CN111953944A - 一种社区守望系统和方法 - Google Patents
一种社区守望系统和方法 Download PDFInfo
- Publication number
- CN111953944A CN111953944A CN202010815953.9A CN202010815953A CN111953944A CN 111953944 A CN111953944 A CN 111953944A CN 202010815953 A CN202010815953 A CN 202010815953A CN 111953944 A CN111953944 A CN 111953944A
- Authority
- CN
- China
- Prior art keywords
- module
- community
- social network
- robot
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000006855 networking Effects 0.000 claims abstract description 52
- 230000008569 process Effects 0.000 claims abstract description 40
- 230000009471 action Effects 0.000 claims abstract description 16
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000007405 data analysis Methods 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 24
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 21
- 230000006399 behavior Effects 0.000 claims description 21
- 238000012544 monitoring process Methods 0.000 claims description 21
- 238000010606 normalization Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 12
- 238000013135 deep learning Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 10
- 230000010354 integration Effects 0.000 claims description 10
- 230000003993 interaction Effects 0.000 claims description 8
- 230000001413 cellular effect Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000007499 fusion processing Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 230000001815 facial effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 10
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000001404 mediated effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- 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
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明公开了一种社区守望系统和方法,包括人工智能(AI)、聊天机器人和社区守望组使用的社交网络消息传递平台,用以提供基于身份识别技术和物理威胁情报信息技术的安全服务。此过程将无意义的图像和视频转换为基于上下文的物理安全信息,以便由物理安全信息和事件管理系统进行分析。经分析的信息将被发送回社交消息平台,并且产生各种行动选项。异构社交网络和消息传递平台中的各个所述组被组合并融合到统一的社交网络组中。本发明很好地适应并整合了新的技术和现代社会。机器人和统一社交网络组使用户可以轻松直观地使用社区守望系统并与之交互,因此改进的过程和系统可以被更广泛地建立、使用并更有效地增加社区安全并保护居民。
Description
技术领域
本发明涉及社区守望技术领域,特别涉及一种基于机器人的统一社交网络群组的社区守望的系统和方法。
背景技术
家庭闯入事件危害极大。大多数还发生在光天化日之下。当然,当地警察需要采取更多行动,但采取预防措施比犯罪行为实际发生后进行处理并承受损失要好得多。
一种有效的预防措施是实施邻里守望或社区守望计划,该计划始于1960年代。从现在开始,在本发明中将使用术语“邻里守望”和“社区守望”且两者可互换。当我们提到“邻里守望”,还包括“社区守望”,反之亦然。
传统的社区守望,街区守望或犯罪监视计划在全国范围内由国家警长协会管理,在司法部和地方执法部门的帮助下,侧重于社区的“眼睛和耳朵”培训。在社区张贴的标志也有助于威慑潜在的罪犯。参与这些计划的社区与当地警察一起合作。社区守望计划主要围绕认识邻居的概念而创建。这有助于共享信息并变得更有能力寻找可疑活动的迹象。他们从一个社区到另一个社区,但通常使用两种主要方法之一:减少机会,通过观察发现并消除潜在的犯罪活动机会,并恢复社区主人翁感;社会问题,使用教育计划和其他活动来提高认识并且是针对犯罪的根本原因(例如毒品意识计划、辅导、体育俱乐部,等等)。
但是传统的社区守望计划由于处理过程和其结构带来的不便和效率低下,在许多社区中并不完善。在大多数情况下,它并不适应新技术和现代社会的需要。这就需要一个更好的系统,即一个全面的计划,以利用所有可能的资源,尤其是现代资源,以形成端到端的主动安全系统。这些资源包括但不限于邻里守望计划、社区守望、政府、警察、制止犯罪计划、安全设备、安全设备供应商、安全管理系统、物理安全信息和事件管理;以及一些新兴的现代资源如聊天机器人服务和界面、语音和短信系统、社交网络、互联网、云存储和数据库、现代物联网(物的互联网)设备、传感器监控服务、人工智能、人脸识别、模式识别和深度学习。
如今,社交网络已成为许多人与朋友保持联系并获得各种信息来源的流行资源。除了通过这些社交网络分享信息,一个人还可以通过电子邮件或通过短消息服务(SMS文本消息)与他人分享照片和消息。人们已经习惯于在这些现代的网络平台上查看和交流信息,并使用社交网络软件。很难要求他们仅为社区守望而开始使用另一种专用软件。
发明内容
