CN112351402A - 一种用于mac数据采集器的在线检测系统 - Google Patents
一种用于mac数据采集器的在线检测系统 Download PDFInfo
- Publication number
- CN112351402A CN112351402A CN202011234229.3A CN202011234229A CN112351402A CN 112351402 A CN112351402 A CN 112351402A CN 202011234229 A CN202011234229 A CN 202011234229A CN 112351402 A CN112351402 A CN 112351402A
- Authority
- CN
- China
- Prior art keywords
- value
- module
- acquiring
- alarm
- mac 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B19/00—Alarms responsive to two or more different undesired or abnormal conditions, e.g. burglary and fire, abnormal temperature and abnormal rate of flow
Abstract
本发明公开了一种用于MAC数据采集器的在线检测系统,包括安全检测模块、人脸识别模块以及网络分析模块;所述安全检测模块用于对MAC数据采集器采集到的数据进行安全检测,本发明在MAC数据采集器中配备相应的在线检测系统,通过安全检测模块对安防数据进行安全检测分析;所述网络分析模块用于对MAC数据采集器采集到的网络数据进行分析,本发明利用网络分析模块对MAC数据采集器采集到的网络数据进行分析,增加对互联网的安全防护措施;所述人脸识别模块用于对MAC数据采集器采集到的人脸图像进行识别,本发明通过脸部图像特征值比对得到特征符合值判定人脸识别是否通过,杜绝识别的存在漏洞和局限性。
Description
技术领域
本发明属于安防技术领域,涉及在线检测系统,具体是一种用于MAC数据采集器的在线检测系统。
背景技术
数据采集器又称盘点机、掌上电脑。它是将条码扫描装置,RFID技术与数据终端一体化,带有电池可离线操作的终端电脑设备。根据数据采集器的使用用途不同,大体上可分为两类:在线式数据采集器和便携式数据采集器。具备实时采集、自动存储、即时显示、即时反馈、自动处理、自动传输功能。为现场数据的真实性、有效性、实时性、可用性提供了保证。其具有一体性、机动性、体积小、重量轻、高性能,并适于手持等特点。
应用于安防领域的MAC数据采集器功能较为单一,MAC数据采集器简单进行采集、存储、显示、反馈等功能,没有配备相应的在线检测系统,不能对安防事件的数据进行准确分析,无法真正意义上的安全隐患防护;针对人物识别的功能存在漏洞和局限性,语音识别和指纹识别均可以临摹和复刻,缺乏强有力的识别技术;安防领域对于互联网的安全防护措施欠佳,互联网容易被异常访问或者破解连接,导致互联网访问过量甚至崩溃,为此,我们提出一种用于MAC数据采集器的在线检测系统。
发明内容
针对现有技术存在的不足,本发明目的是提供一种用于MAC数据采集器的在线检测系统。
本发明所要解决的技术问题为:
应用于安防领域的MAC数据采集器功能较为单一,MAC数据采集器简单进行采集、存储、显示、反馈等功能,没有配备相应的在线检测系统,不能对安防事件的数据进行准确分析,无法真正意义上的安全隐患防护;针对人物识别的功能存在漏洞和局限性,语音识别和指纹识别均可以临摹和复刻,缺乏强有力的识别技术;安防领域对于互联网的安全防护措施欠佳,互联网容易被异常访问或者破解连接,导致互联网访问过量甚至崩溃。
本发明的目的可以通过以下技术方案实现:
一种用于MAC数据采集器的在线检测系统,包括应用在多个MAC数据采集器内的在线检测系统,在线检测系统包括数据传输模块、安全检测模块、人脸识别模块、数据采集模块、警报模块、显示模块、网络分析模块以及控制器;
所述控制器通信连接有服务器,所述控制器通信连接有若干个登录终端;所述数据传输模块将MAC数据采集器采集到的数据进行导入和导出,若干个登录终端通过数据传输模块与控制器连接;
所述数据采集模块用于采集安防数据,并将安防数据发送至控制器;所述安全检测模块用于对MAC数据采集器采集到的数据进行安全检测;所述网络分析模块用于对MAC数据采集器采集到的网络数据进行分析;所述人脸识别模块用于对MAC数据采集器采集到的人脸图像进行识别;
所述警报模块用于对MAC数据采集器采集到的异常情况进行警报;所述显示模块用于显示在线检测系统的检测结果和警报信息。
进一步地,所述安全检测模块的检测过程具体如下:
S1:获取多个MAC数据采集器u采集到的气体数据中的气体种类,将气体种类与数据库中气体数据进行比对;
S11:若采集到的气体种类为火灾气体种类,获取气体种类的分子量FLu、温度Wu、压力YLu以及体积浓度TNu,u=1,……,n;
S12:利用气体质量浓度公式计算得到多个MAC数据采集器采集到的气体种类质量浓度ZNu,公式具体如下:
ZNu=(FLu×TNu)/22.4×[273/(273+Wu)]×(YLu/101325);
S13:遍历多个MAC数据采集器采集到的气体种类质量浓度得到气体种类质量浓度最大值ZNmax和气体种类质量浓度最大值ZNmin;获取数据库中气体种类对应的危险浓度阈值ZNy;
S14:当ZNmax<ZNy时,则判定气体种类质量浓度没有超标;
当ZNmin≥ZNy时,则判定气体种类质量浓度超标,生成警报指令加载至警报模块,警报模块根据警报指令发出警报信号;
S2:获取多个MAC数据采集器采集到的温度数据中的温度值WDu,遍历多个MAC数据采集器采集到的温度值得到温度最大值WDmax和温度最大值WDmin;获取数据库中温度数据的温度阈值WDy;
S3:当WDmax<WDy时,则判定温度值没有超标;
当WDmax≥WDy时,则判定温度值超标,生成警报指令加载至警报模块,警报模块根据警报指令发出警报信号;
S4:获取多个MAC数据采集器采集到的烟雾数据,利用烟雾浓度公式计算得到每个MAC数据采集器的烟雾值YMu,遍历多个MAC数据采集器的烟雾值得到烟雾最大值YWmax和烟雾最大值YWmin;获取数据库中烟雾数据的烟雾阈值YWy;
S5:当YWmax<YWy时,则判定烟雾值没有超标;
当YWmax≥YWy时,则判定烟雾值超标,生成警报指令加载至警报模块,警报模块根据警报指令发出警报信号。
进一步地,所述网络分析模块的分析过程具体如下:
SS1:获取连接网络的上网设备数,并将上网设备数标记为t,t=1,……,n;
SS2:获取上网设备的实际下载速度上限值Xmax和实际下载速度下限值Xmin;
SS3:获取上网设备的实际上传速度上限值Smax和实际上传速度下限值Smin;
SS4:获取设定的下载速度阈值Xy和上传速度阈值Sy;
SS6:依据系统当前时间,获取前一周连接网络的上网设备数,相加取平均值得到前一周连接网络的日上网设备平均数i;
SS7:若i≤t时,取预设值X1;
SS8:若i>t时,获取已连接网络的上网设备的IP地址Vo和新增上网设备的IP地址Vr,o=1,……,n,计算得到IP地址的相似率XS,具体如下:
SS81:IP地址Vo组合成数字Vo;IP地址Vr组合成数字Vr;
SS82:利用公式XS=Vo/Vr得到相似率XS;
SS83:当XS=1时,判定IP地址Vr为重复连接,取预设值X2;
SS84:当XS≠1时,判定IP地址Vr为初次连接,进入下一步骤;
SS85:获取IP地址Vr连接网络的连接时间T;
SS86:若连接时间T超过设定的连接时间阈值,取预设值X3;
SS87:若连接时间T未超过设定的连接时间阈值,判定IP地址Vr为异常连接,取预设值X4,其中,X1<X2<X3<X4;
进一步地,所述人脸识别模块的具体识别过程如下:
W1:获取MAC数据采集器采集到的脸部图像,并将脸部图像标记为p,p=1,……,n;
W2:获取脸部图像的耳间距值,并将耳间距值标记为LEp;
W3:获取脸部图像的头部长度TCp和头部宽度TKp;
W4:获取脸部图像的嘴角间距值,并将嘴角间距值标记为ZJp;获取脸部图像的外眼角间距值,并将外眼角间距值标记为YJp;
W5:将耳间距值、头部长度、头部宽度、嘴角间距值和外眼角间距值的数值依次排列组成该脸部图像特征值Y1;
W6:脸部图像特征值与数据库中存储的若干个脸部特征值Yq计算特征符合值Y2,q=1,……,n;
W7:人脸识别不通过产生人脸识别异常指令加载至警报模块,警报模块根据人脸识别异常指令发出警报信号。
进一步地,所述特征符合值的计算过程具体如下:
W61:利用公式Y2=Y1/Yq计算得到特征符合值Y2;
W62:若Y2超过设定的特征符合阈值,人脸识别通过,反之人脸识别不通过。
与现有技术相比,本发明的有益效果是:
1、本发明在MAC数据采集器中配备相应的在线检测系统,通过安全检测模块对MAC数据采集器采集到的气体、温度、烟雾等安防数据进行安全检测分析,安防数据得以准确地分析,做到真正意义上的安全隐患防护;
2、本发明利用网络分析模块对MAC数据采集器采集到的网络数据进行分析,通过计算速度限值得到网速偏差值,并结合由连接网络的设备数、上网设备的IP和连接时间计算得到的预设值,从而得到最终的网速异常值,通过网速异常值的大小来判断网速是否存在异常情况,该设计增加对互联网的安全防护措施,避免互联网被异常访问或者破解连接,增加安防领域的全面性;
3、本发明利用人脸识别模块对MAC数据采集器采集到的人脸图像进行识别,利用耳间距值、头部长度、头部宽度、嘴角间距值、外眼角间距值等依次排列组成脸部图像的特征值,脸部图像特征值与数据库中存储的若干个脸部特征值计算特征符合值,通过特征符合值判定人脸识别是否通过,有效减少语音识别和指纹识别被临摹和复刻的可能性,杜绝识别的存在漏洞和局限性,识别技术准确且强有力。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明的整体系统框图;
图2为本发明中数据采集模块的系统框图。
具体实施方式
下面将结合实施例对本发明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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1-2所示,一种用于MAC数据采集器的在线检测系统,在线检测系统应用于安装在不同位置的多个MAC数据采集器,在线检测系统包括数据传输模块、安全检测模块、人脸识别模块、数据采集模块、警报模块、显示模块、网络分析模块以及控制器;
控制器通信连接有服务器,控制器通信连接有若干个登录终端;数据传输模块用于将在线检测系统采集的数据进行导入和导出,若干个登录终端通过数据传输模块与控制器连接,控制器具体为MAC数据采集器内部安装的主控制器;
数据采集模块用于采集安防数据,并将安防数据发送至控制器,安防数据包括气体数据、温度数据、人体红外数据、图像数据、网络数据以及烟雾数据,数据采集模块具体为安装在MAC数据采集器上的气体探测器、温度传感器、热释电传感器、图像传感器、网络监视器和烟雾传感器;
数据库存储有气体数据、温度数据、烟雾数据、脸部特征值等,气体数据包括火灾气体种类和火灾气体危险阈值,温度数据包括温度阈值,烟雾数据包括烟雾阈值;安全检测模块用于对MAC数据采集器采集到的数据进行安全检测,具体检测过程如下:
S1:获取多个MAC数据采集器u采集到的气体数据中的气体种类,将气体种类与数据库中气体数据进行比对;
S11:若采集到的气体种类为火灾气体种类,获取气体种类的分子量FLu、温度Wu、压力YLu以及体积浓度TNu,u=1,……,n;
S12:利用气体质量浓度公式计算得到多个MAC数据采集器采集到的气体种类质量浓度ZNu,公式具体如下:
ZNu=(FLu×TNu)/22.4×[273/(273+Wu)]×(YLu/101325);
S13:遍历多个MAC数据采集器采集到的气体种类质量浓度得到气体种类质量浓度最大值ZNmax和气体种类质量浓度最大值ZNmin;获取数据库中气体种类对应的危险浓度阈值ZNy;
S14:当ZNmax<ZNy时,则判定气体种类质量浓度没有超标;
当ZNmin≥ZNy时,则判定气体种类质量浓度超标,生成警报指令加载至警报模块,警报模块根据警报指令发出警报信号;
S2:获取多个MAC数据采集器采集到的温度数据中的温度值WDu,遍历多个MAC数据采集器采集到的温度值得到温度最大值WDmax和温度最大值WDmin;获取数据库中温度数据的温度阈值WDy;
S3:当WDmax<WDy时,则判定温度值没有超标;
当WDmax≥WDy时,则判定温度值超标,生成警报指令加载至警报模块,警报模块根据警报指令发出警报信号;
S4:获取多个MAC数据采集器采集到的烟雾数据,利用烟雾浓度公式计算得到每个MAC数据采集器的烟雾值YMu,遍历多个MAC数据采集器的烟雾值得到烟雾最大值YWmax和烟雾最大值YWmin;获取数据库中烟雾数据的烟雾阈值YWy;
S5:当YWmax<YWy时,则判定烟雾值没有超标;
当YWmax≥YWy时,则判定烟雾值超标,生成警报指令加载至警报模块,警报模块根据警报指令发出警报信号;
其中,气体探测器可以检测到的火灾气体种类包括:(1)可燃气体类:天然气(甲烷)、液化气(异丁烷、丙烷)、煤气(氢气)、乙炔、戊烷、炔类、烯类、酒精、丙酮、甲苯、醇类、烃类、轻油等多种液体蒸汽;(2)有毒气体类:一氧化碳、硫化氢、氨气、氯气、氧气、磷化氢、二氧化硫、氯化氢、二氧化氯等多种有毒有害气体;
其中,烟雾浓度公式是根据实验数值拟合出的曲线公式,对于不同型号的传感器、不同的传感器参数配置,每一个参数都会不一样的。不必过分纠结数值的具体含义。做过烟雾传感器的标定就会知道,标定传感器曲线的时候会在标准烟箱里依次通入不同浓度的烟雾,批量采集传感器的读数值(例如一次采集20个或者100个),将所得的结果按照正态分布计算权重并标定出每一个特定点的浓度与读数的值,最后拟合出烟雾浓度公式;
网络分析模块用于对MAC数据采集器采集到的网络数据进行分析,具体分析过程如下:
SS1:获取连接网络的上网设备数,并将上网设备数标记为t,t=1,……,n;
SS2:获取上网设备的实际下载速度上限值Xmax和实际下载速度下限值Xmin;
SS3:获取上网设备的实际上传速度上限值Smax和实际上传速度下限值Smin;
SS4:获取设定的下载速度阈值Xy和上传速度阈值Sy,具体为:在网络路由设备的管理界面中,不光可以看到当前已经连接上网的上网设备列表,还可以设置网络的上传速度和下载速度;
SS6:依据系统当前时间,获取前一周连接网络的上网设备数,相加取平均值得到前一周连接网络的日上网设备平均数i;
SS7:若i≤t时,取预设值X1;
SS8:若i>t时,获取已连接网络的上网设备的IP地址Vo和新增上网设备的IP地址Vr,o=1,……,n,计算得到IP地址的相似率XS,具体如下:
SS81:IP地址Vo组合成数字Vo;IP地址Vr组合成数字Vr;
SS82:利用公式XS=Vo/Vr得到相似率XS;
SS83:当XS=1时,判定IP地址Vr为重复连接,取预设值X2;
SS84:当XS≠1时,判定IP地址Vr为初次连接,进入下一步骤;
SS85:获取IP地址Vr连接网络的连接时间T;
SS86:若连接时间T超过设定的连接时间阈值,取预设值X3;
SS87:若连接时间T未超过设定的连接时间阈值,判定IP地址Vr为异常连接,取预设值X4,其中,X1<X2<X3<X4;
例如:某一上网设备前几日连接过网络,该连接设备的IP地址为:112.33.87.121,过一段时间后,该上网设备再次连接网络,再次留下上网设备的IP地址,两次IP地址相处得到相似率1;
人脸识别模块用于对MAC数据采集器采集到的人脸图像进行识别,具体识别过程如下:
W1:获取MAC数据采集器采集到的脸部图像,并将脸部图像标记为p,p=1,……,n;
W2:获取脸部图像的耳间距值,并将耳间距值标记为LEp;
W3:获取脸部图像的头部长度TCp和头部宽度TKp;
W4:获取脸部图像的嘴角间距值,并将嘴角间距值标记为ZJp;获取脸部图像的外眼角间距值,并将外眼角间距值标记为YJp;
W5:将耳间距值、头部长度、头部宽度、嘴角间距值和外眼角间距值的数值依次排列组成该脸部图像特征值Y1;
W6:脸部图像特征值与数据库中存储的若干个脸部特征值Yq比对计算特征符合值,q=1,……,n,具体如下:
W61:利用公式Y2=Y1/Yq计算得到特征符合值Y2;
W62:若Y2超过设定的特征符合阈值,人脸识别通过,反之人脸识别不通过;
W7:人脸识别不通过产生人脸识别异常指令加载至警报模块,警报模块根据人脸识别异常指令发出警报信号;
警报模块用于对MAC数据采集器采集到的异常情况进行警报;显示模块用于显示在线检测系统的检测结果和警报信息,显示模块显示的内容具体包括安全监测结果、人脸识别结果、电量分析结果、网络分析结果以及警报信息。
一种用于MAC数据采集器的在线检测系统,工作时,通过安全检测模块对MAC数据采集器采集到的数据进行安全检测,通过获取多个MAC数据采集器采集到的气体数据中的气体种类,将气体种类与数据库中气体数据进行比对,若采集到的气体种类为火灾气体种类中的一种或多种,获取气体种类的分子量FLu、温度WDu、压力YLu以及体积浓度TNu,利用气体质量浓度公式ZNu=(FLu×TNu)/22.4×[273/(273+Wu)]×(YLu/101325)计算得到检测气体种类质量浓度ZNu,同理,计算得到多个MAC数据采集器采集到的气体种类质量浓度,遍历多个MAC数据采集器采集到的气体种类质量浓度得到气体种类质量浓度最大值ZNmax和气体种类质量浓度最大值ZNmin;获取数据库中气体种类对应的危险浓度阈值ZNy,当ZNmax<ZNy时,则判定气体种类质量浓度没有超标,当ZNmin≥ZNy时,则判定气体种类质量浓度超标,生成警报指令加载至警报模块,警报模块根据警报指令发出警报信号;
与此同时,可以获取多个MAC数据采集器采集到的温度数据中的温度值WDu,遍历多个MAC数据采集器采集到的温度值得到温度最大值WDmax和温度最大值WDmin;获取数据库中温度数据的温度阈值WDy,当WDmax<WDy时,则判定温度值没有超标,当WDmax≥WDy时,则判定温度值超标,生成警报指令加载至警报模块,警报模块根据警报指令发出警报信号;还可以获取多个MAC数据采集器采集到的烟雾数据,利用烟雾浓度公式计算得到每个MAC数据采集器的烟雾值YMu,遍历多个MAC数据采集器的烟雾值得到烟雾最大值YWmax和烟雾最大值YWmin;获取数据库中烟雾数据的烟雾阈值YWy,当YWmax<YWy时,则判定烟雾值没有超标,当YWmax≥YWy时,则判定烟雾值超标,生成警报指令加载至警报模块,警报模块根据警报指令发出警报信号。
通过网络分析模块对MAC数据采集器采集到的网络数据进行分析,首先获取连接网络的上网设备数u,而后获取上网设备的实际下载速度上限值Xmax、实际下载速度下限值Xmin、实际上传速度上限值Smax和实际上传速度下限值Smin,获取设定的下载速度阈值Xy和上传速度阈值Sy,利用公式计算得到网速偏差值Wpc;
其次,依据系统当前时间获取前一周连接网络的上网设备数,相加取平均值得到前一周连接网络的日上网设备平均数i,若i≤t时,取预设值X1,若i>t时,再进一步获取已连接网络的上网设备的IP地址Vo和新增上网设备的IP地址Vr,IP地址Vo组合成数字Vo,IP地址Vr组合成数字Vr,利用公式XS=Vo/Vr得到计算得到IP地址的相似率XSS,当XS=1时,判定IP地址Vr为重复连接,取预设值X2,当XS≠1时,判定IP地址Vr为初次连接,进一步获取IP地址Vr连接网络的连接时间T,若连接时间T超过设定的连接时间阈值,取预设值X3,若连接时间T未超过设定的连接时间阈值,判定IP地址Vr为异常连接,取预设值X4,最后利用公式计算得到网速异常值Wyc,若网速异常值Wyc大于设定阈值,则判断上网设备的网速异常,同时生成网速异常指令加载至警报模块,警报模块根据网速异常指令发出警报信号;
通过人脸识别模块对MAC数据采集器采集到的人脸图像进行识别,首先获取MAC数据采集器采集到的脸部图像p,依次获取脸部图像的耳间距值LEp、头部长度TCp、头部宽度Tk、嘴角间距值ZJp、外眼角间距值YJp等数据,将耳间距值、头部长度、头部宽度、嘴角间距值和外眼角间距值的数值依次排列组成该脸部图像特征值Y1,利用公式Y2=Y1/Yq计算得到脸部图像特征值与数据库中存储的若干个脸部特征值Yq比对计算特征符合值Y2,若Y2超过设定的特征符合阈值,人脸识别通过,反之人脸识别不通过,人脸识别不通过产生人脸识别异常指令加载至警报模块,警报模块根据人脸识别异常指令发出警报信号。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (5)
1.一种用于MAC数据采集器的在线检测系统,包括应用在多个MAC数据采集器内的在线检测系统,其特征在于,在线检测系统包括数据传输模块、安全检测模块、人脸识别模块、数据采集模块、警报模块、显示模块、网络分析模块以及控制器;
所述控制器通信连接有服务器,所述控制器通信连接有若干个登录终端;所述数据传输模块将MAC数据采集器采集到的数据进行导入和导出,若干个登录终端通过数据传输模块与控制器连接;
所述数据采集模块用于采集安防数据,并将安防数据发送至控制器;所述安全检测模块用于对MAC数据采集器采集到的数据进行安全检测;所述网络分析模块用于对MAC数据采集器采集到的网络数据进行分析;所述人脸识别模块用于对MAC数据采集器采集到的人脸图像进行识别;
所述警报模块用于对MAC数据采集器采集到的异常情况进行警报;所述显示模块用于显示在线检测系统的检测结果和警报信息。
2.根据权利要求1所述的一种用于MAC数据采集器的在线检测系统,其特征在于,所述安全检测模块的检测过程具体如下:
S1:获取多个MAC数据采集器u采集到的气体数据中的气体种类,将气体种类与数据库中气体数据进行比对;
S11:若采集到的气体种类为火灾气体种类,获取气体种类的分子量FLu、温度Wu、压力YLu以及体积浓度TNu,u=1,……,n;
S12:利用气体质量浓度公式计算得到多个MAC数据采集器采集到的气体种类质量浓度ZNu,公式具体如下:
ZNu=(FLu×TNu)/22.4×[273/(273+Wu)]×(YLu/101325);
S13:遍历多个MAC数据采集器采集到的气体种类质量浓度得到气体种类质量浓度最大值ZNmax和气体种类质量浓度最大值ZNmin;获取数据库中气体种类对应的危险浓度阈值ZNy;
S14:当ZNmax<ZNy时,则判定气体种类质量浓度没有超标;
当ZNmin≥ZNy时,则判定气体种类质量浓度超标,生成警报指令加载至警报模块,警报模块根据警报指令发出警报信号;
S2:获取多个MAC数据采集器采集到的温度数据中的温度值WDu,遍历多个MAC数据采集器采集到的温度值得到温度最大值WDmax和温度最大值WDmin;获取数据库中温度数据的温度阈值WDy;
S3:当WDmax<WDy时,则判定温度值没有超标;
当WDmin≥WDy时,则判定温度值超标,生成警报指令加载至警报模块,警报模块根据警报指令发出警报信号;
S4:获取多个MAC数据采集器采集到的烟雾数据,利用烟雾浓度公式计算得到每个MAC数据采集器的烟雾值YMu,遍历多个MAC数据采集器的烟雾值得到烟雾最大值YWmax和烟雾最大值YWmin;获取数据库中烟雾数据的烟雾阈值YWy;
S5:当YWmax<YWy时,则判定烟雾值没有超标;
当YWmin≥YWy时,则判定烟雾值超标,生成警报指令加载至警报模块,警报模块根据警报指令发出警报信号。
3.根据权利要求1所述的一种用于MAC数据采集器的在线检测系统,其特征在于,所述网络分析模块的分析过程具体如下:
SS1:获取连接网络的上网设备数,并将上网设备数标记为t,t=1,……,n;
SS2:获取上网设备的实际下载速度上限值Xmax和实际下载速度下限值Xmin;
SS3:获取上网设备的实际上传速度上限值Smax和实际上传速度下限值Smin;
SS4:获取设定的下载速度阈值Xy和上传速度阈值Sy;
SS6:依据系统当前时间,获取前一周连接网络的上网设备数,相加取平均值得到前一周连接网络的日上网设备平均数i;
SS7:若i≤t时,取预设值X1;
SS8:若i>t时,获取已连接网络的上网设备的IP地址Vo和新增上网设备的IP地址Vr,o=1,……,n,计算得到IP地址的相似率XS,具体如下:
SS81:IP地址Vo组合成数字Vo;IP地址Vr组合成数字Vr;
SS82:利用公式XS=Vo/Vr得到相似率XS;
SS83:当XS=1时,判定IP地址Vr为重复连接,取预设值X2;
SS84:当XS≠1时,判定IP地址Vr为初次连接,进入下一步骤;
SS85:获取IP地址Vr连接网络的连接时间T;
SS86:若连接时间T超过设定的连接时间阈值,取预设值X3;
SS87:若连接时间T未超过设定的连接时间阈值,判定IP地址Vr为异常连接,取预设值X4,其中,X1<X2<X3<X4;
4.根据权利要求1所述的一种用于MAC数据采集器的在线检测系统,其特征在于,所述人脸识别模块的具体识别过程如下:
W1:获取MAC数据采集器采集到的脸部图像,并将脸部图像标记为p,p=1,……,n;
W2:获取脸部图像的耳间距值,并将耳间距值标记为LEp;
W3:获取脸部图像的头部长度TCp和头部宽度TKp;
W4:获取脸部图像的嘴角间距值,并将嘴角间距值标记为ZJp;获取脸部图像的外眼角间距值,并将外眼角间距值标记为YJp;
W5:将耳间距值、头部长度、头部宽度、嘴角间距值和外眼角间距值的数值依次排列组成该脸部图像特征值Y1;
W6:脸部图像特征值与数据库中存储的若干个脸部特征值Yq计算特征符合值Y2,q=1,……,n;
W7:人脸识别不通过产生人脸识别异常指令加载至警报模块,警报模块根据人脸识别异常指令发出警报信号。
5.根据权利要求4所述的一种用于MAC数据采集器的在线检测系统,其特征在于,所述特征符合值的计算过程具体如下:
W61:利用公式Y2=Y1/Yq计算得到特征符合值Y2;
W62:若Y2超过设定的特征符合阈值,人脸识别通过,反之人脸识别不通过。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011234229.3A CN112351402B (zh) | 2020-11-07 | 2020-11-07 | 一种用于mac数据采集器的在线检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011234229.3A CN112351402B (zh) | 2020-11-07 | 2020-11-07 | 一种用于mac数据采集器的在线检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112351402A true CN112351402A (zh) | 2021-02-09 |
CN112351402B CN112351402B (zh) | 2022-07-22 |
Family
ID=74429715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011234229.3A Active CN112351402B (zh) | 2020-11-07 | 2020-11-07 | 一种用于mac数据采集器的在线检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112351402B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258222A (zh) * | 2013-05-29 | 2013-08-21 | 苏州福丰科技有限公司 | 小区智能物管系统 |
CN104660467A (zh) * | 2015-02-10 | 2015-05-27 | 深圳市科信通信技术股份有限公司 | 一种通讯综合测试终端的测试方法 |
CN106372606A (zh) * | 2016-08-31 | 2017-02-01 | 北京旷视科技有限公司 | 目标对象信息生成方法和单元、识别方法和单元及系统 |
CN107967458A (zh) * | 2017-12-06 | 2018-04-27 | 宁波亿拍客网络科技有限公司 | 一种人脸识别方法 |
CN108416987A (zh) * | 2018-04-20 | 2018-08-17 | 华科物联有限公司 | 九小场所智慧消防物联网系统 |
CN108492518A (zh) * | 2018-03-01 | 2018-09-04 | 上海市保安服务总公司 | 智能安防系统 |
CN111225397A (zh) * | 2020-01-18 | 2020-06-02 | 温州大学大数据与信息技术研究院 | 一种基于物联网的企业无线网络优化计算机分析系统 |
-
2020
- 2020-11-07 CN CN202011234229.3A patent/CN112351402B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258222A (zh) * | 2013-05-29 | 2013-08-21 | 苏州福丰科技有限公司 | 小区智能物管系统 |
CN104660467A (zh) * | 2015-02-10 | 2015-05-27 | 深圳市科信通信技术股份有限公司 | 一种通讯综合测试终端的测试方法 |
CN106372606A (zh) * | 2016-08-31 | 2017-02-01 | 北京旷视科技有限公司 | 目标对象信息生成方法和单元、识别方法和单元及系统 |
CN107967458A (zh) * | 2017-12-06 | 2018-04-27 | 宁波亿拍客网络科技有限公司 | 一种人脸识别方法 |
CN108492518A (zh) * | 2018-03-01 | 2018-09-04 | 上海市保安服务总公司 | 智能安防系统 |
CN108416987A (zh) * | 2018-04-20 | 2018-08-17 | 华科物联有限公司 | 九小场所智慧消防物联网系统 |
CN111225397A (zh) * | 2020-01-18 | 2020-06-02 | 温州大学大数据与信息技术研究院 | 一种基于物联网的企业无线网络优化计算机分析系统 |
Non-Patent Citations (4)
Title |
---|
EDY BUDIMAN ET AL.: "Performance rate for implementation of mobile learning in network", 《2017 4TH INTERNATIONAL CONFERENCE ON ELECTRICAL ENGINEERING, COMPUTER SCIENCE AND INFORMATICS》 * |
张东成: "如何做好危险作业的气体分析", 《化工技术与开发》 * |
王晓明: "无线二氧化硫传感器的网络节点设计", 《单片机与嵌入式系统应用》 * |
陈刚: "基于VPN的基站远程监控系统软件设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112351402B (zh) | 2022-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109686036B (zh) | 一种火灾监控方法、装置及边缘计算装置 | |
CN110008713B (zh) | 一种工控系统漏洞探测方法及系统 | |
US20200400636A1 (en) | Method for operating a gas concentration monitoring system, gas-measuring device, central unit, gas concentration monitoring system as well as computer program product | |
CN111402538B (zh) | 具备火灾警情预测的方法、系统、智能终端及存储介质 | |
CN108051547A (zh) | 一种具有实时预警功能的空气质量监控系统 | |
CN113066254B (zh) | 核电设备工作环境异常预警方法、装置、设备和存储介质 | |
CN109920193B (zh) | 一种电气火灾隐患智能检测方法、系统、设备及介质 | |
CN114511243A (zh) | 一种基于物联网监测的火灾风险动态评估的方法及系统 | |
CN117251697B (zh) | 一种智能穿戴设备安全数据的综合评估管理系统 | |
CN112351402B (zh) | 一种用于mac数据采集器的在线检测系统 | |
CN113721569A (zh) | 一种分散控制系统攻击入侵检测装置及其方法 | |
CN113194080A (zh) | 一种基于云计算和人工智能的网络安全系统 | |
CN203745440U (zh) | 一种多功能气体在线连续监控系统 | |
CN112326583A (zh) | 一种基于物联网的毒害气体智能检测系统及方法 | |
CN113763676A (zh) | 基于物联网技术的智能化危险化学品在线监控预警系统 | |
CN110954165A (zh) | 一种电缆夹层巡检方法、装置和计算机可存储介质 | |
CN115083110A (zh) | 一种基于物联网手段的有限空间作业超前预警系统 | |
CN115953877A (zh) | 一种化学实验室安全应急智慧平台 | |
CN115190145A (zh) | 基于物联网的移动应急指挥系统及监测方法 | |
CN114444776A (zh) | 一种基于神经网络的危险源分析方法及装置 | |
CN112529465A (zh) | 技术服务风险评测系统 | |
CN111879358A (zh) | 一种烟气在线监测用远程质控监控平台 | |
CN113534731B (zh) | 一种基于工控的下装数据安全分析系统及方法 | |
CN113155195B (zh) | 一种智能防爆柜、控制系统、方法、设备及介质 | |
CN214372639U (zh) | 一种环境监测现场监控黑匣子系统 |
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 |