CN114638473B - 一种针对线上报警的出警调度系统及方法 - Google Patents
一种针对线上报警的出警调度系统及方法 Download PDFInfo
- Publication number
- CN114638473B CN114638473B CN202210151467.0A CN202210151467A CN114638473B CN 114638473 B CN114638473 B CN 114638473B CN 202210151467 A CN202210151467 A CN 202210151467A CN 114638473 B CN114638473 B CN 114638473B
- Authority
- CN
- China
- Prior art keywords
- alarm
- terminal
- information
- various
- police
- 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 33
- 238000000605 extraction Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000012549 training Methods 0.000 claims description 33
- 210000002569 neuron Anatomy 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 description 7
- 239000013598 vector Substances 0.000 description 7
- 230000009466 transformation Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002087 whitening effect Effects 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 241000276489 Merlangius merlangus Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/001—Alarm cancelling procedures or alarm forwarding decisions, e.g. based on absence of alarm confirmation
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B27/00—Alarm systems in which the alarm condition is signalled from a central station to a plurality of substations
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Emergency Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Educational Administration (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Computer Security & Cryptography (AREA)
- Alarm Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提出一种针对线上报警的出警调度系统及方法,其中系统包括:居民终端、民警终端、出警终端以及调度服务器。方法包括:采集多种警情信息,进行特征提取,得到特征提取结果;根据所述特征提取结果进行分类;采用一条报警信息的形式将分类结果以及多种警情信息发送到所述出警终端;根据所述分类结果以及多种警情信息,将报警信息分配给所属区域的民警终端;民警终端接收出警终端发送过来的报警信息,并且能够选择处理进度,并将处理进度发送到出警服务器;出警服务器接收民警终端传递过来的处理进度,将处理进度同步到出警终端。本申请能够自动并迅速给出警情类型、紧迫性、严重性程度,以便民警能够第一时间处理重要紧急的报警问题。
Description
技术领域
本申请属于计算机技术领域,具体涉及一种针对线上报警的出警调度系统及方法。
背景技术
现有线上报警平台可以实现线上报警,但是一般能够上传到报警平台的数据一般为文字和图片,并且缺少根据获取到的报警数据而进行的警情分类,这导致,当报警平台同时接收很多报警信息时,民警无法直接知道应该优先处理哪个信息,对于某些非常重要非常紧急的信息,应当优先处理,但是因为同时接收很多报警信息,只能通过点开这些信息,再由民警自己判断哪个重要,这无形中耽误了处理重要紧急问题的时间。
针对现有技术中无法及时处理重要紧急的报警问题,尚未有效解决方案。
发明内容
基于以上技术问题,本申请提出一种针对线上报警的出警调度系统及方法。
第一方面,本申请提出一种针对线上报警的出警调度系统,包括:居民终端、民警终端、出警终端以及调度服务器;
所述居民终端、民警终端和出警终端分别与所述出警服务器之间具有数据交互,所述民警终端和出警终端之间具有数据交互;
所述居民终端用于采集多种警情信息,并将所述多种警情信息上传到所述出警服务器中,进行报警;
所述民警终端用于接收所述出警终端发送过来的报警信息,并且能够选择处理进度,并将处理进度发送到所述出警服务器;
所述出警终端用于接收所述出警服务器发送的报警信息,所述报警信息能够显示分类结果以及多种警情信息,根据所述分类结果以及多种警情信息,将报警信息分配给所属区域的民警终端;
所述出警服务器用于接收所述居民终端传递过来的各种警情信息以及报警信息,根据所述各种警情信息进行特征提取,根据所提取的特征进行分类,采用一条报警信息的形式将分类结果以及多种警情信息发送到所述出警终端,并且接收民警终端传递过来的处理进度,将所述处理进度同步到出警终端。
所述多种警情信息包括一种或多种如下信息:文字、语音、图片、视频、定位信息。
所述出警服务器包括:信息接收模块、特征提取模块、分类模块、报警模块;
所述信息接收模块、特征提取模块、分类模块、报警模块依次顺序相连接,所述信息接收模块与所述报警模块相连接;
所述信息接收模块用于接收所述居民终端传递过来的各种警情信息,并将所述各种警情信息传递给所述特征提取模块和所述报警模块;
所述特征提取模块用于根据各种警情信息的类别分别进行特征提取,得到各种特征;将所述各种特征分别转化为各种特征的嵌入空间表示;设置所述各种特征的权重。将所述各种特征的嵌入空间表示以及所述各种特征的权重发送到所述分类模块;
所述分类模块用于根据所述各种特征的嵌入空间表示以及对应的权重,采用原型网络得到分类结果,将所述分类结果发送到所述报警模块;
所述报警模块用于将所述分类结果以及各种警情信息组成一条道报警信息,并将所述报警信息发送到出警终端。
所述分类结果包括:警情类型、紧迫性、严重性程度。
第二方面,本申请提出一种针对线上报警的出警调度方法,包括如下步骤:
在居民终端中采集多种警情信息,并将所述多种警情信息上传到出警服务器中,进行报警;
在所述出警服务器中根据所述各种警情信息进行特征提取,得到特征提取结果;
根据所述特征提取结果进行分类,得到分类结果;
采用一条报警信息的形式将所述分类结果以及多种警情信息发送到所述出警终端;
所述出警终端接收所述出警服务器发送的报警信息,所述报警信息能够显示分类结果以及多种警情信息,根据所述分类结果以及多种警情信息,将报警信息分配给所属区域的民警终端;
所述民警终端接收所述出警终端发送过来的报警信息,并且能够选择处理进度,并将处理进度发送到所述出警服务器;
所述出警服务器接收民警终端传递过来的处理进度,将所述处理进度同步到出警终端。
根据所述各种警情信息进行特征提取,得到特征提取结果,包括如下步骤:
根据各种警情信息的类别分别进行特征提取,得到各种特征;
将所述各种特征分别转化为各种特征的嵌入空间表示;
设置所述各种特征的权重。
所述根据所述特征提取结果进行分类,得到分类结果,包括如下步骤:
计算所述各种特征的嵌入空间表示与原型库中各种类原型之间的欧式距离;
所述欧式距离最小的即为该特征的嵌入空间对应的分类,进而得到每个特征的嵌入空间对应的分类结果。
所述原型库中各种类原型,其训练过程如下:
采集包括各种警情信息的训练样本数据;
将所述训练样本数据进行数据增强;
将数据增强后的训练样本数据进行特征提取,得到训练样本的各种特征;
采用神经元网络将所述训练样本的各种特征转化为嵌入空间表示;
采用所述各种特征的权重,计算所述嵌入空间表示的加权平均值,即为类原型。
第三方面,本申请提出一种电子设备,包括:
一个或多个处理器;存储器;一个或多个应用程序,其被存储在所述存储器中并被配置为由所述一个或多个处理器加载和运行以便执行所述的针对线上报警的出警调度方法。
第四方面,本申请提出一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第二方面或者第二方面任一可能的实现方式所述的针对线上报警的出警调度方法。
有益技术效果:
本申请提出一种针对线上报警的出警调度系统及方法。当出警终端同时接收到多条报警信息时,系统能够自动并迅速给出警情类型、紧迫性、严重性程度,以便民警能够第一时间处理重要紧急的报警问题。
附图说明
图1为本申请实施例一种针对线上报警的出警调度系统原理框图;
图2为本申请实施例出警服务器原理框图;
图3为本申请实施例一种针对线上报警的出警调度方法流程图;
图4为本申请实施例特征提取流程图;
图5为本申请实施例的采用原型网络进行分类流程图;
图6为本申请实施例的神经网络训练流程示意图。
具体实施方式:
下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本申请的保护范围。
第一方面,本申请提出一种针对线上报警的出警调度系统,如图1所示,包括:居民终端、民警终端、出警终端以及调度服务器;本实施例图1中具有n个居民终端,m个民警终端。
所述居民终端、民警终端和出警终端分别与所述出警服务器之间具有数据交互,所述民警终端和出警终端之间具有数据交互;
所述居民终端用于采集多种警情信息,并将所述多种警情信息上传到所述出警服务器中,进行报警;
所述民警终端用于接收所述出警终端发送过来的报警信息,并且能够选择处理进度,并将处理进度发送到所述出警服务器;
所述出警终端用于接收所述出警服务器发送的报警信息,所述报警信息能够显示分类结果以及多种警情信息,根据所述分类结果以及多种警情信息,将报警信息分配给所属区域的民警终端;
所述出警服务器用于接收所述居民终端传递过来的各种警情信息以及报警信息,根据所述各种警情信息进行特征提取,根据所提取的特征进行分类,采用一条报警信息的形式将分类结果以及多种警情信息发送到所述出警终端,并且接收民警终端传递过来的处理进度,将所述处理进度同步到出警终端。
所述多种警情信息包括一种或多种如下信息:文字、语音、图片、视频、定位信息。
所述出警服务器,如图2所示,包括:信息接收模块、特征提取模块、分类模块、报警模块;
所述信息接收模块、特征提取模块、分类模块、报警模块依次顺序相连接,所述信息接收模块与所述报警模块相连接;
所述信息接收模块用于接收所述居民终端传递过来的各种警情信息,并将所述各种警情信息传递给所述特征提取模块和所述报警模块;
所述特征提取模块用于根据各种警情信息的类别分别进行特征提取,得到各种特征;将所述各种特征分别转化为各种特征的嵌入空间表示;设置所述各种特征的权重。将所述各种特征的嵌入空间表示以及所述各种特征的权重发送到所述分类模块;
所述分类模块用于根据所述各种特征的嵌入空间表示以及对应的权重,采用原型网络得到分类结果,将所述分类结果发送到所述报警模块;
所述报警模块用于将所述分类结果以及各种警情信息组成一条道报警信息,并将所述报警信息发送到出警终端。
所述分类结果包括:警情类型、紧迫性、严重性程度。
第二方面,本申请提出一种针对线上报警的出警调度方法,如图3所示,包括如下步骤:
步骤S1:在居民终端中采集多种警情信息,并将所述多种警情信息上传到出警服务器中,进行报警;
步骤S2:在所述出警服务器中根据所述各种警情信息进行特征提取,得到特征提取结果;
步骤S3:根据所述特征提取结果进行分类,得到分类结果;
步骤S4:采用一条报警信息的形式将所述分类结果以及多种警情信息发送到所述出警终端;
步骤S5:所述出警终端接收所述出警服务器发送的报警信息,所述报警信息能够显示分类结果以及多种警情信息,根据所述分类结果以及多种警情信息,将报警信息分配给所属区域的民警终端;
步骤S6:所述民警终端接收所述出警终端发送过来的报警信息,并且能够选择处理进度,并将处理进度发送到所述出警服务器;
步骤S7:所述出警服务器接收民警终端传递过来的处理进度,将所述处理进度同步到出警终端。
根据所述各种警情信息进行特征提取,得到特征提取结果,如图4所示,包括如下步骤:
步骤S2.1:根据各种警情信息的类别分别进行特征提取,得到各种特征;
本实施例中该步骤与步骤S102中提取特征的过程相同,采用本领域常见的特征提取方法即可。
步骤S2.2:将所述各种特征分别转化为各种特征的嵌入空间表示;
本实施例中该步骤与步骤S103相同,采用4层神经元网络将不同维度不同长度的特征向量转化为嵌入空间,如图6所示。
步骤S2.3:设置所述各种特征的权重。
本实施例中该步骤中设置的权重,在训练中可以直接使用,参考步骤S104,其具体设置方法需要根据实际情况进行调整,若一般的数据中文字比较准确,则增加文字信息的权重,若视频比较准确则增加视频的权重,且每个类型的案件可以分别设置权重,以保证得到的分类结果准确,设置完成后一般不需要更改权重,一直延用即可,除非屡次发生分类不准的情况,则再次进行训练并调整权重。
所述根据所述特征提取结果进行分类,得到分类结果,如图5所示,包括如下步骤:
步骤S3.1:计算所述各种特征的嵌入空间表示与原型库中各种类原型之间的欧式距离;
步骤S3.2:所述欧式距离最小的即为该特征的嵌入空间对应的分类,进而得到每个特征的嵌入空间对应的分类结果。
本申请采用n维欧式距离求解每个特征的嵌入空间与类原型之间的欧式距离,因为所述嵌入空间为高纬度空间,欧式距离公式如下:
其中,xi为某个特征第i维度的特征值,yi为类原型第i个维度的特征值,n为维度的总数。
针对警情信息具有多样性的特点,并且每种信息差别特别大,很难统一到同一类特征进而进行分类,例如,文字信息需要先阅读理解方面的技术进行特征提取,一般为一个特征向量,语音信息则需要语音识别技术,即Automatic Speech Recognition,(ASR),识别后再进行特征提取,而图像、视频流其提取的特征一般为多维向量,这几类警情信息即使提取特征后也很难进行特征的融合,进而很难进行分类,如果将他们单独分类,那么很容易出现几种警情信息产生矛盾的情况,例如,从文字信息中单独进行分类得到警情类别为“妨碍社会秩序管理”中的“聚众斗殴”,而从图片中,因为图片很难判断出到底是聚众斗殴还是见义勇为,这种分类可能就出现矛盾,故本申请发现不能简单地进行单独分类,本申请实施例采用原型网络的技术巧妙地解决了多种不同类型信息无法进行分类的问题。
原型网络(PrototypicalNetworks)主要的思想是:在嵌入空间中,每个类别都存在一个特殊的点,称为类的原型。利用神经网络的非线性映射将输入数据映射到嵌入空间中,此时嵌入空间中训练集的加权平均值就是类的原型。该类别中每个样本的嵌入空间表示都会围绕类原型进行聚类。预测分类的时候,将测试数据也映射到嵌入空间中,计算训练集类别的各个类原型间的距离,即可进行分类。
