CN111967400B - 一种基于人工智能的校园安全监测预警管理系统 - Google Patents

一种基于人工智能的校园安全监测预警管理系统 Download PDF

Info

Publication number
CN111967400B
CN111967400B CN202010835705.0A CN202010835705A CN111967400B CN 111967400 B CN111967400 B CN 111967400B CN 202010835705 A CN202010835705 A CN 202010835705A CN 111967400 B CN111967400 B CN 111967400B
Authority
CN
China
Prior art keywords
student
dangerous
sub
module
behaviors
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.)
Active
Application number
CN202010835705.0A
Other languages
English (en)
Other versions
CN111967400A (zh
Inventor
王端瑞
张艳霞
李俊
顾晓东
朱金良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
QINGDAO WEIDONG CLOUD EDUCATION GROUP Co.,Ltd.
Original Assignee
Qingdao Weidong Cloud Education Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qingdao Weidong Cloud Education Group Co ltd filed Critical Qingdao Weidong Cloud Education Group Co ltd
Priority to CN202010835705.0A priority Critical patent/CN111967400B/zh
Publication of CN111967400A publication Critical patent/CN111967400A/zh
Application granted granted Critical
Publication of CN111967400B publication Critical patent/CN111967400B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B3/00—Audible signalling systems; Audible personal calling systems
    • G08B3/10—Audible signalling systems; Audible personal calling systems using electric transmission; using electromagnetic transmission
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/55—Education
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/20—Information sensed or collected by the things relating to the thing itself
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/44—Event detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Tourism & Hospitality (AREA)
  • Psychiatry (AREA)
  • Data Mining & Analysis (AREA)
  • Social Psychology (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Marketing (AREA)
  • Fuzzy Systems (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Human Resources & Organizations (AREA)
  • Computational Linguistics (AREA)
  • Primary Health Care (AREA)
  • Electromagnetism (AREA)
  • Remote Sensing (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Toxicology (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开一种基于人工智能的校园安全监测预警管理系统，包括校园区域划分模块、GPS定位模块、学生活动图像采集模块、图像预处理模块、学生危险行为信息库、行为对比识别模块、持续时长统计模块、危险系数统计模块、总监控平台和预警模块，本发明通过将校园内户外区域进行划分，并采集各子区域内学生活动图像，同时对采集的学生活动图像中学生行为进行比对识别是否为危险行为，对识别到的危险行为由总监控平台安排相关人员前往现场处理，并进行分级预警，避免处理延迟，实现了对校园安全的智能监测管理，有效弥补了目前校园视频监控巡查系统的存在的弊端问题，大大降低了学生危险行为发生的概率，进而保障了学生的安全。