本发明针对现有技术的缺陷,提供了一种社区守望系统和方法,解决了现有技术中存在的缺陷。
为了实现以上发明目的,本发明采取的技术方案如下:
一种社区守望系统,社区守望系统100包括:数据输入/输出组件、社交网络群组108和数据分析组件112。数据输入/输出组件包括:设备102、人104、其他平台106和机器人及其应用编程接口模块110;数据分析组件112是以包括人工智能和数据库为核心的处理模块。
数据数据输入/输出组件通过互联网或电话网络与社交网络群组108连接。
社交网络群组108是抽象的虚拟人员组,是建立在互联网和电信网络基础上的新型虚拟空间。
所述设备102包括:CCTV监控摄像头、安全IP摄像头、警报传感器、锁、门铃、门铃通信系统和灯。如果触发了任何事件,事件包括:运动检测、跨线检测和入侵检测,设备102自动将一个或多个检测到的图像、视频、音频、文本、灯光或其它格式的信号或信息发送到社交网络群组108;并接收来自社交网络群组108的回复;
所述人员104社区守望社交网络组的用户,他们将语音、视觉或文本消息传输到社交网络群组108;并接收来自社交网络群组108的回复;
所述其他平台106包括:其它社区守望系统、其它公共安全组或任何其它第三方消息传递或联网系统。其他平台106将语音、视觉或文本消息传输到社交网络群组108;并接收来自社交网络群组108的回复;
所述机器人及其应用编程接口模块110包括:机器人206和API208,每个机器人206提供一组API208,供其它软件通过Internet与之交互。机器人或API接收并预处理用户输入,然后将它们传输到数据分析组件112进行进一步处理。数据分析组件112处理该信息并生成结果后,将其发送回机器人和API。机器人和API将通过社交网络群组108将处理结果转发给数据输入/输出组件,这些社交网络组物理上运行在互联网、电话、移动电话或蜂窝系统上。
所述数据分析组件112包括:数据库和核心引擎602;
数据库包括:白名单604、黑名单606、复杂规则模块608、威胁情报模块610、核心引擎602包括:规则引擎模块612和AI模块614。
白名单604是一个数据库,其中包含已确认是安全的个人身份。黑名单606是一个数据库,其中包含被确认为危险且不安全的人员身份。复杂规则模块608是一个数据库,其中包含启发式智能规则或已通过先前成功的测试、研究、系统和/或机器学习以及训练结果证明的规则。威胁情报模块610是一个数据库和处理器,用于从提供的一组信息中检测潜在威胁,所述信息包括图像、视频、历史行为模式和序列。规则引擎模块612是一个过程处理器,它使用白名单604,黑名单606,复杂规则模块608以及从威胁情报模块610生成的结果来处理情报。AI模块614是一个人工智能处理器,它使用白名单604,黑名单606,复杂规则模块608和从威胁情报模块610生成的结果来处理情报。规则引擎模块612和AI模块614可以独立运行或互补运行以获得最佳结果。
进一步地,所述社交网络群组108分为两部分。一个是电话/SMS平台202;另一个是互联网平台204。机器人及其应用编程接口模块110进一步分为机器人206和API208。
人员104将通过电话/SMS平台202与机器人206通信。同时,人员104也将通过互联网平台204与机器人206通信。设备102将通过电话/SMS平台202与机器人206通信。同时,设备102还将通过互联网平台204与机器人206通信。设备102将通过互联网平台204与API208通信。
在互联网平台204上运行有社交网络210和电子邮件服务212,通过社交网络210或电子邮件服务212来实现设备102、人员104、机器人206和API208之间的通信。
进一步地,所述数据分析组件112还包括:收集和归一化模块302、事件数据丰富模块304、事件数据关联模块306、事件数据监控模块308、事件响应模块310;
机器人206处理与用户104的基于对话的会话,以获取数据并将预处理结果输出到收集和归一化模块302。API208获取从设备102输入的数据,并且还将其输出到数据分析组件112的收集和归一化模块302。
收集和归一化模块302收集媒体数据和事件数据。然后通过均衡、色彩校正、噪声去除、背景提取和/或特征提取对媒体数据进行归一化;对事件数据的归一化,是通过将其转换为系统标准格式,将时间戳转换为通用时间,并更新严重性得分以符合系统全局标准,而不是单个设备的标准。收集和归一化模块302的处理结果随后被送到事件数据丰富模块304。
事件数据丰富模块304将面部识别和行为识别算法应用于输入的事件数据,并查找数据库以获得身份信息312。事件数据丰富模块304还从数据库中查找威胁情报314数据,事件数据丰富模块304的结果随后被送到事件数据关联模块306。
事件数据关联模块306处理具有相关性的身份信息312和威胁情报314数据以便发现之间的关系。事件数据关联模块306检测潜在的威胁并推断出它们的重要性,对威胁进行优先级排序,使用预定算法评估威胁严重性得分,然后将其提供给事件数据监控模块308以采取进一步措施。
事件数据监控模块308在事件发生时能够实时地知道情况。基于规则跟踪情况的发展,并以积极的方式采取行动。事件数据监控模块308能够预测犯罪意图,而无需使用预先存在的规则。对恶意行为作可能的预测,事件数据监控模块308的处理结果随后被送到事件响应模块310。
事件响应模块310基于事件数据关联模块306分析得到的威胁级别产生行动流程以及警报或警告通知。通过机器人206和/或API208将行动命令、信息和/或警告发送到设备102或人员104。
进一步地,社交网络群组108包括:交互部分420、融合部分430和集成部分400,
交互部分420包括多个社交网络平台,一个社交网络平台包括多个社区守望组,集成部分400包括多个机器人;多个机器人将交互部分420和融合部分430链接。每个机器人在一个特定的社交网络平台上工作。机器人执行融合过程,把来自社交网络平台上多个社区守望组的多个数据流转换为虚拟统一社区守望组的单个数据流。多个虚拟统一社区守望组组成融合部分430。
进一步地,AI模块614是深度学习引擎。
本发明还公开了由机器人执行的融合过程的步骤,如下:
集成部分400中的所有机器人将从所有社交网络平台上的所有社区守望组收集所有消息、事件通知和其它社交网络信息。然后,将来自同一社区守望组的所有内容融合在一起,将不同社交网络平台上的多个聊天线程变成该社区守望组的一个会话流。机器人将在虚拟统一社区守望组中处理生成的单个数据流。机器人还将通过对应的映射来跟踪并记住用户、社区守望组和社交网络平台,以便它们可以将未来的消息转发给正确的用户。机器人需要将融合的单个会话流分发回各个社交网络平台中的社区守望组。
本发明还公开了数据分析组件112的工作流程,如下:
上传图像或视频,如果是图像,则将图像ID,上传者ID和上传时间的时间戳与图像一起记录在数据库中。如果是视频,则将视频ID,上传者ID和上传时间的时间戳与该视频一起记录在数据库中。后端AI模块614判断图像或视频中是否有人,如果有人,AI模块614将确定该人在水平和垂直方向上的左上角坐标和人脸大小。AI模块614还将检测两只眼睛之间的像素距离以及每只眼睛中心的坐标。核心引擎602的行为检测智能还将尝试根据威胁情报数据库识别人员的行为类型并记录结果。最后,还记录事件的地理位置信息和分析的时间戳。紧接在模块A506中的分析之后,AI引擎将基于输入的信息包括:社区、地理位置、社交网络行为和身份数据库,进一步识别并确定高层行为类别。然后将处理结果和时间戳,并生成会话工作流、给用户的通知、给机器人的命令以及处理的时间戳。最终,发送到机器人206和/或API208,以被发送回用户104、设备102或其它平台106。
与现有技术相比,本发明的优点在于:
1.基于机器人的社交网络邻里组的集成使最终用户与安全设备和服务之间能够自然而有效地进行交互。聊天机器人提供直观的人机交互。用户无需下载其它移动应用程序即可使用邻里系列服务。用户所需要做的就是使用他们当前喜欢的消息传递和社交网络工具将他们当前的社区守望组与新的社区守望服务连接起来。使用现有的消息传递工具是新社区守望计划的一种非侵入性且快速部署的途径。
2.可以融合跨不同社交网络平台的不同社交网络组以创建统一的社区组,以使具有不同背景和技术偏好的人们能够更广泛并更快地采用该组。这称为社交网络组融合。以这种方式,新的社区守望服务为相同技术平台或跨不同技术平台的消息传递通道提供了桥接和广播功能。用户只需要知道他们所在的单个融合的和统一的邻里组,而不必关心融合组实际上是驻留在两个或多个不同软件平台和/或两个或多个不同硬件平台上的多个组的组合。这大大增强了社区守望组并简化了使用方法。
3.在邻里社区级别,我们可以基于物理威胁模型动态地测量威胁级别。新的社区守望过程建立了一个闭环测量过程,使得传统的社区守望计划在当今复杂的社会中能更好地打击犯罪。
附图说明
图1是本发明实施例社区守望系统的高层结构图;
图2是本发明实施例社交网络群组的高层系统结构和数据流示意图;
图3是本发明实施例数据分析组件的高层结构和数据流示意图;
图4是本发明实施例社交网络群组的创建流程图;
图5是本发明实施例数据分析组件的数据和处理流程图;
图6是本发明实施例核心引擎的结构框图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下根据附图并列举实施例,对本发明做进一步详细说明。
在本发明中,由于我们的统一社区守望组将始终是多个社交网络平台上的社交网络组的形式,因此我们的讨论从这点开始,将使用术语“统一社区守望组”和“统一社交网络群组”,并根据我们在解释中关注统一组的哪个方面而互换。
如图1所示,本发明新社区守望采用的高层结构。新社区守望100包括:数据输入/输出组件和数据分析组件112。数据输入/输出组件包括:设备102、人104、其他平台106、社交网络群组108、机器人及其应用编程接口模块110,数据分析组件112包括:AI模块614、数据库和核心引擎602
数据输入/输出组件是交互引擎的一部分。数据分析组件112是核心引擎602的一部分。所有数据数据输入/输出组件通过互联网或电话网络以统一的社交网络群组108的形式连接。
互联网包括:WAN、LAN、WIFI、蜂窝2G、GPRS、3G、LTE和5G数据服务。
电话网络包括:固定电话、无线PBX、蜂窝电话。
社交网络群组108是抽象的虚拟人员组,对底层的社交网络平台和物理层电信基础结构透明。我们将在图4中进一步阐述社交网络群组108。
社交网络群组108和新社区守望100的第一个数据输入/输出组件是设备102。该设备的示例包括但不限于CCTV监控摄像头、安全IP摄像头、警报传感器、锁、门铃、门铃通信系统和灯等。如果智能功能触发了任何事件,例如运动检测、跨线检测、入侵检测等,这些设备将自动将一个或多个检测到的图像、视频、音频、文本、灯光或其它格式的信号或信息发送到统一的社交网络组和社区守望;并接收来自统一社交网络群组和社区守望的回复;例如,门铃通信系统会将音频信号从社交网络组传递回设备的扬声器。
社交网络群组108和新社区守望100的第二个数据输入/输出组件是人员104。该人员是社区守望社交网络组的用户。他们将语音、视觉或文本消息传输到统一社交网络群组和社区守望;并接收来自统一社交网络群组和社区守望的回复;例如,文本消息回复从系统的其它用户、设备、机器人或其它输入/输出组件发送回用户。
社交网络群组108和新社区守望100的第三数据输入/输出组件是其他平台106。其他平台的示例包括但不限于其它社区守望系统、其它公共安全组或任何其它第三方消息传递或联网系统。其它社区守望系统或第三方平台将语音、视觉或文本消息传输到当前的统一社交网络群组和社区守望系统;并接收来自当前的统一社交网络群组和社区守望的回复;例如,文本消息回复从当前社区守望系统的用户、设备、机器人或其它输入/输出组件发给其他社区守望系统或第三方平台的用户。
统一社交网络群组108和新社区守望100的第四数据输入/输出组件是机器人及其应用编程接口模块110。此处的机器人及其应用编程接口模块110包括但不限于聊天机器人、广播机器人、自动应答机器人以及消息传递系统和社交媒体网络中使用的其他机器人。聊天机器人是一种能够理解语言并具有与特定上下文有关的智能的系统,它可以与用户进行交互以解决特定问题。机器人的示例包括但不限于Twitter机器人,Facebook Messenger机器人和Wechat机器人。每个机器人还可以提供一组API(应用编程接口),供其它软件通过Internet与之交互。机器人或机器人API接收并预处理用户输入,然后将它们传输到数据分析组件112进行进一步处理。核心引擎602处理该信息并生成结果后,将其发送回机器人和API。机器人和API将通过社交网络群组108将处理结果转发给数据输入/输出组件,这些社交网络组物理上运行在互联网、电话、移动电话或蜂窝系统上。
数据分析组件112由但不限于物理安全信息和事件管理系统、监视服务以及发送已分析信息和行动选项的输出服务组成。在图3,图5和图6的描述中将讨论组件、结构和功能的更多细节。
在图1中,本发明描述了一种新的社区守望过程,该过程涉及基于机器人的社交网络和消息传递平台,在其上实施了新的统一社交网络群组。该过程可以将基于消息传递平台的社区守望组与具有身份识别技术和物理威胁情报信息技术的安全服务集成在一起。后者将无意义的图像和视频转换为基于上下文的物理安全信息,包括要由物理安全信息和事件管理系统处理的安全重要性评分。
图2示出了本发明的一个优选实施例;展示了社交网络群组108的高层系统结构和数据流。设备102,人员104,数据分析组件112与图1中描述的相同。以前基于互联网和电话的社交网络群组108和机器人和API在系统级结构和数据流上进一步扩展,并带有详细信息。根据基础物理通信平台,社交网络群组108分为两部分。一个是电话/SMS平台202;另一个是互联网平台204。机器人及其应用编程接口模块110进一步分为机器人206和API208。