所述原型库中各种类原型,其训练过程如下:
步骤S100:采集包括各种警情信息的训练样本数据;
步骤S101:将所述训练样本数据进行数据增强;
有时一个警情类型的训练样本很少,尤其是图像和视频数据,这就需要采用特殊的方法增加样本数据,使得在样本数据准确的前提下,能够扩充训练样本的数据,对于图像的数据增强可以采用:旋转变换、放射变换、平移变换、尺度变换、PCA白化(主成分分析)和ZCA(Zero Component Analysis)白化(Whitening)等。
若为视频数据,则针对其中的关键帧进行类似图像的数据增强即可。
步骤S102:将数据增强后的训练样本数据进行特征提取,得到训练样本的各种特征;
本实施例的该步骤,分别采用本领域常见的特征提取方法即可,这也是本申请的一个优势,即不需要特殊特征提取的方法,即便是每一种特征向量的长度不同维度不同,也能够采用神经网络转化为嵌入空间。
步骤S103:采用神经元网络将所述训练样本的各种特征转化为嵌入空间表示;
本申请采用4层神经元网络将不同维度不同长度的特征向量转化为嵌入空间,如图6所示,因为训练的样本不同,也可能采用其他形式的神经网络转化嵌入空间,其本质是提取更高级的特征。
表1:神经元网络具体构造
本申请采用ReLu函数做为每一层的神经元,因为比起sigmoid和tanh等激活函数,ReLu函数具有更好的你和能力,可以增强网络的非线性。在第三层神经网络和第四层神经网络共同输出到全连接层,并在前三层的神经网络中加入最大池化层,最终特征提取网络输出为128的特征向量。针对图6中每一层的具体含义以及输出维度如表1所示。
步骤S104:采用所述各种特征的权重,计算所述嵌入空间表示的加权平均值,即为类原型。
此步骤中的加权中的权重即为步骤S2.3中已经设置的各种特征的权重。
本实施例还采用Adam方法(Adaptive Momentum Estimation)对神经网络进行优化,学习率设置为0.001,Aadm方法在训练的过程中能够自适应地调整各个参数的学习率,较快第收敛,并且对于数据比较洗漱的情况具有较好的适应性。
第三方面,本申请提出一种电子设备,包括:
一个或多个处理器;存储器;一个或多个应用程序,其被存储在所述存储器中并被配置为由所述一个或多个处理器加载和运行以便执行所述的针对线上报警的出警调度方法。
第四方面,本申请提出一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第二方面或者第二方面任一可能的实现方式所述的针对线上报警的出警调度方法。
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述,但是本领域技术人员应该理解,以上实施示例仅为本发明的优选实施方案,详尽的说明只是为了帮助读者更好地理解本发明精神,而并非对本发明保护范围的限制,相反,任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。
Claims (6)
1.一种针对线上报警的出警调度系统,其特征在于,居民终端、民警终端、出警终端以及出警服务器;
所述居民终端、民警终端和出警终端分别与所述出警服务器之间具有数据交互,所述民警终端和出警终端之间具有数据交互;
所述居民终端用于采集多种警情信息,并将所述多种警情信息上传到所述出警服务器中,进行报警;
所述民警终端用于接收所述出警终端发送过来的报警信息,并且能够选择处理进度,并将处理进度发送到所述出警服务器;
所述出警终端用于接收所述出警服务器发送的报警信息,所述报警信息能够显示分类结果以及多种警情信息,根据所述分类结果以及多种警情信息,将报警信息分配给所属区域的民警终端;
所述出警服务器用于接收所述居民终端传递过来的各种警情信息以及报警信息,根据所述各种警情信息进行特征提取,根据所提取的特征进行分类,采用一条报警信息的形式将分类结果以及多种警情信息发送到所述出警终端,并且接收民警终端传递过来的处理进度,将所述处理进度同步到出警终端;
所述出警服务器包括:信息接收模块、特征提取模块、分类模块、报警模块;
所述信息接收模块、特征提取模块、分类模块、报警模块依次顺序相连接,所述信息接收模块与所述报警模块相连接;
所述信息接收模块用于接收所述居民终端传递过来的各种警情信息,并将所述各种警情信息传递给所述特征提取模块和所述报警模块;
所述特征提取模块用于根据各种警情信息的类别分别进行特征提取,得到各种特征;将所述各种特征分别转化为各种特征的嵌入空间表示;设置所述各种特征的权重,将所述各种特征的嵌入空间表示以及所述各种特征的权重发送到所述分类模块;
所述分类模块用于根据所述各种特征的嵌入空间表示以及对应的权重,采用原型网络得到分类结果,将所述分类结果发送到所述报警模块;
所述报警模块用于将所述分类结果以及各种警情信息组成一条道报警信息,并将所述报警信息发送到出警终端;
所述根据所述各种特征的嵌入空间表示以及对应的权重,采用原型网络得到分类结果,具体通过如下步骤:
计算所述各种特征的嵌入空间表示与原型库中各种类原型之间的欧式距离;
所述欧式距离最小的即为该特征的嵌入空间对应的分类,进而得到每个特征的嵌入空间对应的分类结果;
