一种安全监控方法、装置及终端设备与流程

本发明属于安全监控技术领域，尤其涉及一种安全监控方法、装置及终端设备。

背景技术：

现有的多跳自组织网络中，传感节点多采用电池供电。

为了满足电池寿命的要求，传感节点大部分时间工作于休眠状态；一般情况下，电池供电的无线低功耗温度传感器可能每间隔一定时间间隔唤醒一次，采集数据和传输数据的时间持续预设时间段后，传感节点即进入休眠状态，直至下一次唤醒。

然而，在环境、安全监控领域(如消防领域)，从火灾发生到剧烈燃烧的时间间隔非常短，因此，传感节点的休眠时长过长，会导致安全监控系统难以在火灾初期进行预警。若传感节点的休眠时间过短，则无法保证电池的寿命。

技术实现要素：

有鉴于此，本发明实施例提供了一种安全监控方法、装置及终端设备，以解决现有技术中在环境、安全监控领域中，传感节点的休眠时长过长，会导致安全监控系统难以在火灾初期进行预警。若传感节点的休眠时间过短，则无法保证电池的寿命的问题。

本发明实施例的第一方面提供了一种安全监控方法，应用于服务器，所述服务器与传感节点通信连接；

所述方法包括：

获取传感节点发送的环境数据；

对所述环境数据进行分析，并根据分析结果判断风险等级；

根据所述风险等级生成对应的工作指令，并将所述工作指令发送至所述传感节点，以控制所述传感节点根据所述工作指令执行对应的操作。

可选的，对所述环境数据进行分析，并根据分析结果判断风险等级，包括：

预先建立环境数据的序列的斜率与风险等级的对应关系，或者环境数据的标准差与风险等级的对应关系；

计算环境数据的序列的斜率或者环境数据的标准差；

根据所述斜率或所述标准差查找对应的风险等级。

可选的，对所述环境数据进行分析，并根据分析结果判断风险等级，还包括：

建立机器学习模型；

将环境数据作为输入数据输入所述机器学习模型，获取输出的风险等级。

可选的，所述建立机器学习模型的步骤包括：

获取历史火灾样本数据；

根据所述历史火灾样本数据对机器学习模型进行训练，获取训练之后的机器学习模型。

可选的，根据所述风险等级生成对应的工作指令，并将所述工作指令发送至所述传感节点，以控制所述传感节点根据所述工作指令执行对应的操作，包括：

若所述风险等级为低风险，则生成第一工作指令；其中，所述第一工作指令用于控制所述传感节点进入低采样频率和低功耗通信模式；

若所述风险等级为中等风险，则生成第二工作指令；其中，所述第二工作指令用于控制所述传感节点进入中等采样频率和中等功耗通信模式；

若所述风险等级为高风险，则生成第三工作指令；其中，所述第三工作指令用于控制所述传感节点进入高采样频率和高功耗通信模式。

本发明实施例的第二方面提供了一种安全监控装置，应用于服务器，所述服务器与传感节点通信连接；

所述装置包括：

获取模块，用于获取传感节点发送的环境数据；

分析模块，用于对所述环境数据进行分析，并根据分析结果判断风险等级；

生成模块，用于根据所述风险等级生成对应的工作指令，并将所述工作指令发送至所述传感节点，以控制所述传感节点根据所述工作指令执行对应的操作。

可选的，所述分析模块，包括：

第一建立单元，用于预先建立环境数据的序列的斜率与风险等级的对应关系，或者环境数据的标准差与风险等级的对应关系；

计算单元，用于计算环境数据的序列的斜率或者环境数据的标准差；

查找单元，用于根据所述斜率或所述标准差查找对应的风险等级。

可选的，所述分析模块，还包括：

第二建立单元，用于建立机器学习模型；

输入单元，用于将环境数据作为输入数据输入所述机器学习模型，获取输出的风险等级。

可选的，所述第二建立单元，包括：

获取子单元，用于获取历史火灾样本数据；

训练子单元，用于根据所述历史火灾样本数据对机器学习模型进行训练，获取训练之后的机器学习模型。

可选的，所述生成模块，包括：

第一生成单元，用于若所述风险等级为低风险，则生成第一工作指令；其中，所述第一工作指令用于控制所述传感节点进入低采样频率和低功耗通信模式；

第二生成单元，用于若所述风险等级为中等风险，则生成第二工作指令；其中，所述第二工作指令用于控制所述传感节点进入中等采样频率和中等功耗通信模式；

