后的各个索引中的智慧安防预警区域各个人员的特征数组进行对比；

68、s63、将提取后的特征数组与保存后的各个索引中的报警信息中各个危险人员的特征数组进行对比；

69、优选地，所述根据对比结果实时判断是否需要进行报警包括：

70、若匹配则验证通过，表示是智慧安防预警区域中的工作人员，基于匹配验证通过的索引进行精确匹配；若不匹配则验证失败，表示不是智慧安防预警区域中的工作人员；

71、转入步骤s63，进行二次匹配，若匹配则验证通过，表示是报警信息中的危险人员，人脸识别终端会上报报警信息；若不匹配则验证失败表示不是报警信息中的危险人员。

72、本实施例还公开一种基于大数据的智慧安防预警管理系统，具体包括：烟雾报警器、人脸识别终端、红外检测设备、摄像头以及报警装置；

73、所述红外检测设备用于实时监测周围情况，根据周围情况开启摄像头；

74、所述摄像头用于实时拍摄周围情况信息；

75、所述报警设备用于实时接收警报信号，当接收到警报信号后产生报警信息并通过互联网进行上报；

76、所述烟雾报警器用于实时监测保护区域内是否存在烟雾，根据烟雾情况产生警报信号。

77、（三）有益效果

78、与现有技术相比，本发明提供了一种基于大数据的智慧安防预警管理方法和系统，具备以下有益效果：

79、1、该发明通过在智慧安防预警区域设置不同的监测点并在监测内安装的一系列监控设备和人脸识别终端的方式实现对智慧安防预警区域的监控和预警；同时本发明通过安装的一系列监控设备和人脸识别终端的配合使系统具有对火焰、烟雾以及危险人员的预警、处理和防范的功能，提高了智慧安防预警区域监控的智能化水平。

80、2、该发明通过收集智慧安防预警区域人员人脸图像信息数据，并通过卷积神经网络进行特征提取识别的方式，为人脸识别终端的识别提供了基本参考，同时该发明通过将实时拍摄的人脸图像数据进行提取并与识别后的人脸图像特征进行对比的方式实现对智慧安防预警区域来往人员的检测，并基于检测情况安排相应的防范措施，减少了智慧安防预警区域内的安全隐患。

81、3、该发明通过多帧拍摄的方式，将连续拍摄的几张人脸图像进行特征提取，并进行特征点对比的方式判断是否为同一个人脸目标，提高了人脸识别的准确性和可靠性。

82、4、该发明通过使用聚类算法的方式对识别后的人脸特征数据进行聚类，通过聚类算法对收集到的人脸特征数据进行分类，提高人脸特征数据的保存效率。

83、5、该发明通过对识别后的特征数据建立索引的方式，提高人脸特征数据的保存效率，同时，通过将实时拍摄提取的人脸特征与索引中保存的特征数据对比的方式，减少特征数据对比的次数，提高人脸识别的速度。