所述原型库中各种类原型,其训练过程如下:
采集包括各种警情信息的训练样本数据;
将所述训练样本数据进行数据增强;
将数据增强后的训练样本数据进行特征提取,得到训练样本的各种特征;
采用神经元网络将所述训练样本的各种特征转化为嵌入空间表示;
采用所述各种特征的权重,计算所述嵌入空间表示的加权平均值,即为类原型。
2.如权利要求1所述的针对线上报警的出警调度系统,其特征在于,所述多种警情信息包括一种或多种如下信息:文字、语音、图片、视频、定位信息。
3.如权利要求1或2所述的针对线上报警的出警调度系统,其特征在于,所述分类结果包括:警情类型、紧迫性、严重性程度。
4.一种针对线上报警的出警调度方法,其特征在于,包括如下步骤:
在居民终端中采集多种警情信息,并将所述多种警情信息上传到出警服务器中,进行报警;
在所述出警服务器中根据所述各种警情信息进行特征提取,得到特征提取结果;
根据所述特征提取结果进行分类,得到分类结果;
采用一条报警信息的形式将所述分类结果以及多种警情信息发送到出警终端;
所述出警终端接收所述出警服务器发送的报警信息,所述报警信息能够显示分类结果以及多种警情信息,根据所述分类结果以及多种警情信息,将报警信息分配给所属区域的民警终端;
所述民警终端接收所述出警终端发送过来的报警信息,并且能够选择处理进度,并将处理进度发送到所述出警服务器;
所述出警服务器接收民警终端传递过来的处理进度,将所述处理进度同步到出警终端;
所述根据所述各种警情信息进行特征提取,得到特征提取结果,根据所述特征提取结果进行分类,得到分类结果,包括如下步骤:
根据各种警情信息的类别分别进行特征提取,得到各种特征;
将所述各种特征分别转化为各种特征的嵌入空间表示;
设置所述各种特征的权重;
计算所述各种特征的嵌入空间表示与原型库中各种类原型之间的欧式距离;
所述欧式距离最小的即为该特征的嵌入空间对应的分类,进而得到每个特征的嵌入空间对应的分类结果;
所述原型库中各种类原型,训练过程如下:
采集包括各种警情信息的训练样本数据;
将所述训练样本数据进行数据增强;
将数据增强后的训练样本数据进行特征提取,得到训练样本的各种特征;
采用神经元网络将所述训练样本的各种特征转化为嵌入空间表示;
采用所述各种特征的权重,计算所述嵌入空间表示的加权平均值,即为类原型。
5.一种电子设备,其特征在于,该电子设备包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其被存储在所述存储器中并被配置为由所述一个或多个处理器加载和运行以便执行权利要求4中所述的针对线上报警的出警调度方法。
6.一种计算机可读存储介质,其特征在于,
其上存储有计算机程序,该程序能够被处理器加载和运行以执行权利要求4中所述的针对线上报警的出警调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210151467.0A CN114638473B (zh) | 2022-02-18 | 2022-02-18 | 一种针对线上报警的出警调度系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210151467.0A CN114638473B (zh) | 2022-02-18 | 2022-02-18 | 一种针对线上报警的出警调度系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114638473A CN114638473A (zh) | 2022-06-17 |
CN114638473B true CN114638473B (zh) | 2023-04-18 |
Family
ID=81946315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210151467.0A Active CN114638473B (zh) | 2022-02-18 | 2022-02-18 | 一种针对线上报警的出警调度系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114638473B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109508965A (zh) * | 2018-12-19 | 2019-03-22 | 宏景科技股份有限公司 | 一种警务管理系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102843547B (zh) * | 2012-08-01 | 2014-01-08 | 安科智慧城市技术(中国)有限公司 | 一种嫌疑目标智能追踪方法和系统 |
CN108806153A (zh) * | 2018-06-21 | 2018-11-13 | 北京旷视科技有限公司 | 警情处理方法、装置及系统 |
EP3748531A1 (en) * | 2019-06-03 | 2020-12-09 | Robert Bosch GmbH | Device and method of digital image content recognition, training of the same |
EP3764284A1 (en) * | 2019-07-08 | 2021-01-13 | Robert Bosch GmbH | Adapting a base classifier to novel classes |
CN111210172B (zh) * | 2020-04-21 | 2020-08-21 | 成都派沃特科技股份有限公司 | 派遣警员的装置 |
CN111696200A (zh) * | 2020-05-06 | 2020-09-22 | 广东康云科技有限公司 | 一种警情态势显示的方法、系统、装置及存储介质 |
CN111797893B (zh) * | 2020-05-26 | 2021-09-14 | 华为技术有限公司 | 一种神经网络的训练方法、图像分类系统及相关设备 |
-
2022
- 2022-02-18 CN CN202210151467.0A patent/CN114638473B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109508965A (zh) * | 2018-12-19 | 2019-03-22 | 宏景科技股份有限公司 | 一种警务管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114638473A (zh) | 2022-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111523621B (zh) | 图像识别方法、装置、计算机设备和存储介质 | |
CN110969066B (zh) | 直播视频的识别方法、装置及电子设备 | |
CN113612656A (zh) | 网络流量检测方法、装置、终端设备及存储介质 | |
WO2023179429A1 (zh) | 一种视频数据的处理方法、装置、电子设备及存储介质 | |
CN112183166A (zh) | 确定训练样本的方法、装置和电子设备 | |
CN113128419B (zh) | 一种障碍物识别方法和装置、电子设备及存储介质 | |
CN114612743A (zh) | 深度学习模型的训练方法、目标对象识别方法和装置 | |
CN111325067B (zh) | 违规视频的识别方法、装置及电子设备 | |
CN116229530A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN110765292A (zh) | 图像检索方法、训练方法及相关装置 | |
CN112115957A (zh) | 数据流识别方法及装置、计算机存储介质 | |
CN114091594A (zh) | 模型训练方法及装置、设备、存储介质 | |
CN113688814B (zh) | 图像识别方法及装置 | |
CN113128526B (zh) | 图像识别方法、装置、电子设备和计算机可读存储介质 | |
CN111274985B (zh) | 视频文本识别系统、视频文本识别装置与电子设备 | |
CN113570512A (zh) | 一种图像数据处理方法、计算机及可读存储介质 | |
CN114638473B (zh) | 一种针对线上报警的出警调度系统及方法 | |
CN108596068B (zh) | 一种动作识别的方法和装置 | |
CN111798518A (zh) | 机械臂姿态检测方法、装置和设备及计算机存储介质 | |
CN113076963B (zh) | 一种图像识别方法、装置和计算机可读存储介质 | |
CN113255824B (zh) | 训练分类模型和数据分类的方法和装置 | |
CN110929118B (zh) | 网络数据处理方法、设备、装置、介质 | |
CN114117037A (zh) | 意图识别方法、装置、设备和存储介质 | |
CN114443904A (zh) | 视频查询方法、装置、计算机设备及计算机可读存储介质 | |
CN114387612A (zh) | 一种基于双模态特征融合网络的人体重识别方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230726 Address after: 100029 Third Floor of Yansha Shengshi Building, 23 North Third Ring Road, Xicheng District, Beijing Patentee after: Guozheng Xintong (Beijing) Technology Co.,Ltd. Address before: 100029 Third Floor of Yansha Shengshi Building, 23 North Third Ring Road, Xicheng District, Beijing Patentee before: GUOZHENGTONG TECHNOLOGY Co.,Ltd. |