电话/SMS平台202是指有线电话、移动电话以及蜂窝基础设施和服务。它通常包括人与人之间的语音通信和文本消息(SMS)服务,以及有限的数据和多媒体(例如图像和视频)传输服务。它涵盖模拟和数字电话服务,但不包括IP电话服务。例如,此处不包括IP语音电话/SMS服务。
互联网平台204是指使用因特网协议套件(TCP/IP)来链接全世界的设备的计算机互连网络的全球系统。它是一个网络的网络,包括局部及全球范围的私有、公共、学术、商业和政府网络,并通过广泛的电子、无线和光学网络技术进行链接。互联网承载着广泛的信息资源和服务,例如互联网(WWW)相互链接的超文本文档和应用、电子邮件、电话和文件共享。
人员104将通过电话/SMS平台202与机器人206通信。同时,人员104也将通过互联网平台204与机器人206通信。设备102将通过电话/SMS平台202与机器人206通信。同时,设备102还将通过互联网平台204与机器人206通信。设备102将通过互联网平台204与API208通信。
在互联网平台204上运行有社交网络210和电子邮件服务212。社交网络服务(社交网站,SNS或社交媒体)是一种Web应用,人们用其来建立社交网络或与那些与自己有相似个人或专业兴趣、活动、背景或现实联系的人建立关系。当前在线可用的独立和内置社交网络服务的多样性给其定义带来了挑战;但是,存在着一些共同的特征:(1)社交网络服务是基于互联网的应用;(2)用户生成的内容(UGC)是SNS组织的命脉。大多数社交网络服务都是基于Web的,并为用户提供了通过互联网进行交互的方式,例如通过电子邮件、即时消息传递和在线论坛。社交网站多种多样。他们可以整合一系列新的信息和通信工具,运行在台式机、笔记本电脑以及平板电脑和智能手机等移动设备上。它们可能有在线数码照片/视频/共享和“网络日志”在线日记(博客)。在线社区服务有时被认为是社交网络服务,尽管从广义上讲,社交网络服务通常提供以个人为中心的服务,而在线社区服务则以群体为中心。社交网络服务被定义为“网站或移动应用,其有助于建立联系网络以便在线交换各种类型的内容”,它提供了一个空间即使不面对面也可以继续互动。这些以计算机为媒介的交互将各种网络的成员链接在一起,可有助于维持和发展新的社会纽带。社交网站允许用户与他们网络中的人分享想法、数字照片和视频、帖子,并向其他人通知在线或现实世界的活动和事件。自最早的城镇发展以来,就已经存在诸如面对面的乡村聚会之类的面对面的社交网络,而Web使人们能够与居住在不同地点(从跨城市到跨世界)的其他人建立联系。依赖社交媒体平台,成员能够联系任何其他成员。在其它情况下,成员可以联系与之有联系的任何人,然后再与与该联系人有联系的任何人联系,依此类推。社交网络服务的成功可以从其在当今社会的统治地位中看出来,Facebook在2017年拥有21.3亿活跃月用户,平均每天有14亿活跃用户。LinkedIn,一种职业导向的社交网络服务,通常要求成员在网上联系另一个成员之前认识现实世界中的这个成员。某些服务要求成员与其他成员具有预先存在的连接才能联系他。
电子邮件(email或e-mail)212是在使用电子设备的人之间交换消息(“邮件”)的方法。电子邮件在1960年代首次进入有限使用,到1970年代中期采用了现在公认的电子邮件形式。电子邮件在计算机网络(今天主要是互联网)中运行。一些早期的电子邮件系统要求作者和收件人同时在线,这与即时消息传递相同。当今的电子邮件系统基于存储转发模型。电子邮件服务器接收、转发,发送和存储消息。用户和他们的计算机都不需要同时在线;他们只需要短暂连接即可,通常只需连接到邮件服务器或Webmail接口,发送或接收邮件即可。
因此,可以通过社交网络210或电子邮件服务212来实现设备102、人员104、机器人206和API208之间的通信。例如,人员104或设备102将一条信息共享到社交网络210或电子邮件212上,机器人206或API208接收共享的信息并将其发送给数据分析组件112进行进一步处理。机器人206或API208从数据分析组件112取回处理后的结果,并再次在社交网络210上共享。设备102或人员104可选地在同一社交网络210或电子邮件212上获取处理的结果。机器人206和/或API208在本发明的新社区守望过程中扮演了关键和桥梁的角色,将交互式引擎和核心引擎602链接在一起。
如图3所示,展示了人工智能和数据库的高层结构和数据流。机器人206和API208与图2中描述的相同。数据分析组件112还包括:收集和归一化模块302、事件数据丰富模块304、事件数据关联模块306、事件数据监控模块308、事件响应模块310;
机器人206处理与用户104的基于对话的会话,以获取数据并将预处理结果输出到数据分析组件112的收集和归一化模块302。API208获取从设备102输入的数据,并且还将其输出到数据分析组件112的收集和归一化模块302。
收集和归一化模块302收集媒体数据和事件数据。然后通过均衡、色彩校正、噪声去除、背景提取和/或特征提取对媒体数据进行归一化;对事件数据的归一化,是通过将其转换为系统标准格式,将时间戳转换为通用时间,并更新严重性得分以符合系统全局标准,而不是单个设备的标准。收集和归一化模块302的处理结果随后被送到事件数据丰富模块304。
事件数据丰富模块304将面部识别和行为识别算法应用于输入的事件数据,并查找数据库以获得身份信息312。它还从威胁情报数据库314中查找与其它信息有关的事件数据,例如地址和社区详细信息等。它根据事件数据属性(例如设备的类型、行为、结果或重要性、信息等)进行分类。它还过滤和汇总事件数据。数据丰富模块304的结果随后被送到事件数据关联模块306。
事件数据关联模块306处理具有相关性的数据以便发现事件与威胁情报知识之间的关系。它检测潜在的威胁并推断出它们的重要性,对它们进行优先级排序,然后将其提供给一个框架以采取进一步措施。在本发明的实施例中,使用预定算法评估威胁严重性得分。例如,这样的预定义算法之一是但不限于:(1)计算输入的事件数据与威胁数据库中的已知威胁列表之间的相关性分数;(2)从数据库中读取每个已知威胁的威胁严重性级别;(3)根据与输入事件数据的相关性分数,计算出威胁严重性级别的加权平均值;所得的加权平均值可用作事件的预估的威胁严重性得分。事件数据关联模块306的处理结果随后被送到事件数据监控模块308。
事件数据监控模块308使安全运营中心在事件发生时能够实时地知道情况。基于规则的监控引擎跟踪情况的发展,并以积极的方式采取行动。基于AI的监控引擎可以帮助预测犯罪意图,而无需使用预先存在的规则。对有意义的物理安全信息进行整合使得可以对恶意行为作可能的预测,例如破门入室、可疑的驾车枪击、盗窃,恐怖行动等。事件数据监控模块308的处理结果随后被送到事件响应模块310。
事件响应模块310基于威胁级别产生行动流程以及警报或警告通知。它通过机器人206和/或API208将行动命令、信息和/或警告发送到设备102或人员104。例如,如果接收到高级别威胁,则事件响应模块310将呼叫911和/或向社区广播以采取行动来阻止恶意意图。
如图4所示,关于如何创建本发明的社交网络群组108。图4的左侧示出了信息流的交互部分420。图4的右侧示出了信息流的融合部分430。集成部分400通过X个机器人将交互部分420和融合部分430链接。机器人是从第一个机器人406到第X个机器人X408。每个机器人在整个过程中完成某种特定类型的功能,并且只能在特定的社交网络平台上工作。这些机器人把来自异构社交网络平台上多个实际社区守望组的多个数据流转换为虚拟统一社区守望组的单个数据流。
让我们假设有M个不同的社交网络平台。例如,它们是但不限于Facebook,Wechat,Twitter,Instagram,Snapchat,LinkedIn等。在社交网络平台1 402上,存在N个社区守望组从社区守望组1 410到社区守望组N412。类似地,在社交网络平台M404上,也存在N个社区守望组,同样从社区守望组1410到社区守望组N412,其中,就所使用的硬件、软件和技术而言,社交网络平台1可以是与社交网络平台M完全不同的平台;而相同的社区守望组1 410或社区守望组N412可以同时驻留在社交网络平台1和社交网络平台M,以及1和M之间的任何其他社交网络平台上。在这种情况下,如果社区守望组用户希望与位于不同社交网络平台上的同一社区守望组中的另一个用户进行通信,则两个用户之一必须切换到另一个用户所在社交网络平台上的同一社区守望组。如果不是不切实际的话,这要做很多工作。此外,某特定社交网络平台上的社区守望组的用户无法从其它不同社交网络平台上的同一社区守望组的任何用户接收警告。
我们使用新颖的整合过程400从异构基础社交网络平台创建统一的社区守望组或社交网络组,并且统一的社区守望组与统一的社交网络组一起创建。如融合部分430所示,新创建的统一社区守望组1 414在新创建的统一社交网络群组1上工作;统一社交网络群组1包含社交网络平台1 402和社交网络平台M404的用户和数据。新创建的社区守望组N416也同样在新创建的统一社交网络群组N上工作;统一社交网络群组N包含社交网络平台1 402和社交网络平台M404的用户和数据。由机器人406、408执行的融合过程将按照以下步骤进行。
首先,集成部分400中的所有机器人将从所有社交网络平台上的所有社区守望组收集所有消息、事件通知和其它社交网络信息。然后,他们将来自同一社区守望组的所有内容融合在一起,将不同社交网络平台上的多个聊天线程变成该社区守望组的一个会话流。机器人将在虚拟统一社区守望组中处理生成的单个数据流。机器人还将通过对应的映射来跟踪并记住用户、社区守望组和社交网络平台,以便它们可以将未来的消息转发给正确的用户。
接下来,机器人需要将融合的单个会话流分发回各个社交网络平台中的社区守望组。例如,考虑社区守望组1 410中的所有用户,如果第一用户A在社交网络平台1上402;第二用户B在社交网络平台2上;第三用户C在社交网络平台M上404。当用户A发出消息时,机器人检测并收集消息。机器人406、408查找其跟踪和映射数据库,并知道用户B和用户C也在同一社区守望组中,因此他们需要接收此消息。在现有的传统社区守望组中,用户B和用户C无法被通知并无法与用户A进行通信。现在,在本发明的新社区守望中,机器人会将消息从A发布到用户B和C,而他们与用户A在同一虚拟统一社区守望组,却在不同的社交网络平台上。
然后,如果用户B或C回复了该消息,机器人将知道如何将回复发送回用户A。这样,底层社交网络平台之间的差异对所有用户都是透明的,从而极大地增强了新的社区守望程序的功能并提高了易用性。
在从图4进一步扩展的本发明的又一替代实施例中,不同级别的多个邻里组嵌套在树结构中。根邻里组可以分支为在多个社交网络平台上的多个子社区守望组。一个子社区守望组还可以包含若干叶子社区守望组。机器人406、408现在负责将消息的嵌套树结构平铺成为虚拟统一组中的单层会话,反之亦然。
在本发明的以上实施例中,邻里社区是社区守望组树结构的森林。机器人背后的后端服务根据邻里社区信息将事件关联起来,并在数据处理、监视和响应期间执行事件数据融合。他们将来自多个邻里组和多个社交网络平台的事件数据放入到一个邻里组的上下文中。诸如对根邻里组的通知或指令之类的操作将分派到所有社交网络平台上的所有所属邻里组。
特定的社区守望有两种情况:第一种社区守望在一个社交网络平台上具有多个组,在这里我们只需要一种类型的机器人即可将会话信息集成并合并到一个根一层的邻里组。第二种社区的组在两个或多个社交网络平台上,每个社交网络平台中具有一个或多个组。在这种情况下,我们需要多种类型的机器人来将会话信息集成并合并到一个根一层的邻里组中。
在本发明的替代实施例中,新的社区守望过程还可以基于社区守望组的地理位置信息而不是按其组名将它们合并在一起。例如,社交网络平台1 402上的社区守望组1 410和社交网络平台M404上的社区守望组1 410比较起来,与社交网络平台M404上的社区守望组N412有更近的物理位置。因此,可以将社交网络平台1 402上的社区守望组1 410与社交网络平台M404上的社区守望组N412融合,成为虚拟的统一社区守望组1 414。对于本领域普通技术人员显而易见的是,融合标准的许多其它组合,例如但不限于时间、用户人口统计学特征、社区类型等,均可以用来指示机器人406到408集成并合并会话信息到一个虚拟的统一社区守望组中。相似的过程还使得在不同地理位置的社区守望组可以共享威胁情报信息。
图5示出了本发明的人工智能引擎及其数据库的数据和处理流程的示例性优选实施例。数据流程图由被上传到核心引擎602的图像或视频开始。如果是图像502,则将图像ID,上传者ID和上传时间的时间戳与图像一起记录在数据库中。如果是视频504,则将视频ID,上传者ID和上传时间的时间戳与该视频一起记录在数据库中。后端人工智能AI程序将处理模块506中的输入媒体。如果图像或视频中有人,AI程序将确定该人在水平和垂直方向上的左上角坐标和人脸大小topLeftX,topLeftY,宽度,高度。AI程序还将检测两只眼睛之间的像素距离以及每只眼睛中心的坐标。核心引擎602的行为检测智能还将尝试根据威胁情报数据库识别人员的行为类型并记录结果。最后,该程序还记录事件的地理位置信息和分析的时间戳。紧接在506中的分析之后,AI引擎将基于输入的信息,例如社区、地理位置、社交网络行为、身份数据库等,进一步识别并确定508中的高层行为类别。然后将模块508中的处理结果和时间戳发送到模块510。在模块510中,程序生成会话工作流、给用户的通知、给机器人的命令206、208以及处理的时间戳。最终,模块510的输出被发送到机器人206和/或API208,以被发送回用户104、设备102或其它平台106。
图6示出了本发明的核心引擎602的框图的示例性实施例。在核心引擎602中,有白名单604和黑名单606。白名单604是一个数据库,其中包含已确认是安全的个人身份。黑名单606是一个数据库,其中包含被确认为危险且不安全的人员身份。复杂规则模块608是一个数据库,其中包含启发式智能规则或已通过先前成功的测试、研究、系统和/或机器学习以及训练结果证明的规则。威胁情报模块610是一个数据库和处理器,可用于从提供的一组信息中检测潜在威胁,所述信息包括图像、视频、历史行为模式和序列。这可以是来自警察、政府或其它公司的第三方数据库或系统。规则引擎模块612是一个过程处理器,它使用白名单604,黑名单606,复杂规则模块608以及从威胁情报模块610生成的结果来处理情报。AI块614是一个人工智能处理器,它使用白名单604,黑名单606,复杂规则模块608和从威胁情报模块610生成的结果来处理情报。规则引擎模块612和AI处理器614可以独立运行或互补运行以获得最佳结果。基于规则的引擎612是“旧式”AI的示例,其使用人类准备的规则。AI神经网络614是“新型”AI的示例,其机制是靠计算机使用复杂的算法“学习”来的,结果,我们人类并不真正了解它为何起作用。虽然在某些情况下基于规则的系统可能是有效的,但由于AI的性能要好得多,因此AI的总体趋势是转向使用机器学习算法,例如神经网络。
在本发明的替代实施例中,AI模块614可以是深度学习引擎。深度学习也称为深度结构学习或分层学习是以学习数据表征为基础的的机器学习方法这个宽泛家族的一个组成部分,与任务特定算法相反。学习可以是有监督的,半监督的或无监督的。在深度学习中,每一层都学习将其输入数据转换为稍微抽象和复合的表示形式。在图像识别应用程序中,原始输入可以是像素矩阵;第一表示层可以提取像素并编码边缘;第二层可以组成并编码边缘的排列;第三层可以编码鼻子和眼睛;第四层可以识别出图像包含一张面部。更重要的是,深度学习过程可以学习将哪些功能最佳地放置在哪个层上。“深度学习”中的“深度”是指转换数据所经过的层数。更准确地说,深度学习系统具有很大的信用分配路径CAP深度。CAP是从输入到输出的一系列变换。CAP描述了输入和输出之间的潜在因果关系。对于前馈神经网络,CAP的深度是网络的深度,并且是隐藏层数加一层因为输出层也已参数化。对于递归神经网络,其中信号可能会多次传播穿过一层,因此CAP深度可能不受限制。目前尚无关于深度阈值的普遍共识将浅层学习与深度学习区分开,但大多数研究人员都同意深度学习涉及CAP深度>2。在可以模拟任何功能的意义上,深度为2的CAP已被证明是通用近似器。除此之外,更多的层不会增加网络的功能逼近器功能。额外的层有助于学习功能。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的实施方法,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (7)
1.一种社区守望系统,其特征在于:社区守望系统(100)包括:数据输入/输出组件、社交网络群组(108)和数据分析组件(112);数据输入/输出组件包括:设备(102)、人(104)、其他平台(106)和机器人及其应用编程接口模块(110);数据分析组件(112)是以包括人工智能和数据库为核心的处理模块;
数据数据输入/输出组件通过互联网或电话网络与社交网络群组(108)连接;
社交网络群组(108)是抽象的虚拟人员组,是建立在互联网和电信网络基础上的新型虚拟空间;
所述设备(102)包括:CCTV监控摄像头、安全IP摄像头、警报传感器、锁、门铃、门铃通信系统和灯;如果触发了任何事件,事件包括:运动检测、跨线检测和入侵检测,设备(102)自动将一个或多个检测到的图像、视频、音频、文本、灯光或其它格式的信号或信息发送到社交网络群组(108);并接收来自社交网络群组(108)的回复;
所述人员(104)社区守望社交网络组的用户,他们将语音、视觉或文本消息传输到社交网络群组(108);并接收来自社交网络群组(108)的回复;
所述其他平台(106)包括:其它社区守望系统、其它公共安全组或任何其它第三方消息传递或联网系统;其他平台(106)将语音、视觉或文本消息传输到社交网络群组(108);并接收来自社交网络群组(108)的回复;
所述机器人及其应用编程接口模块(110)包括:机器人(206)和API(208),每个机器人(206)提供一组API(208),供其它软件通过Internet与之交互;机器人或API接收并预处理用户输入,然后将它们传输到数据分析组件(112)进行进一步处理;数据分析组件(112)处理该信息并生成结果后,将其发送回机器人和API;机器人和API将通过社交网络群组(108)将处理结果转发给数据输入/输出组件,这些社交网络组物理上运行在互联网、电话、移动电话或蜂窝系统上;
所述数据分析组件(112)包括:数据库和核心引擎(602);
数据库包括:白名单(604)、黑名单(606)、复杂规则模块(608)、威胁情报模块(610);
核心引擎(602)包括:规则引擎模块(612)和AI模块(614);
白名单(604)是一个数据库,其中包含已确认是安全的个人身份;黑名单(606)是一个数据库,其中包含被确认为危险且不安全的人员身份;复杂规则模块(608)是一个数据库,其中包含启发式智能规则或已通过先前成功的测试、研究、系统和/或机器学习以及训练结果证明的规则;威胁情报模块(610)是一个数据库和处理器,用于从提供的一组信息中检测潜在威胁,所述信息包括图像、视频、历史行为模式和序列;规则引擎模块(612)是一个过程处理器,它使用白名单(604),黑名单(606),复杂规则模块(608)以及从威胁情报模块(610)生成的结果来处理情报;AI模块(614)是一个人工智能处理器,它使用白名单(604),黑名单(606),复杂规则模块(608)和从威胁情报模块(610)生成的结果来处理情报;规则引擎模块(612)和AI模块(614)可以独立运行或互补运行以获得最佳结果。
2.根据权利要求1所述的一种社区守望系统,其特征在于:所述社交网络群组(108)分为两部分;一个是电话/SMS平台(202);另一个是互联网平台(204);机器人及其应用编程接口模块(110)进一步分为机器人(206)和API(208);
人员(104)将通过电话/SMS平台(202)与机器人(206)通信;同时,人员(104)也将通过互联网平台(204)与机器人(206)通信;设备(102)将通过电话/SMS平台(202)与机器人(206)通信;同时,设备(102)还将通过互联网平台(204)与机器人(206)通信;设备(102)将通过互联网平台(204)与API(208)通信;
在互联网平台(204)上运行有社交网络(210)和电子邮件服务(212),通过社交网络(210)或电子邮件服务(212)来实现设备(102)、人员(104)、机器人(206)和API(208)之间的通信。
3.根据权利要求1所述的一种社区守望系统,其特征在于:所述数据分析组件(112)还包括:收集和归一化模块(302)、事件数据丰富模块(304)、事件数据关联模块(306)、事件数据监控模块(308)、事件响应模块(310);
机器人(206)处理与用户(104)的基于对话的会话,以获取数据并将预处理结果输出到收集和归一化模块(302);API(208)获取从设备(102)输入的数据,并且还将其输出到数据分析组件(112)的收集和归一化模块(302);
