CN113706841B - 基于边缘计算的用电行为安全智能监控系统 - Google Patents

Abstract

本发明涉及用电安全技术领域，具体为基于边缘计算的用电行为安全智能监控系统，包括安防监控单元、云服务器、数据识别单元、用电解析单元、隐患预计单元和监管单元，安防监控单元采集不同对象的用电情况以及环境状况，并将其标定为对象信息，将对象信息传输至数据识别单元，云服务器内存储有记录的各个对象的相关信息；本发明是通过选取确定后场景的相关数据以及影像，进行综合分析，处理得到影响用电的相关数据，依据相关数据的关联处理，计算出在不同影响数据的安全性，综合各类影响数据的处理结果，进行综合判定，从而确定用电的安全与否，增加数据分析的精确性，提高数据的可靠性，增加用电的安全性。

Description

基于边缘计算的用电行为安全智能监控系统

技术领域

本发明涉及用电安全技术领域，具体为基于边缘计算的用电行为安全智能监控系统。

背景技术

目前，用电的安全是生活中的重点隐患，人们逐渐对用电进行了一些检测，最常规的用电检测就是通过监控摄像头对用电进行图像采集，通过工作人员在投影屏上进行看管，耗费大量的人力资源，且这种方式智能检测到已经发生的用电事故，无法在即将发生事故前发出警报，且无法对相关的用电数据进行关联度处理，分析各类影响因素，增加安全性，同时这种智能检测方式无法自动识别监控的场景，需要人为地去判定；

为此，我们提出基于边缘计算的用电行为安全智能监控系统。

发明内容

本发明的目的在于提供基于边缘计算的用电行为安全智能监控系统，通过对不同的场景进行监控得到的相关的影像，并对相关的影像与存储的数据进行匹配识别处理，将采集得到的相关影像进行场景识别，增加识别的准确性，节省识别所消耗的时间，并依据识别到的场景对应的对应数据进行关联计算和分析，从而判定用电的安全性。

本发明的目的可以通过以下技术方案实现：

基于边缘计算的用电行为安全智能监控系统，包括安防监控单元、云服务器、数据识别单元、用电解析单元、隐患预计单元和监管单元；

所述安防监控单元采集不同对象的用电情况以及环境状况，并将其标定为对象信息，将对象信息传输至数据识别单元；

所述云服务器内存储有记录的各个对象的相关信息，将其标定为往分信息，数据识别单元从云服务器内获取往类数据、往像数据、像名数据和往电数据，并将其与环影数据和象电数据一同进行分类识别操作，识别出监测数据的场景以及对应的环影数据和象电数据，并将其传输至用电解析单元；

所述用电解析单元从服务器内获取往电数据，并将往电数据与环影数据和象电数据进行解析处理，得到实电数据、线温数据、实阻数据、实时数据、室温数据、连线数据、线离数据、线距数据、线径数据、插距数据和电弧次数据，并将其传输至隐患预计单元；

所述隐患预计单元用于对解析处理得到的数据进行预计处理，得到无隐患信号、停止信号和持续检测信号，并将其传输至监管单元；

所述监管单元对无隐患信号、停止信号和持续检测信号进行信号转化以及提示，当识别到无隐患信号时，则显示该信号以及对应的电器型号，当识别到持续检测信号时，则显示该信号以及电器型号，并发出一级警报，当识别到停止信号时，则显示该信号以及电器型号，并发出二级警报。

进一步的，所述对象信息包括环影数据和象电数据，往分信息包括往类数据、往像数据、像名数据和往电数据；

往电数据包括电器影像、电器型号、电阻数据、电器电功和电弧影像；

象电数据包括实电数据、实阻数据、实时数据、室温数据、连线数据、线离数据、线距数据、线温数据、线径数据和插距数据。

进一步的，分类识别操作的具体操作过程为：

获取往类数据，将往类数据标定为第一类场景、第二类场景和第三类场景，且将第一类场景、第二类场景和第三类场景分别标定为Ai、Bi和Ci，将Ai、Bi和Ci统一标定为Fi；

选取出多次出现的Fi中每一次出现的往像数据，提取往像数据对应的像名数据，选取出在多次对应的Fi中同时出现的像名数据，并将其标定为对应的分类像数据；

选取环影数据，将环影数据与往像数据进行匹配，得到匹配错误信号和匹配成功信号，并对匹配错误信号和匹配成功信号进行处理，从而确定往像数据对应的Fi。

进一步的，对匹配错误信号和匹配成功信号进行处理的具体处理过程为：

当识别到错误信号时，则判定没有获取到正确场景对象，跳转至安防监控单元再次进行相关数据的采集；

当识别到匹配成功信号时，则判定识别的场景存在记录，并获取对应的往像数据，将往像数据进行数据提取，并统计往像数据和像名数据，将统计的往像数据和像名数据与上述Fi对应的像名数据进行匹配，具体为：

获取匹配成功信号识别的像名数据，将其与Fi对应的像名数据进行匹配，并将匹配成功的数据标定为因素数据，选取出因素数据的个数，即因素个数，将因素个数与Fi对应的像名数据的总个数进行占比计算，计算出因素占比，设定一个预设值，当因素占比大于等于预设值时，则判定该往像数据为对应的Fi。

进一步的，解析处理的具体处理过程为：

获取往电数据内的电器影像、电器型号、电阻数据、电器电功和电弧影像；

将环影数据与电器影像进行匹配，从而匹配得到对应场景内存在的电器型号，将环影数据与电弧影像进行匹配，从而匹配出环影数据内出现的电弧影像，并统计环影数据内电弧影像出现的次数，将其标定为电弧次数据；

将电弧次数据划分至对应的电器型号内，并整理电器型号对应的实电数据、实阻数据、线温数据、实时数据、室温数据、连线数据、线离数据、线距数据、线径数据、插距数据和电弧次数据。

进一步的，预计处理的具体处理过程为：

获取电器型号，依据电器型号提取对应的实时数据和插距数据，选取出若干个不同时间点的插距数据，依据若干个不同时间点对应的插距数据，进行相邻实时数据的插距数据的差值计算，计算出得到插距差值，建立一个折线图，将若干个插距差值在折线图上进行标记，当折线图上的插距差值为直线时，则判定插距数据保持不变，生成直线信号，当折线图上的插距差值不为直线时，则判定插距数据变化，生成折线信号；

提取插距数据、直线信号和折线信号，其中，当插距数据等于零且与直线信号同时出现时，则判定插头安全，生成插头安全信号，反之，其他任何情况下均为插头存在隐患，生成插头危险信号；

获取实电数据、实阻数据和实时数据，选取出设备从开始充电到当前检测时间点对应的实时数据，将两个实时数据进行差值计算，计算出时间差值，将时间差值与实电数据、实阻数据、线径数据和室温数据进行线温预计值处理，得到温度安全信号和温度隐患信号；

提取连线数据、线离数据和线距数据，将连线数据、线离数据和线距数据进行量化处理，并提取对应的数值，并将对应的数值带入到安全影响计算式，计算出连线安全值；

提取连线安全值，将连线安全值与安全预设进行比对，当连线安全值小于安全预设值时，则判定连线安全，生成影响安全信号，反之则判定连线危险，生成影响危险信号；

提取插头安全信号、插头危险信号、温度安全信号、温度隐患信号、影响安全信号和影响危险信号，对其进行识别判定，得到无隐患信号、停止信号和持续检测信号。

进一步的，线温预计值处理的具体处理过程为：

将时间差值与实电数据、实阻数据、线径数据和室温数据代入线温计算式：

其中，Q表示为线温预计值，CW表示为初始温度值，且初始温度值为预设值，I表示为实电数据，R表示为实阻数据，t表示为时间差值，SW表示为室温数据，u1表示为产热的实际作用转化因子，u2表示为室温数据对连接线温度变化的影响因子，且u1＞u2＞0，e表示为整体影响温度偏差调节因子，XJ表示为线径数据；

提取实时的线温数据，并将对应时间点的温度预计值，将两者进行比对，当线温数据小于温度预计值时，则判定连接线温度上升安全，生成温度安全信号，当线温数据大于等于温度预计值时，则判定连接线温度上升存在隐患，生成温度隐患信号。

进一步的，对插头安全信号、插头危险信号、温度安全信号、温度隐患信号、影响安全信号和影响危险信号进行识别判定的具体过程为：

当插头安全信号、温度安全信号和影响安全信号同时出现时，则判定当前用电安全，生成无隐患信号；

当插头危险信号、温度隐患信号和影响危险信号同时出现时，则判定当前用电处于危险边缘，生成停止信号；

除以上两种情况之外的组合信号出现时，则判定用电存在隐患，生成持续检测信号。

本发明的有益效果：

(1)通过对不同的场景进行监控得到的相关的影像，并对相关的影像与存储的数据进行匹配识别处理，将采集得到的相关影像进行场景识别，增加识别的准确性，节省识别所消耗的时间；

(2)通过选取确定后场景的相关数据以及影像，进行综合分析，处理得到影响用电的相关数据，依据相关数据的关联处理，计算出在不同影响数据的安全性，综合各类影响数据的处理结果，进行综合判定，从而确定用电的安全与否，增加数据分析的精确性，提高数据的可靠性，增加用电的安全性。

附图说明

下面结合附图对本发明做进一步的说明。

图1是本发明的系统框图。

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，本发明为基于边缘计算的用电行为安全智能监控系统，包括安防监控单元、云服务器、数据识别单元、用电解析单元、隐患预计单元和监管单元；

安防监控单元用于采集不同对象的用电情况以及环境状况，并将其标定为对象信息，且对象信息包括环影数据和象电数据，其中，环影数据指代采集对象的环境信息，象电数据指代采集对象的用电信息，将环影数据和象电数据传输至数据识别单元；

云服务器内存储有记录的各个对象的相关信息，将其标定为往分信息，往分信息包括往类数据、往像数据、像名数据和往电数据，往类数据指代对应用场景的分类，往像数据指代不同应用场景中包含的物品影像，像名数据指代不同场景中物品影像对应的名称，往电数据指代在不同场景中所需要采集的电器以及电路的数据；

数据识别单元从云服务器内获取往类数据、往像数据、像名数据和往电数据，并将其与环影数据和象电数据一同进行分类识别操作，分类识别操作的具体操作过程为：

获取往类数据，将往类数据标定为第一类场景、第二类场景和第三类场景，且将第一类场景、第二类场景和第三类场景分别标定为Ai、Bi和Ci，其中，i表示为每类场景出现的每一次，且i的取值为正整数，第一类场景表示为空巢老人的监护场景，第二类场景表示为出租房管控场景，第三类场景表示为资产监管场景；

选取出多次出现的Ai或Bi或Ci中每一次出现的往像数据，提取往像数据对应的像名数据，选取出在多次对应的Ai或Bi或Ci中同时出现的像名数据，并将其标定为对应的分类像数据，将Ai、Bi和Ci统一标定为Fi，其中，在多次对应的Ai或Bi或Ci中同时出现的像名数据可理解为，多次识别出场景为A类场景，且在多次的A类场景中均识别到了Ai或Bi或Ci对应的像名数据和对应的往像数据；

选取环影数据，将环影数据与往像数据进行匹配，匹配过程为：

当环影数据与往像数据的匹配结果不一致时，则判定两者完全不一致，生成匹配错误信号，当环影数据与往像数据的匹配结果一致时，则判定两者完全一致，生成匹配成功信号；

提取匹配错误信号和匹配成功信号，并对其进行识别，当识别到错误信号时，则判定没有获取到正确场景对象，跳转至安防监控单元再次进行相关数据的采集；

当识别到匹配成功信号时，则判定识别的场景存在记录，并获取对应的往像数据，将往像数据进行数据提取，并统计往像数据和像名数据，将统计的往像数据和像名数据与上述Fi对应的像名数据进行匹配，具体为：

获取匹配成功信号识别的像名数据，将其与Fi对应的像名数据进行匹配，并将匹配成功的数据标定为因素数据，选取出因素数据的个数，即因素个数，将因素个数与Fi对应的像名数据的总个数进行占比计算，计算出因素占比，设定一个预设值，当因素占比大于等于预设值时，则判定该往像数据为对应的Fi；

将Fi对应的环影数据和象电数据传输至用电解析单元；

用电解析单元从服务器内获取往电数据，并将往电数据与环影数据和象电数据进行解析处理，解析处理的具体处理过程为：

获取往电数据，将往电数据标定为电器影像、电器型号、电阻数据、电器电功和电弧影像，其中，电器影像表示为记录的电器的样貌，电器型号表示为记录电器样貌对应的名称和型号，电器电功表示为对应电器的电功值，电弧影像指代对应电器产生电弧的影像；

获取环影数据，将环影数据与电器影像进行匹配，从而匹配得到对应场景内存在的电器型号，将环影数据与电弧影像进行匹配，从而匹配出环影数据内出现的电弧影像，并统计环影数据内电弧影像出现的次数，将其标定为电弧次数据；

依据电器型号对象电数据划分为实电数据、实阻数据、实时数据、室温数据、连线数据、线离数据、线距数据、线温数据、线径数据和插距数据，实电数据指代实时的电流大小，实阻数据指代实时的电阻大小，实时数据指代监测对应的时间点，室温数据指代室内的温度大小，连线数据指代用电设备的连接线长度，线离数据指代用电设备离地面的距离大小，线距数据指代多个用电设备之间连接线的距离，线径数据指代连接线的直径大小，插距数据指代用电设备的插头塑料部分与插排之间的距离，具体可通过现有技术进行采集，线温数据指代连接线的温度大小；

提取电器型号以及对应的实电数据、实阻数据、线温数据、实时数据、室温数据、连线数据、线离数据、线距数据、线径数据、插距数据和电弧次数据，将电器型号以及对应的实电数据、线温数据、实阻数据、实时数据、室温数据、连线数据、线离数据、线距数据、线径数据、插距数据和电弧次数据传输至隐患预计单元；

隐患预计单元用于对电器型号以及对应的实电数据、实阻数据、实时数据、室温数据、连线数据、线离数据、线温数据、线距数据、线径数据、插距数据和电弧次数据进行预计处理，预计处理的具体处理过程为：

获取电器型号，依据电器型号提取对应的实时数据和插距数据，选取出若干个不同时间点的插距数据，依据若干个不同时间点对应的插距数据，进行相邻实时数据的插距数据的差值计算，计算出得到插距差值，建立一个折线图，将若干个插距差值在折线图上进行标记，当折线图上的插距差值为直线时，则判定插距数据保持不变，生成直线信号，当折线图上的插距差值不为直线时，则判定插距数据变化，生成折线信号；

提取插距数据、直线信号和折线信号，其中，当插距数据等于零且与直线信号同时出现时，则判定插头安全，生成插头安全信号，反之，其他任何情况下均为插头存在隐患，生成插头危险信号；

获取实电数据、实阻数据和实时数据，选取出设备从开始充电到当前检测时间点对应的实时数据，将两个实时数据进行差值计算，计算出时间差值，将时间差值与实电数据、实阻数据、线径数据、室温数据带入到线温计算式：

其中，Q表示为线温预计值，CW表示为初始温度值，且初始温度值为预设值，I表示为实电数据，R表示为实阻数据，t表示为时间差值，SW表示为室温数据，u1表示为产热的实际作用转化因子，u2表示为室温数据对连接线温度变化的影响因子，且u1＞u2＞0，e表示为整体影响温度偏差调节因子，XJ表示为线径数据；

提取实时的线温数据，并将对应时间点的温度预计值，将两者进行比对，当线温数据小于温度预计值时，则判定连接线温度上升安全，生成温度安全信号，当线温数据大于等于温度预计值时，则判定连接线温度上升存在隐患，生成温度隐患信号；

提取连线数据、线离数据和线距数据，将连线数据、线离数据和线距数据进行量化处理，并提取对应的数值，并将对应的数值带入到安全影响计算式：连线安全值＝(连线数据*连线影响因子+线离数据*线离影响因子+线距数据*线距影响因子)*连线影响调节因子；

提取连线安全值，将连线安全值与安全预设进行比对，当连线安全值小于安全预设值时，则判定连线安全，生成影响安全信号，反之则判定连线危险，生成影响危险信号；

提取插头安全信号、插头危险信号、温度安全信号、温度隐患信号、影响安全信号和影响危险信号，对其进行识别判定，具体为：

当插头安全信号、温度安全信号和影响安全信号同时出现时，则判定当前用电安全，生成无隐患信号；

当插头危险信号、温度隐患信号和影响危险信号同时出现时，则判定当前用电处于危险边缘，生成停止信号；

除以上两种情况之外的组合信号出现时，则判定用电存在隐患，生成持续检测信号；

提取无隐患信号、停止信号和持续检测信号，并将其传输至监管单元；

监管单元用于对无隐患信号、停止信号和持续检测信号进行信号转化以及提示，当识别到无隐患信号时，则显示该信号以及对应的电器型号，当识别到持续检测信号时，则显示该信号以及电器型号，并发出一级警报，当识别到停止信号时，则显示该信号以及电器型号，并发出二级警报，其中，一级警报和二级警报可通过不同的警报信号的颜色区分，监管单元具体为平板电脑。

本发明在工作时，通过安防监控单元采集不同对象的用电情况以及环境状况，并将其标定为环影数据和象电数据，将环影数据和象电数据传输至数据识别单元；云服务器内存储有记录的各个对象的相关信息，将其标定为往分信息，数据识别单元从云服务器内获取往类数据、往像数据、像名数据和往电数据，并将其与环影数据和象电数据一同进行分类识别操作，识别出监测数据的场景以及对应的环影数据和象电数据，并将其传输至用电解析单元；用电解析单元从服务器内获取往电数据，并将往电数据与环影数据和象电数据进行解析处理，得到实电数据、线温数据、实阻数据、实时数据、室温数据、连线数据、线离数据、线距数据、线径数据、插距数据和电弧次数据，并将其传输至隐患预计单元，在隐患预计单元内进行预计处理，得到无隐患信号、停止信号和持续检测信号，并将其传输至监管单元，监管单元对无隐患信号、停止信号和持续检测信号进行信号转化以及提示，当识别到无隐患信号时，则显示该信号以及对应的电器型号，当识别到持续检测信号时，则显示该信号以及电器型号，并发出一级警报，当识别到停止信号时，则显示该信号以及电器型号，并发出二级警报。

以上内容仅仅是对本发明结构所做的举例和说明，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 (3)

1.基于边缘计算的用电行为安全智能监控系统，其特征在于，包括安防监控单元、云服务器、数据识别单元、用电解析单元、隐患预计单元和监管单元；

所述安防监控单元采集不同对象的用电情况以及环境状况，并将其标定为对象信息，所述对象信息包括环影数据和象电数据，象电数据包括实电数据、实阻数据、实时数据、室温数据、连线数据、线离数据、线距数据、线温数据、线径数据和插距数据，将对象信息传输至数据识别单元；

所述云服务器内存储有记录的各个对象的相关信息，将其标定为往分信息，往分信息包括往类数据、往像数据、像名数据和往电数据，往电数据包括电器影像、电器型号、电阻数据、电器电功和电弧影像，数据识别单元从云服务器内获取往类数据、往像数据、像名数据和往电数据，并将其与环影数据和象电数据一同进行分类识别操作，识别出监测数据的场景以及对应的环影数据和象电数据，并将其传输至用电解析单元；

所述用电解析单元从服务器内获取往电数据，并将往电数据与环影数据和象电数据进行解析处理，得到实电数据、线温数据、实阻数据、实时数据、室温数据、连线数据、线离数据、线距数据、线径数据、插距数据和电弧次数据，并将其传输至隐患预计单元；

所述隐患预计单元用于对解析处理得到的数据进行预计处理，得到无隐患信号、停止信号和持续检测信号，并将其传输至监管单元；

所述监管单元对无隐患信号、停止信号和持续检测信号进行信号转化以及提示，当识别到无隐患信号时，则显示该信号以及对应的电器型号，当识别到持续检测信号时，则显示该信号以及电器型号，并发出一级警报，当识别到停止信号时，则显示该信号以及电器型号，并发出二级警报；

解析处理的具体处理过程为：

获取往电数据内的电器影像、电器型号、电阻数据、电器电功和电弧影像；

将环影数据与电器影像进行匹配，从而匹配得到对应场景内存在的电器型号，将环影数据与电弧影像进行匹配，从而匹配出环影数据内出现的电弧影像，并统计环影数据内电弧影像出现的次数，将其标定为电弧次数据；

将电弧次数据划分至对应的电器型号内，并整理电器型号对应的实电数据、实阻数据、线温数据、实时数据、室温数据、连线数据、线离数据、线距数据、线径数据、插距数据和电弧次数据；

预计处理的具体处理过程为：

获取电器型号，依据电器型号提取对应的实时数据和插距数据，选取出若干个不同时间点的插距数据，依据若干个不同时间点对应的插距数据，进行相邻实时数据的插距数据的差值计算，计算得到插距差值，建立一个折线图，将若干个插距差值在折线图上进行标记，当折线图上的插距差值为直线时，则判定插距数据保持不变，生成直线信号，当折线图上的插距差值不为直线时，则判定插距数据变化，生成折线信号；

提取插距数据、直线信号和折线信号，其中，当插距数据等于零且与直线信号同时出现时，则判定插头安全，生成插头安全信号，反之，其他任何情况下均为插头存在隐患，生成插头危险信号；

获取实电数据、实阻数据和实时数据，选取出设备从开始充电到当前检测时间点对应的实时数据，将两个实时数据进行差值计算，计算出时间差值，将时间差值与实电数据、实阻数据、线径数据和室温数据进行线温预计值处理，得到温度安全信号和温度隐患信号；

提取连线数据、线离数据和线距数据，将连线数据、线离数据和线距数据进行量化处理，并提取对应的数值，并将对应的数值带入到安全影响计算式，计算出连线安全值；

提取连线安全值，将连线安全值与安全预设值进行比对，当连线安全值小于安全预设值时，则判定连线安全，生成影响安全信号，反之则判定连线危险，生成影响危险信号；

提取插头安全信号、插头危险信号、温度安全信号、温度隐患信号、影响安全信号和影响危险信号，对其进行识别判定，得到无隐患信号、停止信号和持续检测信号；

线温预计值处理的具体处理过程为：

将时间差值与实电数据、实阻数据、线径数据和室温数据代入线温计算式：

其中，Q表示为线温预计值，CW表示为初始温度值，且初始温度值为预设值，I表示为实电数据，R表示为实阻数据，t表示为时间差值，SW表示为室温数据，u1表示为产热的实际作用转化因子，u2表示为室温数据对连接线温度变化的影响因子，且u1＞u2＞0，e表示为整体影响温度偏差调节因子，XJ表示为线径数据；

提取实时的线温数据，并将其与对应时间点的温度预计值进行比对，当线温数据小于温度预计值时，则判定连接线温度上升安全，生成温度安全信号，当线温数据大于等于温度预计值时，则判定连接线温度上升存在隐患，生成温度隐患信号；

对插头安全信号、插头危险信号、温度安全信号、温度隐患信号、影响安全信号和影响危险信号进行识别判定的具体过程为：

当插头安全信号、温度安全信号和影响安全信号同时出现时，则判定当前用电安全，生成无隐患信号；

当插头危险信号、温度隐患信号和影响危险信号同时出现时，则判定当前用电处于危险边缘，生成停止信号；

除以上两种情况之外的组合信号出现时，则判定用电存在隐患，生成持续检测信号。

2.根据权利要求1所述的基于边缘计算的用电行为安全智能监控系统，其特征在于，分类识别操作的具体操作过程为：

获取往类数据，将往类数据标定为第一类场景、第二类场景和第三类场景，且将第一类场景、第二类场景和第三类场景分别标定为Ai、Bi和Ci，将Ai、Bi和Ci统一标定为Fi；

选取出多次出现的Fi中每一次出现的往像数据，提取往像数据对应的像名数据，选取出在多次对应的Fi中同时出现的像名数据，并将其标定为对应的分类像数据；

选取环影数据，将环影数据与往像数据进行匹配，得到匹配错误信号和匹配成功信号，并对匹配错误信号和匹配成功信号进行处理，从而确定往像数据对应的Fi。

3.根据权利要求2所述的基于边缘计算的用电行为安全智能监控系统，其特征在于，对匹配错误信号和匹配成功信号进行处理的具体处理过程为：

当识别到匹配错误信号时，则判定没有获取到正确场景对象，跳转至安防监控单元再次进行相关数据的采集；

当识别到匹配成功信号时，则判定识别的场景存在记录，并获取对应的往像数据，将往像数据进行数据提取，并统计往像数据和像名数据，将统计的往像数据和像名数据与上述Fi对应的像名数据进行匹配，具体为：

获取匹配成功信号识别的像名数据，将其与Fi对应的像名数据进行匹配，并将匹配成功的数据标定为因素数据，选取出因素数据的个数，即因素个数，将因素个数与Fi对应的像名数据的总个数进行占比计算，计算出因素占比，设定一个预设值，当因素占比大于等于预设值时，则判定该往像数据为对应的Fi。

Images