CN108830136A - 一种基于大数据分析的立体车库安防方法 - Google Patents
一种基于大数据分析的立体车库安防方法 Download PDFInfo
- Publication number
- CN108830136A CN108830136A CN201810383261.4A CN201810383261A CN108830136A CN 108830136 A CN108830136 A CN 108830136A CN 201810383261 A CN201810383261 A CN 201810383261A CN 108830136 A CN108830136 A CN 108830136A
- Authority
- CN
- China
- Prior art keywords
- stereo garage
- image
- garage image
- illegal
- stereo
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19665—Details related to the storage of video surveillance data
- G08B13/19667—Details realated to data compression, encryption or encoding, e.g. resolution modes for reducing data volume to lower transmission bandwidth or memory requirements
Abstract
本申请公开了一种基于大数据分析的立体车库安防方法，该方法包括获取立体车库图像；判断立体车库图像是否为合法图像，若判断立体车库图像为不合法立体车库图像，则输出报警；根据当前时间生成时间戳，并将所述不合法立体车库图像和时间戳写入区块链。本申请实施例中通过利用节点获取立体车库图像，并由节点判断立体车库图像是否合法，再将不合法的立体车库图像写入区块链中，从而避免了不法分子直接删除监控室的数据，导致用户很难进行追踪的问题。
Description
技术领域
本申请实施例涉及大数据领域，具体涉及一种基于大数据分析的立体车库安防方法及系统。
背景技术
神经网络主要原理是通过大量样本训练得到训练模型，通过训练模型对其他同类数据样本进行自适应处理。其近些年来被用在各方面广泛研究，尤其图像处理领域。图像处理在平常的监控领域使用广泛。在智能车库不断发展过程中，立体车库的监控也变得越来越智能。立体车库的安防状况比较复杂，大多还是采用摄像头和电脑，由监控人员在监控室进行监控。不法分子往往进入监控室，可以控制对立体车库的安防监控，或者删除相应的监控数据，从而很难获得不法分子的踪迹。存在极大的安全隐患。
发明内容
本申请实施例的目的在于：一种基于大数据分析的立体车库安防方法及系统，用以提高立体车库。
第一方面，提供了一种基于大数据分析的立体车库安防方法,包括：
获取立体车库图像；
判断立体车库图像是否为合法图像，若判断立体车库图像为不合法立体车库图像，则输出报警；
根据当前时间生成时间戳，并将所述不合法立体车库图像和时间戳写入区块链。
在一个可能的设计中，获取立体车库图像包括：
将立体图像以Li-Fi传输协议格式进行打包和编码，并生成立体车库图像编码数据包；
发送所述立体车库图像编码数据包；
所述节点接收并解码所述立体车库图像编码数据包，并获取所述立体车库图像。
在一个可能的设计中，由节点判断立体车库图像是否为合法图像，包括：
由节点存储立体车库图像训练分类器，由所述立体车库图像训练分类器判断立体车库图像是否合法。
在一个可能的设计中，在将所述不合法立体车库图像和时间戳写入区块链后，包括：
从所述区块链获取所述不合法立体车库图像。
第二方面，一种基于大数据分析的立体车库安防系统,包括：
至少两个服务器，用于获取立体车库图像，并判断立体车库图像是否为合法图像，若判断立体车库图像为不合法立体车库图像，则输出报警，根据当前时间生成时间戳，并将所述不合法立体车库图像和时间戳写入区块链。
在一个可能的设计中，所述系统还包括：
Li-Fi通讯模块，将立体图像以Li-Fi传输协议格式进行打包和编码，并生成立体车库图像编码数据包；
Li-Fi 访问点 LFAP, 发送所述立体车库图像编码数据包；
其中，所述服务器接收并解码所述立体车库图像编码数据包，并获取所述立体车库图像。
在一个可能的设计中，所述系统还包括：所述服务器还用于：
存储立体车库图像训练分类器，由所述立体车库图像训练分类器判断立体车库图像是否合法。
在一个可能的设计中，所述服务器还用于：
从所述区块链获取所述不合法立体车库图像。
第三方面，提供了一种基于大数据分析的立体车库安防系统,包括：处理器和储存器；
所述存储器存储有用于执行如权利要求1-4任一所述的方法的操作指令；
所述处理器用于执行所述存储器存储的所述操作指令。
第四方面，提供了一种计算机存储介质，所述计算机存储介质存储有操作指令，所述操作指令用于指示执行如权利要求1-4任一所述的方法的操作指令
综上所述，由于采用了上述技术方案，本申请实施例的有益效果至少有：
本申请实施例中通过利用节点获取立体车库图像，并由节点判断立体车库图像是否合法，再将不合法的立体车库图像写入区块链中，从而避免了不法分子直接删除监控室的数据，导致用户很难进行追踪。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例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申请实施例的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。附图并未刻意按实际尺寸等比例缩放绘制附图，重点在于示出本申请实施例的主旨。
图1是本申请实施例的流程图；
图2是本申请实施例的系统模块图；
图3是本申请实施例的分类器API的编译流程图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，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，都属于本申请实施例保护的范围。
本实施例主要提供了一种基于大数据分析的立体车库安防方法，请参见图1，包括以下步骤：
步骤S101，获取立体车库图像；
步骤S102，判断立体车库图像是否为合法图像，若判断立体车库图像为不合法立体车库图像，则输出报警；
步骤S103，根据当前时间生成时间戳，并将所述不合法立体车库图像和时间戳写入区块链。
以BP神经网络分类器为例，其获得过程主要包括：（1）输入模式由输入层经隐含层向输出层传播计算；（2）输出的误差由输出层经隐含层传向输入层；（3）模式顺序传播与误差逆传播的计算过程反复交替循环进行；（4）判定全局误差是否趋向极小值；
当然分类器可以直接编译进入节点，也可以通过API接口形式供节点调用；
本实施例利用区块链技术建立图像处理数据库，建立了一个去中心化的不可篡改性的立体车库图像，各个节点参与者可以实时同步立体车库图像，从而保证了立体车库图像的安全性。
在前文描述的基础上，获取立体车库图像包括：
将立体图像以Li-Fi传输协议格式进行打包和编码，并生成立体车库图像编码数据包；
发送所述立体车库图像编码数据包；
所述节点接收并解码所述立体车库图像编码数据包，并获取所述立体车库图像。
立体车库通常在地下楼层，往往通信效果不好。本申请实施例中通过利用Li-Fi传输协议进行通信，解决了立体车库数据传输效果差的问题。
在前文描述的基础上，由节点判断立体车库图像是否为合法图像，包括：
由节点存储立体车库图像训练分类器，由所述立体车库图像训练分类器判断立体车库图像是否合法。
在前文描述的基础上，，在将所述不合法立体车库图像和时间戳写入区块链后，包括：
从所述区块链获取所述不合法立体车库图像。
在前文描述的基础上，针对分类器以通过API接口形式供节点调用进行详细说明。
结合图3所示，详细说明分类器API的编译流程：
（1）输入神经网络函数，神经网络函数定义了神经网络训练参数，其中神经网络训练参数包括（图像大小，图像分辨率，时间戳），当然本实施例只是举例说明，具体选用的参数根据实际情况而定;
（2）根据神经网络存储部分调用存储的运算对象函数，运算对象函数定义运算对象结合神经网络参数从而构建神经网络模型；
（3）调用神经网络编译函数（ANeuralNetworksCompilation_create()）对神经网络模型进行编译；
（4）编译之后，调用神经网络执行函数，神经网络执行函数运行神经网络，并在执行的同时从神经网络存储中调用输入执行函数输入值，同时输出值，输出值再输入至输出执行函数，过程中的值均反馈值神经网络存储；
（5）执行完成之后，调用神经网络估算函数，最后生成编译后的神经网络API。
其中，神经网络训练参数应当包含第一图像数据，神经网络在执行过程的同时进行编译。
在前文描述的基础上，一种基于大数据分析的立体车库安防系统,包括：
至少两个服务器，用于获取立体车库图像，并判断立体车库图像是否为合法图像，若判断立体车库图像为不合法立体车库图像，则输出报警，根据当前时间生成时间戳，并将所述不合法立体车库图像和时间戳写入区块链。
在前文描述的基础上，所述系统还包括：
Li-Fi通讯模块，将立体图像以Li-Fi传输协议格式进行打包和编码，并生成立体车库图像编码数据包；
Li-Fi 访问点 LFAP, 发送所述立体车库图像编码数据包；
其中，所述服务器接收并解码所述立体车库图像编码数据包，并获取所述立体车库图像。
在前文描述的基础上，所述系统还包括：所述服务器还用于：
存储立体车库图像训练分类器，由所述立体车库图像训练分类器判断立体车库图像是否合法。
在前文描述的基础上，所述服务器还用于：
从所述区块链获取所述不合法立体车库图像。
在前文描述的基础上，提供了一种基于大数据分析的立体车库安防系统,包括：处理器和储存器；
所述存储器存储有用于执行如安防方法中所述的方法的操作指令；
所述处理器用于执行所述存储器存储的所述操作指令。
在前文描述的基础上，提供了一种计算机存储介质，所述计算机存储介质存储有操作指令，所述操作指令用于指示执行安防方法中所述的方法的操作指令
本实施例基于上述任一实施例的基础上，对于本申请实施例可能的一个设计可读介质进行说明：
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信 号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表 )包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM )、只读存储器(ROM )、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只 读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请实施例的存储介质其可以采用便携式紧凑盘只读存储器( CD-ROM )并包括程序代码，并可以在服务器设 备上运行。然而，本申请实施例的程序产品不限于此，在本文件中，可读存储介质可以是任何包含 或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使 用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于—— 无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序 代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的 过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户 计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算 设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远 程计算设备的情形中，远程计算设备可以通过任意种类的网络——包括局域网( LAN )或广 域网( WAN )—连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务 提供商来通过因特网连接)。
应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请实施例的实施方式，上文描述的两个或更多 单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可 以进一步划分为由多个单元来具体化。
此外，尽管在附图中以特定顺序描述了本申请实施例方法的操作，但是，这并非要求或者 暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的 结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个 步骤分解为多个步骤执行。
虽然已经参考若干具体实施方式描述了本申请实施例的精神和原理，但是应该理解，本 发明并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能 组合以进行受益，这种划分仅是为了表述的方便。本申请实施例旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
以上所述，仅为本申请实施例的具体实施方式，但本申请实施例的保护范围并不局限于此，任何属于本技术领域的技术人员在本申请实施例揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请实施例的保护范围之内。
Claims (10)
1.一种基于大数据分析的立体车库安防方法,其特征在于，包括：
获取立体车库图像；
判断立体车库图像是否为合法图像，若判断立体车库图像为不合法立体车库图像，则输出报警；
根据当前时间生成时间戳，并将所述不合法立体车库图像和时间戳写入区块链。
2.如权利要求1所述的方法，其特征在于，获取立体车库图像包括：
将立体图像以Li-Fi传输协议格式进行打包和编码，并生成立体车库图像编码数据包；
发送所述立体车库图像编码数据包；
所述节点接收并解码所述立体车库图像编码数据包，并获取所述立体车库图像。
3.如权利要求1所述的方法，其特征在于，由节点判断立体车库图像是否为合法图像，包括：
由节点存储立体车库图像训练分类器，由所述立体车库图像训练分类器判断立体车库图像是否合法。
4.如权利要求1所述的方法，其特征在于，在将所述不合法立体车库图像和时间戳写入区块链后，包括：
从所述区块链调用所述不合法立体车库图像。
5.一种基于大数据分析的立体车库安防系统, 其特征在于，包括：
至少两个服务器，用于获取立体车库图像，并判断立体车库图像是否为合法图像，若判断立体车库图像为不合法立体车库图像，则输出报警，根据当前时间生成时间戳，并将所述不合法立体车库图像和时间戳写入区块链。
6.如权利要求4所述的系统，其特征在于，所述系统还包括：
Li-Fi通讯模块，将立体图像以Li-Fi传输协议格式进行打包和编码，并生成立体车库图像编码数据包；
Li-Fi 访问点 LFAP, 发送所述立体车库图像编码数据包；
其中，所述服务器接收并解码所述立体车库图像编码数据包，并获取所述立体车库图像。
7.如权利要求4所述的系统，其特征在于，所述系统还包括：所述服务器还用于：
存储立体车库图像训练分类器，由所述立体车库图像训练分类器判断立体车库图像是否合法。
8.如权利要求4所述的系统，其特征在于，所述服务器还用于：
从所述区块链调用所述不合法立体车库图像。
9.一种基于大数据分析的立体车库安防系统, 其特征在于，包括：处理器和储存器；
所述存储器存储有用于执行如权利要求1-4任一所述的方法的操作指令；
所述处理器用于执行所述存储器存储的所述操作指令。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有操作指令，所述操作指令用于指示执行如权利要求1-4任一所述的方法的操作指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810383261.4A CN108830136A (zh) | 2018-04-26 | 2018-04-26 | 一种基于大数据分析的立体车库安防方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810383261.4A CN108830136A (zh) | 2018-04-26 | 2018-04-26 | 一种基于大数据分析的立体车库安防方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108830136A true CN108830136A (zh) | 2018-11-16 |
Family
ID=64155655
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810383261.4A Withdrawn CN108830136A (zh) | 2018-04-26 | 2018-04-26 | 一种基于大数据分析的立体车库安防方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108830136A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2022525231A (ja) * | 2019-03-15 | 2022-05-11 | エバーシーン リミテッド | 異常監視のための分散ログブック |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104394389A (zh) * | 2014-12-15 | 2015-03-04 | 成都鼎智汇科技有限公司 | 一种智能分布式视频监视系统 |
| CN107273880A (zh) * | 2017-07-31 | 2017-10-20 | 秦皇岛玥朋科技有限公司 | 一种基于智能视频监控的立体车库安防系统及方法 |
| CN107465656A (zh) * | 2017-06-14 | 2017-12-12 | 广州宏和网络科技有限公司 | 一种基于云计算的安防监控大数据处理方法及系统 |
| CN107612695A (zh) * | 2017-07-31 | 2018-01-19 | 深圳市科迈爱康科技有限公司 | 基于区块链的知识管理方法、终端及服务器 |
-
2018
- 2018-04-26 CN CN201810383261.4A patent/CN108830136A/zh not_active Withdrawn
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104394389A (zh) * | 2014-12-15 | 2015-03-04 | 成都鼎智汇科技有限公司 | 一种智能分布式视频监视系统 |
| CN107465656A (zh) * | 2017-06-14 | 2017-12-12 | 广州宏和网络科技有限公司 | 一种基于云计算的安防监控大数据处理方法及系统 |
| CN107273880A (zh) * | 2017-07-31 | 2017-10-20 | 秦皇岛玥朋科技有限公司 | 一种基于智能视频监控的立体车库安防系统及方法 |
| CN107612695A (zh) * | 2017-07-31 | 2018-01-19 | 深圳市科迈爱康科技有限公司 | 基于区块链的知识管理方法、终端及服务器 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2022525231A (ja) * | 2019-03-15 | 2022-05-11 | エバーシーン リミテッド | 異常監視のための分散ログブック |
| JP7266702B2 (ja) | 2019-03-15 | 2023-04-28 | エバーシーン リミテッド | 異常監視のための分散ログブック |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107516090B (zh) | 一体化人脸识别方法和系统 | |
| JP6941406B2 (ja) | 視覚的または聴覚的効果の双方向伝達を利用した映像通話方法およびシステム | |
| CN109145781A (zh) | 用于处理图像的方法和装置 | |
| CN107819829A (zh) | 访问区块链的方法、系统、区块链节点设备及用户终端 | |
| US11146460B2 (en) | System and method for generating a network diagram | |
| CN108140007A (zh) | 跨部署位置安全地部署应用程序 | |
| CN110808855B (zh) | 互联网技术架构及管理方法、装置、电子设备和介质 | |
| CN109376541A (zh) | 用于运行智能合约的方法、装置以及计算机存储介质 | |
| CN108737243A (zh) | 会话消息质检方法及装置 | |
| CN107479882A (zh) | 投保页面的生成方法、生成装置、介质及电子设备 | |
| JP7311544B2 (ja) | 情報処理方法及び情報処理装置 | |
| CN110166276A (zh) | 一种帧同步异常的定位方法、装置、终端设备和介质 | |
| CN108984234A (zh) | 一种移动终端与摄像装置的调用提示方法 | |
| CN108877771A (zh) | 数据处理方法、存储介质和电子设备 | |
| Li et al. | Towards Ubiquitous Semantic Metaverse: Challenges, Approaches, and Opportunities | |
| CN115150063A (zh) | 模型加密的方法、装置及电子设备 | |
| CN115272565A (zh) | 一种头部三维模型的重建方法及电子设备 | |
| CN108830136A (zh) | 一种基于大数据分析的立体车库安防方法 | |
| Zhai et al. | Extracting worker unsafe behaviors from construction images using image captioning with deep learning–based attention mechanism | |
| CN110008102A (zh) | 一种基于智能视频应用的服务器性能测试方法和系统 | |
| CN110399284A (zh) | 一种测试用例编写与执行方法及装置 | |
| CN108170275A (zh) | 虚拟现实设备外接设备的输入信息的处理方法及装置 | |
| CN117424924A (zh) | 一种基于元宇宙互动的巡视增强方法 | |
| CN109194567B (zh) | 用于重发信息的方法和装置 | |
| CN115294283B (zh) | 一种数字孪生工厂构建方法、装置、设备和存储介质 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181116 |