CN106951574A - 一种基于计算机网络的信息处理系统和方法 - Google Patents
一种基于计算机网络的信息处理系统和方法 Download PDFInfo
- Publication number
- CN106951574A CN106951574A CN201710304571.8A CN201710304571A CN106951574A CN 106951574 A CN106951574 A CN 106951574A CN 201710304571 A CN201710304571 A CN 201710304571A CN 106951574 A CN106951574 A CN 106951574A
- Authority
- CN
- China
- Prior art keywords
- information
- data information
- global
- area
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Alarm Systems (AREA)
Abstract
本发明提出了一种基于计算机网络的信息处理系统和方法。该系统包括:建模装置,接收装置,判断装置,选择装置,处理装置。该方法包括:建模步骤,接收步骤,判断步骤,选择步骤,处理步骤。通过该系统和方法,能够提高计算机网络安全管理的效率和准确度。
Description
技术领域
本发明涉及计算机网络安全技术领域,特别涉及一种基于计算机网络的信息处理系统和方法。
背景技术
计算机网络安全在现实生活中具有重要的意义。现有技术中人们通过计算机网络对数据信息进行处理,通常在对场景数据进行大范围监控时遇到数据量太大处理速度慢的问题,同时对感兴趣数据又无法看清,从而基于计算机网络管理数据的效率和准确度一直是个难题,如何通过计算机网络提高处理数据的效率,以及如何提高处理数据的精确度,是计算机网络安全技术领域面临的急需解决的问题。
发明内容
为了解决上述问题,本发明的目的在于提供一种基于计算机网络的信息处理系统和方法,通过本发明的建模方法对不同类型的数据进行建模,从而提高数据计算的准确度,且通过本发明的系统和方法,对接收的数据信息进行判断分析,将不同类型的数据和相应的模型进行匹配计算,从而提高信息处理的效率和精度。
本发明采用的技术方案如下:
一种基于计算机网络的信息处理系统,该系统包括:建模装置,接收装置,判断装置,选择装置,处理装置;
所述建模装置,针对不同的数据类型进行建模。
所述接收装置,包括获取安全监控区域内的数据信息;
所述判断装置,针对安全监控区域内的数据信息,判断所获取的数据信息类型;
所述选择装置,根据判断装置判断出的数据信息类型选择相应的模型,发送选择结果给处理装置;
所述处理装置,按照选择装置中选择的模型进行计算,并对结果进行分析处理。
优选地,建模装置,针对不同的数据类型进行建模,具体为:全局数据信息建模和区域数据信息建模。
优选地,接收装置,还包括感应装置和时间装置。
优选地,判断装置,针对获取的数据信息判断是全局数据信息还是区域数据信息。
优选地,选择装置,根据判断装置判断出的数据信息类型选择建模装置中的模型进行计算。
优选地,处理装置,将经计算处理后得到的全局图像和区域图像和设定的阈值相比较,如果在阈值范围之外,则为异常情况,通过计算机网络即时传输给管理中心。
本发明还公开了一种基于计算机网络的信息处理方法,该方法包括:建模步骤,接收步骤,判断步骤,选择步骤,处理步骤;
所述建模步骤,针对不同的数据类型进行建模。
所述接收步骤,包括获取安全监控区域内的数据信息;
所述判断步骤,针对安全监控区域内的数据信息,判断所获取的数据信息类型;
所述选择步骤,根据判断出的数据信息类型选择相应的模型,发送选择结果给处理装置;
所述处理步骤,按照选择步骤中选择的模型进行计算,并对结果进行分析处理。
优选地,建模步骤,针对不同的数据类型进行建模,具体为:全局数据信息建模和区域数据信息建模。
优选地,接收步骤,还包括获取感应装置和时间装置中的数据。
优选地,判断步骤,针对获取的数据信息判断是全局数据信息还是区域数据信息。
优选地,选择步骤,根据判断出的数据信息类型选择建模装置中的模型进行计算。
优选地,处理步骤,将经计算处理后得到的全局图像和区域图像和设定的阈值相比较,如果在阈值范围之外,则为异常情况,通过计算机网络即时传输给管理中心。
附图说明
下面结合附图及实施方式对本发明作进一步详细的说明:
图1为基于计算机网络的信息处理系统的示意图。
图2为基于计算机网络的信息处理方法的流程图。
图3为基于计算机网络的信息处理方法的实施例1。
图4为基于计算机网络的信息处理方法的实施例2。
图5为基于计算机网络的信息处理方法的实施例3。
图6为基于计算机网络的信息处理方法的实施例4。
图7为基于计算机网络的信息处理方法的实施例5。
具体实施方式
本发明公开了一种基于计算机网络的信息处理系统,该系统包括:建模装置,接收装置,判断装置,选择装置,处理装置;
所述建模装置,针对不同的数据类型进行建模;
所述接收装置,包括获取安全监控区域内的数据信息;
所述判断装置,针对安全监控区域内的数据信息,判断所获取的数据信息类型;
所述选择装置,根据判断装置判断出的数据信息类型选择相应的模型,发送选择结果给处理装置;
所述处理装置,按照选择装置中选择的模型进行计算,并对结果进行分析处理。
优选地,建模装置,针对不同的数据类型进行建模,具体为:全局数据信息建模和区域数据信息建模。
接收装置,还包括感应装置和时间装置。
判断装置,针对获取的数据信息判断是全局数据信息还是区域数据信息。
选择装置,根据判断装置判断出的数据信息类型选择建模装置中的模型进行计算。
处理装置,将经计算处理后得到的全局图像和区域图像和设定的阈值相比较,如果在阈值范围之外,则为异常情况,通过计算机网络即时传输给管理中心。
优选地,所述建模装置,针对不同的数据类型进行建模,具体为:
全局数据信息建模:针对全局数据信息,去除干扰后获得去除干扰后的全局图像F(x,y):
其中t0为光线透射率t(x,y)的阈值,AF为多通道中图像的亮度最大值,A(x,y)为AF相应通道对应的灰度图像;
区域数据信息建模:
MH(x,y)=ML(x,y)+k(x,y)·α(i,j)
其中,MH(x,y)为增强空间细节信息后的图像,ML(x,y)为增强空间细节信息前的图像,k表示系数,α(i,j)为空间细节信息。
优选地,接收装置,包括获取安全监控区域内的数据信息,具体为:接收装置还包括感应装置,如果对全局数据信息中的某个区域感兴趣,则系统通过自动调焦拍摄感兴趣区域从而获得区域数据信息,如果对全局数据信息感兴趣,则系统通过自动调焦拍摄全局区域从而获得全局数据信息;接收装置还包括时间装置,结合不同时段自动调焦拍摄不同区域和全局区域,从而获得区域数据信息和全局数据信息。
优选地,判断装置,针对获取的数据信息判断是全局数据信息还是区域数据信息:
其中,Nv为图像集中的像素,color(xq,yq)为坐标为(xq,yq)的像素值的颜色分量,q为索引,Pcolor为图像中像素与周围四个像素的平均水平颜色变化;如果Pcolor在设定阈值范围内则为全局数据信息,如果Pcolor在设定阈值范围外则为区域数据信息。
优选地,所述选择装置,根据判断装置判断出的数据信息类型选择建模装置中的模型进行计算,具体为:如果判断装置判断出的数据信息类型为全局数据信息,选择装置选择建模装置中全局数据信息模型;如果判断装置判断出的数据信息类型为区域数据信息,选择装置选择建模装置中区域数据信息模型;
所述处理装置,按照选择装置选择的模型进行计算,并对结果进行分析处理:将经计算处理后得到的全局图像和区域图像和设定的阈值相比较,如果在阈值范围之外,则为异常情况,通过计算机网络即时传输给管理中心。
本发明还公开了一种基于计算机网络的信息处理方法,该方法包括:建模步骤,接收步骤,判断步骤,选择步骤,处理步骤;
所述建模步骤,针对不同的数据类型进行建模。
所述接收步骤,包括获取安全监控区域内的数据信息;
所述判断步骤,针对安全监控区域内的数据信息,判断所获取的数据信息类型;
所述选择步骤,根据判断出的数据信息类型选择相应的模型,发送选择结果给处理装置;
所述处理步骤,按照选择步骤中选择的模型进行计算,并对结果进行分析处理。
优选地,建模步骤,针对不同的数据类型进行建模,具体为:全局数据信息建模和区域数据信息建模。
接收步骤,还包括获取感应装置和时间装置中的数据。
判断步骤,针对获取的数据信息判断是全局数据信息还是区域数据信息。
选择步骤,根据判断出的数据信息类型选择建模装置中的模型进行计算。
处理步骤,将经计算处理后得到的全局图像和区域图像和设定的阈值相比较,如果在阈值范围之外,则为异常情况,通过计算机网络即时传输给管理中心。
优选地,建模步骤是针对不同的数据类型进行建模,具体为:
全局数据信息建模:针对全局数据信息,去除干扰后获得去除干扰后的全局图像F(x,y):
其中t0为光线透射率t(x,y)的阈值,AF为多通道中图像的亮度最大值,A(x,y)为AF相应通道对应的灰度图像;
区域数据信息建模:针对区域数据信息,获得增强空间细节信息后的图像MH(x,y):
MH(x,y)=ML(x,y)+k(x,y)·α(i,j)
其中,MH(x,y)为增强空间细节信息后的图像,ML(x,y)为增强空间细节信息前的图像,k表示系数,α(i,j)为空间细节信息。
优选地,接收步骤包括获取安全监控区域内的数据信息,具体为:接收步骤还包括获取感应装置的数据,如果对全局数据信息中的某个区域感兴趣,则系统通过自动调焦拍摄感兴趣区域从而获得区域数据信息,如果对全局数据信息感兴趣,则系统通过自动调焦拍摄全局区域从而获得全局数据信息;接收步骤还包括获取时间装置的数据,结合不同时段自动调焦拍摄不同区域和全局区域,从而获得区域数据信息和全局数据信息。
优选地,判断步骤,针对获取的数据信息判断是全局数据信息还是区域数据信息:
其中,Nv为图像集中的像素,color(xq,yq)为坐标为(xq,yq)的像素值的颜色分量,q为索引,Pcolor为图像中像素与周围四个像素的平均水平颜色变化;如果Pcolor在设定阈值范围内则为全局数据信息,如果Pcolor在设定阈值范围外则为区域数据信息。
优选地,选择步骤根据判断装置判断出的数据信息类型选择建模装置中的模型进行计算,具体为:如果判断装置判断出的数据信息类型为全局数据信息,通过选择装置选择建模装置中全局数据信息模型;如果判断装置判断出的数据信息类型为区域数据信息,通过选择装置选择建模装置中区域数据信息模型;
所述处理步骤,按照选择装置选择的模型进行计算,并对结果进行分析处理:将经计算处理后得到的全局图像和区域图像和设定的阈值相比较,如果在阈值范围之外,则为异常情况,通过计算机网络即时传输给管理中心。
通过本发明对基于计算机网络的信息处理系统和方法,对不同类型的数据信息进行建模,自动获取不同类型的数据信息,判断数据类型,从而选择相应的模型进行处理,提高了效率的同时提高了精度,也确保了有异常情况能即时通过计算机网络传输给管理中心,提高了网络安全性和准确性。
上述实施例阐明的内容应当理解为这些实施例仅用于更清楚地说明本发明,而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
Claims (10)
1.一种基于计算机网络的信息处理系统,其特征在于,该系统包括:建模装置,接收装置,判断装置,选择装置,处理装置;
所述建模装置,针对不同的数据类型进行建模。
所述接收装置,包括获取安全监控区域内的数据信息;
所述判断装置,针对安全监控区域内的数据信息,判断所获取的数据信息类型;
所述选择装置,根据判断装置判断出的数据信息类型选择相应的模型,发送选择结果给处理装置;
所述处理装置,按照选择装置中选择的模型进行计算,并对结果进行分析处理。
2.如权利要求1所述的一种基于计算机网络的信息处理系统,所述建模装置,针对不同的数据类型进行建模,具体为:
全局数据信息建模:针对全局数据信息,去除干扰后获得去除干扰后的全局图像F(x,y):
其中t0为光线透射率t(x,y)的阈值,AF为多通道中图像的亮度最大值,A(x,y)为AF相应通道对应的灰度图像;
区域数据信息建模:针对区域数据信息,获得增强空间细节信息后的图像MH(x,y):
MH(x,y)=ML(x,y)+k(x,y)·α(i,j)。
其中,MH(x,y)为增强空间细节信息后的图像,ML(x,y)为增强空间细节信息前的图像,k表示系数,α(i,j)为空间细节信息。
3.如权利要求2所述的一种基于计算机网络的信息处理系统,所述接收装置,包括获取安全监控区域内的数据信息,具体为:接收装置还包括感应装置,如果对全局数据信息中的某个区域感兴趣,则系统通过自动调焦拍摄感兴趣区域从而获得区域数据信息,如果对全局数据信息感兴趣,则系统通过自动调焦拍摄全局区域从而获得全局数据信息;接收装置还包括时间装置,结合不同时段自动调焦拍摄不同区域和全局区域,从而获得区域数据信息和全局数据信息。
4.如权利要求1至3中任一权利要求所述的一种基于计算机网络的信息处理系统,所述判断装置,针对获取的数据信息判断是全局数据信息还是区域数据信息:
其中,Nv为图像集中的像素,color(xq,yq)为坐标为(xq,yq)的像素值的颜色分量,q为索引,Pcolor为图像中像素与周围四个像素的平均水平颜色变化;如果Pcolor在设定阈值范围内则为全局数据信息,如果Pcolor在设定阈值范围外则为区域数据信息。
5.如权利要求1至4中任一权利要求所述的一种基于计算机网络的信息处理系统,所述选择装置,根据判断装置判断出的数据信息类型选择建模装置中的模型进行计算,具体为:如果判断装置判断出的数据信息类型为全局数据信息,选择装置选择建模装置中全局数据信息模型;如果判断装置判断出的数据信息类型为区域数据信息,选择装置选择建模装置中区域数据信息模型;
所述处理装置,按照选择装置选择的模型进行计算,并对结果进行分析处理:将经计算处理后得到的全局图像和区域图像和设定的阈值相比较,如果在阈值范围之外,则为异常情况,通过计算机网络即时传输给管理中心。
6.一种基于计算机网络的信息处理方法,其特征在于,该方法包括:建模步骤,接收步骤,判断步骤,选择步骤,处理步骤;
所述建模步骤,针对不同的数据类型进行建模。
所述接收步骤,获取安全监控区域内的数据信息;
所述判断步骤,针对安全监控区域内的数据信息,判断所获取的数据信息类型;
所述选择步骤,根据判断出的数据信息类型选择相应的模型,发送选择结果;
所述处理步骤,按照选择步骤中选择的模型进行计算,并对结果进行分析处理。
7.如权利要求6所述的一种基于计算机网络的信息处理方法,所述建模步骤是针对不同的数据类型进行建模,具体为:
全局数据信息建模:针对全局数据信息,去除干扰后获得去除干扰后的全局图像F(x,y):
其中t0为光线透射率t(x,y)的阈值,AF为多通道中图像的亮度最大值,A(x,y)为AF相应通道对应的灰度图像;
区域数据信息建模:针对区域数据信息,获得增强空间细节信息后的图像MH(x,y):
MH(x,y)=ML(x,y)+k(x,y)·α(i,j)。
其中,MH(x,y)为增强空间细节信息后的图像,ML(x,y)为增强空间细节信息前的图像像素值,k表示系数,α(i,j)为空间细节信息。
8.如权利要求7所述的一种基于计算机网络的信息处理方法,所述接收步骤包括获取安全监控区域内的数据信息,具体为:
接收步骤还包括获取感应装置的数据,如果对全局数据信息中的某个区域感兴趣,则系统通过自动调焦拍摄感兴趣区域从而获得区域数据信息,如果对全局数据信息感兴趣,则系统通过自动调焦拍摄全局区域从而获得全局数据信息;接收步骤还包括获取时间装置的数据,结合不同时段自动调焦拍摄不同区域和全局区域,从而获得区域数据信息和全局数据信息。
9.如权利要求6至8中任一权利要求所述的一种基于计算机网络的信息处理方法,所述判断步骤,针对获取的数据信息判断是全局数据信息还是区域数据信息:
其中,Nv为图像集中的像素,color(xq,yq)为坐标为(xq,yq)的像素值的颜色分量,q为索引,Pcolor为图像中像素与周围四个像素的平均水平颜色变化;如果Pcolor在设定阈值范围内则为全局数据信息,如果Pcolor在设定阈值范围外则为区域数据信息。
10.如权利要求6至9中任一权利要求所述的一种基于计算机网络的信息处理方法,所述选择步骤根据判断装置判断出的数据信息类型选择建模装置中的模型进行计算,具体为:如果判断装置判断出的数据信息类型为全局数据信息,通过选择装置选择建模装置中全局数据信息模型;如果判断装置判断出的数据信息类型为区域数据信息,通过选择装置选择建模装置中区域数据信息模型;
所述处理步骤,按照选择装置选择的模型进行计算,并对结果进行分析处理:将经计算处理后得到的全局图像和区域图像和设定的阈值相比较,如果在阈值范围之外,则为异常情况,通过计算机网络即时传输给管理中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710304571.8A CN106951574B (zh) | 2017-05-03 | 2017-05-03 | 一种基于计算机网络的信息处理系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710304571.8A CN106951574B (zh) | 2017-05-03 | 2017-05-03 | 一种基于计算机网络的信息处理系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106951574A true CN106951574A (zh) | 2017-07-14 |
CN106951574B CN106951574B (zh) | 2019-06-14 |
Family
ID=59479667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710304571.8A Active CN106951574B (zh) | 2017-05-03 | 2017-05-03 | 一种基于计算机网络的信息处理系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106951574B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110235853A1 (en) * | 2008-10-02 | 2011-09-29 | Eco Atm Incorporated | Secondary Market And Vending System For Devices |
CN105608479A (zh) * | 2016-03-01 | 2016-05-25 | 北京正安维视科技股份有限公司 | 结合深度数据的异常行为检测方法及系统 |
CN105913008A (zh) * | 2016-04-07 | 2016-08-31 | 杭州电子科技大学 | 基于假设检验的人群异常事件检测方法 |
CN106327439A (zh) * | 2016-08-16 | 2017-01-11 | 华侨大学 | 一种快速雾霾天图像清晰化方法 |
CN106446933A (zh) * | 2016-08-31 | 2017-02-22 | 河南广播电视大学 | 基于上下文信息的多目标检测方法 |
CN106530240A (zh) * | 2016-09-29 | 2017-03-22 | 南京邮电大学 | 一种基于多尺度融合和全变分优化的图像去雾方法 |
-
2017
- 2017-05-03 CN CN201710304571.8A patent/CN106951574B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110235853A1 (en) * | 2008-10-02 | 2011-09-29 | Eco Atm Incorporated | Secondary Market And Vending System For Devices |
CN105608479A (zh) * | 2016-03-01 | 2016-05-25 | 北京正安维视科技股份有限公司 | 结合深度数据的异常行为检测方法及系统 |
CN105913008A (zh) * | 2016-04-07 | 2016-08-31 | 杭州电子科技大学 | 基于假设检验的人群异常事件检测方法 |
CN106327439A (zh) * | 2016-08-16 | 2017-01-11 | 华侨大学 | 一种快速雾霾天图像清晰化方法 |
CN106446933A (zh) * | 2016-08-31 | 2017-02-22 | 河南广播电视大学 | 基于上下文信息的多目标检测方法 |
CN106530240A (zh) * | 2016-09-29 | 2017-03-22 | 南京邮电大学 | 一种基于多尺度融合和全变分优化的图像去雾方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106951574B (zh) | 2019-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109522819B (zh) | 一种基于深度学习的火灾图像识别方法 | |
CN112115963B (zh) | 一种基于迁移学习生成无偏见深度学习模型的方法 | |
CN112464971A (zh) | 害虫检测模型构建方法 | |
CN108021938A (zh) | 一种冷轧带钢表面缺陷在线检测方法以及检测系统 | |
CN109711377B (zh) | 标准化考场监控的单帧图像中考生定位和计数方法 | |
CN111401419A (zh) | 基于改进RetinaNet的员工着装规范检测方法 | |
CN107220603A (zh) | 基于深度学习的车辆检测方法及装置 | |
CN112734739B (zh) | 一种基于注意力机制与ResNet融合的建筑裂缝可视化识别方法 | |
CN113642474A (zh) | 一种基于yolov5的危险区域人员监控方法 | |
CN107240092A (zh) | 一种图像模糊度检测方法及装置 | |
CN112287827A (zh) | 基于智慧灯杆的复杂环境行人口罩佩戴检测方法及系统 | |
CN109724993A (zh) | 图像识别设备的污损程度的检测方法、装置和存储介质 | |
CN111862040B (zh) | 人像图片质量评价方法、装置、设备及存储介质 | |
CN109241814A (zh) | 基于yolo神经网络的行人检测方法 | |
CN110782448A (zh) | 渲染图像的评价方法及装置 | |
CN116012701A (zh) | 一种基于矾花检测的水处理加药控制方法及装置 | |
CN110503092B (zh) | 基于领域适应的改进ssd监控视频目标检测方法 | |
CN117576632B (zh) | 基于多模态ai大模型的电网监控火灾预警系统及方法 | |
CN115526852A (zh) | 基于目标检测的选区激光熔融过程中熔池与飞溅监测方法及应用 | |
CN117726991A (zh) | 一种高空吊篮安全带检测方法及终端 | |
CN111104976B (zh) | 一种基于时间序列图像的蓝藻覆盖率计算方法 | |
CN112084913B (zh) | 一种端到端的人体检测与属性识别方法 | |
CN111275642B (zh) | 一种基于显著性前景内容的低光照图像增强方法 | |
CN113642466B (zh) | 活体检测和模型训练方法、设备及介质 | |
CN115331152B (zh) | 一种消防识别方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |