CN113313904B - 一种基于5g网络实现智能商铺报警的方法及系统 - Google Patents
一种基于5g网络实现智能商铺报警的方法及系统 Download PDFInfo
- Publication number
- CN113313904B CN113313904B CN202110860810.4A CN202110860810A CN113313904B CN 113313904 B CN113313904 B CN 113313904B CN 202110860810 A CN202110860810 A CN 202110860810A CN 113313904 B CN113313904 B CN 113313904B
- Authority
- CN
- China
- Prior art keywords
- temperature
- shop
- preset
- acquiring
- image
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 74
- 239000000779 smoke Substances 0.000 claims abstract description 62
- 238000010586 diagram Methods 0.000 claims abstract description 31
- 238000012549 training Methods 0.000 claims description 21
- 230000006835 compression Effects 0.000 claims description 16
- 238000007906 compression Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 230000035772 mutation Effects 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000002349 favourable effect Effects 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 14
- 238000012544 monitoring process Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 241000711573 Coronaviridae Species 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- 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
- G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Multimedia (AREA)
- Fire Alarms (AREA)
Abstract
本发明公开了一种基于5G网络实现智能商铺报警的方法及系统，包括：获取商铺的布局信息，构建商铺的空间地图；获取商铺内多个检测点的温度信息，根据温度信息及空间地图构建商铺的温度分布图；获取商铺内多个检测点的烟雾浓度信息，根据烟雾浓度信息及空间地图构建商铺的烟雾浓度分布图；根据温度分布图及烟雾分布图确定目标空间；获取目标空间的图像，作为待检测图像；将待检测图像输入预先训练好的火灾识别模型中，输出识别结果，在确定识别结果为发生火灾时，发出第一报警提示。可以对无人商铺进行有效的监控，提高了检测商铺是否发生火灾的准确性，避免误报警情况的发生，有利于减少商铺的损失。
Description
技术领域
本发明涉及智能商铺技术领域，特别涉及一种基于5G网络实现智能商铺报警的方法及系统。
背景技术
随着互联网及计算机技术的不断发展，出现了很多智能商铺，如无人商铺等，可以实现24小时随时营业，更加快捷的人们的生活。但是现有无人商铺中，缺乏对无人商铺进行有效的监控，如发生火灾时不能进行智能报警，容易造成较大的损失，严重危害人们的生命财产安全。另外现有技术中不能准确检测商铺是否发生火灾，容易出现误报警的情况的发生。
发明内容
本发明旨在至少一定程度上解决上述技术中的技术问题之一。为此，本发明的第一个目的在于提出一种基于5G网络实现智能商铺报警的方法，可以对无人商铺进行有效的监控，提高了检测商铺是否发生火灾的准确性，避免误报警情况的发生，有利于减少商铺的损失。
本发明的第二个目的在于提出一种基于5G网络实现智能商铺报警的系统。
为达到上述目的，本发明第一方面实施例提出了一种基于5G网络实现智能商铺报警的方法，包括：
获取所述商铺的布局信息，根据所述布局信息构建所述商铺的空间地图；
获取所述商铺内多个检测点的温度信息，根据所述温度信息及所述空间地图构建所述商铺的温度分布图；
获取所述商铺内多个检测点的烟雾浓度信息，根据所述烟雾浓度信息及所述空间地图构建所述商铺的烟雾浓度分布图；
根据所述温度分布图及所述烟雾分布图确定目标空间；
获取所述目标空间的图像，作为待检测图像；
将所述待检测图像输入预先训练好的火灾识别模型中，输出识别结果，在确定所述识别结果为发生火灾时，发出第一报警提示。
根据本发明的一些实施例，还包括：
获取所述温度分布图中像素点的像素缩放残差，对所述像素缩放残差进行数值化处理并进行排序；
基于排序结果对数值化处理后的像素缩放残差进行熵编码，获取所述温度分布图中像素点对应的压缩比例，根据所述压缩比例进行压缩处理，并将压缩处理后的温度分布图发送至用户终端。
根据本发明的一些实施例，还包括：
获取所述商铺内电器的电流数据；
根据所述电流数据确定电器的电流曲线，对所述电流曲线进行解析，得到在交变时刻的第一电流值及第二电流值；
确定所述第一电流值与所述第二电流值的电流差值，并判断是否大于预设电流差值；
在确定所述电流差值大于预设电流差值时，将突变时刻后的电流曲线，作为待检测电流曲线；
基于预设规则选取所述待检测电流曲线上的特征点，分别计算所述特征点与标准电流曲线上的对应的标准特征点之间的欧式距离，并进行加权计算，得到目标距离；
在确定所述目标距离大于预设距离时，发出第二报警提示。
根据本发明的一些实施例，还包括：
在人体进入商铺时，对人体进行温度检测，获取人体温度，并与预设温度进行比较；
在确定人体温度大于预设温度时，对所述人体进行标记，确定为观察对象；
获取所述观察对象在观察时间段内的温度曲线，根据所述温度曲线计算出平均温度，将所述平均温度与预设温度再次进行比较；
在确定所述平均温度大于等于预设温度时，发出第三报警提示。
根据本发明的一些实施例，得到预先训练好的火灾识别模型的方法，包括：
获取预设火灾图像，对所述预设火灾图像进行特征提取，提取火焰特征点，获取所述火焰特征点的特征信息；
根据所述特征信息确定火焰区域，得到火焰区域图像；
获取样本场景图像，作为负样本训练集；
根据所述样本场景图像、火焰区域图像及预设火灾图像组合得到正样本训练集；
构建火灾识别模型，基于所述负样本训练集及所述正样本训练集进行训练。
根据本发明的一些实施例，还包括：
以预设时间段为周期，周期性的采集所述商铺内货架上的商品图像；
对所述商品图像进行图像识别，确定所述商铺内各商品的数量并分别判断是否小于预设数量；
确定数量小于预设数量的商品种类，生成补货清单，将所述补货清单发送至供货方。
根据本发明的一些实施例，还包括：
采集商铺内人体的行为图像，进行特征提取，得到行为数据；
将所述行为数据输入预先训练好的行为识别模型中，输出行为识别结果，在确定所述行为识别结果为发生偷盗行为时，发出第四报警提示。
根据本发明的一些实施例，还包括：
识别用户放在扫描区域的待付款商品；
获取所述用户的人脸信息，并将所述待付款商品与所述人脸信息建立关联关系；
判断所述待付款商品对应的待支付总价与收到的钱款是否一致，在确定两者不一致时，对用户添加不诚信记录，并发出第五报警提示。
根据本发明的一些实施例，所述根据所述温度分布图及所述烟雾分布图确定目标空间，包括：
筛选出所述温度分布图中温度大于预设温度的检测点，并生成第一检测点集合；
筛选出所述烟雾分布图中烟雾浓度大于预设烟雾浓度的检测点，并生成第二检测点集合；
计算所述第一检测点集合与所述第二检测点集合的交集，确定目标检测点，根据所述目标检测点确定目标空间。
为达到上述目的，本发明第二方面实施例提出了一种基于5G网络实现智能商铺报警的系统，包括：
第一获取模块，用于获取所述商铺的布局信息，根据所述布局信息构建所述商铺的空间地图；
第二获取模块，用于获取所述商铺内多个检测点的温度信息，根据所述温度信息及所述空间地图构建所述商铺的温度分布图；
第三获取模块，用于获取所述商铺内多个检测点的烟雾浓度信息，根据所述烟雾浓度信息及所述空间地图构建所述商铺的烟雾浓度分布图；
确定模块，用于根据所述温度分布图及所述烟雾分布图确定目标空间；
第四获取模块，用于获取所述目标空间的图像，作为待检测图像；
报警模块，用于将所述待检测图像输入预先训练好的火灾识别模型中，输出识别结果，在确定所述识别结果为发生火灾时，发出第一报警提示。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是根据本发明一个实施例的一种基于5G网络实现智能商铺报警的方法的流程图。
图2是根据本发明一个实施例的一种基于5G网络实现智能商铺报警的系统的框图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
如图1所示，本发明第一方面实施例提出了一种基于5G网络实现智能商铺报警的方法，包括步骤S1-S6：
S1、获取所述商铺的布局信息，根据所述布局信息构建所述商铺的空间地图；
S2、获取所述商铺内多个检测点的温度信息，根据所述温度信息及所述空间地图构建所述商铺的温度分布图；
S3、获取所述商铺内多个检测点的烟雾浓度信息，根据所述烟雾浓度信息及所述空间地图构建所述商铺的烟雾浓度分布图；
S4、根据所述温度分布图及所述烟雾分布图确定目标空间；
S5、获取所述目标空间的图像，作为待检测图像；
S6、将所述待检测图像输入预先训练好的火灾识别模型中，输出识别结果，在确定所述识别结果为发生火灾时，发出第一报警提示。
上述技术方案的工作原理：获取所述商铺的布局信息，根据所述布局信息构建所述商铺的空间地图；获取所述商铺内多个检测点的温度信息，根据所述温度信息及所述空间地图构建所述商铺的温度分布图；在商铺内均匀的设置检测点，每个检测点设置温度传感器，用于获取每个检测点的温度信息。获取所述商铺内多个检测点的烟雾浓度信息，根据所述烟雾浓度信息及所述空间地图构建所述商铺的烟雾浓度分布图；每个点设置烟雾浓度传感器，用于获取每个检测点的烟雾浓度信息。根据所述温度分布图及所述烟雾分布图确定目标空间；目标空间为温度大于预设温度且烟雾浓度大于预设烟雾浓度的检测点，作为目标检测点，确定设置在目标检测点的相应传感器的检测范围作为目标空间。获取所述目标空间的图像，作为待检测图像；将所述待检测图像输入预先训练好的火灾识别模型中，输出识别结果，在确定所述识别结果为发生火灾时，发出第一报警提示。
上述技术方案的有益效果：基于温度传感器及烟雾浓度传感器确定异常检测点，并异常检测点的目标空间的图像，对所述待检测图像进行准确识别，能够对火灾进行高效准确评估，同时也能及时确定火灾发生地，便于发生第一报警提示，可以对无人商铺进行有效的监控，提高了检测商铺是否发生火灾的准确性，避免误报警情况的发生，有利于减少商铺的损失。
根据本发明的一些实施例，还包括：
获取所述温度分布图中像素点的像素缩放残差，对所述像素缩放残差进行数值化处理并进行排序；
基于排序结果对数值化处理后的像素缩放残差进行熵编码，获取所述温度分布图中像素点对应的压缩比例，根据所述压缩比例进行压缩处理，并将压缩处理后的温度分布图发送至用户终端。
上述技术方案的工作原理：获取所述温度分布图中像素点的像素缩放残差，对所述像素缩放残差进行数值化处理并进行排序；基于排序结果对数值化处理后的像素缩放残差进行熵编码，获取所述温度分布图中像素点对应的压缩比例，根据所述压缩比例进行压缩处理，并将压缩处理后的温度分布图发送至用户终端。熵编码即编码过程中按熵原理不丢失任何信息的编码。
上述技术方案的有益效果：可以减少温度分布图的失真率，保证温度分布图的图像质量，对温度分布图进行压缩后传输，减少了数据传输的数据量，进而减少了数据传输时长，提高了系统响应性，提高了用户体验，同时用户可以基于用户终端查看温度分布图，便于对商铺进行有效的监控。
根据本发明的一些实施例，还包括：
获取所述商铺内电器的电流数据；
根据所述电流数据确定电器的电流曲线，对所述电流曲线进行解析，得到在交变时刻的第一电流值及第二电流值；
确定所述第一电流值与所述第二电流值的电流差值，并判断是否大于预设电流差值；
在确定所述电流差值大于预设电流差值时，将突变时刻后的电流曲线，作为待检测电流曲线；
基于预设规则选取所述待检测电流曲线上的特征点，分别计算所述特征点与标准电流曲线上的对应的标准特征点之间的欧式距离，并进行加权计算，得到目标距离；
在确定所述目标距离大于预设距离时，发出第二报警提示。
上述技术方案的工作原理：获取所述商铺内电器的电流数据；根据所述电流数据确定电器的电流曲线，对所述电流曲线进行解析，得到在交变时刻的第一电流值及第二电流值；确定所述第一电流值与所述第二电流值的电流差值，并判断是否大于预设电流差值；在确定所述电流差值大于预设电流差值时，将突变时刻后的电流曲线，作为待检测电流曲线；基于预设规则选取所述待检测电流曲线上的特征点，分别计算所述特征点与标准电流曲线上的对应的标准特征点之间的欧式距离，并进行加权计算，得到目标距离；预设规则包括按照周期选取相应的特征点。在确定所述目标距离大于预设距离时，发出第二报警提示。表示电器可能发生短路，进而存在因短路发生火灾的安全隐患，及时发出第二报警提示。
上述技术方案的有益效果：对商铺内电器的电流数据进行有效的监控，避免因电器短路发生火灾，消除了安全隐患，减少了商铺的损失。
根据本发明的一些实施例，还包括：
在人体进入商铺时，对人体进行温度检测，获取人体温度，并与预设温度进行比较；
在确定人体温度大于预设温度时，对所述人体进行标记，确定为观察对象；
获取所述观察对象在观察时间段内的温度曲线，根据所述温度曲线计算出平均温度，将所述平均温度与预设温度再次进行比较；
在确定所述平均温度大于等于预设温度时，发出第三报警提示。
上述技术方案的工作原理：在人体进入商铺时，对人体进行温度检测，获取人体温度，并与预设温度进行比较；在确定人体温度大于预设温度时，对所述人体进行标记，确定为观察对象；获取所述观察对象在观察时间段内的温度曲线，根据所述温度曲线计算出平均温度，将所述平均温度与预设温度再次进行比较；在确定所述平均温度大于等于预设温度时，发出第三报警提示。
上述技术方案的有益效果：实现对进入商铺的人体的温度检测，对温度异常的进行报警提示，有利于确定温度异常的人体，并将相关信息发送至相关部门，有利于减少相关病毒的传播，如新冠病毒。
根据本发明的一些实施例，得到预先训练好的火灾识别模型的方法，包括：
获取预设火灾图像，对所述预设火灾图像进行特征提取，提取火焰特征点，获取所述火焰特征点的特征信息；
根据所述特征信息确定火焰区域，得到火焰区域图像；
获取样本场景图像，作为负样本训练集；
根据所述样本场景图像、火焰区域图像及预设火灾图像组合得到正样本训练集；
构建火灾识别模型，基于所述负样本训练集及所述正样本训练集进行训练。
上述技术方案的工作原理：获取预设火灾图像，对所述预设火灾图像进行特征提取，提取火焰特征点，获取所述火焰特征点的特征信息；根据所述特征信息确定火焰区域，得到火焰区域图像；获取样本场景图像，作为负样本训练集；根据所述样本场景图像、火焰区域图像及预设火灾图像组合得到正样本训练集；将样本场景图像与火焰区域图像进行组合后再与预设火灾图像进行组合，便于得到正样本训练集。构建火灾识别模型，基于所述负样本训练集及所述正样本训练集进行训练。
上述技术方案的有益效果：有利于得到训练好的火灾识别模型，提高火灾识别模型的识别精度。
根据本发明的一些实施例，还包括：
以预设时间段为周期，周期性的采集所述商铺内货架上的商品图像；
对所述商品图像进行图像识别，确定所述商铺内各商品的数量并分别判断是否小于预设数量；
确定数量小于预设数量的商品种类，生成补货清单，将所述补货清单发送至供货方。
上述技术方案的工作原理：以预设时间段为周期，周期性的采集所述商铺内货架上的商品图像；对所述商品图像进行图像识别，确定所述商铺内各商品的数量并分别判断是否小于预设数量；确定数量小于预设数量的商品种类，生成补货清单，将所述补货清单发送至供货方。预设时间可以为一周。
上述技术方案的有益效果：便于及时提醒商铺的主人或供货方对商铺进行补货，保证商铺的正常售卖。同时避免现有商铺中需要对在售商品进行查看，核对，进而确定缺货商品及缺货数量等，费时费力。本发明可以智能化确定补货清单进而基于供货方进行相应的补货，省时省力。
根据本发明的一些实施例，还包括：
采集商铺内人体的行为图像，进行特征提取，得到行为数据；
将所述行为数据输入预先训练好的行为识别模型中，输出行为识别结果，在确定所述行为识别结果为发生偷盗行为时，发出第四报警提示。
上述技术方案的工作原理：采集商铺内人体的行为图像，进行特征提取，得到行为数据；将所述行为数据输入预先训练好的行为识别模型中，输出行为识别结果，在确定所述行为识别结果为发生偷盗行为时，发出第四报警提示。
上述技术方案的有益效果：对在商铺内的人体进行有效的监控，在发生偷盗行为时，及时进行报警提示，保证商铺的财产受到损失。
根据本发明的一些实施例，还包括：
识别用户放在扫描区域的待付款商品；
获取所述用户的人脸信息，并将所述待付款商品与所述人脸信息建立关联关系；
判断所述待付款商品对应的待支付总价与收到的钱款是否一致，在确定两者不一致时，对用户添加不诚信记录，并发出第五报警提示。