收集和归一化模块(302)收集媒体数据和事件数据;然后通过均衡、色彩校正、噪声去除、背景提取和/或特征提取对媒体数据进行归一化;对事件数据的归一化,是通过将其转换为系统标准格式,将时间戳转换为通用时间,并更新严重性得分以符合系统全局标准,而不是单个设备的标准;收集和归一化模块(302)的处理结果随后被送到事件数据丰富模块(304);
事件数据丰富模块(304)将面部识别和行为识别算法应用于输入的事件数据,并查找数据库以获得身份信息(312);事件数据丰富模块(304)还从数据库中查找威胁情报(314)数据,事件数据丰富模块(304)的结果随后被送到事件数据关联模块(306);
事件数据关联模块(306)处理具有相关性的身份信息(312)和威胁情报(314)数据以便发现之间的关系;事件数据关联模块(306)检测潜在的威胁并推断出它们的重要性,对威胁进行优先级排序,使用预定算法评估威胁严重性得分,然后将其提供给事件数据监控模块(308)以采取进一步措施;
事件数据监控模块(308)在事件发生时能够实时地知道情况;基于规则跟踪情况的发展,并以积极的方式采取行动;事件数据监控模块(308)能够预测犯罪意图,而无需使用预先存在的规则;对恶意行为作可能的预测,事件数据监控模块(308)的处理结果随后被送到事件响应模块(310);
事件响应模块(310)基于事件数据关联模块(306)分析得到的威胁级别产生行动流程以及警报或警告通知;通过机器人(206)和/或API(208)将行动命令、信息和/或警告发送到设备(102)或人员(104)。
4.根据权利要求1所述的一种社区守望系统,其特征在于:社交网络群组(108)包括:交互部分(420)、融合部分(430)和集成部分(400),
交互部分(420)包括多个社交网络平台,一个社交网络平台包括多个社区守望组,集成部分(400)包括多个机器人;多个机器人将交互部分(420)和融合部分(430)链接;每个机器人在一个特定的社交网络平台上工作;机器人执行融合过程,把来自社交网络平台上多个社区守望组的多个数据流转换为虚拟统一社区守望组的单个数据流;多个虚拟统一社区守望组组成融合部分(430)。
5.根据权利要求1所述的一种社区守望系统,其特征在于:AI模块(614)是深度学习引擎。
6.根据权利要求4所述的一种社区守望系统,其特征在于:由机器人执行的融合过程将按照以下步骤进行:
集成部分(400)中的所有机器人将从所有社交网络平台上的所有社区守望组收集所有消息、事件通知和其它社交网络信息;然后,将来自同一社区守望组的所有内容融合在一起,将不同社交网络平台上的多个聊天线程变成该社区守望组的一个会话流;机器人将在虚拟统一社区守望组中处理生成的单个数据流;机器人还将通过对应的映射来跟踪并记住用户、社区守望组和社交网络平台,以便它们可以将未来的消息转发给正确的用户;机器人需要将融合的单个会话流分发回各个社交网络平台中的社区守望组。
7.根据权利要求1所述的一种社区守望系统,其特征在于:数据分析组件(112)的工作流程如下:
上传图像或视频,如果是图像,则将图像ID,上传者ID和上传时间的时间戳与图像一起记录在数据库中。如果是视频,则将视频ID,上传者ID和上传时间的时间戳与该视频一起记录在数据库中。后端AI模块(614)判断图像或视频中是否有人,如果有人,AI模块(614)将确定该人在水平和垂直方向上的左上角坐标和人脸大小。AI模块(614)还将检测两只眼睛之间的像素距离以及每只眼睛中心的坐标。核心引擎(602)的行为检测智能还将尝试根据威胁情报数据库识别人员的行为类型并记录结果。最后,还记录事件的地理位置信息和分析的时间戳。紧接在模块A(506)中的分析之后,AI引擎将基于输入的信息包括:社区、地理位置、社交网络行为和身份数据库,进一步识别并确定高层行为类别。然后将处理结果和时间戳,并生成会话工作流、给用户的通知、给机器人的命令以及处理的时间戳。最终,发送到机器人(206)和/或API(208),以被发送回用户(104)、设备(102)或其它平台(106)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010815953.9A CN111953944B (zh) | 2020-08-14 | 2020-08-14 | 一种社区守望系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010815953.9A CN111953944B (zh) | 2020-08-14 | 2020-08-14 | 一种社区守望系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111953944A true CN111953944A (zh) | 2020-11-17 |
CN111953944B CN111953944B (zh) | 2022-03-01 |
Family
ID=73341979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010815953.9A Expired - Fee Related CN111953944B (zh) | 2020-08-14 | 2020-08-14 | 一种社区守望系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111953944B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201607636U (zh) * | 2009-12-25 | 2010-10-13 | 天津三星电子有限公司 | 一种楼宇监控系统 |
US20110136471A1 (en) * | 2009-12-04 | 2011-06-09 | Verizon Patent And Licensing, Inc. | Management of cdma credentials on a smart card |
CN102385607A (zh) * | 2010-11-23 | 2012-03-21 | 北京华达时代科技有限公司 | 互联网分享api端口聚合及监控技术 |
CN105516664A (zh) * | 2015-12-11 | 2016-04-20 | 深圳市奔迈科技有限公司 | 一种基于云存储的智能监控系统及其监控方法 |
CN208806915U (zh) * | 2018-11-13 | 2019-04-30 | 苏州朗捷通智能科技有限公司 | 一种基于微信的视频监控系统 |
CN110753187A (zh) * | 2019-10-31 | 2020-02-04 | 芋头科技(杭州)有限公司 | 一种摄像头的控制方法及设备 |
CN111080499A (zh) * | 2019-11-21 | 2020-04-28 | 武汉烽火众智数字技术有限责任公司 | 一种基于防汛防火场景的多维数据融合应用平台 |
-
2020
- 2020-08-14 CN CN202010815953.9A patent/CN111953944B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110136471A1 (en) * | 2009-12-04 | 2011-06-09 | Verizon Patent And Licensing, Inc. | Management of cdma credentials on a smart card |
CN201607636U (zh) * | 2009-12-25 | 2010-10-13 | 天津三星电子有限公司 | 一种楼宇监控系统 |
CN102385607A (zh) * | 2010-11-23 | 2012-03-21 | 北京华达时代科技有限公司 | 互联网分享api端口聚合及监控技术 |
CN105516664A (zh) * | 2015-12-11 | 2016-04-20 | 深圳市奔迈科技有限公司 | 一种基于云存储的智能监控系统及其监控方法 |
CN208806915U (zh) * | 2018-11-13 | 2019-04-30 | 苏州朗捷通智能科技有限公司 | 一种基于微信的视频监控系统 |
CN110753187A (zh) * | 2019-10-31 | 2020-02-04 | 芋头科技(杭州)有限公司 | 一种摄像头的控制方法及设备 |
CN111080499A (zh) * | 2019-11-21 | 2020-04-28 | 武汉烽火众智数字技术有限责任公司 | 一种基于防汛防火场景的多维数据融合应用平台 |
Non-Patent Citations (1)
Title |
---|
栾翠菊,高俊波等: "集成的网格监控系统", 《计算机工程与设计》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111953944B (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9762462B2 (en) | Method and apparatus for providing an anti-bullying service | |
US10089521B2 (en) | Identity verification via validated facial recognition and graph database | |
US9740940B2 (en) | Event triggered location based participatory surveillance | |
US9147336B2 (en) | Method and system for generating emergency notifications based on aggregate event data | |
CA3026712C (en) | System and method for distributed intelligent pattern recognition | |
CN108197565A (zh) | 基于人脸识别的目标寻踪方法及系统 | |
Kropczynski et al. | Identifying actionable information on social media for emergency dispatch | |
US20180253814A1 (en) | System and method for incident validation and ranking using human and non-human data sources | |
US20210264541A1 (en) | Community watch with bot based unified social network groups | |
Ganiron Jr et al. | Development of an online crime management & reporting system | |
Ferretti et al. | H2O: secure interactions in IoT via behavioral fingerprinting | |
Daniel | Police and user-led investigations on social media | |
CN112749686B (zh) | 图像检测方法、装置、计算机设备及存储介质 | |
CN111953944B (zh) | 一种社区守望系统 | |
Ramamoorthy et al. | Smart city infrastructure management system using IoT | |
CN111400415A (zh) | 涉稳人员的管理方法及相关装置 | |
Cifaldi | Government surveillance and facial recognition system in the context of modern technologies and security challenges | |
Awajan et al. | Machine learning techniques for automated policy violation reporting | |
Hamann et al. | Smart doorbell: An ICT solution to enhance inclusion of disabled people | |
CN111489276B (zh) | 人员管理方法及相关装置 | |
CN113923037A (zh) | 一种基于可信计算的异常检测优化装置、方法及系统 | |
Huang et al. | Modeling sharing decision of campus safety reports and its design implications to mobile crowdsourcing for safety | |
Alam | SafeAccess+: An Intelligent System to make Smart Home Safer and Americans with Disability Act Compliant | |
CN112328904B (zh) | 基于社交网络数据链的电子数据关系链生成系统与方法 | |
Elmas | The Role of Compromised Accounts in Social Media Manipulation |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220301 |
|
CF01 | Termination of patent right due to non-payment of annual fee |