Description

一种基于人工智能的校园安全监测预警管理系统
技术领域
本发明属于校园安全管理技术领域，涉及到一种基于人工智能的校园安全监测预警管理系统。
背景技术
校园是学生大量聚集的场所，学生大量聚集可能会产出摩擦，经常会出现学生打架斗殴、追逐争抢等危险行为以致学生受伤，这样类似的校园安全问题频发，严重影响到学校正常的教育教学秩序和学生的健康发展，因此对校园的安全监测显得至关重要，为了减少学生危险行为的发生，需要对校园各角落进行巡查，传统的人工巡查，效率低且易出现漏查现象同时浪费大量人力，为了减轻巡查管理压力，目前的校园安全巡查采用视频监控技术，在校园各个角度安装监控探头，通过在总监控中心查看校园各个角落的监控情况，来减少学生危险行为的发生，但目前的校园监控系统存在以下弊端：
1.总监控中心监测识别校园各角落的监控图像中学生的行为是否属于危险行为的方式是通过人工查看识别，识别效率低，且肉眼识别易出现遗漏现象，同时智能化程度不高；
2.当总监控中心监测到校园某个角落有学生存在危险行为时，需要派相关人员前往处理，但从总监控中心到该角落需要一定的时间，在这期间没有中间预警处理措施，易导致处理延迟。
发明内容
本发明的技术任务是针对上述存在的问题，提供一种识别效率高、能够智能识别学生危险行为并进行分级预警，且能够极大降低学生发生危险行为发生的基于人工智能的校园安全监测预警管理系统，解决了背景技术中提到的问题。
本发明的目的采用以下技术方案来实现：
一种基于人工智能的校园安全监测预警管理系统，包括校园区域划分模块、学生活动图像采集模块、图像预处理模块、学生危险行为信息库、行为对比识别模块、总监控平台和预警模块；
所述校园区域划分模块用于将整个校园除了教学区域之外的户外区域按照预设的划分方式划分为若干子区域，若干子区域按照预设的顺序进行编号，依次标记为1,2,...i,...,n；
所述学生活动图像采集模块包括若干监控摄像头，其分别安装在各子区域内，用于监控各子区域内学生的活动情况，并定时采集各子区域内的图像，同时将采集到的图像进行人物特征提取，若没有提取到人物特征，则表明此时该子区域内没有学生活动，去除此时采集的子区域图像，继续进行下一固定时间间隔后的各子区域图像采集，若提取到人物相关特征，则表明此时该子区域内有学生活动，并将此时采集的子区域图像输出至图像预处理模块；
所述图像预处理模块与学生活动图像采集模块连接，接收学生活动图像采集模块输出的有学生活动的子区域图像，并对该图像进行滤波处理，同时进行图像分辨率解析，并将解析的图像分辨率与预设的图像分辨率阈值进行对比，若接收的有学生活动的子区域图像的分辨率小于预设的图像分辨率阈值，则去除小于预设的图像分辨率阈值的有学生活动的子区域图像，并发送控制指令至学生活动图像采集模块，控制该子区域的监控摄像头继续图像的采集，保留图像分辨率大于预设的图像分辨率阈值的子区域图像，并输出至行为对比识别模块；
所述行为对比识别模块与图像预处理模块连接，接收图像预处理模块输出的图像分辨率大于预设图像分辨率的有学生活动的子区域图像，对子区域图像中的学生主体图像进行聚焦放大，以提取学生主体图像中学生手部子图像和腿部子图像，并对提取的学生手部子图像和腿部子图像进行灰度归一化处理，为后期特征提取以及分类识别提供基础，将归一化处理后的学生手部子图像进行手的形状和位置特征抓取，同时对学生腿部子图像进行腿的位置变化特征和离地面距离测量获取，以此作为学生行为识别的特征，将获取的学生手的形状和位置特征及腿的位置变化特征和离地面距离与学生危险行为信息库中各种危险行为对应的手部特征和腿部特征进行逐一对比匹配，以确定该子区域图像中学生的行为是否为危险行为，若在学生危险行为信息库中匹配到相应危险行为，则表明该子区域图像中学生的行为属于危险行为，此时行为对比识别模块将该子区域的编号发送至总监控平台，同时记录发生危险行为的时间点，并将该子区域内学生的危险行为图像和发生危险行为的时间点输出至总监控平台；
所述总监控平台与行为对比识别模块连接，接收行为对比识别模块发送的存在危险行为的子区域编号和该子区域内学生的危险行为图像及发生危险行为的时间点，发送预警控制指令至预警模块，并安排相关人员前往处理；
所述学生危险行为信息库存储学生各种危险行为对应的手部特征和腿部特征，所述手部特征包括手的形状和位置特征，腿部特征包括腿的位置变化特征和离地面距离，存储各种危险行为对应的危险影响因子，并存储各危险等级对应的学生危险系数范围，其中各种危险行为包括追逐、打架、攀爬和摔倒；
所述预警模块包括若干预警设备，其分别安装在各子区域内，预警模块与总监控平台连接，接收总监控平台发送的目标子区域的预警控制指令，该子区域的预警设备进行分级预警。
进一步地，还包括GPS定位模块，分别与行为对比识别模块和总监控平台连接，GPS定位模块包括若干GPS定位仪，其分别安装在各子区域内，用于定位各子区域的地理位置，当行为对比识别模块识别到某子区域的学生存在危险行为时，发送控制信号至该子区域的GPS定位仪，该子区域的GPS定位仪及时获取该子区域的地理位置，并发送至总监控平台，总监控平台根据发送的地理位置，调派相关人员进行处理。
进一步地，还包括持续时长统计模块，与行为对比识别模块连接，持续时长统计模块包括若干定时器，其分别安装在各子区域内，当行为对比识别模块识别到某子区域的学生存在危险行为时，发送控制信号至该子区域的计时器，该子区域的计时器对该子区域内学生出现的危险行为现象进行计时，同时行为对比识别模块对下一固定时间间隔后的该子区域学生活动图像的学生行为进行分析，若此次该子区域学生不存在危险行为，则发送停止计时控制指令至该子区域的计时器，该子区域的计时器停止计时，持续时长统计模块对计时器开始计时时间和结束计时时间进行统计，获取学生出现危险行为的时长。
进一步地，还包括危险系数统计模块，分别与行为对比识别模块和持续时长统计模块连接，接收行为对比识别模块发送的存在危险行为子区域中学生危险行为种类，并接收持续时长统计模块发送的该子区域中学生出现危险行为的时长，提取学生危险行为信息库中各种危险行为对应的危险影响因子，统计存在危险行为子区域的学生危险系数，并发送至总监控平台，其计算公式为
Figure BDA0002639640620000041
式中
Figure BDA0002639640620000042
表示为学生危险系数，λE表示为第E种危险行为对应的危险影响因子，E＝1,2,3,4,T表示为学生出现危险行为的时长。
进一步地，所述预警设备包括语音报警器和蜂鸣器，所述预警模块还与行为对比识别模块连接，其分级预警的具体步骤如下：
H1:存在危险行为子区域内的语音报警器进行语音提示，以提示该子区域内追逐、打架和攀爬的学生停止危险行为，或者对摔倒的学生进行寻求周围人的帮助，接收行为对比识别模块发送的下一时间间隔后的该存在危险行为子区域的学生行为识别结果，若该存在危险行为子区域的学生危险行为还存在，此时查看相关人员是否到达该子区域现场，若未到达现场，则执行步骤H2；
H2：存在危险行为子区域内的蜂鸣器进行声音预警，以驱散该子区域内追逐、打架和攀爬的学生，接收行为对比识别模块发送的下一时间间隔后的该存在危险行为子区域的学生行为识别结果，若该存在危险行为子区域的学生危险行为还存在，此时查看相关人员是否到达该子区域现场，若未到达现场，则执行步骤H3；
H3：启动外呼叫平台，电话呼叫总监控平台，尽快安排人员进行处理。
进一步地，所述总监控平台还与危险系数统计模块连接，接收危险系数统计模块发送的学生危险系数，提取学生危险行为信息库中各危险等级对应的学生危险系数范围，筛选该危险系数对应的危险等级，在安排相关人员处理的同时采取该危险等级对应的安全措施。
进一步地，所述总监控平台还对接收的存在危险行为的子区域编号进行统计，同时对各存在危险行为的子区域中发生危险行为的时间点进行统计，对统计的存在危险行为的子区域与校园整体区域进行对比，分析存在危险行为的子区域在校园整体区域内的分布情况，从中提取出易发生危险行为的子区域；对统计计的发生危险行为的时间点与一天中的所有时间点，分析发生危险行为的时点在一天中所有时间点内的分布情况，从中提取出易发生危险行为的时间段，总监控平台安排相关人员在易发生危险行为的时间段对易发生危险行为的子区域加强日常巡视。
本发明的有益效果：
(1)本发明提供的基于人工智能的校园安全监测预警管理系统，通过将校园内户外区域划分为若干子区域，并在各子区域安装监控摄像头以采集各子区域内学生活动图像，根据行为对比识别模块对采集的学生活动图像中学生行为进行比对识别是否为危险行为，识别效率高，对识别到的危险行为通过总监控平台安排相关人员前往现场处理，并通过预警模块进行分级预警，避免处理延迟，实现了对校园安全的智能监测管理，具有监测效率高、智能化程度高和可靠性高的特点，有效弥补了目前校园视频监控巡查系统的存在的弊端问题，大大降低了学生危险行为发生的概率，进而保障了学生的安全。
(2)本发明提供的基于人工智能的校园安全监测预警管理系统，通过分级预警方式，对存在危险行为子区域分别进行语音提示和蜂鸣器报警，在相关人员到达现场之前对危险行为进行制止驱散，避免了处理延迟，有利于减少危险行为的继续进行的概率，进而减少学生出现危险行为的时长，降低危险行为的危险等级。
(3)本发明提供的基于人工智能的校园安全监测预警管理系统，通过GPS定位模块定位校园各子区域的地理位置，并将识别到的存在危险行为的子区域的地理位置发送至总监控平台，便于相关人员快速找到目标地点，节省在路上耽搁的时间，提高了处理效率。
(4)本发明提供的基于人工智能的校园安全监测预警管理系统，通过对易发生危险行为的子区域和易发生危险行为的时间段进行统计分析，可提前预测学生出现危险行为的区域和时间段，由总监控平台安排相关人员在易发生危险行为的时间段对易发生危险行为的子区域加强日常巡视，能够在学生出现危险行为时提前制止，降低学生受伤情况的发生，最大化的保证了学生的安全。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的模块示意图。
具体实施方式
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、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，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，都属于本发明保护的范围。
请参阅图1所示，一种基于人工智能的校园安全监测预警管理系统，包括校园区域划分模块、GPS定位模块、学生活动图像采集模块、图像预处理模块、学生危险行为信息库、行为对比识别模块、持续时长统计模块、危险系数统计模块、总监控平台和预警模块。
校园区域划分模块用于将整个校园除了教学区域之外的户外区域按照预设的划分方式划分为若干子区域，若干子区域按照预设的顺序进行编号，依次标记为1,2,...i,...,n，实现校园户外空间无盲点全覆盖，所述校园户外区域包括操场、楼栋之间的角落、道路等。
学生活动图像采集模块包括若干监控摄像头，其分别安装在各子区域内，用于监控各子区域内学生的活动情况，并定时采集各子区域内的图像，同时将采集到的图像进行人物特征提取，其人物特征为人的形体轮廓特征，若没有提取到人物特征，则表明此时该子区域内没有学生活动，去除此时采集的子区域图像，继续进行下一固定时间间隔后的各子区域图像采集，若提取到人物相关特征，则表明此时该子区域内有学生活动，并将此时采集的子区域图像输出至图像预处理模块。
图像预处理模块与学生活动图像采集模块连接，接收学生活动图像采集模块输出的有学生活动的子区域图像，并对该图像进行滤波处理，同时进行图像分辨率解析，并将解析的图像分辨率与预设的图像分辨率阈值进行对比，若接收的有学生活动的子区域图像的分辨率小于预设的图像分辨率阈值，则去除小于预设的图像分辨率阈值的有学生活动的子区域图像，并发送控制指令至学生活动图像采集模块，控制该子区域的监控摄像头继续图像的采集，保留图像分辨率大于预设的图像分辨率阈值的子区域图像，并输出至行为对比识别模块；
所述行为对比识别模块与图像预处理模块连接，接收图像预处理模块输出的图像分辨率大于预设图像分辨率的有学生活动的子区域图像，对子区域图像中的学生主体图像进行聚焦放大，以提取学生主体图像中学生手部子图像和腿部子图像，并对提取的学生手部子图像和腿部子图像进行灰度归一化处理，为后期特征提取以及分类识别提供基础；将归一化处理后的学生手部子图像进行手的形状和位置特征抓取，同时对学生腿部子图像进行腿的位置变化特征和离地面距离测量获取，以此作为学生行为识别的特征；将获取的学生手的形状和位置特征及腿的位置变化特征和离地面距离与学生危险行为信息库中各种危险行为对应的手部特征和腿部特征进行逐一对比匹配，若获取的学生手部特征和腿部特征在学生危险行为信息库中未匹配到相应危险行为，则表明该子区域图像中学生的行为不属于危险行为，继续进行下一时间间隔后的有学生活动的子区域图像中学生行为的识别。
若获取的学生手部特征和腿部特征在学生危险行为信息库中匹配到相应危险行为，则统计抓取的学生手部特征和腿部特征与学生危险行为信息库中各种危险行为对应的手部特征和腿部特征的相似度，筛选相似度大于预设相似度阈值的危险行为种类，作为该子区域中学生危险行为的种类，此时行为对比识别模块将该子区域的编号发送至总监控平台，将该子区域中学生危险行为的种类发送至危险系数统计模块，并发送控制信号至该子区域的GPS定位仪，同时记录发生危险行为的时间点，且发送控制信号至该子区域的计时器，行为对比识别模块将该子区域内学生的危险行为图像和发生危险行为的时间点输出至总监控平台，并继续对下一时间间隔后的子区域学生活动图像的学生行为进行识别分析，将学生行为识别结果发送至预警模块，若此时该子区域学生不存在危险行为，则发送停止计时控制信号至该子区域的计时器。相比于通过人工查看监控图像识别，本实施例提出的行为对比识别模块通过图像处理识别技术进行学生危险行为识别，识别效率高且准确度高，避免了人工肉眼识别带来的识别效率低和识别遗漏现象。
GPS定位模块，与行为对比识别模块连接，GPS定位模块包括若干GPS定位仪，其分别安装在各子区域内，用于定位各子区域的地理位置，接收行为对比识别模块发送的控制信号，该子区域的GPS定位仪及时获取该子区域的地理位置，并发送至总监控平台。
本实施例通过设置GPS定位模块并结合对子区域的标记编号，为相关人员提供出现危险行为子区域的精细定位，双重定位的设置，便于相关人员快速找到目标地点，节省在路上耽搁的时间，提高了处理效率。
持续时长统计模块，与行为对比识别模块连接，持续时长统计模块包括若干定时器，其分别安装在各子区域内，当行为对比识别模块识别到某子区域的学生存在危险行为时，该子区域的计时器接收行为对比识别模块发送的控制信号，对该子区域内学生出现的危险行为现象进行计时，并接收行为对比识别模块发送的停止计时控制信号，该子区域的计时器停止计时，持续时长统计模块对计时器开始计时时间和结束计时时间进行统计，获取学生出现危险行为的时长，并发送至危险系数统计模块。
本实施例通过设置持续时长统计模块对存在危险行为子区域内学生存在危险行为的时长进行统计，为后续进行危险系数统计提供相关参考依据。
危险系数统计模块，分别与行为对比识别模块和持续时长统计模块连接，接收行为对比识别模块发送的存在危险行为子区域中学生危险行为种类，并接收持续时长统计模块发送的该子区域中学生出现危险行为的时长，提取学生危险行为信息库中各种危险行为对应的危险影响因子，统计存在危险行为子区域的学生危险系数，并发送至总监控平台，其计算公式为
Figure BDA0002639640620000101
式中
Figure BDA0002639640620000102
表示为学生危险系数，λE表示为第E种危险行为对应的危险影响因子，E＝1,2,3,4,T表示为学生出现危险行为的时长。
总监控平台分别与行为对比识别模块、GPS定位模块和危险系数统计模块连接，接收行为对比识别模块发送的存在危险行为的子区域编号和该子区域内学生的危险行为图像及发生危险行为的时间点，接收GPS定位模块发送的存在危险行为子区域的地理位置，接收危险系数统计模块发送的存在危险行为子区域的学生危险系数，总监控平台根据接收的存在危险行为子区域的编号和地理位置，安排相关人员前往处理，并根据接收的学生危险系数，提取学生危险行为信息库中各危险等级对应的学生危险系数范围，筛选该危险系数对应的危险等级，在安排相关人员处理的同时采取该危险等级对应的安全措施，其安全措施可为联系校医院，组织医护人员前往处理，总监控平台还发送预警控制指令至预警模块。
学生危险行为信息库存储学生各种危险行为对应的手部特征和腿部特征，所述手部特征包括手的形状和位置特征，腿部特征包括腿的位置变化特征和离地面距离，存储各种危险行为对应的危险影响因子，并存储各危险等级对应的学生危险系数范围，其中各种危险行为包括追逐、打架、攀爬和摔倒。
预警模块包括若干预警设备，其分别安装在各子区域内，预警设备包括语音报警器和蜂鸣器，预警模块分别与总监控平台和行为对比识别模块连接，接收总监控平台发送的预警控制指令，存在危险行为子区域的预警设备进行分级预警，其分级预警的具体步骤如下：
H1:存在危险行为子区域内的语音报警器进行语音提示，以提示该子区域内追逐、打架和攀爬的学生停止危险行为，或者对摔倒的学生进行寻求周围人的帮助，接收行为对比识别模块发送的下一时间间隔后的该存在危险行为子区域的学生行为识别结果，若该存在危险行为子区域的学生危险行为还存在，此时查看相关人员是否到达该子区域现场，若未到达现场，则执行步骤H2；
H2：存在危险行为子区域内的蜂鸣器进行声音预警，以驱散该子区域内追逐、打架和攀爬的学生，接收行为对比识别模块发送的下一时间间隔后的该存在危险行为子区域的学生行为识别结果，若该存在危险行为子区域的学生危险行为还存在，此时查看相关人员是否到达该子区域现场，若未到达现场，则执行步骤H3；
H3：启动外呼叫平台，电话呼叫总监控平台，尽快安排人员进行处理。
本实施例通过分级预警方式，对存在危险行为子区域分别进行语音提示和蜂鸣器报警，在相关人员到达现场之前对危险行为进行制止驱散，避免了处理延迟，有利于减少危险行为的继续进行的概率，进而减少学生出现危险行为的时长，降低危险行为的危险等级。
总监控平台还对接收的存在危险行为的子区域编号进行统计，同时对各存在危险行为的子区域中发生危险行为的时间点进行统计，对统计的存在危险行为的子区域与校园整体区域进行对比，分析存在危险行为的子区域在校园整体区域内的分布情况，从中提取出易发生危险行为的子区域；对统计计的发生危险行为的时间点与一天中的所有时间点，分析发生危险行为的时点在一天中所有时间点内的分布情况，从中提取出易发生危险行为的时间段，由此可提前预测学生出现危险行为的区域和时间段，总监控平台安排相关人员在易发生危险行为的时间段对易发生危险行为的子区域加强日常巡视，能够在学生出现危险行为时提前制止，降低学生受伤情况的发生，最大化地保证了学生的安全。
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。

Claims (6)

1.一种基于人工智能的校园安全监测预警管理系统，其特征在于：包括校园区域划分模块、学生活动图像采集模块、图像预处理模块、学生危险行为信息库、行为对比识别模块、总监控平台和预警模块；
所述校园区域划分模块用于将整个校园除了教学区域之外的户外区域按照预设的划分方式划分为若干子区域，若干子区域按照预设的顺序进行编号，依次标记为1,2,...i,...,n；
所述学生活动图像采集模块包括若干监控摄像头，其分别安装在各子区域内，用于监控各子区域内学生的活动情况，并定时采集各子区域内的图像，同时将采集到的图像进行人物特征提取，若没有提取到人物特征，则表明此时该子区域内没有学生活动，去除此时采集的子区域图像，继续进行下一固定时间间隔后的各子区域图像采集，若提取到人物相关特征，则表明此时该子区域内有学生活动，并将此时采集的子区域图像输出至图像预处理模块；
所述图像预处理模块与学生活动图像采集模块连接，接收学生活动图像采集模块输出的有学生活动的子区域图像，并对该图像进行滤波处理，同时进行图像分辨率解析，并将解析的图像分辨率与预设的图像分辨率阈值进行对比，若接收的有学生活动的子区域图像的分辨率小于预设的图像分辨率阈值，则去除小于预设的图像分辨率阈值的有学生活动的子区域图像，并发送控制指令至学生活动图像采集模块，控制该子区域的监控摄像头继续图像的采集，保留图像分辨率大于预设的图像分辨率阈值的子区域图像，并输出至行为对比识别模块；
所述行为对比识别模块与图像预处理模块连接，接收图像预处理模块输出的图像分辨率大于预设图像分辨率的有学生活动的子区域图像，对子区域图像中的学生主体图像进行聚焦放大，以提取学生主体图像中学生手部子图像和腿部子图像，并对提取的学生手部子图像和腿部子图像进行灰度归一化处理，为后期特征提取以及分类识别提供基础，将归一化处理后的学生手部子图像进行手的形状和位置特征抓取，同时对学生腿部子图像进行腿的位置变化特征和离地面距离测量获取，以此作为学生行为识别的特征，将获取的学生手的形状和位置特征及腿的位置变化特征和离地面距离与学生危险行为信息库中各种危险行为对应的手部特征和腿部特征进行逐一对比匹配，以确定该子区域图像中学生的行为是否为危险行为，若在学生危险行为信息库中匹配到相应危险行为，则表明该子区域图像中学生的行为属于危险行为，此时行为对比识别模块将该子区域的编号发送至总监控平台，同时记录发生危险行为的时间点，并将该子区域内学生的危险行为图像和发生危险行为的时间点输出至总监控平台；
所述总监控平台与行为对比识别模块连接，接收行为对比识别模块发送的存在危险行为的子区域编号和该子区域内学生的危险行为图像及发生危险行为的时间点，发送预警控制指令至预警模块，并安排相关人员前往处理；
所述学生危险行为信息库存储学生各种危险行为对应的手部特征和腿部特征，所述手部特征包括手的形状和位置特征，腿部特征包括腿的位置变化特征和离地面距离，存储各种危险行为对应的危险影响因子，并存储各危险等级对应的学生危险系数范围，其中各种危险行为包括追逐、打架、攀爬和摔倒；
所述预警模块包括若干预警设备，其分别安装在各子区域内，预警模块与总监控平台连接，接收总监控平台发送的预警控制指令，存在危险行为子区域的预警设备进行分级预警；
所述预警设备包括语音报警器和蜂鸣器，所述预警模块还与行为对比识别模块连接，其分级预警的具体步骤如下：
H1:存在危险行为子区域内的语音报警器进行语音提示，以提示该子区域内追逐、打架和攀爬的学生停止危险行为，或者对摔倒的学生进行寻求周围人的帮助，接收行为对比识别模块发送的下一时间间隔后的该存在危险行为子区域的学生行为识别结果，若该存在危险行为子区域的学生危险行为还存在，此时查看相关人员是否到达该子区域现场，若未到达现场，则执行步骤H2；
H2：存在危险行为子区域内的蜂鸣器进行声音预警，以驱散该子区域内追逐、打架和攀爬的学生，接收行为对比识别模块发送的下一时间间隔后的该存在危险行为子区域的学生行为识别结果，若该存在危险行为子区域的学生危险行为还存在，此时查看相关人员是否到达该子区域现场，若未到达现场，则执行步骤H3；
H3：启动外呼叫平台，电话呼叫总监控平台，尽快安排人员进行处理。
2.根据权利要求1所述的一种基于人工智能的校园安全监测预警管理系统，其特征在于：还包括GPS定位模块，分别与行为对比识别模块和总监控平台连接，GPS定位模块包括若干GPS定位仪，其分别安装在各子区域内，用于定位各子区域的地理位置，当行为对比识别模块识别到某子区域的学生存在危险行为时，发送控制信号至该子区域的GPS定位仪，该子区域的GPS定位仪及时获取该子区域的地理位置，并发送至总监控平台，总监控平台根据发送的地理位置，调派相关人员进行处理。
3.根据权利要求1所述的一种基于人工智能的校园安全监测预警管理系统，其特征在于：还包括持续时长统计模块，与行为对比识别模块连接，持续时长统计模块包括若干定时器，其分别安装在各子区域内，当行为对比识别模块识别到某子区域的学生存在危险行为时，发送控制信号至该子区域的计时器，该子区域的计时器对该子区域内学生出现的危险行为现象进行计时，同时行为对比识别模块对下一固定时间间隔后的该子区域学生活动图像的学生行为进行分析，若此次该子区域学生不存在危险行为，则发送停止计时控制指令至该子区域的计时器，该子区域的计时器停止计时，持续时长统计模块对计时器开始计时时间和结束计时时间进行统计，获取学生出现危险行为的时长。
4.根据权利要求1所述的一种基于人工智能的校园安全监测预警管理系统，其特征在于：还包括危险系数统计模块，分别与行为对比识别模块和持续时长统计模块连接，接收行为对比识别模块发送的存在危险行为子区域中学生危险行为种类，并接收持续时长统计模块发送的该子区域中学生出现危险行为的时长，提取学生危险行为信息库中各种危险行为对应的危险影响因子，统计存在危险行为子区域的学生危险系数，并发送至总监控平台，其计算公式为
Figure FDA0002831736560000041
式中
Figure FDA0002831736560000042
表示为学生危险系数，λE表示为第E种危险行为对应的危险影响因子，E＝1,2,3,4,T表示为学生出现危险行为的时长。
5.根据权利要求4所述的一种基于人工智能的校园安全监测预警管理系统，其特征在于：所述总监控平台还与危险系数统计模块连接，接收危险系数统计模块发送的学生危险系数，提取学生危险行为信息库中各危险等级对应的学生危险系数范围，筛选该危险系数对应的危险等级，在安排相关人员处理的同时采取该危险等级对应的安全措施。
6.根据权利要求1所述的一种基于人工智能的校园安全监测预警管理系统，其特征在于：所述总监控平台还对接收的存在危险行为的子区域编号进行统计，同时对各存在危险行为的子区域中发生危险行为的时间点进行统计，对统计的存在危险行为的子区域与校园整体区域进行对比，分析存在危险行为的子区域在校园整体区域内的分布情况，从中提取出易发生危险行为的子区域；对统计计的发生危险行为的时间点与一天中的所有时间点，分析发生危险行为的时点在一天中所有时间点内的分布情况，从中提取出易发生危险行为的时间段，总监控平台安排相关人员在易发生危险行为的时间段对易发生危险行为的子区域加强日常巡视。
CN202010835705.0A 2020-08-19 2020-08-19 一种基于人工智能的校园安全监测预警管理系统 Active CN111967400B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010835705.0A CN111967400B (zh) 2020-08-19 2020-08-19 一种基于人工智能的校园安全监测预警管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010835705.0A CN111967400B (zh) 2020-08-19 2020-08-19 一种基于人工智能的校园安全监测预警管理系统

Publications (2)

Publication Number Publication Date
CN111967400A CN111967400A (zh) 2020-11-20
CN111967400B true CN111967400B (zh) 2021-02-26

Family

ID=73388403

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010835705.0A Active CN111967400B (zh) 2020-08-19 2020-08-19 一种基于人工智能的校园安全监测预警管理系统

Country Status (1)

Country Link
CN (1) CN111967400B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112418091B (zh) * 2020-11-23 2021-07-13 常州易学网络科技有限公司 一种基于大数据的智慧校园安防数据处理方法
CN112738471A (zh) * 2020-12-28 2021-04-30 詹晨 基于物联网和人工智能的安防监控数据处理方法及云通信服务器
CN112903026A (zh) * 2021-02-25 2021-06-04 南京翰氜信息科技有限公司 基于机器视觉和人工智能的工程安全远程在线监测系统
CN113611077A (zh) * 2021-07-09 2021-11-05 广东信兴科技有限公司 一种校园监控系统及监控方法
CN113505709A (zh) * 2021-07-15 2021-10-15 开放智能机器（上海）有限公司 一种用于实时监测人体危险行为的方法以及系统
CN114025306A (zh) * 2021-11-11 2022-02-08 深圳市奇果物联科技有限公司 一种基于ai大数据的学生防溺水定位方法及系统
CN114065799B (zh) * 2021-12-01 2022-04-08 兰和科技（深圳）有限公司 一种基于人工智能技术的校园安防监控管理系统
CN114253203A (zh) * 2022-03-02 2022-03-29 华东交通大学 一种基于图像处理的智慧校园安全监控方法
CN114821373B (zh) * 2022-05-13 2023-07-21 山西协诚建设工程项目管理有限公司 一种基建项目工程施工现场安全智能监理监测分析预警系统
CN115862267B (zh) * 2022-12-01 2023-10-13 深圳市特区建发科技园区发展有限公司 一种基于人工智能的智慧物业预警提醒管理系统及方法
CN116895128B (zh) * 2023-05-08 2024-05-03 广州博音信息技术有限公司 校园行为综合预警系统
CN116486586B (zh) * 2023-06-20 2023-08-15 广州宏途数字科技有限公司 一种校园安全智能化监管预警系统及方法
CN117746218B (zh) * 2023-12-14 2024-06-04 广州市十牛信息科技有限公司 一种智慧校园的安全管理方法及装置
CN117557966B (zh) * 2024-01-09 2024-04-02 南京格瑞物联科技有限公司 基于监控图像识别的校园异常行为安全检测方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140042057A (ko) * 2012-09-27 2014-04-07 주식회사 인터컴 학교 방범 담장
CN106530633A (zh) * 2016-09-28 2017-03-22 中国人民解放军国防科学技术大学 一种智能事中处置的安防方法及系统
CN108683724A (zh) * 2018-05-11 2018-10-19 江苏舜天全圣特科技有限公司 一种智能儿童安全及步态健康监护系统
WO2019021041A1 (en) * 2017-07-25 2019-01-31 Sixth Energy Technologies Pvt Ltd INTEGRATED INTERNET OBJECT (IOT) DEVICE FOR MONITORING AND CONTROLLING EVENTS IN AN ENVIRONMENT
CN109413369A (zh) * 2017-08-17 2019-03-01 孟思宏 一种监控视频智能分析预警平台
CN110222665A (zh) * 2019-06-14 2019-09-10 电子科技大学 一种基于深度学习和姿态估计的监控中人体动作识别方法
CN110809137A (zh) * 2019-11-18 2020-02-18 山东汇佳软件科技股份有限公司 一种校园安全防踩踏监控系统及方法
CN111083435A (zh) * 2019-10-27 2020-04-28 恒大智慧科技有限公司 一种安全监控方法及设备、计算机可读存储介质
CN111402532A (zh) * 2020-03-26 2020-07-10 海南鸿达盛创网络信息科技有限公司 一种综合安防视频管理控制系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140042057A (ko) * 2012-09-27 2014-04-07 주식회사 인터컴 학교 방범 담장
CN106530633A (zh) * 2016-09-28 2017-03-22 中国人民解放军国防科学技术大学 一种智能事中处置的安防方法及系统
WO2019021041A1 (en) * 2017-07-25 2019-01-31 Sixth Energy Technologies Pvt Ltd INTEGRATED INTERNET OBJECT (IOT) DEVICE FOR MONITORING AND CONTROLLING EVENTS IN AN ENVIRONMENT
CN109413369A (zh) * 2017-08-17 2019-03-01 孟思宏 一种监控视频智能分析预警平台
CN108683724A (zh) * 2018-05-11 2018-10-19 江苏舜天全圣特科技有限公司 一种智能儿童安全及步态健康监护系统
CN110222665A (zh) * 2019-06-14 2019-09-10 电子科技大学 一种基于深度学习和姿态估计的监控中人体动作识别方法
CN111083435A (zh) * 2019-10-27 2020-04-28 恒大智慧科技有限公司 一种安全监控方法及设备、计算机可读存储介质
CN110809137A (zh) * 2019-11-18 2020-02-18 山东汇佳软件科技股份有限公司 一种校园安全防踩踏监控系统及方法
CN111402532A (zh) * 2020-03-26 2020-07-10 海南鸿达盛创网络信息科技有限公司 一种综合安防视频管理控制系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Jyri Rajamäki等.Resilience of Cyber-Physical System: A Case Study of Safe School Environment.《2012 European Intelligence and Security Informatics Conference》.2012,第285页. *
监控视频中行人异常行为检测与告警;王金祥;《科技展望》;20150810(第22期);第165页 *
老年人跌倒告警系统监控中心的设计与实现;曾东旭;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170315(第3期);第I138-1586页 *

Also Published As

Publication number Publication date
CN111967400A (zh) 2020-11-20

Similar Documents

Publication Publication Date Title
CN111967400B (zh) 一种基于人工智能的校园安全监测预警管理系统
CN110826538B (zh) 一种用于电力营业厅的异常离岗识别系统
CN101577812B (zh) 一种岗位监测的方法和系统
CN106203458B (zh) 人群视频分析方法及系统
CN108319926A (zh) 一种工地现场的安全帽佩戴检测系统及检测方法
CN105763853A (zh) 一种公共区域拥挤、踩踏事件应急预警方法
CN108764190B (zh) 老年人离床与在床状态的视频监测方法
CN109543542A (zh) 一种特定场所人员着装是否规范的判定方法
CN110206330B (zh) 一种基于大数据的校园楼层智能防护系统
CN113411542A (zh) 一种智能化的工作状况监测设备
CN111680637A (zh) 基于深度学习和图像识别技术的口罩检测方法及检测系统
CN111539313A (zh) 考试作弊行为检测方法及系统
CN111091110A (zh) 一种基于人工智能的反光背心穿戴识别方法
CN113066248B (zh) 基于视频图像处理的智慧社区建设安防监控智能管理系统
CN111582209A (zh) 一种基建现场施工人员异常行为监管方法
CN113206978A (zh) 油气管道站场安防智能监控预警系统及方法
CN109001210B (zh) 一种人防门密封胶条老化龟裂检测系统及方法
CN116416579A (zh) 一种园区安防监控存储信息智能分析管理系统
CN112800975A (zh) 一种基于图像处理的安检通道内行为识别方法
CN115798047A (zh) 行为识别方法和装置、电子设备、计算机可读存储介质
CN111652128B (zh) 一种高空电力作业安全监测方法、系统和存储装置
CN115393789A (zh) 建筑工地危险区域人群聚集预警方法、系统、设备及存储介质
CN110633681A (zh) 一种基于视频的离床检测方法
CN109977854A (zh) 一种电梯监控环境下异常行为检测分析系统
CN112885014A (zh) 预警方法、装置、系统和计算机可读存储介质

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
CB03 Change of inventor or designer information

Inventor after: Wang Duanrui

Inventor after: Zhang Yanxia

Inventor after: Li Jun

Inventor after: Gu Xiaodong

Inventor after: Zhu Jinliang

Inventor before: Gu Xiaodong

Inventor before: Zhu Jinliang

CB03 Change of inventor or designer information
TA01 Transfer of patent application right

Effective date of registration: 20210202

Address after: Weidong international cloud Education Industrial Park, No.17 Wenhai Road, Jimo City, Qingdao City, Shandong Province 266000

Applicant after: QINGDAO WEIDONG CLOUD EDUCATION GROUP Co.,Ltd.

Address before: Nanjing University of Posts and telecommunications, 66 xinmodel Road, Gulou District, Nanjing, Jiangsu Province, 210000

Applicant before: Gu Xiaodong

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant