CN112418091A - 一种基于大数据的智慧校园安防数据处理方法 - Google Patents

一种基于大数据的智慧校园安防数据处理方法 Download PDF

Info

Publication number
CN112418091A
CN112418091A CN202011322651.4A CN202011322651A CN112418091A CN 112418091 A CN112418091 A CN 112418091A CN 202011322651 A CN202011322651 A CN 202011322651A CN 112418091 A CN112418091 A CN 112418091A
Authority
CN
China
Prior art keywords
dormitory building
dormitory
external
building
person
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
Application number
CN202011322651.4A
Other languages
English (en)
Other versions
CN112418091B (zh
Inventor
单昂
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.)
Changzhou Yixue Network Technology Co.,Ltd.
Original Assignee
单昂
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 单昂 filed Critical 单昂
Priority to CN202011322651.4A priority Critical patent/CN112418091B/zh
Publication of CN112418091A publication Critical patent/CN112418091A/zh
Application granted granted Critical
Publication of CN112418091B publication Critical patent/CN112418091B/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
    • G06V40/10—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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • 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
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Security & Cryptography (AREA)
  • Development Economics (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开一种基于大数据的智慧校园安防数据处理方法，该智慧校园安防数据处理方法在具体实施过程中用到一种智慧校园安防管理系统，该智慧校园安防管理系统包括宿舍楼视频监控模块、视频图像处理模块、人脸识别模块、外来人员标记模块、安防事件处理调取模块、外来人员危险性分析模块、安防数据库、学生晚归统计模块、分析服务器和显示终端，本发明通过在校园各宿舍楼进出口安装监控摄像头，以识别外来人员，并对识别出的外来人员进行标记，进而将标记的结果构建外来人员信息库，为安防事件处理提供可靠的参考依据，弥补了目前对校园宿舍安防事件的人工询问处理方式的弊端，满足了现在对校园宿舍安防事件有效处理的需求。

Description

一种基于大数据的智慧校园安防数据处理方法
技术领域
本发明属于校园安防管理技术领域，涉及到一种基于大数据的智慧校园安防数据处理方法。
背景技术
随着高等教育事业蓬勃发展,高校校园安全问题也日益突出,越来越需要人们的关注，由于高校校园是一个开放式的环境，一些社会上的外来人员很容易混进校园，进而混进学生宿舍，在学生安全意识薄弱的情况下，就会导致宿舍的入室盗窃、抢劫等安防事件，因此需要对安防事件进行处理，目前的处理手段就是通过询问其他人员是否有外来人员进入宿舍来调查其出现的安防事件是否是外来人员混进宿舍造成的，但这种人工询问方式具有调查效率低，且无法还原现场的特点，会导致事件处理进展缓慢，事件处理准确度不高，难以满足对校园宿舍安防事件的有效处理需求。为了解决上述问题，本发明提出一种基于大数据的智慧校园安防数据处理方法。
发明内容
本发明的目的在于提出一种基于大数据的智慧校园安防数据处理方法，通过在校园的各宿舍楼进出口安装监控摄像头，以识别外来人员，并对识别出的外来人员记录其人脸特征、进入宿舍楼的标号、进入宿舍楼的时间和离开宿舍楼的时间，进而将上述参数构建外来人员信息库，为安防事件调查处理提供可靠的参考依据，解决了背景技术中提到的问题。
本发明的目的可以通过以下技术方案来实现：
一种基于大数据的智慧校园安防数据处理方法，该智慧校园安防数据处理方法在具体实施过程中需要用到一种智慧校园安防管理系统，该智慧校园安防管理系统包括宿舍楼视频监控模块、视频图像处理模块、人脸识别模块、外来人员标记模块、安防事件处理调取模块、外来人员危险性分析模块、安防数据库、学生晚归统计模块、分析服务器和显示终端；
所述宿舍楼视频监控模块用于对校园内建造的宿舍楼数量进行统计，并对统计的各宿舍楼按照其宿舍楼标号进行标记，依次标记为1,2...i...n，同时对标记的各宿舍楼进出口安装视频监控摄像头，用于对进出宿舍楼的人员进行视频监控，进而从各宿舍楼的监控视频中对各宿舍楼存在人体的视频图像进行截取，并记录截取到的该存在人体视频图像所在宿舍楼编号，宿舍楼视频监控模块将截取到的存在人体的视频图像发送至视频图像处理模块，同时将截取到的该存在人体视频图像所在宿舍楼编号发送至人脸识别模块；
所述视频图像处理模块接收宿舍楼视频监控模块发送的存在人体的视频图像，并将接收的存在人体的视频图像进行去除噪声和高清滤波处理，得到处理后的存在人体的视频图像，进而在处理后的存在人体的视频图像上存在的人体个数进行统计，若统计的人体个数只有一个，则表明该视频图像上只存在一个人体，此时将该视频图像聚焦在该人体的人脸部位上，并进行放大，以此提取该人体的人脸特征，同时将提取的该人体的人脸特征发送至人脸识别模块，若统计的人体个数有多个，则表明该视频图像上存在多个人体，此时将该视频图像按照其存在的人体个数进行图像分割，得到各人体子图像，每个人体子图像与该视频图像存在的多个人体一一对应，这时将各人体子图像聚焦在该人体子图像对应的人体的人脸部位上，并进行放大，以此提取该各人体子图像对应人体的人脸特征，进而将其发送至人脸识别模块；
所述人脸识别模块接收视频图像处理模块发送的人脸特征，并接收宿舍楼视频监控模块发送的该存在人体视频图像所在宿舍楼编号，根据接收的宿舍楼标号从安防数据库中筛选出该宿舍楼标号对应的所有学生的人脸特征，进而将接收的人脸特征与该宿舍楼标号对应的所有学生人脸特征进行匹配，若匹配成功，则表明该人脸特征对应的人体即为该宿舍楼的一名学生，此时不做处理，若匹配失败，则表明该人脸特征对应的人体即为外来人员，此时记录该外来人员进入宿舍楼的时间、离开宿舍楼的时间和进入宿舍楼的标号，并将该外来人员人脸特征、进入宿舍楼的标号、进入宿舍楼的时间和离开宿舍楼的时间发送至外来人员标记模块；
所述安防数据库用于存储各宿舍楼标号对应的所有学生的人脸特征，存储各种外来危险等级对应的外来人员来往频次及各种外来危险等级对应的外来危险系数，存储各晚归时间段对应的晚归危险系数，并存储外来人员、学生晚归对宿舍楼综合安防危险系数的影响因子；
所述外来人员标记模块接收人脸识别模块发送的外来人员人脸特征、进入宿舍楼的标号、进入宿舍楼的时间和离开宿舍楼的时间，并将接收的外来人员人脸特征、进入宿舍楼的标号、进入宿舍楼的时间和离开宿舍楼的时间构成一条外来人员来往记录，进而将其存放在外来人员信息库内该宿舍楼标号对应的外来人员信息子库中；
所述安防事件处理调取模块用于对当某宿舍楼发生安防事故时，记录该发生安防事故的宿舍楼标号及发生安防事故的时间段，并根据该发生安防事故的宿舍楼标号从外来人员信息库中筛选出该发生安防事故的宿舍楼标号对应的外来人员信息子库，再根据发生安防事故的时间段从该发生安防事故的宿舍楼标号对应的外来人员信息子库中查询处于该发生安防事故的时间段内的外来人员来往记录，进而从中调取符合条件的外来人员人脸特征，作为该安防事故的调查取证；
所述外来人员危险性分析模块用于从外来人员信息库内存储的各宿舍楼标号对应的外来人员信息子库中，按照预设的时间段筛选预设时间段内各宿舍楼对应的各外来人员来往记录，并将筛选的各宿舍楼对应的各外来人员来往记录按照其外来人员进入宿舍楼的时间先后顺序进行编号，分别标记为1,2...j...m，同时对筛选的各宿舍楼对应的各外来人员来往记录从中提取各外来人员的人脸特征，进而将提取的同一宿舍楼内各外来人员来往记录中各外来人员的人脸特征进行互相对比，进而统计各宿舍楼内出现的各外来人员来往的频次，以此将统计的各宿舍楼内出现的各外来人员来往频次与安防数据库中各种外来危险等级对应的外来人员来往频次进行对比，筛选得出各宿舍楼内出现的各外来人员对应的外来危险等级，进而将各宿舍楼内出现的各外来人员对应的外来危险等级与安防数据库中各种外来危险等级对应的外来危险系数进行对比，筛选得到各宿舍楼内出现的各外来人员的外来危险等级对应的外来危险系数，综合以上统计各宿舍楼对应的总外来危险系数，并发送至分析服务器；
所述学生晚归统计模块用于在晚上十一点至凌晨六点之间设置各晚归时间段，并对设置的各晚归时间段按照时间先后顺序进行编号，分别标记为1,2...t...k,以此统计各宿舍楼各晚归时间段内回到宿舍楼的学生人数，构成宿舍楼学生晚归人数集合Pi(pi1,pi2,...,pit,...,pik)，pit表示为第i标号宿舍楼第t个晚归时间段回到宿舍楼的学生人数，t表示为晚归时间段，学生晚归统计模块将宿舍楼学生晚归人数集合发送至分析服务器；
所述分析服务器接收外来人员危险性分析模块发送的各外来宿舍楼对应的总外来危险系数，并接收学生晚归统计模块发送的宿舍楼学生晚归人数集合，将宿舍楼学生晚归人数集合内的各晚归时间段与安防数据库中各晚归时间段对应的晚归危险系数进行对比，得到各晚归时间段对应的晚归危险系数，以此统计各宿舍楼对应的总晚归危险系数，通过以上，分析服务器根据各宿舍楼对应的总外来危险系数和各宿舍楼对应的总晚归危险系数统计各宿舍楼的综合安防危险系数，并发送至显示终端；
所述显示终端接收分析服务器发送的各宿舍楼的综合安防危险系数，并显示；
所述基于大数据的智慧校园安防数据处理方法，包括以下步骤：
S1.校园宿舍楼标记：对校园内建造的宿舍楼数量进行统计，进而进行标记；
S2.宿舍楼视频监控：对标记的各宿舍楼进出口安装视频监控摄像头，用于对进出宿舍楼的人员进行视频监控；
S3.人体视频图像截取：从各宿舍楼的监控视频中对存在人体的视频图像进行截取，并记录截取到的该存在人体视频图像所在宿舍楼编号；
S4.视频图像处理：对存在人体的视频图像进行图像处理，进而提取视频图像中人体的人脸特征；
S5.人脸识别：对提取的视频图像中人体的人脸特征与安防数据库中对应宿舍楼标号内所有学生的人脸特征进行匹配，识别出是否为对应宿舍楼标号内的学生，若是，则不进行处理，如不是，则记录该外来人员进入宿舍楼的时间、离开宿舍楼的时间和进入宿舍楼的标号，并执行S6；
S6.外来人员标记：对记录的外来人员人脸特征、进入宿舍楼的标号、进入宿舍楼的时间和离开宿舍楼的时间构成一条外来人员来往记录，进而将其存放在外来人员信息库内该宿舍楼标号对应的外来人员信息子库中；
S7.外来人员危险性分析：从外来人员信息库内存储的各宿舍楼标号对应的外来人员信息子库中，按照预设的时间段筛选预设时间段内各宿舍楼对应的各外来人员来往记录，进而统计各宿舍楼内出现的各外来人员来往的频次，以此计算各宿舍楼对应的总外来危险系数；
S8.学生晚归统计：通过在晚上十一点至凌晨六点之间设置各晚归时间段，以统计各宿舍楼各晚归时间段内回到宿舍楼的学生人数，构成宿舍楼学生晚归人数集合；
S9.总晚归危险系数统计：根据宿舍楼学生晚归人数集合统计各宿舍楼对应的总晚归危险系数；
S10.综合安防危险系数统计：根据各宿舍楼对应的总外来危险系数和各宿舍楼对应的总晚归危险系数统计各宿舍楼的综合安防危险系数。
更具体地，所述宿舍楼视频监控模块对各宿舍楼存在人体的视频图像进行截取的过程包括以下两个步骤：
H1：将人体红外传感器设置在视频监控摄像头旁边；
H2：当人体红外传感器感应到有人体出现时，则启动视频监控摄像头进行此时存在人体的视频图像截取，当人体红外传感器未感应到有人体出现时，则不进行视频图像截取。
更具体地，所述外来人员危险性分析模块筛选预设时间段内各宿舍楼对应的各外来人员来往记录的具体筛选过程执行以下步骤：
W1：根据预设的时间段，确定开始筛选时间和结束筛选时间；
W2：从外来人员信息库内存储的各宿舍楼标号对应的外来人员信息子库中获取每条外来人员来往记录对应的外来人员进入宿舍楼的时间；
W3：将获取的各宿舍楼标号对应的每条外来人员来往记录对应的外来人员进入宿舍楼的时间与开始筛选时间和结束筛选时间进行对比，查看其是否处在开始筛选时间和结束筛选时间之间，若处在，则保留该宿舍楼标号对应的该条外来人员来往记录，若不处在，则放弃该宿舍楼标号对应的该条外来人员来往记录，以此保留下的各宿舍楼标号对应的各条外来人员来往记录即为预设时间段内的各宿舍楼对应的各外来人员来往记录。
更具体地，所述各宿舍楼内出现的各外来人员来往频次的统计方法为将同一宿舍楼内各外来人员来往记录中各外来人员的人脸特征进行互相对比，分析是否存在相同的外来人员人脸特征，若存在相同的外来人员人脸特征，即表明存在相同的外来人员，此时统计相同外来人员个数和不同外来人员个数，对相同外来人员，分别统计各相同外来人员对应在外来人员来往记录中出现的次数，即为各相同外来人员出现的频次，对不同的外来人员，表明其只在对应的外来人员来往记录中出现过一次，其出现的频次即为一次。
更具体地，所述各宿舍楼对应的总外来危险系数计算方法为将各宿舍楼内出现的各外来人员的外来危险等级对应的外来危险系数进行累加。
更具体地，所述各晚归时间段对应的晚归危险系数的大小顺序分别为λ1＜λ2＜…＜λt…＜λk。
更具体地，所述各宿舍楼对应的总晚归危险系数的计算公式为
Figure BDA0002793357690000071
式中ηi表示为第i标号的宿舍楼对应的总晚归危险系数，pit第i标号宿舍楼第t个晚归时间段回到宿舍楼的学生人数，λt表示为第t个晚归时间段对应的晚归危险系数。
更具体地，所述各宿舍楼的综合安防危险系数的计算公式为
Figure BDA0002793357690000072
式中
Figure BDA0002793357690000073
表示为第i标号宿舍楼的综合安防危险系数，εi表示为第i标号宿舍楼对应的总外来危险系数，ηi表示为第i标号的宿舍楼对应的总晚归危险系数，a、b分别表示为外来人员、学生晚归对宿舍楼综合安防危险系数的影响因子。
本发明的有益效果如下：
1.本发明通过对在校园的各宿舍楼进出口安装监控摄像头，以识别外来人员，并对识别出的外来人员记录其人脸特征、进入宿舍楼的标号、进入宿舍楼的时间和离开宿舍楼的时间，进而将上述参数构建外来人员信息库，当某宿舍楼发生安防事件时，其外来人员信息库为安防事件处理提供可靠的参考依据，弥补了目前对校园宿舍安防事件的人工询问处理方式的弊端，提高了安防事件的调查处理效率，且外来人员信息库实现了现场真实还原的功能，进而提高了安防事件处理的准确度，满足了现在对校园宿舍安防事件有效处理的需求。
2.本发明通过设置外来人员危险性分析模块和学生晚归统计模块，进以分析得出各宿舍楼对应的总外来危险系数和总晚归危险系数，以此得出各宿舍楼的综合安防危险系数，其得出的综合安防危险系数实现了各宿舍楼的综合安防危险状况的量化展示，方便宿舍管理人员直观了解，便于宿舍管理人员针对综合安防危险系数采取相应的安防措施进行处理。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明的流程图；
图2为本发明需要用到的智慧校园安防管理系统的模块示意图。
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。
参照图1-2所示，一种基于大数据的智慧校园安防数据处理方法，该智慧校园安防数据处理方法在具体实施过程中需要用到一种智慧校园安防管理系统，该智慧校园安防管理系统包括宿舍楼视频监控模块、视频图像处理模块、人脸识别模块、外来人员标记模块、安防事件处理调取模块、外来人员危险性分析模块、安防数据库、学生晚归统计模块、分析服务器和显示终端，其中宿舍楼视频监控模块分别与视频图像处理模块和人脸识别模块连接，视频图像处理模块与人脸识别模块连接，人脸识别模块与外来人员标记模块连接，外来人员标记模块分别与安防事件处理调取模块和外来人员危险性分析模块连接，分析服务器分别与外来人员危险性分析模块、学生晚归统计模块和显示终端连接。
宿舍楼视频监控模块用于对校园内建造的宿舍楼数量进行统计，并对统计的各宿舍楼按照其宿舍楼标号进行标记，依次标记为1,2...i...n，同时对标记的各宿舍楼进出口安装视频监控摄像头，用于对进出宿舍楼的人员进行视频监控，进而从各宿舍楼的监控视频中对各宿舍楼存在人体的视频图像进行截取，其截取的过程包括以下两个步骤：
H1：将人体红外传感器设置在视频监控摄像头旁边；
H2：当人体红外传感器感应到有人体出现时，则启动视频监控摄像头进行此时存在人体的视频图像截取，当人体红外传感器未感应到有人体出现时，则不进行视频图像截取。
并记录截取到的该存在人体视频图像所在宿舍楼编号，宿舍楼视频监控模块将截取到的存在人体的视频图像发送至视频图像处理模块，同时将截取到的该存在人体视频图像所在宿舍楼编号发送至人脸识别模块。
本实施例通过在校园宿舍各宿舍楼进出口安装视频监控摄像头对各宿舍楼进出的人员进行视频监控，并以人体红外传感器进行人体感应设备，进而截取出存在人体的视频图像，为后面进行人脸识别提供有用的视频图像，同时也避免了对监控视频中存在的大量图像均进行处理造成的降低处理效率的问题。
视频图像处理模块接收宿舍楼视频监控模块发送的存在人体的视频图像，并将接收的存在人体的视频图像进行去除噪声和高清滤波处理，得到处理后的存在人体的视频图像，进而在处理后的存在人体的视频图像上存在的人体个数进行统计，若统计的人体个数只有一个，则表明该视频图像上只存在一个人体，此时将该视频图像聚焦在该人体的人脸部位上，并进行放大，以此提取该人体的人脸特征，同时将提取的该人体的人脸特征发送至人脸识别模块，若统计的人体个数有多个，则表明该视频图像上存在多个人体，此时将该视频图像按照其存在的人体个数进行图像分割，得到各人体子图像，每个人体子图像与该视频图像存在的多个人体一一对应，这时将各人体子图像聚焦在该人体子图像对应的人体的人脸部位上，并进行放大，以此提取该各人体子图像对应人体的人脸特征，进而将其发送至人脸识别模块。
本实施例通过在视频图像处理中对截取的视频图像上存在的人体个数进行统计，进而得出该截取的视频图像是单人图像还是多人图像，根据得出的结果对不同图像采取不同图像的处理措施，避免采用同一种图像处理措施造成的人脸识别遗漏，影响后面对外来人员的标记。
人脸识别模块接收视频图像处理模块发送的人脸特征，并接收宿舍楼视频监控模块发送的该存在人体视频图像所在宿舍楼编号，根据接收的宿舍楼标号从安防数据库中筛选出该宿舍楼标号对应的所有学生的人脸特征，进而将接收的人脸特征与该宿舍楼标号对应的所有学生人脸特征进行匹配，若匹配成功，则表明该人脸特征对应的人体即为该宿舍楼的一名学生，此时不做处理，若匹配失败，则表明该人脸特征对应的人体即为外来人员，此时记录该外来人员进入宿舍楼的时间、离开宿舍楼的时间和进入宿舍楼的标号，并将该外来人员人脸特征、进入宿舍楼的标号、进入宿舍楼的时间和离开宿舍楼的时间发送至外来人员标记模块。
安防数据库用于存储各宿舍楼标号对应的所有学生的人脸特征，存储各种外来危险等级对应的外来人员来往频次及各种外来危险等级对应的外来危险系数，存储各晚归时间段对应的晚归危险系数，其中越靠后的晚归时间段对应的晚归危险系数越高，各晚归时间段对应的晚归危险系数的大小顺序分别为λ1＜λ2＜…＜λt…＜λk并存储外来人员、学生晚归对宿舍楼综合安防危险系数的，
影响因子。
外来人员标记模块接收人脸识别模块发送的外来人员人脸特征、进入宿舍楼的标号、进入宿舍楼的时间和离开宿舍楼的时间，并将接收的外来人员人脸特征、进入宿舍楼的标号、进入宿舍楼的时间和离开宿舍楼的时间构成一条外来人员来往记录，进而将其存放在外来人员信息库内该宿舍楼标号对应的外来人员信息子库中。
安防事件处理调取模块用于对当某宿舍楼发生安防事故时，其中安防事件包括偷盗、抢劫、伤人等，记录该发生安防事故的宿舍楼标号及发生安防事故的时间段，并根据该发生安防事故的宿舍楼标号从外来人员信息库中筛选出该发生安防事故的宿舍楼标号对应的外来人员信息子库，再根据发生安防事故的时间段从该发生安防事故的宿舍楼标号对应的外来人员信息子库中查询处于该发生安防事故的时间段内的外来人员来往记录，进而从中调取符合条件的外来人员人脸特征，作为该安防事故的调查取证，其为安防事件的调查处理提供可靠的参考依据，弥补了目前对校园宿舍安防事件的人工询问处理方式的弊端，提高了安防事件的调查处理效率，且构建的外来人员信息库实现了现场真实还原的功能，进而提高了安防事件处理的准确度，满足了现在对校园宿舍安防事件有效处理的需求。
外来人员危险性分析模块用于从外来人员信息库内存储的各宿舍楼标号对应的外来人员信息子库中，按照预设的时间段筛选预设时间段内各宿舍楼对应的各外来人员来往记录，其具体筛选过程执行以下步骤：
W1：根据预设的时间段，确定开始筛选时间和结束筛选时间；
W2：从外来人员信息库内存储的各宿舍楼标号对应的外来人员信息子库中获取每条外来人员来往记录对应的外来人员进入宿舍楼的时间；
W3：将获取的各宿舍楼标号对应的每条外来人员来往记录对应的外来人员进入宿舍楼的时间与开始筛选时间和结束筛选时间进行对比，查看其是否处在开始筛选时间和结束筛选时间之间，若处在，则保留该宿舍楼标号对应的该条外来人员来往记录，若不处在，则放弃该宿舍楼标号对应的该条外来人员来往记录，以此保留下的各宿舍楼标号对应的各条外来人员来往记录即为预设时间段内的各宿舍楼对应的各外来人员来往记录。
并将筛选的各宿舍楼对应的各外来人员来往记录按照其外来人员进入宿舍楼的时间先后顺序进行编号，分别标记为1,2...j...m，同时对筛选的各宿舍楼对应的各外来人员来往记录从中提取各外来人员的人脸特征，进而将提取的同一宿舍楼内各外来人员来往记录中各外来人员的人脸特征进行互相对比，进而统计各宿舍楼内出现的各外来人员来往的频次，其具体统计方法为将同一宿舍楼内各外来人员来往记录中各外来人员的人脸特征进行互相对比，分析是否存在相同的外来人员人脸特征，若存在相同的外来人员人脸特征，即表明存在相同的外来人员，此时统计相同外来人员个数和不同外来人员个数，对相同外来人员，分别统计各相同外来人员对应在外来人员来往记录中出现的次数，即为各相同外来人员出现的频次，对不同的外来人员，表明其只在对应的外来人员来往记录中出现过一次，其出现的频次即为一次，以此将统计的各宿舍楼内出现的各外来人员来往频次与安防数据库中各种外来危险等级对应的外来人员来往频次进行对比，筛选得出各宿舍楼内出现的各外来人员对应的外来危险等级，进而将各宿舍楼内出现的各外来人员对应的外来危险等级与安防数据库中各种外来危险等级对应的外来危险系数进行对比，筛选得到各宿舍楼内出现的各外来人员的外来危险等级对应的外来危险系数，综合以上统计各宿舍楼对应的总外来危险系数，其计算方法为将各宿舍楼内出现的各外来人员的外来危险等级对应的外来危险系数进行累加，外来人员危险性分析模块将统计的各宿舍楼对应的总外来危险系数发送至分析服务器。
本实施例通过根据各宿舍楼对应的外来人员信息子库，进而从中分析得出各宿舍楼内对应的总外来危险系数，其总外来危险系数反映了宿舍楼的外来人员对应的危险状况，总外来危险系数越大，表明外来人员对宿舍楼安防的危险程度越高，为后期统计各宿舍楼的综合安防危险系数提供外人危险的相关系数。
学生晚归统计模块用于在晚上十一点至凌晨六点之间设置各晚归时间段，并对设置的各晚归时间段按照时间先后顺序进行编号，分别标记为1,2...t...k,以此统计各宿舍楼各晚归时间段内回到宿舍楼的学生人数，构成宿舍楼学生晚归人数集合Pi(pi1,pi2,...,pit,...,pik)，pit表示为第i标号宿舍楼第t个晚归时间段回到宿舍楼的学生人数，t表示为晚归时间段，学生晚归统计模块将宿舍楼学生晚归人数集合发送至分析服务器。
分析服务器接收外来人员危险性分析模块发送的各外来宿舍楼对应的总外来危险系数，并接收学生晚归统计模块发送的宿舍楼学生晚归人数集合，将宿舍楼学生晚归人数集合内的各晚归时间段与安防数据库中各晚归时间段对应的晚归危险系数进行对比，得到各晚归时间段对应的晚归危险系数，以此统计各宿舍楼对应的总晚归危险系数
Figure BDA0002793357690000141
式中ηi表示为第i标号的宿舍楼对应的总晚归危险系数，pit第i标号宿舍楼第t个晚归时间段回到宿舍楼的学生人数，λt表示为第t个晚归时间段对应的晚归危险系数，本实施例通过对各宿舍楼学生晚归的情况进行统计，进而统计得出各宿舍楼对应的总晚归危险系数，其总外来危险系数反映了宿舍楼的学生晚归对应的危险状况，总晚归危险系数越大，表明学生晚归对宿舍楼安防的危险程度越高，为后期统计各宿舍楼的综合安防危险系数提供学生晚归危险的相关系数。
通过以上，分析服务器根据各宿舍楼对应的总外来危险系数和各宿舍楼对应的总晚归危险系数统计各宿舍楼的综合安防危险系数
Figure BDA0002793357690000142
式中
Figure BDA0002793357690000143
表示为第i标号宿舍楼的综合安防危险系数，εi表示为第i标号宿舍楼对应的总外来危险系数，ηi表示为第i标号的宿舍楼对应的总晚归危险系数，a、b分别表示为外来人员、学生晚归对宿舍楼综合安防危险系数的影响因子，发送至显示终端。
本实施例得出的综合安防危险系数实现了各宿舍楼的综合安防危险状况的量化展示，其综合安防危险系数越大，表明该宿舍楼所处的综合危险程度越高。
显示终端接收分析服务器发送的各宿舍楼的综合安防危险系数，并显示，方便宿舍管理人员直观了解，便于宿舍管理人员针对综合安防危险系数采取相应的安防措施进行处理，有利于提高处理效率。
所述基于大数据的智慧校园安防数据处理方法，包括以下步骤：
S1.校园宿舍楼标记：对校园内建造的宿舍楼数量进行统计，进而进行标记；
S2.宿舍楼视频监控：对标记的各宿舍楼进出口安装视频监控摄像头，用于对进出宿舍楼的人员进行视频监控；
S3.人体视频图像截取：从各宿舍楼的监控视频中对存在人体的视频图像进行截取，并记录截取到的该存在人体视频图像所在宿舍楼编号；
S4.视频图像处理：对存在人体的视频图像进行图像处理，进而提取视频图像中人体的人脸特征；
S5.人脸识别：对提取的视频图像中人体的人脸特征与安防数据库中对应宿舍楼标号内所有学生的人脸特征进行匹配，识别出是否为对应宿舍楼标号内的学生，若是，则不进行处理，如不是，则记录该外来人员进入宿舍楼的时间、离开宿舍楼的时间和进入宿舍楼的标号，并执行S6；
S6.外来人员标记：对记录的外来人员人脸特征、进入宿舍楼的标号、进入宿舍楼的时间和离开宿舍楼的时间构成一条外来人员来往记录，进而将其存放在外来人员信息库内该宿舍楼标号对应的外来人员信息子库中；
S7.外来人员危险性分析：从外来人员信息库内存储的各宿舍楼标号对应的外来人员信息子库中，按照预设的时间段筛选预设时间段内各宿舍楼对应的各外来人员来往记录，进而统计各宿舍楼内出现的各外来人员来往的频次，以此计算各宿舍楼对应的总外来危险系数；
S8.学生晚归统计：通过在晚上十一点至凌晨六点之间设置各晚归时间段，以统计各宿舍楼各晚归时间段内回到宿舍楼的学生人数，构成宿舍楼学生晚归人数集合；
S9.总晚归危险系数统计：根据宿舍楼学生晚归人数集合统计各宿舍楼对应的总晚归危险系数；
S10.综合安防危险系数统计：根据各宿舍楼对应的总外来危险系数和各宿舍楼对应的总晚归危险系数统计各宿舍楼的综合安防危险系数。
本实施例提供的一种基于大数据的智慧校园安防数据处理方法，不仅能够对学校宿舍出现安防事故的处理进行有效可靠的调查取证，还能够对学校各宿舍楼的综合安防危险状况进行量化展示，实现了双重功能，具有智能化程度高和实用性强的特点，为校园宿舍安防管理提供了相应的参考依据。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (8)

1.一种基于大数据的智慧校园安防数据处理方法，其特征在于：该智慧校园安防数据处理方法在具体实施过程中需要用到一种智慧校园安防管理系统，该智慧校园安防管理系统包括宿舍楼视频监控模块、视频图像处理模块、人脸识别模块、外来人员标记模块、安防事件处理调取模块、外来人员危险性分析模块、安防数据库、学生晚归统计模块、分析服务器和显示终端；
所述宿舍楼视频监控模块用于对校园内建造的宿舍楼数量进行统计，并对统计的各宿舍楼按照其宿舍楼标号进行标记，依次标记为1,2...i...n，同时对标记的各宿舍楼进出口安装视频监控摄像头，用于对进出宿舍楼的人员进行视频监控，进而从各宿舍楼的监控视频中对各宿舍楼存在人体的视频图像进行截取，并记录截取到的该存在人体视频图像所在宿舍楼编号，宿舍楼视频监控模块将截取到的存在人体的视频图像发送至视频图像处理模块，同时将截取到的该存在人体视频图像所在宿舍楼编号发送至人脸识别模块；
所述视频图像处理模块接收宿舍楼视频监控模块发送的存在人体的视频图像，并将接收的存在人体的视频图像进行去除噪声和高清滤波处理，得到处理后的存在人体的视频图像，进而在处理后的存在人体的视频图像上存在的人体个数进行统计，若统计的人体个数只有一个，则表明该视频图像上只存在一个人体，此时将该视频图像聚焦在该人体的人脸部位上，并进行放大，以此提取该人体的人脸特征，同时将提取的该人体的人脸特征发送至人脸识别模块，若统计的人体个数有多个，则表明该视频图像上存在多个人体，此时将该视频图像按照其存在的人体个数进行图像分割，得到各人体子图像，每个人体子图像与该视频图像存在的多个人体一一对应，这时将各人体子图像聚焦在该人体子图像对应的人体的人脸部位上，并进行放大，以此提取该各人体子图像对应人体的人脸特征，进而将其发送至人脸识别模块；
所述人脸识别模块接收视频图像处理模块发送的人脸特征，并接收宿舍楼视频监控模块发送的该存在人体视频图像所在宿舍楼编号，根据接收的宿舍楼标号从安防数据库中筛选出该宿舍楼标号对应的所有学生的人脸特征，进而将接收的人脸特征与该宿舍楼标号对应的所有学生人脸特征进行匹配，若匹配成功，则表明该人脸特征对应的人体即为该宿舍楼的一名学生，此时不做处理，若匹配失败，则表明该人脸特征对应的人体即为外来人员，此时记录该外来人员进入宿舍楼的时间、离开宿舍楼的时间和进入宿舍楼的标号，并将该外来人员人脸特征、进入宿舍楼的标号、进入宿舍楼的时间和离开宿舍楼的时间发送至外来人员标记模块；
所述安防数据库用于存储各宿舍楼标号对应的所有学生的人脸特征，存储各种外来危险等级对应的外来人员来往频次及各种外来危险等级对应的外来危险系数，存储各晚归时间段对应的晚归危险系数，并存储外来人员、学生晚归对宿舍楼综合安防危险系数的影响因子；
所述外来人员标记模块接收人脸识别模块发送的外来人员人脸特征、进入宿舍楼的标号、进入宿舍楼的时间和离开宿舍楼的时间，并将接收的外来人员人脸特征、进入宿舍楼的标号、进入宿舍楼的时间和离开宿舍楼的时间构成一条外来人员来往记录，进而将其存放在外来人员信息库内该宿舍楼标号对应的外来人员信息子库中；
所述安防事件处理调取模块用于对当某宿舍楼发生安防事故时，记录该发生安防事故的宿舍楼标号及发生安防事故的时间段，并根据该发生安防事故的宿舍楼标号从外来人员信息库中筛选出该发生安防事故的宿舍楼标号对应的外来人员信息子库，再根据发生安防事故的时间段从该发生安防事故的宿舍楼标号对应的外来人员信息子库中查询处于该发生安防事故的时间段内的外来人员来往记录，进而从中调取符合条件的外来人员人脸特征，作为该安防事故的调查取证；
所述外来人员危险性分析模块用于从外来人员信息库内存储的各宿舍楼标号对应的外来人员信息子库中，按照预设的时间段筛选预设时间段内各宿舍楼对应的各外来人员来往记录，并将筛选的各宿舍楼对应的各外来人员来往记录按照其外来人员进入宿舍楼的时间先后顺序进行编号，分别标记为1,2...j...m，同时对筛选的各宿舍楼对应的各外来人员来往记录从中提取各外来人员的人脸特征，进而将提取的同一宿舍楼内各外来人员来往记录中各外来人员的人脸特征进行互相对比，进而统计各宿舍楼内出现的各外来人员来往的频次，以此将统计的各宿舍楼内出现的各外来人员来往频次与安防数据库中各种外来危险等级对应的外来人员来往频次进行对比，筛选得出各宿舍楼内出现的各外来人员对应的外来危险等级，进而将各宿舍楼内出现的各外来人员对应的外来危险等级与安防数据库中各种外来危险等级对应的外来危险系数进行对比，筛选得到各宿舍楼内出现的各外来人员的外来危险等级对应的外来危险系数，综合以上统计各宿舍楼对应的总外来危险系数，并发送至分析服务器；
所述学生晚归统计模块用于在晚上十一点至凌晨六点之间设置各晚归时间段，并对设置的各晚归时间段按照时间先后顺序进行编号，分别标记为1,2...t...k,以此统计各宿舍楼各晚归时间段内回到宿舍楼的学生人数，构成宿舍楼学生晚归人数集合Pi(pi1,pi2,...,pit,...,pik)，pit表示为第i标号宿舍楼第t个晚归时间段回到宿舍楼的学生人数，t表示为晚归时间段，学生晚归统计模块将宿舍楼学生晚归人数集合发送至分析服务器；
所述分析服务器接收外来人员危险性分析模块发送的各外来宿舍楼对应的总外来危险系数，并接收学生晚归统计模块发送的宿舍楼学生晚归人数集合，将宿舍楼学生晚归人数集合内的各晚归时间段与安防数据库中各晚归时间段对应的晚归危险系数进行对比，得到各晚归时间段对应的晚归危险系数，以此统计各宿舍楼对应的总晚归危险系数，通过以上，分析服务器根据各宿舍楼对应的总外来危险系数和各宿舍楼对应的总晚归危险系数统计各宿舍楼的综合安防危险系数，并发送至显示终端；
所述显示终端接收分析服务器发送的各宿舍楼的综合安防危险系数，并显示；
所述基于大数据的智慧校园安防数据处理方法，包括以下步骤：
S1.校园宿舍楼标记：对校园内建造的宿舍楼数量进行统计，进而进行标记；
S2.宿舍楼视频监控：对标记的各宿舍楼进出口安装视频监控摄像头，用于对进出宿舍楼的人员进行视频监控；
S3.人体视频图像截取：从各宿舍楼的监控视频中对存在人体的视频图像进行截取，并记录截取到的该存在人体视频图像所在宿舍楼编号；
S4.视频图像处理：对存在人体的视频图像进行图像处理，进而提取视频图像中人体的人脸特征；
S5.人脸识别：对提取的视频图像中人体的人脸特征与安防数据库中对应宿舍楼标号内所有学生的人脸特征进行匹配，识别出是否为对应宿舍楼标号内的学生，若是，则不进行处理，如不是，则记录该外来人员进入宿舍楼的时间、离开宿舍楼的时间和进入宿舍楼的标号，并执行S6；
S6.外来人员标记：对记录的外来人员人脸特征、进入宿舍楼的标号、进入宿舍楼的时间和离开宿舍楼的时间构成一条外来人员来往记录，进而将其存放在外来人员信息库内该宿舍楼标号对应的外来人员信息子库中；
S7.外来人员危险性分析：从外来人员信息库内存储的各宿舍楼标号对应的外来人员信息子库中，按照预设的时间段筛选预设时间段内各宿舍楼对应的各外来人员来往记录，进而统计各宿舍楼内出现的各外来人员来往的频次，以此计算各宿舍楼对应的总外来危险系数；
S8.学生晚归统计：通过在晚上十一点至凌晨六点之间设置各晚归时间段，以统计各宿舍楼各晚归时间段内回到宿舍楼的学生人数，构成宿舍楼学生晚归人数集合；
S9.总晚归危险系数统计：根据宿舍楼学生晚归人数集合统计各宿舍楼对应的总晚归危险系数；
S10.综合安防危险系数统计：根据各宿舍楼对应的总外来危险系数和各宿舍楼对应的总晚归危险系数统计各宿舍楼的综合安防危险系数。
2.根据权利要求1所述的一种基于大数据的智慧校园安防数据处理方法，其特征在于：所述宿舍楼视频监控模块对各宿舍楼存在人体的视频图像进行截取的过程包括以下两个步骤：
H1：将人体红外传感器设置在视频监控摄像头旁边；
H2：当人体红外传感器感应到有人体出现时，则启动视频监控摄像头进行此时存在人体的视频图像截取，当人体红外传感器未感应到有人体出现时，则不进行视频图像截取。
3.根据权利要求1所述的一种基于大数据的智慧校园安防数据处理方法，其特征在于：所述外来人员危险性分析模块筛选预设时间段内各宿舍楼对应的各外来人员来往记录的具体筛选过程执行以下步骤：
W1：根据预设的时间段，确定开始筛选时间和结束筛选时间；
W2：从外来人员信息库内存储的各宿舍楼标号对应的外来人员信息子库中获取每条外来人员来往记录对应的外来人员进入宿舍楼的时间；
W3：将获取的各宿舍楼标号对应的每条外来人员来往记录对应的外来人员进入宿舍楼的时间与开始筛选时间和结束筛选时间进行对比，查看其是否处在开始筛选时间和结束筛选时间之间，若处在，则保留该宿舍楼标号对应的该条外来人员来往记录，若不处在，则放弃该宿舍楼标号对应的该条外来人员来往记录，以此保留下的各宿舍楼标号对应的各条外来人员来往记录即为预设时间段内的各宿舍楼对应的各外来人员来往记录。
4.根据权利要求1所述的一种基于大数据的智慧校园安防数据处理方法，其特征在于：所述各宿舍楼内出现的各外来人员来往频次的统计方法为将同一宿舍楼内各外来人员来往记录中各外来人员的人脸特征进行互相对比，分析是否存在相同的外来人员人脸特征，若存在相同的外来人员人脸特征，即表明存在相同的外来人员，此时统计相同外来人员个数和不同外来人员个数，对相同外来人员，分别统计各相同外来人员对应在外来人员来往记录中出现的次数，即为各相同外来人员出现的频次，对不同的外来人员，表明其只在对应的外来人员来往记录中出现过一次，其出现的频次即为一次。
5.根据权利要求1所述的一种基于大数据的智慧校园安防数据处理方法，其特征在于：所述各宿舍楼对应的总外来危险系数计算方法为将各宿舍楼内出现的各外来人员的外来危险等级对应的外来危险系数进行累加。
6.根据权利要求1所述的一种基于大数据的智慧校园安防数据处理方法，其特征在于：所述各晚归时间段对应的晚归危险系数的大小顺序分别为λ1＜λ2＜…＜λt…＜λk。
7.根据权利要求1所述的一种基于大数据的智慧校园安防数据处理方法，其特征在于：所述各宿舍楼对应的总晚归危险系数的计算公式为
Figure FDA0002793357680000071
式中ηi表示为第i标号的宿舍楼对应的总晚归危险系数，pit第i标号宿舍楼第t个晚归时间段回到宿舍楼的学生人数，λt表示为第t个晚归时间段对应的晚归危险系数。
8.根据权利要求1所述的一种基于大数据的智慧校园安防数据处理方法，其特征在于：所述各宿舍楼的综合安防危险系数的计算公式为
Figure FDA0002793357680000072
式中
Figure FDA0002793357680000073
表示为第i标号宿舍楼的综合安防危险系数，εi表示为第i标号宿舍楼对应的总外来危险系数，ηi表示为第i标号的宿舍楼对应的总晚归危险系数，a、b分别表示为外来人员、学生晚归对宿舍楼综合安防危险系数的影响因子。
CN202011322651.4A 2020-11-23 2020-11-23 一种基于大数据的智慧校园安防数据处理方法 Active CN112418091B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011322651.4A CN112418091B (zh) 2020-11-23 2020-11-23 一种基于大数据的智慧校园安防数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011322651.4A CN112418091B (zh) 2020-11-23 2020-11-23 一种基于大数据的智慧校园安防数据处理方法

Publications (2)

Publication Number Publication Date
CN112418091A true CN112418091A (zh) 2021-02-26
CN112418091B CN112418091B (zh) 2021-07-13

Family

ID=74777455

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011322651.4A Active CN112418091B (zh) 2020-11-23 2020-11-23 一种基于大数据的智慧校园安防数据处理方法

Country Status (1)

Country Link
CN (1) CN112418091B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113507588A (zh) * 2021-06-03 2021-10-15 山西三友和智慧信息技术股份有限公司 一种基于人工智能的智慧校园人流量监测系统
CN113903005A (zh) * 2021-12-08 2022-01-07 兰和科技（深圳）有限公司 一种基于大数据的智慧校园安防数据处理系统
CN114065799A (zh) * 2021-12-01 2022-02-18 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
CN116452379A (zh) * 2022-12-26 2023-07-18 西安大数网络科技有限公司 一种基于大数据的智慧校园管理系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106713857A (zh) * 2016-12-15 2017-05-24 重庆凯泽科技股份有限公司 一种基于智慧视频的校园安全系统和方法
CN107992786A (zh) * 2016-10-27 2018-05-04 中国科学院沈阳自动化研究所 一种基于人脸的公共场所人流量统计方法和系统
CN108647582A (zh) * 2018-04-19 2018-10-12 河南科技学院 一种复杂动态环境下目标行为识别与预测方法
CN110910549A (zh) * 2019-11-15 2020-03-24 江苏高泰软件技术有限公司 基于深度学习和人脸识别特征的校园人员安全管理系统
CN210469390U (zh) * 2019-12-04 2020-05-05 青岛联合创智科技有限公司 一种智慧校园安防系统
CN111460940A (zh) * 2020-03-21 2020-07-28 中电海康集团有限公司 一种陌生人落脚点研判方法与系统
CN111967400A (zh) * 2020-08-19 2020-11-20 顾晓东 一种基于人工智能的校园安全监测预警管理系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107992786A (zh) * 2016-10-27 2018-05-04 中国科学院沈阳自动化研究所 一种基于人脸的公共场所人流量统计方法和系统
CN106713857A (zh) * 2016-12-15 2017-05-24 重庆凯泽科技股份有限公司 一种基于智慧视频的校园安全系统和方法
CN108647582A (zh) * 2018-04-19 2018-10-12 河南科技学院 一种复杂动态环境下目标行为识别与预测方法
CN110910549A (zh) * 2019-11-15 2020-03-24 江苏高泰软件技术有限公司 基于深度学习和人脸识别特征的校园人员安全管理系统
CN210469390U (zh) * 2019-12-04 2020-05-05 青岛联合创智科技有限公司 一种智慧校园安防系统
CN111460940A (zh) * 2020-03-21 2020-07-28 中电海康集团有限公司 一种陌生人落脚点研判方法与系统
CN111967400A (zh) * 2020-08-19 2020-11-20 顾晓东 一种基于人工智能的校园安全监测预警管理系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈雪荣等: "一种基于危险系数的人脸识别性能评价方法", 《计算机工程》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113507588A (zh) * 2021-06-03 2021-10-15 山西三友和智慧信息技术股份有限公司 一种基于人工智能的智慧校园人流量监测系统
CN114065799A (zh) * 2021-12-01 2022-02-18 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
CN113903005A (zh) * 2021-12-08 2022-01-07 兰和科技（深圳）有限公司 一种基于大数据的智慧校园安防数据处理系统
CN116452379A (zh) * 2022-12-26 2023-07-18 西安大数网络科技有限公司 一种基于大数据的智慧校园管理系统
CN116452379B (zh) * 2022-12-26 2024-02-13 西安大数网络科技有限公司 一种基于大数据的智慧校园管理系统

Also Published As

Publication number Publication date
CN112418091B (zh) 2021-07-13

Similar Documents

Publication Publication Date Title
CN112418091B (zh) 一种基于大数据的智慧校园安防数据处理方法
CN109658554B (zh) 一种基于大数据的智能小区安防系统
CN109299683B (zh) 一种基于人脸识别和行为大数据的安防评估系统
CN106780250B (zh) 一种基于物联网技术的智慧社区安全事件处理方法及系统
CN110705482A (zh) 一种基于视频ai智能分析的人员行为告警提示系统
CN108154304A (zh) 具有教学质量评估功能的服务器
CN212208379U (zh) 一种自动考勤测温系统
CN111985807A (zh) 一种基于大数据的校园安防远程监控管理系统
CN113033293A (zh) 一种出入口管理设备、系统和方法
CN116452379B (zh) 一种基于大数据的智慧校园管理系统
CN111429309A (zh) 一种基于大数据的智慧社区可视化实时监管系统及方法
CN108710827A (zh) 一种社区微警务巡查和信息自动分析系统及方法
CN112132048A (zh) 一种基于计算机视觉的社区巡更分析方法及系统
CN116416579A (zh) 一种园区安防监控存储信息智能分析管理系统
CN112699328A (zh) 网点服务数据处理方法、装置、系统、设备及存储介质
CN113115003B (zh) 基于图像获取分析技术和物联网的酒店日常管理安全在线监测方法
CN112102530B (zh) 一种校园物联网智能云锁管理系统
CN112465410A (zh) 一种多维度智能监督管理系统
CN112258707A (zh) 一种基于人脸识别的智能门禁管理系统
CN115909580A (zh) 一种基于物联网的智慧办公方法和系统
CN110889919A (zh) 一种生产车间定员监管方法及系统
CN115913998A (zh) 一种pctse智慧园区状态评价方法和系统
CN112614238A (zh) 一种基于停车设备和人员结合智能收费的系统和方法
CN114419824A (zh) 一种应用于校园内部及周边的人脸轨迹系统
CN113052100A (zh) 通行识别方法及相关装置

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
TA01 Transfer of patent application right

Effective date of registration: 20210624

Address after: 8 / F, Hehai business building, 89 Huanghe East Road, Xinbei District, Changzhou City, Jiangsu Province, 213000

Applicant after: Changzhou Yixue Network Technology Co.,Ltd.

Address before: 225127 No. 199, Yang Hua Xi Road, Yangzhou, Jiangsu

Applicant before: Shan Ang

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