上述技术方案的工作原理：识别用户放在扫描区域的待付款商品；获取所述用户的人脸信息，并将所述待付款商品与所述人脸信息建立关联关系；判断所述待付款商品对应的待支付总价与收到的钱款是否一致，在确定两者不一致时，对用户添加不诚信记录，并发出第五报警提示。
上述技术方案的有益效果：对用户是否准确付款进行智能监控，可以避免商铺的财产受到损失。同时基于待付款商品与所述人脸信息建立关联关系，在于添加相关的诚信记录，在该用户发生偷盗行为时，又能及时的确定偷盗对象并追回损失。
根据本发明的一些实施例，所述根据所述温度分布图及所述烟雾分布图确定目标空间，包括：
筛选出所述温度分布图中温度大于预设温度的检测点，并生成第一检测点集合；
筛选出所述烟雾分布图中烟雾浓度大于预设烟雾浓度的检测点，并生成第二检测点集合；
计算所述第一检测点集合与所述第二检测点集合的交集，确定目标检测点，根据所述目标检测点确定目标空间。
上述技术方案的工作原理：筛选出所述温度分布图中温度大于预设温度的检测点，并生成第一检测点集合；筛选出所述烟雾分布图中烟雾浓度大于预设烟雾浓度的检测点，并生成第二检测点集合；计算所述第一检测点集合与所述第二检测点集合的交集，确定目标检测点，根据所述目标检测点确定目标空间。
上述技术方案的有益效果：基于温度传感器及烟雾浓度传感器便于准确确定目标检测点，进而确定目标空间。
为达到上述目的，本发明第二方面实施例提出了一种基于5G网络实现智能商铺报警的系统，包括：
第一获取模块，用于获取所述商铺的布局信息，根据所述布局信息构建所述商铺的空间地图；
第二获取模块，用于获取所述商铺内多个检测点的温度信息，根据所述温度信息及所述空间地图构建所述商铺的温度分布图；
第三获取模块，用于获取所述商铺内多个检测点的烟雾浓度信息，根据所述烟雾浓度信息及所述空间地图构建所述商铺的烟雾浓度分布图；
确定模块，用于根据所述温度分布图及所述烟雾分布图确定目标空间；
第四获取模块，用于获取所述目标空间的图像，作为待检测图像；
报警模块，用于将所述待检测图像输入预先训练好的火灾识别模型中，输出识别结果，在确定所述识别结果为发生火灾时，发出第一报警提示。
上述技术方案的工作原理：第一获取模块获取所述商铺的布局信息，根据所述布局信息构建所述商铺的空间地图；第二获取模块获取所述商铺内多个检测点的温度信息，根据所述温度信息及所述空间地图构建所述商铺的温度分布图；在商铺内均匀的设置检测点，每个检测点设置温度传感器，用于获取每个检测点的温度信息。第三获取模块获取所述商铺内多个检测点的烟雾浓度信息，根据所述烟雾浓度信息及所述空间地图构建所述商铺的烟雾浓度分布图；每个点设置烟雾浓度传感器，用于获取每个检测点的烟雾浓度信息。确定模块根据所述温度分布图及所述烟雾分布图确定目标空间；目标空间为温度大于预设温度且烟雾浓度大于预设烟雾浓度的检测点，作为目标检测点，确定设置在目标检测点的相应传感器的检测范围作为目标空间。第四获取模块获取所述目标空间的图像，作为待检测图像；报警模块将所述待检测图像输入预先训练好的火灾识别模型中，输出识别结果，在确定所述识别结果为发生火灾时，发出第一报警提示。
上述技术方案的有益效果：基于温度传感器及烟雾浓度传感器确定异常检测点，并异常检测点的目标空间的图像，对所述待检测图像进行准确识别，能够对火灾进行高效准确评估，同时也能及时确定火灾发生地，便于发生第一报警提示，可以对无人商铺进行有效的监控，提高了检测商铺是否发生火灾的准确性，避免误报警情况的发生，有利于减少商铺的损失。
基于本发明可以实现对智能商铺的火灾监控、是否需要补货，商铺是否发生偷盗及付款不准确行为、以及对进入商铺的人体进行温度检测等多种综合功能，便于智能商铺安全可靠的运行，同时使智能商铺的运营者更加的省时省力，使消费者消费更加的舒适便捷。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种基于5G网络实现智能商铺报警的方法，其特征在于，包括：
获取所述商铺的布局信息，根据所述布局信息构建所述商铺的空间地图；
获取所述商铺内多个检测点的温度信息，根据所述温度信息及所述空间地图构建所述商铺的温度分布图；
获取所述商铺内多个检测点的烟雾浓度信息，根据所述烟雾浓度信息及所述空间地图构建所述商铺的烟雾浓度分布图；
根据所述温度分布图及所述烟雾分布图确定目标空间；
获取所述目标空间的图像，作为待检测图像；
将所述待检测图像输入预先训练好的火灾识别模型中，输出识别结果，在确定所述识别结果为发生火灾时，发出第一报警提示；
还包括：
获取所述商铺内电器的电流数据；
根据所述电流数据确定电器的电流曲线，对所述电流曲线进行解析，得到在交变时刻的第一电流值及第二电流值；
确定所述第一电流值与所述第二电流值的电流差值，并判断是否大于预设电流差值；
在确定所述电流差值大于预设电流差值时，将突变时刻后的电流曲线，作为待检测电流曲线；
基于预设规则选取所述待检测电流曲线上的特征点，分别计算所述特征点与标准电流曲线上的对应的标准特征点之间的欧式距离，并进行加权计算，得到目标距离；
在确定所述目标距离大于预设距离时，发出第二报警提示。
2.如权利要求1所述的基于5G网络实现智能商铺报警的方法，其特征在于，还包括：
获取所述温度分布图中像素点的像素缩放残差，对所述像素缩放残差进行数值化处理并进行排序；
基于排序结果对数值化处理后的像素缩放残差进行熵编码，获取所述温度分布图中像素点对应的压缩比例，根据所述压缩比例进行压缩处理，并将压缩处理后的温度分布图发送至用户终端。
3.如权利要求1所述的基于5G网络实现智能商铺报警的方法，其特征在于，还包括：
在人体进入商铺时，对人体进行温度检测，获取人体温度，并与预设温度进行比较；
在确定人体温度大于预设温度时，对所述人体进行标记，确定为观察对象；
获取所述观察对象在观察时间段内的温度曲线，根据所述温度曲线计算出平均温度，将所述平均温度与预设温度再次进行比较；
在确定所述平均温度大于等于预设温度时，发出第三报警提示。
4.如权利要求1所述的基于5G网络实现智能商铺报警的方法，其特征在于，得到预先训练好的火灾识别模型的方法，包括：
获取预设火灾图像，对所述预设火灾图像进行特征提取，提取火焰特征点，获取所述火焰特征点的特征信息；
根据所述特征信息确定火焰区域，得到火焰区域图像；
获取样本场景图像，作为负样本训练集；
根据所述样本场景图像、火焰区域图像及预设火灾图像组合得到正样本训练集；
构建火灾识别模型，基于所述负样本训练集及所述正样本训练集进行训练。
5.如权利要求1所述的基于5G网络实现智能商铺报警的方法，其特征在于，还包括：
以预设时间段为周期，周期性的采集所述商铺内货架上的商品图像；
对所述商品图像进行图像识别，确定所述商铺内各商品的数量并分别判断是否小于预设数量；
确定数量小于预设数量的商品种类，生成补货清单，将所述补货清单发送至供货方。
6.如权利要求1所述的基于5G网络实现智能商铺报警的方法，其特征在于，还包括：
采集商铺内人体的行为图像，进行特征提取，得到行为数据；
将所述行为数据输入预先训练好的行为识别模型中，输出行为识别结果，在确定所述行为识别结果为发生偷盗行为时，发出第四报警提示。
7.如权利要求1所述的基于5G网络实现智能商铺报警的方法，其特征在于，还包括：
识别用户放在扫描区域的待付款商品；
获取所述用户的人脸信息，并将所述待付款商品与所述人脸信息建立关联关系；
判断所述待付款商品对应的待支付总价与收到的钱款是否一致，在确定两者不一致时，对用户添加不诚信记录，并发出第五报警提示。
8.如权利要求1所述的基于5G网络实现智能商铺报警的方法，其特征在于，所述根据所述温度分布图及所述烟雾分布图确定目标空间，包括：
筛选出所述温度分布图中温度大于预设温度的检测点，并生成第一检测点集合；
筛选出所述烟雾分布图中烟雾浓度大于预设烟雾浓度的检测点，并生成第二检测点集合；
计算所述第一检测点集合与所述第二检测点集合的交集，确定目标检测点，根据所述目标检测点确定目标空间。
9.一种基于5G网络实现智能商铺报警的系统，其特征在于，包括：
第一获取模块，用于获取所述商铺的布局信息，根据所述布局信息构建所述商铺的空间地图；
第二获取模块，用于获取所述商铺内多个检测点的温度信息，根据所述温度信息及所述空间地图构建所述商铺的温度分布图；
第三获取模块，用于获取所述商铺内多个检测点的烟雾浓度信息，根据所述烟雾浓度信息及所述空间地图构建所述商铺的烟雾浓度分布图；
确定模块，用于根据所述温度分布图及所述烟雾分布图确定目标空间；
第四获取模块，用于获取所述目标空间的图像，作为待检测图像；
报警模块，用于将所述待检测图像输入预先训练好的火灾识别模型中，输出识别结果，在确定所述识别结果为发生火灾时，发出第一报警提示；
所述报警模块，还用于：
获取所述商铺内电器的电流数据；
根据所述电流数据确定电器的电流曲线，对所述电流曲线进行解析，得到在交变时刻的第一电流值及第二电流值；
确定所述第一电流值与所述第二电流值的电流差值，并判断是否大于预设电流差值；
在确定所述电流差值大于预设电流差值时，将突变时刻后的电流曲线，作为待检测电流曲线；
基于预设规则选取所述待检测电流曲线上的特征点，分别计算所述特征点与标准电流曲线上的对应的标准特征点之间的欧式距离，并进行加权计算，得到目标距离；
在确定所述目标距离大于预设距离时，发出第二报警提示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110860810.4A CN113313904B (zh) | 2021-07-29 | 2021-07-29 | 一种基于5g网络实现智能商铺报警的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110860810.4A CN113313904B (zh) | 2021-07-29 | 2021-07-29 | 一种基于5g网络实现智能商铺报警的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113313904A CN113313904A (zh) | 2021-08-27 |
| CN113313904B true CN113313904B (zh) | 2021-11-02 |
Family
ID=77381893
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110860810.4A Active CN113313904B (zh) | 2021-07-29 | 2021-07-29 | 一种基于5g网络实现智能商铺报警的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113313904B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113887884A (zh) * | 2021-09-13 | 2022-01-04 | 青岛颐中科技有限公司 | 商超服务系统 |
| CN115100809A (zh) * | 2022-06-17 | 2022-09-23 | 安徽三音电子科技有限公司 | 一种智能楼宇安防监控系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106093702A (zh) * | 2016-06-06 | 2016-11-09 | 南京理工大学 | 一种考虑多点故障的高压输电线路行波测距方法 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6304108B1 (en) * | 2000-07-14 | 2001-10-16 | Micrel, Incorporated | Reference-corrected ratiometric MOS current sensing circuit |
| CN102811343B (zh) * | 2011-06-03 | 2015-04-29 | 南京理工大学 | 一种基于行为识别的智能视频监控系统 |
| CN103108182B (zh) * | 2013-01-18 | 2015-11-18 | 北京航空航天大学 | 多源异类无人机侦察图像通用压缩方法 |
| CN104636746B (zh) * | 2015-02-04 | 2018-01-16 | 华南理工大学 | 一种基于局部区域小波变换的gis设备特征值提取方法 |
| CN104767805B (zh) * | 2015-03-30 | 2018-09-25 | 河海大学 | 基于物联网架构和WebGIS的城市火灾监控系统 |
| CN108549851B (zh) * | 2018-03-27 | 2020-08-25 | 合肥美的智能科技有限公司 | 智能货柜内货品识别方法及装置、智能货柜 |
| CN109214880A (zh) * | 2018-06-29 | 2019-01-15 | 深圳市赛亿科技开发有限公司 | 一种无人售货店管理方法及系统 |
| CN110705071A (zh) * | 2019-09-24 | 2020-01-17 | 浙江树人学院（浙江树人大学） | 一种融合火势预测模型的消防三维数字化预案的方法 |
| CN111613006A (zh) * | 2020-06-04 | 2020-09-01 | 芜湖纳川消防工程有限公司 | 一种基于5g通信的商铺式消防安全监控方法和系统 |
| CN112150070B (zh) * | 2020-09-27 | 2023-04-25 | 广州华安消防有限公司 | 一种基于5g通信的商铺式消防安全监控方法 |
| CN112461368A (zh) * | 2020-11-03 | 2021-03-09 | 西安石油大学 | 一种办公区域人体体温智能巡检系统 |
| CN112509270A (zh) * | 2020-11-19 | 2021-03-16 | 北京城市轨道交通咨询有限公司 | 一种列车车厢的火灾监控联动方法、装置及系统 |
-
2021
- 2021-07-29 CN CN202110860810.4A patent/CN113313904B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106093702A (zh) * | 2016-06-06 | 2016-11-09 | 南京理工大学 | 一种考虑多点故障的高压输电线路行波测距方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113313904A (zh) | 2021-08-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113313904B (zh) | 一种基于5g网络实现智能商铺报警的方法及系统 | |
| CN109035629A (zh) | 一种基于开放式自动售货机的购物结算方法和装置 | |
| CN106559695A (zh) | 弹幕消息的处理方法、装置以及电子设备 | |
| CN108304816B (zh) | 身份识别方法、装置、存储介质及电子设备 | |
| CN111008859B (zh) | 虚拟店铺中信息呈现方法、装置、电子设备及存储介质 | |
| CN111754241A (zh) | 一种用户行为感知方法、装置、设备及介质 | |
| CN115545826A (zh) | 一种电子商务平台的运营系统 | |
| CN115187065B (zh) | 一种基于电子商务平台的服装类商品质量分析系统 | |
| CN110490486A (zh) | 一种企业大数据管理系统 | |
| CN115660262A (zh) | 一种基于数据库应用的工程智慧质检方法、系统及介质 | |
| CN117557201B (zh) | 基于人工智能的智能仓储安全管理系统及方法 | |
| CN110728548A (zh) | 一种vr旅游产品评价系统 | |
| CN111507792A (zh) | 一种自助购物方法、计算机可读存储介质及系统 | |
| CN115482014B (zh) | 一种二手车虚假车源的识别方法和装置 | |
| CN112665698A (zh) | 一种智能电子秤 | |
| CN116702089A (zh) | 基于物联网的超市数据监测系统 | |
| CN208969793U (zh) | 无人超市系统 | |
| CN114282951B (zh) | 一种网络零售预测方法、设备及介质 | |
| CN116012086A (zh) | 商品价格的评估方法、装置、电子设备及存储介质 | |
| CN114077977B (zh) | 基于大数据的楼宇智慧管理方法、系统及可读存储介质 | |
| CN115146715A (zh) | 用电安全隐患诊断方法、装置、设备及存储介质 | |
| WO2002099756A1 (fr) | Procede unifie d'evaluation de l'efficacite de systemes a grande echelle et dispositif automatise permettant la mise en oeuvre dudit procede | |
| CN110517063B (zh) | 进店消费人次确定方法、装置及服务器 | |
| CN113722485A (zh) | 一种异常数据识别分类方法、系统及存储介质 | |
| CN116524646B (zh) | 售卖柜缺货联动推荐处理方法、售卖柜系统及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |