CN113762425A - 基于5g智慧空间的数据屏显滑动门控制系统 - Google Patents
基于5g智慧空间的数据屏显滑动门控制系统 Download PDFInfo
- Publication number
- CN113762425A CN113762425A CN202111317276.9A CN202111317276A CN113762425A CN 113762425 A CN113762425 A CN 113762425A CN 202111317276 A CN202111317276 A CN 202111317276A CN 113762425 A CN113762425 A CN 113762425A
- Authority
- CN
- China
- Prior art keywords
- target
- sliding door
- travel route
- embedding
- data screen
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Alarm Systems (AREA)
Abstract
本申请公开了一种基于5G智慧空间的数据屏显滑动门控制系统,所述基于5G智慧空间的数据屏显滑动门控制系统包括基于5G通信互相连接的各数据屏显滑动门以及主控模块,所述主控模块用于:当待识别目标进入目标室内空间后,通过各所述数据屏显滑动门采集所述待识别目标的行进路线图;将所述行进路线图转换为预设数据维度的行进线路图嵌入,并依据可疑目标判别模型和所述行进路线图嵌入,判别所述待识别目标是否为可疑人员;若判定所述待识别目标为可疑人员,则锁定所述待识别目标所在位置处的数据屏显滑动门。本申请解决了由于可疑人员闯入而导致室内空间安全性低的技术问题。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种基于5G智慧空间的数据屏显滑动门控制系统、装置、设备及可读存储介质。
背景技术
随着计算机技术不断的发展,人工智能的应用也越来越广泛,目前,对于具备隐私性质的室内空间来说,为了保护室内空间的安全性,通常通过安装大量的摄像头进行监控,以此来防止可疑人员偷偷闯入酒店室内空间的重要区域,但是,这种方式通常存在延时性,也即当监控室的管理人员发现可疑人员闯入重要区域时,通常还需要赶到现场进行制止,而此时可疑人员通常已经闯入了重要区域,进而将影响室内空间的安全性。
发明内容
本申请的主要目的在于提供一种基于5G智慧空间的数据屏显滑动门控制系统、装置、设备及可读存储介质,旨在解决现有技术中由于可疑人员闯入而导致室内空间安全性低的技术问题。
为实现上述目的,本申请提供一种基于5G智慧空间的数据屏显滑动门控制系统,所述基于5G智慧空间的数据屏显滑动门控制系统包括基于5G通信互相连接的各数据屏显滑动门以及主控模块,所述主控模块用于:
当待识别目标进入目标室内空间后,通过各所述数据屏显滑动门采集所述待识别目标的行进路线图;
将所述行进路线图转换为预设数据维度的行进线路图嵌入,并依据可疑目标判别模型和所述行进路线图嵌入,判别所述待识别目标是否为可疑人员;
若判定所述待识别目标为可疑人员,则锁定所述待识别目标所在位置处的数据屏显滑动门。
本申请还提供一种基于5G智慧空间的数据屏显滑动门控制装置,所述基于5G智慧空间的数据屏显滑动门控制装置为虚拟装置,且所述基于5G智慧空间的数据屏显滑动门控制装置应用于基于5G智慧空间的数据屏显滑动门控制设备,所述基于5G智慧空间的数据屏显滑动门控制装置包括:
采集模块,用于当待识别目标进入目标室内空间后,通过各所述数据屏显滑动门采集所述待识别目标的行进路线图;
判别模块,用于将所述行进路线图转换为预设数据维度的行进线路图嵌入,并依据可疑目标判别模型和所述行进路线图嵌入,判别所述待识别目标是否为可疑人员;
锁定模块,用于若判定所述待识别目标为可疑人员,则锁定所述待识别目标所在位置处的数据屏显滑动门。
本申请还提供一种基于5G智慧空间的数据屏显滑动门控制设备,所述基于5G智慧空间的数据屏显滑动门控制设备为实体设备,所述基于5G智慧空间的数据屏显滑动门控制设备包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述基于5G智慧空间的数据屏显滑动门控制系统的程序,所述基于5G智慧空间的数据屏显滑动门控制系统的程序被处理器执行时可实现如上述的基于5G智慧空间的数据屏显滑动门控制系统的步骤。
本申请还提供一种可读存储介质,所述可读存储介质上存储有实现基于5G智慧空间的数据屏显滑动门控制系统的程序,所述基于5G智慧空间的数据屏显滑动门控制系统的程序被处理器执行时实现如上述的基于5G智慧空间的数据屏显滑动门控制系统的步骤。
本申请还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述的基于5G智慧空间的数据屏显滑动门控制系统的步骤。
本申请提供了一种基于5G智慧空间的数据屏显滑动门控制系统,相比于现有技术中通过部署大量摄像头进行监控室内空间的方法,本申请当待识别目标进入目标室内空间后,通过各所述数据屏显滑动门采集所述待识别目标的行进路线图,进而将所述行进路线图转换为预设数据维度的行进线路图嵌入,并依据可疑目标判别模型和所述行进路线图嵌入,判别所述待识别目标是否为可疑人员,实现了在可疑人员闯入室内空间的重要区域之前,预先判别可疑人员的目的,进而若判定所述待识别目标为可疑人员,则锁定所述待识别目标所在位置处的数据屏显滑动门,以防止可疑人员进入目标室内空间的重要区域,进而可防止可疑人员闯入目标室内空间的重要区域,所以克服了当监控室的管理人员发现可疑人员闯入重要区域时,通常还需要赶到现场进行制止,而此时可疑人员通常已经闯入了重要区域,进而将影响室内空间的安全性的技术缺陷,所以,提升了室内空间在有可疑人员闯入时的安全性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请基于5G智慧空间的数据屏显滑动门控制系统第一实施例的流程示意图;
图2为本申请基于5G智慧空间的数据屏显滑动门控制系统第二实施例的流程示意图;
图3为本申请实施例方案涉及的硬件运行环境的设备结构示意图。
本申请目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
本申请实施例提供一种基于5G智慧空间的数据屏显滑动门控制系统,在本申请基于5G智慧空间的数据屏显滑动门控制系统的第一实施例中,所述基于5G智慧空间的数据屏显滑动门控制系统包括基于5G通信互相连接的各数据屏显滑动门以及主控模块,参照图1,所述主控模块用于:
步骤S10,当待识别目标进入目标室内空间后,通过各所述数据屏显滑动门采集所述待识别目标的行进路线图;
在本实施例中,需要说明的是,所述目标室内空间可以为酒店以及研究所等具备部分隐私空间的室内空间,所述目标室内空间只是包括一室内子空间,例如,当所述目标室内空间为酒店时,所述室内子空间即可为酒店房间,各所述室内子空间之间通过数据屏显滑动门相连通,所述数据屏显滑动门上部署有身份识别装置,其中,所述身份识别装置可以为人脸识别装置,也可以为虹膜识别装置,也可以为门禁卡识别装置,而当身份识别通过时,所述数据屏显滑动门将自动滑开。
当待识别目标进入目标室内空间后,通过各所述数据屏显滑动门采集所述待识别目标的行进路线图,具体地,当待识别目标进入目标室内空间后,采集所述待识别目标通过数据屏显滑动门的通过顺序和通过时间信息,进而依据所述通过顺序和通过时间信息,生成所述待识别目标的行进路线图,其中,所述行进路线图为所述待识别目标在所述目标室内空间中行进路线图。
其中,所述通过各所述数据屏显滑动门采集所述待识别目标的行进路线图的步骤包括:
步骤S11,获取所述待识别目标通过各所述数据屏显滑动门的通过顺序以及通过时间信息;
在本实施例中,需要说明的是,所述通过时间信息至少包括一待识别目标通过数据屏显滑动门的通过时间点。
当所述待识别目标在各所述数据屏显滑动门进行身份识别时,若身份识别成功,则记录身份识别成功的时间点作为通过时间点以及身份识别成功的数据屏显门的门编号,进而依据各所述通过时间点,对各所述门编号进行排序,得到门编号序列,进而将所述门编号序列作为所述通过顺序,其中,所述通过顺序随时间而变化。
步骤S12,生成所述待识别目标通过的各数据屏显滑动门对应的行进路线节点,并依据所述通过顺序,将各所述行进路线节点进行连接,得到初始行进路线图;
在本实施例中,生成所述待识别目标通过的各数据屏显滑动门对应的行进路线节点,并依据所述通过顺序,将各所述行进路线节点进行连接,得到初始行进路线图,具体地,为所述门编号序列中每一门编号均生成对应的行进路线节点,进而依据所述门编号序列中的序列顺序,将各所述行进路线节点进行顺序连接,得到初始行进路线图。
步骤S13,依据所述通过时间信息和所述初始行进路线图,生成所述行进路线图。
在本实施例中,需要说明的是,所述初始行进路线图包括行进路线节点以及将各所述行进路线节点进行连接的有向的行进路线节点连接边。
依据所述通过时间信息和所述初始行进路线图,生成所述行进路线图,具体地,计算各所述通过时间点中相邻的时间点的差值,得到各时间间隔值,进而在所述初始行进路线图中将各所述时间间隔值作为权重值赋予对应的行进路线节点连接边,得到所述行进路线图,其中,所述时间间隔值为所述待识别目标在对应的2个通过时间点对应的数据屏显滑动门之间的室内子空间内停留的时间长度值,所述行进路线节点连接边可表示连接的2个行进路线节点对应的数据屏显滑动门之间的室内子空间。
其中,所述初始行进路线图至少包括一行进路线节点连接边,
所述依据所述通过时间信息和所述初始行进路线图,生成所述行进路线图的步骤包括:
步骤S131,基于所述通过时间信息,确定各所述行进路线节点连接边对应的目标停留时长;
在本实施例中,基于所述通过时间信息,确定各所述行进路线节点连接边对应的目标停留时长,具体地,计算每一所述行进路线节点连接边对应的两个行进路线节点的通过时间点之间的差值,得到每一所述行进路线节点连接边对应的目标停留时长。
步骤S132,基于各所述目标停留时长和各所述行进路线节点连接边对应的预设停留时长,确定各所述行进路线节点连接边对应的权重值;
在本实施例中,需要说明的是,所述预设停留时长为待识别目标在室内子空间内的最大停留时长,若该待识别目标在对应的室内子空间内的停留时长超过所述预设停留时长,则所述待识别人员为可疑人员的概率较高。
基于各所述目标停留时长和各所述行进路线节点连接边对应的预设停留时长,确定各所述行进路线节点连接边对应的权重值,具体地,计算每一所述目标停留时长与每一所述目标停留时长对应的行进路线节点连接边所对应的预设停留时长之间的比值,得到各所述行进路线节点连接边对应的权重值,例如,假设存在4个行进路线节点A、B、C以及D,A与B之间存在行进路线节点连接边i,B与C之间存在行进路线节点连接边j,C与D之间存在行进路线节点连接边k,且行进路线节点连接边i对应的目标停留时长为80,预设停留时长为40,行进路线节点连接边j对应的目标停留时长为40,预设停留时长为100,行进路线节点连接边k对应的目标停留时长为20,预设停留时长为100,则行进路线节点连接边i对应的权值为2,行进路线节点连接边j对应的权值为0.4,行进路线节点连接边k对应的权值为0.2。
在另一种可实施的方式中,步骤S132还包括:
计算每一所述目标停留时长与每一所述目标停留时长对应的行进路线节点连接边所对应的预设停留时长之间的差值,得到各所述行进路线节点连接边对应的权重值。
步骤S133,将各所述权重值分别赋予各自对应的行进路线节点连接边,获得所述行进路线图。
在本实施例中,将各所述权重值分别赋予各自对应的行进路线节点连接边,获得所述行进路线图,具体地,将每一所述权重值均存储于每一所述权重值各自对应的行进路线节点连接边中,得到所述行进路线图。
步骤S20,将所述行进路线图转换为预设数据维度的行进线路图嵌入,并依据可疑目标判别模型和所述行进路线图嵌入,判别所述待识别目标是否为可疑人员;
在本实施例中,需要说明的是,所述可疑目标判别模型可以为图嵌入分类模型。
对所述行进路线图进行低维向量空间转换,以将所述行进路线图映射至预设低维向量空间,获得所述行进线路图嵌入,进而依据所述图嵌入分类模型,对所述行进路线图嵌入进行分类,得到图嵌入分类结果,进而依据所述图嵌入分类结果,判别所述待识别目标是否为可疑人员。
其中,所述将所述行进路线图转换为行进线路图嵌入的步骤包括:
步骤S21,确定所述行进路线图对应的各行进路线子图,并基于各所述行进路线子图,对所述行进路线图进行独热编码,获得所述行进路线图对应的独热编码向量;
在本实施例中,需要说明的是,所述行进路线子图为所述行进路线图的子集,且所述行进路线图包括的行进路线节点的数量是预先设定好的,例如,假设所述行进路线图为a-b-c-d-e,所述行进路线节点连接边的方向为单向,由a至e,所述行进路线子图包括的行进路线节点的数量为4,则各所述行进路线子图分别为a-b-c-d和b-c-d-e。
确定所述行进路线图对应的各行进路线子图,并基于各所述行进路线子图,对所述行进路线图进行独热编码,获得所述行进路线图对应的独热编码向量,具体地,基于预设子图节点数量阀值,确定所述行进路线图对应的各行进路线子图,其中,所述预设子图节点数量阀值为预先设定的所述行进路线子图中的行进路线节点的数量,进而基于各所述行进路线子图和所有预设本地行进路线子图,对所述行进路线图进行独热编码,获得所述行进路线图对应的独热编码向量,其中,各所述预设本地行进路线子图为所述行进路线图集对应的所有行进路线子图,其中,所述行进路线图集为所述目标室内空间中所有可能的行进路线图的集合,例如,假设行进路线图集中包括5张行进路线图,且所有行进路线图对应存在行进路线子图a,b,c,d,e共5张图,进而若行进路线图集中的行进路线图A包括行进路线子图a和c,则行进路线图A对应的独热编码向量为(1,0,1,0,0),其中,1表示行进路线图A包括1对应的比特位对应的行进路线子图,0表示行进路线图A不包括0对应的比特位对应的行进路线子图。
另外地,需要说明的是,若2个行进路线子图拥有相同的行进路线节点,但行进路线节点连接边所多对应的权重值所处的预设权重值取值范围不同,则该2个行进路线子图不同。
步骤S22,将所述独热编码向量映射至所述预设数据维度,获得所述行进线路图嵌入。
在本实施例中,将所述独热编码向量映射至所述预设数据维度,获得所述行进线路图嵌入,具体地,将所述独热编码向量输入预设隐藏层网络,对所述独热编码向量进行数据处理,其中,所述数据处理包括卷积、池化、全连接等,以将所述独热编码向量映射至预设低维向量空间,其中,所述预设低维向量空间为具有所述预设数据维度的向量空间,进而获得所述预设隐藏层网络的低维输出向量,并将所述低维空间向量作为所述行进线路图嵌入,进而实现了将不同的行进路线图归一化为图嵌入的目的,进而可直接依据图嵌入进行可疑人员判别。
其中,所述可疑目标判别模型包括图嵌入分类模型,
所述依据可疑目标判别模型和所述行进路线图嵌入,判别所述待识别目标是否为可疑人员的步骤包括:
步骤A10,依据所述图嵌入分类模型,对所述行进路线图嵌入进行二分类,得到图嵌入二分类结果;
在本实施例中,依据所述图嵌入分类模型,对所述行进路线图嵌入进行二分类,得到图嵌入二分类结果,具体地,依据所述图嵌入分类模型,对所述行进路线图嵌入进行二分类,得到二分类标签,并将所述二分类标签作为图嵌入二分类结果。
步骤A20,基于所述图嵌入二分类结果,判别所述待识别目标是否为可疑人员。
在本实施例中,基于所述图嵌入二分类结果,判别所述待识别目标是否为可疑人员,具体地,判断所述二分类标签是否为预设二分类标签,若所述二分类标签为所述预设二分类标签,则判定所述待识别目标为可疑人员;若所述二分类标签不为所述预设二分类标签,则判定所述待识别目标不为可疑人员。
步骤S30,若判定所述待识别目标为可疑人员,则锁定所述待识别目标所在位置处的数据屏显滑动门。
在本实施例中,若判定所述待识别目标为可疑人员,则锁定所述待识别目标所在位置处的数据屏显滑动门,具体地,若判定所述待识别目标为可疑人员,则针对于所述待识别目标,锁定所述待识别目标所在室内子空间处的数据屏显滑动门,使得所述待识别目标无法通过所在室内子空间处的数据屏显滑动门的身份识别,并在所述所在室内子空间处的数据屏显滑动门的屏幕上提示所述待识别目标身份识别失败,例如在屏幕上显示“身份识别失败,请联系相关工作人员”字样等。
本申请实施例提供了一种基于5G智慧空间的数据屏显滑动门控制系统,相比于现有技术中通过部署大量摄像头进行监控室内空间的方法,本申请实施例当待识别目标进入目标室内空间后,通过各所述数据屏显滑动门采集所述待识别目标的行进路线图,进而将所述行进路线图转换为预设数据维度的行进线路图嵌入,并依据可疑目标判别模型和所述行进路线图嵌入,判别所述待识别目标是否为可疑人员,实现了在可疑人员闯入室内空间的重要区域之前,预先判别可疑人员的目的,进而若判定所述待识别目标为可疑人员,则锁定所述待识别目标所在位置处的数据屏显滑动门,以防止可疑人员进入目标室内空间的重要区域,进而可防止可疑人员闯入目标室内空间的重要区域,所以克服了当监控室的管理人员发现可疑人员闯入重要区域时,通常还需要赶到现场进行制止,而此时可疑人员通常已经闯入了重要区域,进而将影响室内空间的安全性的技术缺陷,所以,提升了室内空间在有可疑人员闯入时的安全性。
进一步地,参照图2,基于本申请中的第一实施例,在本申请的另一实施例中,所述可疑目标判别模型包括图嵌入分类模型,
所述依据可疑目标判别模型和所述行进路线图嵌入,判别所述待识别目标是否为可疑人员的步骤包括:
步骤B10,依据所述图嵌入分类模型,对所述行进路线图嵌入进行分类,得到第一图嵌入分类概率;
在本实施例中,依据所述图嵌入分类模型,对所述行进路线图嵌入进行分类,得到第一图嵌入分类概率,具体地,通过所述图嵌入分类模型对所述行进路线图嵌入进行分类,预测所述行进路线图嵌入属于预设图嵌入类型的概率,得到第一图嵌入分类概率。
步骤B20,若所述第一图嵌入分类概率大于预设分类概率阈值,则对所述待识别目标进行跟踪,得到跟踪结果;
在本实施例中,若所述第一图嵌入分类概率大于预设分类概率阈值,则对所述待识别目标进行跟踪,得到跟踪结果,具体地,若所述第一图嵌入分类概率大于预设分类概率阈值,则依据所述待识别目标所处室内子空间中摄像头对所述待识别目标进行跟踪,以在预设时间段内获取所述待识别目标在所述所处室内子空间中的一系列位置坐标,进而依据所述一系列位置坐标,确定所述待识别目标在所述所在室内子空间中的位置分布,进而将所述位置分别作为跟踪结果。
其中,所述依据所述一系列位置坐标,确定所述待识别目标在所述所在室内子空间中的位置分布的步骤包括:
确定所述所在室内子空间对应的各滑动门附近区域,并检测所述一系列位置坐标在各所述滑动门附近区域的占比,得到所述待识别目标在所述所在室内子空间中的位置分布,例如,假设所述所在室内子空间包括滑动门附近区域A以及滑动门附近区域B,而一系列位置坐标在滑动门附近区域A中的占比为20%,在滑动门附近区域B中的占比为70%,则所述跟踪结果为((A,0.2),(B,0.7))。
其中,所述确定所述所在室内子空间对应的各滑动门附近区域的步骤包括:
根据所述所在室内子空间中各数据屏显滑动门所在空间位置点,进而分别在每一所述空间位置点的附近区域划分所述滑动门附近区域。
步骤B30,依据所述跟踪结果和所述行进路线图,预测所述待识别目标在预设时间段内的各预估行进路线图嵌入;
在本实施例中,需要说明的是,所述跟踪结果包括所述待识别目标在所述所在室内子空间中的一系列坐标在各所述滑动门附近区域中的坐标数量占比。
依据所述跟踪结果和所述行进路线图,预测所述待识别目标在预设时间段内的各预估行进路线图嵌入,具体地,在所述跟踪结果的各坐标数量占比中选取大于预设占比阈值的各目标坐标数量占比,进而将各所述和目标坐标数量占比对应的数据屏显滑动门作为目标数据屏显滑动门,进而在所述行进路线图嵌入对应的行进路线图像的基础上,分别新增各所述目标数据屏显滑动门所对应的行进路线节点以及对应的行进路线节点连接边,得到各预估行进路线图,将各所述预估行进路线图分别转换为图嵌入,得到各预估行进路线图嵌入,其中,所述行进路线节点连接边可根据所述预设时间段的大小进行设置,也可直接设置为对应的预设停留时长阈值。
步骤B40,依据所述图嵌入分类模型,分别对各所述预估行进路线图嵌入进行分类,得到各第二图嵌入分类概率;
在本实施例中,依据所述图嵌入分类模型,分别对各所述预估行进路线图嵌入进行分类,得到各第二图嵌入分类概率,具体地,通过所述图嵌入分类模型分别对各所述预估行进路线图嵌入进行分类,分别预测各所述预估行进路线图嵌入属于预设图嵌入类型的概率,得到各第二图嵌入分类概率。
步骤B50,依据所述第一图嵌入分类概率和各所述第二图嵌入分类概率,判别所述待识别目标是否为可疑人员。
在本实施例中,依据所述第一图嵌入分类概率和各所述第二图嵌入分类概率,判别所述待识别目标是否为可疑人员,具体地,计算各所述第二图嵌入分类概率的均值,得到均值概率,进而若所述均值概率大于所述第一图嵌入分类概率,则证明所述待识别目标的可疑概率在持续增加,进而判定所述待识别人员为可疑人员;若所述均值概率不大于所述第一图嵌入概率,则证明所述待识别目标的可疑概率在持续减小,进而判定所述待识别人员不为可疑人员。
其中,所述依据所述第一图嵌入分类概率和各所述第二图嵌入分类概率,判别所述待识别目标是否为可疑人员的步骤包括:
步骤B51,将各所述第二图嵌入分类概率中大于所述第一图嵌入分类概率的各分类概率作为目标分类概率;
步骤B52,计算各所述目标分类概率在各所述第二图嵌入分类概率中的数量占比,得到概率值占比;
步骤B53,若所述概率值占比大于预设占比阈值,则判定所述待识别目标为所述可疑人员;
步骤B54,若所述概率值占比不大于预设占比阈值,则判定所述待识别目标不为所述可疑人员。
在本实施例中,将各所述第二图嵌入分类概率中大于所述第一图嵌入分类概率的各分类概率作为目标分类概率;计算各所述目标分类概率的数量与各所述第二图嵌入分类概率的数量之间的比值,得到概率值占比;若所述概率值占比大于预设占比阈值,则证明所述待识别人员的可疑概率大概率呈增长态势,进而判定所述待识别目标为所述可疑人员;若所述概率值占比不大于预设占比阈值,则证明所述待识别人员的可疑概率大概率呈减少态势,进而判定所述待识别目标不为所述可疑人员。
本申请实施例提供了一种依据图嵌入进行可疑人员判别的方法,具体地,首先依据所述图嵌入分类模型,对所述行进路线图嵌入进行分类,得到第一图嵌入分类概率,进而若所述第一图嵌入分类概率大于预设分类概率阈值,则对所述待识别目标进行跟踪,也即在初步评估待识别目标有可能为可疑人员时,对待识别目标进行跟踪,进而得到跟踪结果,依据所述跟踪结果和所述行进路线图,预测所述待识别目标在预设时间段内的各预估行进路线图嵌入,实现了依据跟踪结果,预估所述待识别目标在下一时间步可能产生的行进路线的目的,进而依据所述图嵌入分类模型,分别对各所述预估行进路线图嵌入进行分类,得到各第二图嵌入分类概率,依据所述第一图嵌入分类概率和各所述第二图嵌入分类概率,判别所述待识别目标是否为可疑人员,进而实现了依据当前的行进路线图嵌入和预估的行进路线图嵌入,评估待识别目标的可疑概率的变化态势的目的,进而可依据待识别目标的可疑概率以及可疑概率的增长态势,精确判别待识别目标是否为可疑人员的目的,使得可疑人员判别的依据更加充分,提升了可疑人员判别的精确度。
参照图3,图3是本申请实施例方案涉及的硬件运行环境的设备结构示意图。
如图3所示,该基于5G智慧空间的数据屏显滑动门控制设备可以包括:处理器1001,例如CPU,存储器1005,通信总线1002。其中,通信总线1002用于实现处理器1001和存储器1005之间的连接通信。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储设备。
可选地,该基于5G智慧空间的数据屏显滑动门控制设备还可以包括矩形用户接口、网络接口、摄像头、RF(Radio Frequency,射频)电路,传感器、硬盘电路、WiFi模块等等。矩形用户接口可以包括显示屏(Display)、输入子模块比如键盘(Keyboard),可选矩形用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
本领域技术人员可以理解,图3中示出的基于5G智慧空间的数据屏显滑动门控制设备结构并不构成对基于5G智慧空间的数据屏显滑动门控制设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图3所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块以及基于5G智慧空间的数据屏显滑动门控制程序。操作系统是管理和控制基于5G智慧空间的数据屏显滑动门控制设备硬件和软件资源的程序,支持基于5G智慧空间的数据屏显滑动门控制程序以及其它软件和/或程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信,以及与基于5G智慧空间的数据屏显滑动门控制系统中其它硬件和软件之间通信。
在图3所示的基于5G智慧空间的数据屏显滑动门控制设备中,处理器1001用于执行存储器1005中存储的基于5G智慧空间的数据屏显滑动门控制程序,实现上述任一项所述的基于5G智慧空间的数据屏显滑动门控制系统的步骤。
本申请基于5G智慧空间的数据屏显滑动门控制设备具体实施方式与上述基于5G智慧空间的数据屏显滑动门控制系统各实施例基本相同,在此不再赘述。
本申请实施例还提供一种基于5G智慧空间的数据屏显滑动门控制装置,所述基于5G智慧空间的数据屏显滑动门控制装置应用于基于5G智慧空间的数据屏显滑动门控制设备,所述基于5G智慧空间的数据屏显滑动门控制装置包括:
采集模块,用于当待识别目标进入目标室内空间后,通过各所述数据屏显滑动门采集所述待识别目标的行进路线图;
判别模块,用于将所述行进路线图转换为预设数据维度的行进线路图嵌入,并依据可疑目标判别模型和所述行进路线图嵌入,判别所述待识别目标是否为可疑人员;
锁定模块,用于若判定所述待识别目标为可疑人员,则锁定所述待识别目标所在位置处的数据屏显滑动门。
可选地,所述判别模块还用于:
确定所述行进路线图对应的各行进路线子图,并基于各所述行进路线子图,对所述行进路线图进行独热编码,获得所述行进路线图对应的独热编码向量;
将所述独热编码向量映射至所述预设数据维度,获得所述行进线路图嵌入。
可选地,所述采集模块还用于:
获取所述待识别目标通过各所述数据屏显滑动门的通过顺序以及通过时间信息;
生成所述待识别目标通过的各数据屏显滑动门对应的行进路线节点,并依据所述通过顺序,将各所述行进路线节点进行连接,得到初始行进路线图;
依据所述通过时间信息和所述初始行进路线图,生成所述行进路线图。
可选地,所述初始行进路线图至少包括一行进路线节点连接边,所述采集模块还用于:
基于所述通过时间信息,确定各所述行进路线节点连接边对应的目标停留时长;
基于各所述目标停留时长和各所述行进路线节点连接边对应的预设停留时长,确定各所述行进路线节点连接边对应的权重值;
将各所述权重值分别赋予各自对应的行进路线节点连接边,获得所述行进路线图。
可选地,所述可疑目标判别模型包括图嵌入分类模型,所述判别模块还用于:
依据所述图嵌入分类模型,对所述行进路线图嵌入进行分类,得到第一图嵌入分类概率;
若所述第一图嵌入分类概率大于预设分类概率阈值,则对所述待识别目标进行跟踪,得到跟踪结果;
依据所述跟踪结果和所述行进路线图,预测所述待识别目标在预设时间段内的各预估行进路线图嵌入;
依据所述图嵌入分类模型,分别对各所述预估行进路线图嵌入进行分类,得到各第二图嵌入分类概率;
依据所述第一图嵌入分类概率和各所述第二图嵌入分类概率,判别所述待识别目标是否为可疑人员。
可选地,所述判别模块还用于:
将各所述第二图嵌入分类概率中大于所述第一图嵌入分类概率的各分类概率作为目标分类概率;
计算各所述目标分类概率在各所述第二图嵌入分类概率中的数量占比,得到概率值占比;
若所述概率值占比大于预设占比阈值,则判定所述待识别目标为所述可疑人员;
若所述概率值占比不大于预设占比阈值,则判定所述待识别目标不为所述可疑人员。
可选地,所述可疑目标判别模型包括图嵌入分类模型,所述判别模块还用于:
依据所述图嵌入分类模型,对所述行进路线图嵌入进行二分类,得到图嵌入二分类结果;
基于所述图嵌入二分类结果,判别所述待识别目标是否为可疑人员。
本申请基于5G智慧空间的数据屏显滑动门控制装置的具体实施方式与上述基于5G智慧空间的数据屏显滑动门控制系统各实施例基本相同,在此不再赘述。
本申请实施例提供了一种可读存储介质,且所述可读存储介质存储有一个或者一个以上程序,所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述任一项所述的基于5G智慧空间的数据屏显滑动门控制系统的步骤。
本申请可读存储介质具体实施方式与上述基于5G智慧空间的数据屏显滑动门控制系统各实施例基本相同,在此不再赘述。
本申请实施例提供了一种计算机程序产品,且所述计算机程序产品包括有一个或者一个以上计算机程序,所述一个或者一个以上计算机程序还可被一个或者一个以上的处理器执行以用于实现上述任一项所述的基于5G智慧空间的数据屏显滑动门控制系统的步骤。
本申请计算机程序产品具体实施方式与上述基于5G智慧空间的数据屏显滑动门控制系统各实施例基本相同,在此不再赘述。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利处理范围内。
Claims (10)
1.一种基于5G智慧空间的数据屏显滑动门控制系统,其特征在于,所述基于5G智慧空间的数据屏显滑动门控制系统包括基于5G通信互相连接的各数据屏显滑动门以及主控模块,所述主控模块用于:
当待识别目标进入目标室内空间后,通过各所述数据屏显滑动门采集所述待识别目标的行进路线图;
将所述行进路线图转换为预设数据维度的行进线路图嵌入,并依据可疑目标判别模型和所述行进路线图嵌入,判别所述待识别目标是否为可疑人员;
若判定所述待识别目标为可疑人员,则锁定所述待识别目标所在位置处的数据屏显滑动门。
2.如权利要求1所述基于5G智慧空间的数据屏显滑动门控制系统,其特征在于,所述将所述行进路线图转换为行进线路图嵌入的步骤包括:
确定所述行进路线图对应的各行进路线子图,并基于各所述行进路线子图,对所述行进路线图进行独热编码,获得所述行进路线图对应的独热编码向量;
将所述独热编码向量映射至所述预设数据维度,获得所述行进线路图嵌入。
3.如权利要求1所述基于5G智慧空间的数据屏显滑动门控制系统,其特征在于,所述通过各所述数据屏显滑动门采集所述待识别目标的行进路线图的步骤包括:
获取所述待识别目标通过各所述数据屏显滑动门的通过顺序以及通过时间信息;
生成所述待识别目标通过的各数据屏显滑动门对应的行进路线节点,并依据所述通过顺序,将各所述行进路线节点进行连接,得到初始行进路线图;
依据所述通过时间信息和所述初始行进路线图,生成所述行进路线图。
4.如权利要求3所述基于5G智慧空间的数据屏显滑动门控制系统,其特征在于,所述初始行进路线图至少包括一行进路线节点连接边,
所述依据所述通过时间信息和所述初始行进路线图,生成所述行进路线图的步骤包括:
基于所述通过时间信息,确定各所述行进路线节点连接边对应的目标停留时长;
基于各所述目标停留时长和各所述行进路线节点连接边对应的预设停留时长,确定各所述行进路线节点连接边对应的权重值;
将各所述权重值分别赋予各自对应的行进路线节点连接边,获得所述行进路线图。
5.如权利要求1所述基于5G智慧空间的数据屏显滑动门控制系统,其特征在于,所述可疑目标判别模型包括图嵌入分类模型,
所述依据可疑目标判别模型和所述行进路线图嵌入,判别所述待识别目标是否为可疑人员的步骤包括:
依据所述图嵌入分类模型,对所述行进路线图嵌入进行分类,得到第一图嵌入分类概率;
若所述第一图嵌入分类概率大于预设分类概率阈值,则对所述待识别目标进行跟踪,得到跟踪结果;
依据所述跟踪结果和所述行进路线图,预测所述待识别目标在预设时间段内的各预估行进路线图嵌入;
依据所述图嵌入分类模型,分别对各所述预估行进路线图嵌入进行分类,得到各第二图嵌入分类概率;
依据所述第一图嵌入分类概率和各所述第二图嵌入分类概率,判别所述待识别目标是否为可疑人员。
6.如权利要求5所述基于5G智慧空间的数据屏显滑动门控制系统,其特征在于,所述依据所述第一图嵌入分类概率和各所述第二图嵌入分类概率,判别所述待识别目标是否为可疑人员的步骤包括:
将各所述第二图嵌入分类概率中大于所述第一图嵌入分类概率的各分类概率作为目标分类概率;
计算各所述目标分类概率在各所述第二图嵌入分类概率中的数量占比,得到概率值占比;
若所述概率值占比大于预设占比阈值,则判定所述待识别目标为所述可疑人员;
若所述概率值占比不大于预设占比阈值,则判定所述待识别目标不为所述可疑人员。
7.如权利要求1所述基于5G智慧空间的数据屏显滑动门控制系统,其特征在于,所述可疑目标判别模型包括图嵌入分类模型,
所述依据可疑目标判别模型和所述行进路线图嵌入,判别所述待识别目标是否为可疑人员的步骤包括:
依据所述图嵌入分类模型,对所述行进路线图嵌入进行二分类,得到图嵌入二分类结果;
基于所述图嵌入二分类结果,判别所述待识别目标是否为可疑人员。
8.一种基于5G智慧空间的数据屏显滑动门控制装置,其特征在于,所述基于5G智慧空间的数据屏显滑动门控制装置包括:
采集模块,用于当待识别目标进入目标室内空间后,通过各所述数据屏显滑动门采集所述待识别目标的行进路线图;
判别模块,用于将所述行进路线图转换为预设数据维度的行进线路图嵌入,并依据可疑目标判别模型和所述行进路线图嵌入,判别所述待识别目标是否为可疑人员;
锁定模块,用于若判定所述待识别目标为可疑人员,则锁定所述待识别目标所在位置处的数据屏显滑动门。
9.一种基于5G智慧空间的数据屏显滑动门控制设备,其特征在于,所述基于5G智慧空间的数据屏显滑动门控制设备包括:存储器、处理器以及存储在存储器上的用于实现所述基于5G智慧空间的数据屏显滑动门控制系统的程序,
所述存储器用于存储实现基于5G智慧空间的数据屏显滑动门控制系统的程序;
所述处理器用于执行实现所述基于5G智慧空间的数据屏显滑动门控制系统的程序,以实现如权利要求1至7中任一项所述基于5G智慧空间的数据屏显滑动门控制系统的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有实现基于5G智慧空间的数据屏显滑动门控制系统的程序,所述实现基于5G智慧空间的数据屏显滑动门控制系统的程序被处理器执行以实现如权利要求1至7中任一项所述基于5G智慧空间的数据屏显滑动门控制系统的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111317276.9A CN113762425B (zh) | 2021-11-09 | 2021-11-09 | 基于5g智慧空间的数据屏显滑动门控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111317276.9A CN113762425B (zh) | 2021-11-09 | 2021-11-09 | 基于5g智慧空间的数据屏显滑动门控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113762425A true CN113762425A (zh) | 2021-12-07 |
CN113762425B CN113762425B (zh) | 2022-04-05 |
Family
ID=78784689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111317276.9A Active CN113762425B (zh) | 2021-11-09 | 2021-11-09 | 基于5g智慧空间的数据屏显滑动门控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113762425B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106095980A (zh) * | 2016-06-21 | 2016-11-09 | 成都科曦科技有限公司 | 一种突发事件下的建筑物内人员移动轨迹的三维展示系统及方法 |
CN107195047A (zh) * | 2017-05-22 | 2017-09-22 | 福建创寓信息科技有限公司 | 一种无线网络物理地址收集方法和智能门禁装置及系统 |
CN109598661A (zh) * | 2017-09-30 | 2019-04-09 | 河南星云慧通信技术有限公司 | 基于人脸识别的智慧社区安防系统及检测方法 |
CN109658033A (zh) * | 2018-12-26 | 2019-04-19 | 江苏满运软件科技有限公司 | 货源路线相似度计算方法、系统、设备及存储介质 |
CN110276261A (zh) * | 2019-05-23 | 2019-09-24 | 平安科技(深圳)有限公司 | 人员自动跟踪监控方法、装置、计算机设备及存储介质 |
CN111027378A (zh) * | 2019-11-01 | 2020-04-17 | 深圳大学 | 行人重识别的方法、装置、终端及存储介质 |
CN111212274A (zh) * | 2020-03-03 | 2020-05-29 | 江苏中数智慧信息科技有限公司 | 一种智能楼宇安防系统 |
CN111724586A (zh) * | 2020-05-11 | 2020-09-29 | 清华大学 | 通勤时间预测方法、通勤时间预测模型的训练方法和装置 |
CN111784401A (zh) * | 2020-06-30 | 2020-10-16 | 深圳前海微众银行股份有限公司 | 下单率预测方法、装置、设备及可读存储介质 |
CN112233300A (zh) * | 2020-09-26 | 2021-01-15 | 杭州雅观科技有限公司 | 一种基于人工智能的社区通行防疫监控联防系统及其方法 |
CN112562161A (zh) * | 2020-12-08 | 2021-03-26 | 福建红点科技有限公司 | 一种基于5g物联网及ai智能门禁综合管理系统 |
CN113610265A (zh) * | 2021-06-24 | 2021-11-05 | 清华大学 | 一种基于超图卷积网络的时空行为预测方法及系统 |
-
2021
- 2021-11-09 CN CN202111317276.9A patent/CN113762425B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106095980A (zh) * | 2016-06-21 | 2016-11-09 | 成都科曦科技有限公司 | 一种突发事件下的建筑物内人员移动轨迹的三维展示系统及方法 |
CN107195047A (zh) * | 2017-05-22 | 2017-09-22 | 福建创寓信息科技有限公司 | 一种无线网络物理地址收集方法和智能门禁装置及系统 |
CN109598661A (zh) * | 2017-09-30 | 2019-04-09 | 河南星云慧通信技术有限公司 | 基于人脸识别的智慧社区安防系统及检测方法 |
CN109658033A (zh) * | 2018-12-26 | 2019-04-19 | 江苏满运软件科技有限公司 | 货源路线相似度计算方法、系统、设备及存储介质 |
CN110276261A (zh) * | 2019-05-23 | 2019-09-24 | 平安科技(深圳)有限公司 | 人员自动跟踪监控方法、装置、计算机设备及存储介质 |
CN111027378A (zh) * | 2019-11-01 | 2020-04-17 | 深圳大学 | 行人重识别的方法、装置、终端及存储介质 |
CN111212274A (zh) * | 2020-03-03 | 2020-05-29 | 江苏中数智慧信息科技有限公司 | 一种智能楼宇安防系统 |
CN111724586A (zh) * | 2020-05-11 | 2020-09-29 | 清华大学 | 通勤时间预测方法、通勤时间预测模型的训练方法和装置 |
CN111784401A (zh) * | 2020-06-30 | 2020-10-16 | 深圳前海微众银行股份有限公司 | 下单率预测方法、装置、设备及可读存储介质 |
CN112233300A (zh) * | 2020-09-26 | 2021-01-15 | 杭州雅观科技有限公司 | 一种基于人工智能的社区通行防疫监控联防系统及其方法 |
CN112562161A (zh) * | 2020-12-08 | 2021-03-26 | 福建红点科技有限公司 | 一种基于5g物联网及ai智能门禁综合管理系统 |
CN113610265A (zh) * | 2021-06-24 | 2021-11-05 | 清华大学 | 一种基于超图卷积网络的时空行为预测方法及系统 |
Non-Patent Citations (1)
Title |
---|
刘少华 等: "室内多摄像机的目标轨迹获取及可视化", 《信号处理》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113762425B (zh) | 2022-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2014214545B2 (en) | A surveillance system | |
JP4924607B2 (ja) | 不審行動検知装置および方法、プログラムおよび記録媒体 | |
Ryan et al. | Scene invariant multi camera crowd counting | |
US9361702B2 (en) | Image detection method and device | |
CN101975940B (zh) | 基于分割组合的sar图像自适应恒虚警率目标检测方法 | |
US10102431B2 (en) | Visual monitoring of queues using auxillary devices | |
CN106559749B (zh) | 一种基于射频层析成像的多目标被动式定位方法 | |
KR102373753B1 (ko) | 딥러닝 기반의 차량식별추적 방법, 및 시스템 | |
JP2013206462A (ja) | デジタルカメラ画像から駐車場占有状態を測定する方法 | |
JP2004537790A (ja) | 移動対象物評価システムおよび方法 | |
CN113011753A (zh) | 基于人工智能与大数据的智慧园区管理方法及云平台系统 | |
Farag et al. | Deep learning versus traditional methods for parking lots occupancy classification | |
Yang et al. | Traffic flow estimation and vehicle‐type classification using vision‐based spatial–temporal profile analysis | |
US7302369B2 (en) | Traffic and geometry modeling with sensor networks | |
Dhuri et al. | Real-time parking lot occupancy detection system with vgg16 deep neural network using decentralized processing for public, private parking facilities | |
CN114743132A (zh) | 一种目标算法的选取方法、装置、电子设备及存储介质 | |
CN113762425B (zh) | 基于5g智慧空间的数据屏显滑动门控制系统 | |
Wang et al. | Distributed wide-area multi-object tracking with non-overlapping camera views | |
CN113592902A (zh) | 目标跟踪方法、装置、计算机设备和存储介质 | |
CN113032498A (zh) | 一种轨迹相似的判断方法、装置、电子设备及存储介质 | |
Dalkic et al. | A self-policing smart parking solution | |
US20240127587A1 (en) | Apparatus and method for integrated anomaly detection | |
AU2018286587A1 (en) | Surveillance system | |
Yun et al. | A Before‐and‐After Study of a Collision Risk Detecting and Warning System on Local Roads | |
CN117931846B (zh) | 基于多源融合的智能门禁数据管理方法及系统 |
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 |