CN111461581A

CN111461581A - 一种智能预警管理系统及实现方法

Info

Publication number: CN111461581A
Application number: CN202010396358.6A
Authority: CN
Inventors: 刘君; 商志营; 于非
Original assignee: Individual
Current assignee: Shanghai Luhang Technology Co Ltd
Priority date: 2020-05-17
Filing date: 2020-05-17
Publication date: 2020-07-28

Abstract

本发明提供一种智能预警管理系统，包括智能识别模块、取证模块、鉴定模块；智能识别模块用于对不同对象的信息因子通过智能装置进行一一采集，信息因子经采集后进行实时的系统录入管理；取证模块用于根据智能识别模块所采集的信息因子按照一定的规则进行判断并初步筛查出预警对象，同时存储预警对象在被甄别取证过程中所形成的线索信息；鉴定模块用于根据取证模块中预警对象执行监控价值判定并按照一定的原则输出目标对象。通过本发明能够提高智能预警管理系统对预警对象范围的精准度，并且有效扩展智能预警管理系统的应用范围。

Description

一种智能预警管理系统及实现方法

技术领域

本发明涉及智能预警领域，尤其涉及一种智能预警管理系统及实现方法。

背景技术

随着社会的发展，特别是信息智能化的飞速发展，人们对于社会的维稳打击违法犯罪的技术手段要求越来越高。特别是目前很大部分地方的执法者对违法犯罪乃至涉及到社会公共安全方面的严重事件的反应都是后知后觉式的，采取的手段也多限于人工排查，这样的效率对于信息万变的，流通性巨大的社会体系来说是显然不足的。因此，对于智能预警管理系统的研究显得尤为重要。

目前在一些交通领域里，虽然已经应用了智能预警管理系统，但其对识别对象的筛查方式方法过于简单，很多时候导致了产生了大量预警对象而不利于精准监控，或者预警对象严重不足而导致根本无法达到预警目的。另一方面系统的设计比较单一，导致应用的情景极为有限，不利于有效的实现智能预警管理系统的推广和应用。

有鉴于此，有必要对现有技术中的智能预警管理系统予以改进，以解决上述问题。

发明内容

本发明的目的在于提高智能预警管理系统对预警对象范围的精准度，有效扩展智能预警管理系统的应用范围。

为实现上述目的，本发明提供一种智能预警管理系统，包括智能识别模块、取证模块、鉴定模块；

所述智能识别模块用于对不同对象的信息因子通过智能装置进行一一采集，所述信息因子经采集后进行实时的系统录入管理；

所述取证模块用于根据智能识别模块所采集的信息因子按照一定的规则进行判断并初步筛查出预警对象，同时存储所述预警对象在被甄别取证过程中所形成的线索信息；

所述鉴定模块用于根据取证模块中所述预警对象执行监控价值判定并按照一定的原则输出目标对象。

作为本发明的进一步改进，所述智能识别模块包括用于对对象的信息因子进行采集的提取模块，及用于实现对来源于不同对象的信息因子进行关联设定的关联模块。

作为本发明的进一步改进，所述取证模块包括用于对信息因子进行筛查判定的判定模块、用于对参与所述判定模块的信息因子进行存储管理的存储模块、及用于根据判定模块的判定结论进行对象输出的预警对象输出模块。

作为本发明的进一步改进，所述鉴定模块包括用于对输入式的信息因子进行整理、核查的信息流、用于对所述预警对象输出模块所输出的对象结合所述信息流进行监控值判定的监控价值判定模块、及根据所述监控价值判定模块输出的具一定监控值的预警对象进行目标值确定的目标认定模块。

作为本发明的进一步改进，所述判定模块包括对信息因子进行权重值分配获取关键因子的权重获取模块、用于根据经过权重获取模块所得出的关键因子进行阈值计算并判定出溢出因子的阈值计算模块。

作为本发明的进一步改进，所述阈值计算模块的阈值计算方法为单阈值设定法、双阈值设定法、关联阈值设定法、相似度阈值设定法、因子累加阈值设定法；

所述单阈值设定法是对某一关键因子预先设定一个阈值，当所述关键因子的值达到预设阈值，则该关键因子被判定为溢出因子；

所述双阈值设定法是对某一关键因子预先设定一个上限和下限阈值，形成一个阈值区间，当所述关键因子的值超出该阈值区间，则该关键因子被判定为溢出因子；

所述关联阈值设定法是对两个以上关键因子预先分别设定一个阈值，并且设定其中一个关键因子为主因子，当对应的关键因子的值均达到对应的预设阈值，则主因子被判定为溢出因子；

所述相似度阈值设定法是对某一关键因子的值在不同范围的浮动区间设定为相似度值，当某一相似度值的出现频次达到预设阈值，则对应的关键因子被判定为溢出因子；

所述因子累加阈值设定法是对一个以上的关键因子设定对应的阈值，并且设定其中一个关键因子为主因子，当所有的关键因子均达到预设阈值，则对应的主因子被判定为溢出因子。

作为本发明的进一步改进，所述单阈值设定法、双阈值设定法、关联阈值设定法、相似度阈值设定法和因子累加阈值设定法可分别单独应用或者两种及两种以上方法结合应用。

本申请还提供了一种智能预警管理系统的实现方法，包括以下步骤：

S1通过智能识别模块的提取模块，采集并整合甄别对象的信息因子；

S2通过权重获取模块，对甄别对象的信息因子进行权重分配，得出关键因子；

S3关键因子经过阈值计算模块，判定甄别对象是否添加到预警对象输出模块；

S4根据预警对象输出模块，结合信息流，通过监控价值判定模块判定对象的监控值；

S5通过存储模块，存储具一定监控价值的预警对象的判定线索；

S6通过目标认定模块，输出目标对象。

作为本发明的进一步改进，所述S5通过存储模块，存储具一定监控价值的预警对象的判定线索；同时根据关联模块中关联设定，确定与预警对象的关联对象，并存储其关联对象的信息因子。

与现有技术相比，本发明的有益效果是：通过多种阈值计算方法的单独或结合使用满足了本智能预警管理系统在不同应用场景的需求，极大地扩展了应用范围，极有利于推广；通过阈值计算判定、监控价值判定、目标值灵活定位的多层次管理，提高了预警对象范围的精准度。

附图说明

图1为本系统的结构示意图；

图2为本系统的实现流程示意图；

图3为本系统实现方法的步骤图。

具体实施方式

下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。

请参图1所示，图1为本系统的结构示意图，包括智能识别模块10、取证模块20、鉴定模块30。智能识别模块10用于对不同对象的信息因子通过智能装置进行一一采集，信息因子经采集后进行实时的系统录入管理；取证模块20用于根据智能识别模块所采集的信息因子按照一定的规则进行判断并初步筛查出预警对象，同时存储预警对象在被甄别取证过程中所形成的线索信息；鉴定模块30用于根据取证模块中的预警对象执行监控价值判定并按照一定的原则输出最终目标对象。

其中智能识别模块10包括用于对对象的信息因子进行采集的提取模块101，及用于实现对来源于不同对象的信息因子进行关联和管理的关联模块102。在实际应用中，对于提取模块101可通过现有技术中的人脸识别技术，以人为采集对象，智能采集与人相关的信息因子，这些信息因子可包括但不限于人脸特征、自然属性、采集时间、采集区域、出现频次等；也可通过现有技术中的物联网识别及时，以物为采集对象，智能采集与物件相关的信息因子，物件可包括但不限于车辆、飞机、高铁等交通工具，手机、智能穿戴等通信工具及其他可识别物件，同样从这些物件中采集的信息因子可包括但不限于物件特征、属性、采集时间、采集区域、出现频次等。关联模块102对于在同一采集行为中所采集到的两个或两个以上对象进行关联设定，也就是说，当某一对象被甄别为预警对象，那么通过关联模块102的作用，可进一步甄别更多有效可甄别管理的另一预警对象。其中这两个或两个以上对象的同时出现可以是通过单次人脸识别或单次物联网识别或单次人脸和物联网的同时识别而产生。在实际应用场景中，比如在进入某一停车场入口时，驾驶员驾驶车辆经过了一由人脸识别和物联网识别相结合的智能识别装置进行了对驾驶员和车辆两个对象的同时信息采集，并且进行了关联设定，那么当驾驶员需要去停车场寻找车辆时，在进入停车场时，通过智能识别系统识别出驾驶员的相关信息因子，就可以利用关联设定，直接输出车辆位置信息，而无需驾驶员主动发出定位车辆在停车场内位置的请求。特别地，由于对象的关联设定，并不局限于对象类别，因此在大多数的追寻场景中，有其特别作用，比如机场的行李追踪、公共场所内的人群锁定、甚至虚拟环境中IP锁定等。

取证模块20包括用于对信息因子进行筛查判定的判定模块201、用于对参与判定模块201的信息因子进行存储管理的存储模块203、及用于根据判定模块201的判定结论进行对象输出的预警对象输出模块202。判定模块201包括对信息因子进行权重值分配获取关键因子的权重获取模块211、用于根据经过权重获取模块211所得出的关键因子进行阈值计算并判定出溢出因子的阈值计算模块221。针对权重获取模块211，本系统中有预设的权重级别，权重级别高的在系统中被认定为关键因子。根据实际场景需要，可对不同的信息因子分配不同的权重值而实现不同的权重级别。比如在监测某大楼是否有可疑非法人员进出，如果在进出频次这个信息因子上的权重值设定为高，那么该进出频次信息因子被认定为关键因子。

阈值计算模块221的阈值计算方法为单阈值设定法、双阈值设定法、关联阈值设定法、相似度阈值设定法、因子累加阈值设定法：

1)单阈值设定法是对某一关键因子预先设定一个阈值，当关键因子的值达到预设阈值，则该关键因子被判定为溢出因子；适用于对象判定的基础决定因素单一，并且具有不可浮动性的情形。比如在某一项血液指标检测的情景中，正常血液指标状态为阴性，异常状态为阳性，那么当这一血液指标在某一特定情景中为关键因子，那么它的预设阈值应为“阴性”，一旦出现非“阴性”，这项关键因子即被判定为“溢出因子”，进而在特定的情景中拥有该非“阴性”血液这一信息因子的对象将被认定为预警对象。

2)双阈值设定法是对某一关键因子预先设定一个上限和下限阈值，形成一个阈值区间，当关键因子的值超出该阈值区间，则该关键因子被判定为溢出因子；适用于对象判定的基础决定因素相对单一，并且具有在一定区间内的浮动性的情形。

3)关联阈值设定法是对两个以上关键因子预先分别设定一个阈值，并且设定其中一个关键因子为主因子，当对应的关键因子的值均达到对应的预设阈值，则主因子被判定为溢出因子；适用于对象判定的基础决定因素具有关联性并且多样，需要结合判定的情形；比如对于黑车市场而言，判定这辆车是否是黑车，这个驾驶员是否是非法营运，那么需要结合两个关联因素来判定，一个是车辆被识别抓拍的频次，另一个是驾驶员被识别抓拍的频次，两者需要结合判定，才能准确得出是否存在非法营运的情况。特别地，这其中不同的关键因子的阈值设定方法可以采用单阈值设定法或双阈值设定法。

4)相似度阈值设定法是对某一关键因子的值在不同范围的浮动区间设定为相似度值，当某一相似度值的出现频次达到预设阈值，则对应的关键因子被判定为溢出因子；适用于对象判定的某一决定因素存在一定相似度的延展性的特殊情形，比如某人在类似区域(停车场)多次出现。同样地，这里的预设阈值可以是单值也可以是区间范围。

5)因子累加阈值设定法是对一个以上的关键因子分别设定对应的阈值，并且设定其中一个关键因子为主因子，当所有的关键因子均达到预设阈值，则对应的主因子被判定为溢出因子。适用于对象判定的基础决定因素较为复杂，需要多种因素结合形成特定证据链的情形。特别地，这种方法的预设阈值的设定可以采用单阈值设定法或双阈值设定法或相似度阈值设定法。

以上五种方法，可根据实际需求分别单独应用，也可两种及两种以上方法结合应用。

鉴定模块30包括用于对输入式的信息因子进行整理、核查的信息流301、用于对预警对象输出模块202所输出的对象结合信息流进行监控值判定的监控价值判定模块302、及根据监控价值判定模块302输出的具一定监控值的预警对象进行目标值确定的目标认定模块303。这里所谓的输入式的信息因子指的是不通过智能识别模块10识别采集的信息因子，包括但不限于外部数据库录入、额外信息源系统接入等。特别地，在监控价值判定模块302中监控值是根据能够影响某一对象在某一情景认定中的所有因素按照一定的影响关系而计算出的具体数值。因此在不同的情景认定中，监控值的具体计算方式会有所不同。另外，在目标认定模块303中的目标值是根据不同的情景认定所需要的监控值而定的，它可以是具体的数值，也可以是一个数值区间。

下面结合图2所示的本系统的实现流程示意图和图3所示的本系统实现方法的步骤图来进一步说明本系统的实现方法一：

S1通过智能识别模块10的提取模块101，采集并整合甄别对象的信息因子。特别地，当某一次采集行为存在两个或两个以上甄别对象时，可同时启动关联模块102，实现关联设定。在实际应用中，可以调取不同对象的具有唯一性的信息因子作为关联因子。比如人脸识别系统中人的身份证号码为具有唯一性的信息因子；物联网识别系统中车辆的车牌号为具有唯一性的信息因子；当驾驶员驾驶车辆被识别采集对应信息因子时，驾驶员的身份证号码和驾驶车辆的车牌号被设定为彼此在此次采集行为中的关联因子。

S2通过权重获取模块211，对甄别对象的信息因子进行权重分配，得出关键因子。上文已经对权重获取模块201做了详细描述，这里不再累述。

S3关键因子经过阈值计算模块221，判定甄别对象是否添加到预警对象输出模块202。关键因子经过阈值计算模块221，如果被判定为溢出因子，那么该关键因子所对应的甄别对象将被添加到预警对象输出模块202中。关于阈值计算模块221的具体实现方法在上文已一一阐述，这里也不作累述。

S4根据预警对象输出模块202，结合信息流301，通过监控价值判定模块302判定对象的监控值。当预警对象输出模块202被添加了预警对象后，监控价值判定模块302将结合信息流301计算出该预警对象的监控价值。监控价值的计算方法可采用以下公式：

其中，V为监控值，V_关n为第n个关键因子的数值，Y_关n为第n个关键因子的阈值，n≥1,V₀为信息流301中与预警对象对应的初始监控值。这里的初始监控值是根据实际情景中由信息流301整合推测而得。如果信息流301中不存在预警对象的初始监控值，那么V₀设为1。从公式中可得出，当关键因子的数值V_关n偏离Y_关n越大，监控价值V将越大。特别地，监控价值的计算方法也可以采用其他能够达到同样计算效果的公式计算方法或其他计算方式。

S5通过存储模块203，存储具一定监控价值的预警对象的判定线索。所谓的判定线索为通过以上步骤S1-S4中所涉及的所有关键因子对监控值产生影响的判定过程。

S6通过目标认定模块303，输出目标对象。从上文可知，目标认定模块303是通过目标值确定目标对象的。目标值的计算方法可采用下面的公式：

T＝V*P

其中T为目标值，V为S4中的监控值，P为精度值。精度值P是根据实际场景的需要而设定的，P越大，在同样范围内，能落入范围内的目标值T越少，因此精度越高。目标值的计算方法也可以采用其他能够达到同样计算效果的公式计算方法或其他实现方式。

实现方法二：

与实现方法一不同在于S5通过存储模块203，存储具一定监控价值的预警对象的判定线索；同时根据关联模块102中关联设定，确定与预警对象的关联对象，并存储其关联对象的信息因子。这样能够有效地实现了对甄别对象的扩展。在一些特殊的场景中，显得尤为重要。比如在某地区发生重大卫生安全事故，当某人被检测为感染源，这时通过本方法能够快速甄别出于这感染源相关联的所有其他对象。

上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims

1.一种智能预警管理系统，其特征在于：包括智能识别模块、取证模块、鉴定模块；

2.如权利要求1所述的系统，其特征在于：所述智能识别模块包括用于对对象的信息因子进行采集的提取模块，及用于实现对来源于不同对象的信息因子进行关联设定的关联模块。

3.如权利要求1所述的系统，其特征在于：所述取证模块包括用于对信息因子进行筛查判定的判定模块、用于对参与所述判定模块的信息因子进行存储管理的存储模块、及用于根据判定模块的判定结论进行对象输出的预警对象输出模块。

4.如权利要求1所述的系统，其特征在于：所述鉴定模块包括用于对输入式的信息因子进行整理、核查的信息流、用于对所述预警对象输出模块所输出的对象结合所述信息流进行监控值判定的监控价值判定模块、及根据所述监控价值判定模块输出的具一定监控值的预警对象进行目标值确定的目标认定模块。

5.如权利要求3所述的系统，其特征在于：所述判定模块包括对信息因子进行权重值分配获取关键因子的权重获取模块、用于根据经过权重获取模块所得出的关键因子进行阈值计算并判定出溢出因子的阈值计算模块。

6.如权利要求4所述的系统，其特征在于：所述阈值计算模块的阈值计算方法为单阈值设定法、双阈值设定法、关联阈值设定法、相似度阈值设定法、因子累加阈值设定法；

所述单阈值设定法是对某一关键因子预先设定一个阈值，当所述关键因子的值达到预设阈值，则该关键因子被判定为溢出因子；所述双阈值设定法是对某一关键因子预先设定一个上限和下限阈值，形成一个阈值区间，当所述关键因子的值超出该阈值区间，则该关键因子被判定为溢出因子；

7.如权利要求5所述的系统，其特征在于：所述单阈值设定法、双阈值设定法、关联阈值设定法、相似度阈值设定法和因子累加阈值设定法可分别单独应用或者两种及两种以上方法结合应用。

8.一种智能预警管理系统的实现方法，其特征在于包括以下步骤：

S6通过目标认定模块，输出目标对象。

9.如权利要求8所述的方法，其特征在于：所述S5通过存储模块，存储具一定监控价值的预警对象的判定线索；同时根据关联模块中关联设定，确定与预警对象的关联对象，并存储其关联对象的信息因子。