第三生成单元，用于若所述风险等级为高风险，则生成第三工作指令；其中，所述第三工作指令用于控制所述传感节点进入高采样频率和高功耗通信模式。

本发明实施例的第三方面提供了一种终端设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述方法的步骤。

本发明实施例通过动态调整传感节点的工作模式和采样周期，使得安全监控系统在数据出现异常时，能够快速调整传感节点的工作状态，提高采样频率，使得系统在火灾发生初期能快速检测出异常，提高了安全监控系统对火灾监控的效率和安全性，同时节省了电能。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的安全监控方法的流程示意图；

图2是本发明实施例一提供的低功耗多跳自组织网络的结构示意图；

图3是本发明实施例二提供的安全监控方法的流程示意图；

图4是本发明实施例三提供的安全监控方法的流程示意图；

图5是本发明实施例四提供的安全监控方法的流程示意图；

图6是本发明实施例五提供的安全监控装置的结构示意图；

图7是本发明实施例六提供的终端设备的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“包括”以及它们任何变形，意图在于覆盖不排他的包含。例如包含一系列步骤或单元的过程、方法或系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外，术语“第一”、“第二”和“第三”等是用于区别不同对象，而非用于描述特定顺序。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例一

如图1所示，本实施例提供一种安全监控方法，该方法可以应用于如手机、pc、平板电脑或服务器等终端设备。本实施例所提供的安全监控方法，包括：

s101、获取传感节点发送的环境数据。

在具体应用中，获取多跳自组织网络中各个传感节点发送的环境数据；其中，环境数据是指各个传感节点通过多种不同类型的多个传感器获取的环境参数。环境数据包括但不限于：烟雾浓度、co浓度、温度和湿度。

在一个实施例中，本方法应用于低功耗多跳自组织网络中的服务器，其中，低功耗多跳无线传感网络包括：服务器和一个以上的传感节点、路由节点、边缘路由器；服务器与一个以上的边缘路由器通信连接，一个边缘路由器与一个路由节点通信连接，一个路由节点与一个以上的传感节点通信连接。

图2示例性的示出了一种低功耗多跳自组织网络的结构图。

在一个实施例中，传感节点获取到环境数据后，将环境数据发送至路由节点，路由节点将环境数据转发至边缘路由器，边缘路由器将环境数据转发至服务器。

在一个实施例中，传感节点包括传感模块、无线收发模块、网络控制模块和功耗控制模块；

其中，传感模块用于检测环境数据。

无线收发模块包括接收模块和发送模块；其中，无线收发模块处于唤醒状态时，接收模块和发送模块均处于活跃状态；

无线收发模块处于监听状态时，接收模块处于活跃状态，发送模块处于休眠状态；

无线收发模块处于休眠状态时，接收模块和发送模块均处于休眠状态。

网络控制模块包括监听控制模块和数据传输模块；其中，监听控制模块用于控制无线收发模块获取路由节点发送的来自服务器的控制指令；数据传输模块用于控制无线收发模块将环境数据发送至路由节点。

功耗控制模块包括休眠模块、监听模块和唤醒模块；其中，休眠模块、监听模块和唤醒模块分别用于根据采样周期，控制网络控制模块和无线收发模块的工作状态切换至休眠状态、监听状态或唤醒状态。采用实时监听模式，能够降低网络中的通信延迟，使得系统在火灾发生初期能快速检测出异常。

具体的，无线传感器网络(wirelesssensornetworks，wsn)是一种分布式传感网络，其末梢是可以感知和检查外部世界的传感器。wsn中的传感器通过无线方式通信，网络设置灵活，且传感设备位置可以随时更改，还可以跟互联网通过有线或无线方式连接。

其中，通过无线通信方式形成无线传感器网络为多跳自组织网络。“多跳自组织网络”由多个节点构造，节点包括但不限于如电脑和移动电话等终端设备，上述终端设备设备通过无线连接到彼此，互相可以通过网络转发数据。数据在网络中从一个节点跳到另一个节点，直到抵达目的地。当所有的节点都发生故障时，数据不可用。因此，多跳自组织网络的网络拓扑结构可靠且可扩展。

s102、对所述环境数据进行分析，并根据分析结果判断风险等级。

在具体应用中，对环境数据进行分析，根据分析结果判断传感节点所在区域是否存在风险，以及风险的等级。其中，风险等级包括但不限于低风险、中等风险和高风险。

s103、根据所述风险等级生成对应的工作指令，并将所述工作指令发送至所述传感节点，以控制所述传感节点根据所述工作指令执行对应的操作。

在具体应用中，根据风险等级生成对应的工作指令，并将工作指令发送至传感节点，以控制传感节点根据工作指令执行对应的操作。其中，工作指令包括但不限于用于控制传感节点进入低采样频率和低功耗通信模式的第一工作指令，用于控制传感节点进入中等采样频率和中等功耗通信模式的第二工作指令，和用于控制传感节点进入高采样频率和高功耗通信模式的第三工作指令。

本实施例通过动态调整传感节点的工作模式和采样周期，使得安全监控系统在数据出现异常时，能够快速调整传感节点的工作状态，提高采样频率，并使得系统在火灾发生初期能快速检测出异常，提高了安全监控系统对火灾监控的效率和安全性，同时节省了电能。

实施例二

如图2所示，本实施例是对实施例一中的方法步骤的进一步说明。在本实施例中，步骤s102，包括：

s1021、预先建立环境数据的序列的斜率与风险等级的对应关系，或者环境数据的标准差与风险等级的对应关系。

在具体应用中，获取环境数据的序列，预先建立的环境数据的序列的斜率与风险等级的对应关系；或者，获取环境数据的标准差，预先建立环境数据的标准差与风险等级的对应关系。

s1022、计算环境数据的序列的斜率或者环境数据的标准差。

在具体应用中，计算环境数据的序列的斜率，或者计算环境数据的标准差。

s1023、根据所述斜率或所述标准差查找对应的风险等级。

在具体应用中，根据环境数据的序列的斜率获取对应的风险等级，或者，根据环境数据的标准差获取对应的风险等级。

本实施例通过环境数据的变化率计算获取对应的风险等级，提高了数据的可靠性和安全性。

实施例三

如图3所示，本实施例是对实施例一中的方法步骤的进一步说明。在本实施例中，步骤s102，还包括：

s1024、建立机器学习模型；

在具体应用中，建立机器学习模型，其中，机器学习模型可以包括但不限于bp神经网络模型、随机森林模型和支持向量机模型中的一种。

s1025、将环境数据作为输入数据输入所述机器学习模型，获取输出的风险等级。

在具体应用中，将环境数据作为输入数据输入机器学习模型，获取输出的风险等级结果，以确定传感节点所在区域的风险等级。

在一个实施例中，建立机器学习模型的步骤包括：

获取历史火灾样本数据；

根据所述历史火灾样本数据对机器学习模型进行训练，获取训练之后的机器学习模型。

在具体应用中，获取历史火灾样本数据，根据历史火灾样本数据对机器学习模型进行训练，获取训练之后的机器学习模型。其中，历史火灾样本数据是在预设时间段内目标场所发生过的火灾的数据。例如，预设时间段内设定为一年，获取2018年6月至2019年6月之间目标场所发生过的火灾的数据，作为历史火灾样本数据。

本实施例通过建立机器学习模型，并进行训练，获取机器学习模型输出的与环境数据对应的风险等级，提高了对火灾监控的效率和准确率。

实施例四

如图4所示，本实施例是对实施例一中的方法步骤的进一步说明。在本实施例中，步骤s103，包括：

s1031、若所述风险等级为低风险，则生成第一工作指令；其中，所述第一工作指令用于控制所述传感节点进入低采样频率和低功耗通信模式。

在具体应用中，若风险等级为低风险，则生成第一工作指令；其中，第一工作指令用于控制传感节点进入低采样频率和低功耗通信模式。低采样频率是指低于第一预设频率的采样频率。第一预设频率可根据实际情况进行具体设定。低功耗通信模式是指控制传感节点的无线收发模块进入休眠状态。

s1032、若所述风险等级为中等风险，则生成第二工作指令；其中，所述第二工作指令用于控制所述传感节点进入中等采样频率和中等功耗通信模式。

在具体应用中，若风险等级为中等风险，则生成第二工作指令；其中，第二工作指令用于控制传感节点进入中等采样频率和中等功耗通信模式。中等采样频率是指高于第一预设频率且低于第二预设频率的采样频率。第二预设频率可根据实际情况进行具体设定，需要说明的是，第二预设频率高于第一预设频率。中等功耗通信模式是指控制传感节点的无线收发模块进入监听状态。

s1033、若所述风险等级为高风险，则生成第三工作指令；其中，所述第三工作指令用于控制所述传感节点进入高采样频率和高功耗通信模式。

在具体应用中，若风险等级为高风险，则生成第三工作指令；其中，第三工作指令用于控制传感节点进入高采样频率和高功耗通信模式。高采样频率是指高于第二预设频率的采样频率。高功耗通信模式是指控制传感节点的无线收发模块进入唤醒状态。

本实施例通过根据获取到的风险等级来动态调整传感节点的工作模式和采样采样频率，使得安全监控系统在火灾发生初期能快速检测出异常，提高了安全监控系统对火灾监控的效率和安全性。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

实施例五

如图5所示，本实施例提供一种安全监控装置100，用于执行实施例一中的方法步骤。本实施例提供的安全监控装置100集成于服务器，安全监控装置100包括：

获取模块101，用于获取传感节点发送的环境数据；

分析模块102，用于对所述环境数据进行分析，并根据分析结果判断风险等级；

生成模块103，用于根据所述风险等级生成对应的工作指令，并将所述工作指令发送至所述传感节点，以控制所述传感节点根据所述工作指令执行对应的操作。

在一个实施例中，所述分析模块102，包括：

第一建立单元，用于预先建立环境数据的序列的斜率与风险等级的对应关系，或者环境数据的标准差与风险等级的对应关系；

计算单元，用于计算环境数据的序列的斜率或者环境数据的标准差；

查找单元，用于根据所述斜率或所述标准差查找对应的风险等级。

在一个实施例中，所述分析模块102，还包括：

第二建立单元，用于建立机器学习模型；

输入单元，用于将环境数据作为输入数据输入所述机器学习模型，获取输出的风险等级。

在一个实施例中，其特征在于，所述第二建立单元，包括：

获取子单元，用于获取历史火灾样本数据；

训练子单元，用于根据所述历史火灾样本数据对机器学习模型进行训练，获取训练之后的机器学习模型。

在一个实施例中，所述生成模块103，包括：

第一生成单元，用于若所述风险等级为低风险，则生成第一工作指令；其中，所述第一工作指令用于控制所述传感节点进入低采样频率和低功耗通信模式；

第二生成单元，用于若所述风险等级为中等风险，则生成第二工作指令；其中，所述第二工作指令用于控制所述传感节点进入中等采样频率和中等功耗通信模式；

第三生成单元，用于若所述风险等级为高风险，则生成第三工作指令；其中，所述第三工作指令用于控制所述传感节点进入高采样频率和高功耗通信模式。

本实施例通过动态调整传感节点的工作模式和采样周期，使得安全监控系统在数据出现异常时，能够快速调整传感节点的工作状态，提高采样频率，并使得系统在火灾发生初期能快速检测出异常，提高了安全监控系统对火灾监控的效率和安全性，同时节省了电能。

实施例六

图7是本实施例提供的终端设备的示意图。如图7所示，该实施例的终端设备7包括：处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72，例如安全监控程序。所述处理器70执行所述计算机程序72时实现上述各个安全监控方法实施例中的步骤，例如图1所示的步骤s101至s103。或者，所述处理器70执行所述计算机程序72时实现上述各装置实施例中各模块/单元的功能，例如图5所示模块101至103的功能。

示例性的，所述计算机程序72可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器71中，并由所述处理器70执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序72在所述终端设备7中的执行过程。例如，所述计算机程序72可以被分割成获取模块、分析模块和生成模块，各模块具体功能如下：

获取模块，用于获取传感节点发送的环境数据；

分析模块，用于对所述环境数据进行分析，并根据分析结果判断风险等级；

生成模块，用于根据所述风险等级生成对应的工作指令，并将所述工作指令发送至所述传感节点，以控制所述传感节点根据所述工作指令执行对应的操作。

所述终端设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器70、存储器71。本领域技术人员可以理解，图7仅仅是终端设备7的示例，并不构成对终端设备7的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器70可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器71可以是所述终端设备7的内部存储单元，例如终端设备7的硬盘或内存。所述存储器71也可以是所述终端设备7的外部存储设备，例如所述终端设备7上配备的插接式硬盘，智能存储卡(smartmediacard，smc)，安全数字卡(securedigital，sd)，闪存卡(flashcard)等。进一步地，所述存储器71还可以既包括所述终端设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。