CN114882676B - 基于智能杆的多场景下智能监控预警方法及系统 - Google Patents

Abstract

本发明属于山地监控预警技术领域，尤其涉及一种基于智能杆的多场景下智能监控预警方法及系统。方法包括：S10：将待监控区域按照预定义场景类别进行分类，获取待监控区域的各场景类别信息；S20：对待监控区域按照地形和地貌分若干子区域，确定所在子区域的设于智能杆上的摄像头与微波传感器对所在子区域内的指定监测目标进行有效监测，其中待监控区域内的各智能杆组建成一个相互通信的局域网；S30：在局域网内发出预警校验指令；S40：第二智能杆对第一智能杆所监测的监测目标进行实时监控分析，确认后发送预警信息至云服务器及局域网内的所有智能杆进行联动预警。本发明具有预警准及关联场景可提前获取预警消息的优点。

Description

基于智能杆的多场景下智能监控预警方法及系统

技术领域

本发明涉及监控预警技术领域，尤其涉及一种基于智能杆的多场景下智能监控预警方法及系统。

背景技术

云南省是一个以高原山地为主的省份，地形的类型极为复杂多样化，包括高原、山原、高山、中山、低山、丘陵、盆地、河谷等。近年来，随着国家对环境保护的重视，云南省的森林绿化面积不断提升。据报道“十三五”期间，云南省林地面积增加到4.24亿亩，森林蓄积量增加到20.67亿立方米，森林覆盖率提高到65.04%。地形的多样化，造就了优美的自然景色，很多地方成为吸引游客自驾游的旅游胜地。虽然山区交通得到较大改善，对森林等自然灾害的救援水平也大力提升，然而森林火灾和泥石流等自然灾害依然时常发生，给道路交通等救援带来困难。而且随着全球气温攀升，时常出现森林火灾，而且火灾发生后通常会发生次生灾害，如泥石流等。由于云南省多山、路况复杂，对交通事故监控和救助常常不及时，甚至于曾有报道在通往滇西8州（市）的咽喉要道昆楚高速公路80公里处，仅设有一个依山而建的交警执勤点，这个被命名为大红田警区所守护的37公里道路，从三合邑立交到彩云立交，沿途地势险峻，4个隧道、3个长下坡环环相连，急弯、陡坡、桥梁密集，自2005年昆楚高速开通以来，一度是易发生车祸的“风暴眼”。事实上一旦沿途发生交通事故或者是由泥石流等自然灾害引发的交通事故，通常是有人报警才发现事故，难以及时主动发现事故，更不要说是预测事故，救援上就会不及时，容易错失较佳的救援时间，给人们的生命财产带来较大损失。

最近随着智慧城市概念的兴起，很多城市都在城市道路交通道路两侧设置智能灯杆，用于监测城市道路交通状况，并且与城市指挥控制中心进行联网。目前对于在人员活动聚集的森林、景区、边境、交通卡口等场所，相关部门都会意识到存在各类安全隐患，除了设置标语提示外，通常会在路口、卡口、边检站等场所安排人员值守、检查、登记，或者设置瞭望塔、岗亭等进行观察监控或者采用摄像头监控。但这些方式主要还是以人员密集区域进行监控，对于山林地区域的监控目前虽然也有一些技术，如CN111899452A专利公开的基于边缘计算的森林防火预警系统；CN111710121A专利公开一种森林火灾地空一体监控预警系统及预警方法，公开采用地空结合方式监控，这个森林火灾的监控成本过高；CN112309068A公开一种基于深度学习的森林火灾预警方法，采用了人工智能算法；CN112542016A一种基于大数据的森林防火智能监控系统及方法，采用大数据技术构建数学模型来监控火灾；CN113204736A公开一种森林火险实时监控和预测预报的方法，对森林火灾进行分等级；CN113506431A公开一种基于多平台的森林草原火险监测预警方法，采用多个监测子平台监测，然后分等级；CN113793467A公开一种森林火灾远程无线监测及预警方法，主要是实现远程无线监控；CN114023035A公开一种全天候全自动森林火灾早期探测系统及探测方法，结合无人机技术实现森林火灾早期探测；CN114140966A公开一种基于图像数据的森林防火监控系统及方法，主要是通过图像数据分析来确认火灾；CN114333208A公开一种面向高山峡谷地区森林火灾后泥石流的预测方法及系统，在获取火灾后对泥石流发生分布进行预测；CN113487251A公开一种基于一键式遥感的自然灾害预警与应急响应方法与系统，主要从不同数据源获取与灾害相关的不同的源数据，并对所述源数据进行数据融合分析，发现灾害隐患点时进行预警，在发现所述灾害点或接收到灾害点报警信息时，启动应急响应机制；CN113450545A公开一种自然灾害预警方法，通过获取与地质灾害监测设备对应的异常环境识别数据，将获取的不同灾害环境状态信息进行融合分析，能基于相关联类别下的地质灾害监测设备实现对地质灾害预警区域的异常环境变化预警。

但上述这些技术上通常仅是围绕某一方面如防火，或者泥石流，而且场景较为单一，没有从人民生命财产安全的角度建立提前且准确预警。事实上监测到自然灾害发生时，往往并不能做到最快时间将周围的人民群众或者山地周围交通道路上的来往车辆等及时疏离，依然不能更好地减少人们生命财产损失。

发明内容

有鉴于此，本发明提供了一种基于智能杆的多场景下智能监控预警方法及系统，用以解决现有技术中对于处于自然灾害频发的地区，仅是从单一场景出发进行监控，而不能及时防止自然灾害导致的人们生命财产损失扩大的技术问题。

本发明采用的技术方案是：

第一方面，本发明提供了一种基于智能杆的多场景下智能监控预警方法，其特征在于，所述方法包括：

S10：将待监控区域按照预定义场景类别进行分类，获取待监控区域的各场景类别信息；

S20：根据场景类别信息对待监控区域按照地形和地貌分若干子区域，确定所在子区域的设于智能杆上的摄像头与微波传感器对所在子区域内的指定监测目标进行有效监测，其中待监控区域内的各智能杆组建成一个相互通信的局域网；

S30：当局域网内各智能杆中的第一智能杆监测到所述指定监测目标的变化值满足预设报警条件时，在局域网内发出预警校验指令；

S40：根据所述预警校验指令，局域网各智能杆中与所述第一智能杆相邻的第二智能杆对第一智能杆所监测的监测目标进行实时监控分析，当所述第二智能杆校验确认满足预设报警条件后，发送预警信息至云服务器及局域网内的所有智能杆进行联动预警，所述预警信息包括第一智能杆监测的指定监测目标的位置信息以及所在的场景图像。

第二方面，本发明还提供一种基于智能杆的多场景下智能监控预警系统，所述系统包括：

至少两根智能杆，每一智能杆包括：控制器、摄像头以及微波传感器；

云服务器，用于远程控制所述智能杆对监控目标进行监控，并根据智能杆反馈的预警信息进行预警处理；

预警装置，所述预警装置包括：

获取模块，用于将待监控区域按照预定义场景类别进行分类，获取待监控区域的各场景类别信息；

监测模块，用于根据场景类别信息对待监控区域按照地形和地貌分若干子区域，确定所在子区域的设于智能杆上的摄像头与微波传感器对所在子区域内的指定监测目标进行有效监测，其中待监控区域内的各智能杆组建成一个相互通信的局域网；

预警校验指令发出模块，用于当局域网内的第一智能杆监测到所述指定监测目标的变化值满足预设报警条件时，在局域网内发出预警校验指令；

预警信息发送模块，用于根据所述预警校验指令，局域网中与所述第一智能杆相邻的第二智能杆对第一智能杆所监测的监测目标进行实时监控分析，当所述第二智能杆校验确认满足预设报警条件后，发送预警信息至云服务器及局域网内的所有智能杆进行联动预警，所述预警信息包括第一智能杆监测的指定监测目标的位置信息以及所在的场景图像。

有益效果：本发明的基于智能杆的多场景下智能监控预警方法及系统，通过在第一智能杆与相邻的第二智能杆之间增加预警校验指令，并让相邻的第二智能杆在接收到预警校验指令时调整监测策略，不仅要对自身监测区域继续监控，还要在自身监控不受影响的情况下，对第一智能杆的指定监测目标进行校验监测，不仅能确保智能杆的监测预警准确性提升，同时通过预警校验指令建立起相邻的第二智能杆随时准备接管第一智能杆的监测区域做好准备，防止在第一智能杆因自然灾害或者受到外力作用而损害后找不到快捷的解决方案的问题。通过对关联场景的其它智能杆进行预警联动，具有使得其它场景可提前获取预警消息的优点。本发明还可以通过发出应急广播信令及时对自然灾害发生时移动轨迹上的人员和车辆发送应急广播，提供准确有效的应急资讯，作出有效预警宣传，方便在自然灾害发生时，对自然灾害下游的人民群众的生命财产安全及时预警，减少人民群众的生命财产安全损失。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，这些均在本发明的保护范围内。

图1为本发明实施例一的基于智能杆的多场景下智能监控预警方法的流程示意图。

图2为本发明实施例一的基于智能杆的多场景下智能监控预警方法在常规多场景下智能杆的场景分布示意图；

图3为本发明实施例一的基于智能杆的多场景下智能监控预警方法在火灾场景下智能杆的场景分布示意图；

图4为本发明实施例一的基于智能杆的多场景下智能监控预警方法在泥石流场景下智能杆偏离原来位置的场景示意图；

图5为本发明实施例一的基于智能杆的多场景下智能监控预警方法在外力作用下一智能杆倒下后的场景示意图；

图6为本发明实施例一的基于智能杆的多场景下智能监控预警方法在产生预警下智能杆之间组建的局域网内的通信交互示意图。

图7为本发明实施例一的基于智能杆的多场景下智能监控预警方法在产生预警下智能杆与服务器之间的通信示意图。

图8为本发明实施例一中的智能杆的一个视角下的结构示意图。

图9为本发明实施例一中的智能杆的另一个视角下的结构示意图。

图10为本发明实施例一的基于智能杆的多场景下智能监控预警方法中正常场景下微波传感器与摄像头工作时采集的区域范围示意图。

图11为本发明实施例一的基于智能杆的多场景下智能监控预警方法的步骤S30的流程示意图。

图12为本发明实施例一的基于智能杆的多场景下智能监控预警方法的步骤S5的流程示意图。

图13为本发明实施例二的基于智能杆的多场景下智能监控预警系统的结构示意图。

图中智能杆的零部件及其编号：接地桩1、地笼预埋件2、金属杆3、金属杆体4、控制器5、LED电子屏6、防水喇叭7、摄像头8、警示复用路灯9、太阳能光伏板10、避雷针11。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。在本发明的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。如果不冲突，本发明实施例以及实施例中的各个特征可以相互结合，均在本发明的保护范围之内。

实施例一

如图1所示，本发明实施例一的基于智能杆的多场景下智能监控预警方法，主要用于两个以上的智能杆实时监控两个以上的关联场景的过程中，一场景潜在出现自然灾害或者发生自然灾害时，通过预测灾害下一步发展动向，对另一关联场景可能产生的危害及时预警，以及在灾害发生时对可能出现次生灾害通过控制智能杆进行预警，降低给人民群众生命财产带来的损失。这里的多场景是指以下场景中的两个以上场景：山区森林所在的第一场景（如山区森林斜坡进行火灾/泥石流等自然灾害的监控）、交通道路（如山区的交通道路）所在的第二场景、民众或牲畜居住区域所在的第三场景以及河流（如山区附近河流进行洪涝灾害的监控）所在的第四场景中的两种。上述这些场景下都安装有本发明的智能杆。而这多个场景中的智能杆根据需要可以组建成可相互通信的局域网。本发明主要是举例说明存在多种场景情况，事实上在使用中也可依据本发明构思应用于多种关联场景的监控预警中，关联场景之间进行联动，降低发生灾害时次生灾害的影响。此外这里的多场景还可以是对同一监测区域，如森林区域的不同子区域差异，如森林入口区域一种场景，森林内的交通道路一种场景，森林里人迹罕至或者没有道路的区域作为一种场景，这几种场景下，相互关联起来，作为一个整体协调智能杆的监控工作，达到降低发生灾害时次生灾害所带来的影响。当然还有很多其它的定义，如对于高山的山坡的不同区域，由于采集的视频内容存在差异，而且高山的山顶、山腰以及山底等可以采用不同的监控策略，因此也可以看作是不同的场景，从而也属于本发明所指的多场景范畴。此外，对于林区与草地由于智能杆监控时会采用不同的监控策略，也可算着不同的场景。该方法包括：

S10：将待监控区域按照预定义场景类别进行分类，获取待监控区域的各场景类别信息；具体来说， 这一步骤主要包括：

将待监控区域按照预定义场景类别进行分类，至少包括山区森林所在的第一场景、交通道路所在的第二场景、民众或牲畜居住区域所在的第三场景以及河流所在的第四场景中的两种；

获取从待监控区域的所述第一场景、第二场景、第三场景以及第四场景中选择需要监控的场景的类别信息。具体来说，摄像头将待监控区域按照预定义场景类别进行分类属于图像领域较为常见的技术，如将拍摄的图像与数据库中山坡、房屋、河流等图像进行比对即可识别出场景。由于地貌的变化在一定时间内相对变化较缓慢，也可以依据采集的待监控区域的地貌、地形等预先存储图像，然后在摄像头监控时将采集图像进行比对，较容易分辨出上述第一场景、第二场景、第三场景以及第四场景。

这里采用预定义方式将场景类别分类，主要是方便在同一场景下，能减少智能杆中的关键部件，如摄像头、微波传感器等在不同的场景下有不同的用途，如森林场景下监测林木，而在交通道路场景下，智能杆用来监测交通道路上的运动目标，如人或者车辆，而在河流涨水发生洪水灾害时，可以用来监测河流中的水位变化，在预定时间长度下采集到水位变化明显后，结合天气预报以及上游降雨量等预测发生洪涝灾害的可能性。不同的场景下，有不同的监控目标，这就需要采用分类以降低摄像头和微波传感器的工作量。

S20：根据场景类别信息对待监控区域按照地形和地貌分若干子区域，确定所在子区域的设于智能杆上的摄像头与微波传感器对所在子区域内的指定监测目标进行有效监测，其中待监控区域内的各智能杆组建成一个相互通信的局域网。地形这里主要是指平原、高原、丘陵、盆地、山地等，地貌主要是采用动力作用进行分类为河流地貌、岩溶地貌（喀斯特地貌）、风成地貌以及重力地貌。例如对于云南省来说，需要考虑高原、喀斯特地貌下，对于一些容易出现泥石流或者森林易于出现火灾等地区作为待监控区域安装智能杆，找到待监控区域中在哪些位置安装智能杆，能够较好地起到有效监测自然灾害或者交通事故，而不是随意地分布智能杆，从而产生无效监测，浪费设备和人力资源成本。在确定智能杆中摄像头以及微波传感器的监测范围后，确保根据地形和地貌划分的子区域智能杆的监控可以有效地覆盖，而不造成智能杆的浪费，而且还要考虑的是智能杆与智能杆之间要能实现相互通信，方便组建成局域网。这些在智能杆安装工程中易于实现。

S30：当局域网内各智能杆中的第一智能杆监测到所述指定监测目标的变化值满足预设报警条件时，在局域网内发出预警校验指令；这里为了防止第一智能杆发出的报警有误，主要是智能杆安装后可能出现土壤松动等原因，导致智能杆自身出现问题，从而导致发出错误的报警信息，导致不必要的人力和物力浪费，尤其是误报出现火灾、泥石流等问题，这些会较大地影响公共资源，让相关职能部门耗费不必要的精力去处理。因此，本发明让局域网内其它智能杆进行校验，确定报警真实性。

在一个优选实施例中，当在第一场景下，步骤S30：所述当局域网内的第一智能杆监测到所述指定监测目标的变化值满足火灾的预设报警条件时，在局域网内发出预警校验指令包括：

所述当局域网内的第一智能杆的摄像头识别到监测区域内红外波段的光和紫外波段的光的能量分别超过预设值范围时，同时对第一智能杆的摄像头采集的图像进行分析处理确认场景内图像发生变化时，在局域网内发出火灾的预警校验指令。通常火灾发生时，可燃物燃烧时，会释放出红外波段的光和紫外波段的光，当这两种波段的光的能量超出预设值范围时，判定出潜在的火灾风险，在局域网内发出火灾的预警校验指令，同时经距离第一智能杆较近距离的第二智能杆从不同的数据采集视角下进行核实后才发布预警信息。当局域网内的第一智能杆的摄像头捕获到监测区域内不同物质燃烧辐射出3.09至4.74μm波段范围内的光谱能量，并将其中的红外波段、紫外波段能量分别的辐射值、闪烁频率与智能杆的存储器内预设的烟、火焰相关的辐射值、闪烁频率数据进行对比分析，与之相一致时，确定出现了火情，发布预警信息，这属于现有技术范畴。

在另一个优选实施例中，如图11所示，当在第一场景下，步骤S30：所述当局域网内的第一智能杆监测到所述指定监测目标的变化值满足发生泥石流的预设报警条件时，在局域网内发出预警校验指令包括：

S1：控制第一智能杆的微波传感器以预定频率发射，接收反射回的微波信号进行解码处理，并利用解码处理后得到的微波数据构建分辨率为N*255*M*255的二维坐标数据表，其中所述二维坐标数据表表征了场景中的障碍物的分布模型图，其中N和M为正整数，N表示存储二维坐标系的纵坐标的寄存器的数量，M表示存储二维坐标系的横坐标的寄存器的数量，寄存器的数量不受限制，依据需要设置；本发明的二维坐标数据表采用char型变量方式呈现，因此，char型变量会预留出一个字节作为初始态存储，该寄存器最大位数256位，为避免数据溢出，采用255的几何倍数进行存储，便于存取更多的数据。采用char型变量方式有助于极大地提升数据的处理速度。

S2：连续控制第一智能杆的微波传感器以所述预定频率再发射多次，按照步骤S1，构建出多份分辨率为N*255*M*255的二维坐标数据表；

S3：根据所有的二维坐标数据表，计算出泥石流第一瞬时运动方向及第一运动速度；主要计算方式是基于在预定时间内，场景中的障碍物在不同的二维坐标数据表中的坐标变化，通过速度与距离的计算公式算出第一运动速度，同时通过微积分方式找到运动方向。这里第一运动速度属于瞬时运动速度，通过微积分方式找到运动方向主要是采用下面的步骤：

S31：以第一智能杆为原点，构建坐标系；由于泥石流主要受到重力作用时沿着山体往下流，可以简化为平面运动，构建出平面坐标系。因为主要是为获取其沿山体下落的速度，这个速度只需分解为横向速度和纵向速度即可，因此建立平面坐标系即可。当然采用三维坐标系也可较好实现本发明的目的。

S32：获取泥石流历史轨迹曲线和系统数学模型预先建立的泥石流预设轨迹曲线；泥石流历史轨迹曲线是指发生泥石流后若干时刻采集拟合得到的实际运动曲线。

S33：将泥石流预设轨迹曲线中对应于泥石流历史轨迹曲线表示经过相同时间长度的曲线部分用泥石流历史轨迹曲线代替，组成新的泥石流预设轨迹曲线；然后将新的泥石流预设轨迹曲线分割成n条线段，如此泥石流预设轨迹曲线即可分别看做是由n条线段首尾相连所形成的带有方向的折线，其中n为大于2的整数。通过n条折线向量将实际的泥石流轨迹曲线拟合出来。之后，再测量第k条与第k+1条折线向量间的夹角（k为正整数且小于n），即对相邻的两条折线向量间的夹角进行测量，可设其为θk，比如第1条与第2条折线向量间的夹角即为θ1，第2条与第3条折线向量间的夹角即为θ2。θk取值范围为0°～180°，该θk的角度取值不宜过大，在1°～3°之间较佳。当n的取值越大时，拟合所用的折线向量数量越多，相邻两条折线向量间的夹角就越小，如此拟合出的曲线就越趋近于实际泥石流轨迹曲线。

S34：获得第k条与第k+1条折线向量间的夹角为θk后，即可获知相邻两条折线向量的位置关系以及泥石流的运动方向。

上述中对新的泥石流预设轨迹曲线分割成n条线段去找方向的方式，就是通过微积分找到运动方向。当然也可以采用其他微积分方式来找到运动方向，如物理学中一些已知的物体运动方向的获得方法，如通过微积分确定曲线运动方向的一些算法，都有比较成熟的方法可用，本发明对此并不作限定。本发明主要是说明采用微波传感器在不同时刻确定泥石流的第一运动速度，至于第一运动速度方向的计算方式较多也有不少较现有的计算方法，这里不做赘述。

S4：控制在泥石流运动方向上的距离最近的第二智能杆开启第二智能杆的微波传感器以步骤S1和S2的方式得到多张新的二维坐标数据表，并根据所述多张新的二维坐标数据表计算出泥石流的第二瞬时运动方向及第二运动速度，同时控制第一智能杆以第一视角采集泥石流的第一图像，控制泥石流运动方向上的距离最近的第二智能杆以第二视角采集泥石流的第二图像；

S5：结合第一瞬时运动方向、第一运动速度、第二瞬时运动方向、第二运动速度、第一图像和第二图像建立泥石流运动的数学模型，预测泥石流的蔓延轨迹。

S40：根据所述预警校验指令，局域网各智能杆中与所述第一智能杆相邻的第二智能杆对第一智能杆所监测的监测目标进行实时监控分析，当所述第二智能杆校验确认满足预设报警条件后，发送预警信息至云服务器及局域网内的所有智能杆进行联动预警，所述预警信息包括第一智能杆监测的指定监测目标的位置信息以及所在的场景图像。

在本发明实施例中，各智能杆还设有姿态传感器，用于监测各智能杆自身是否相对智能杆自身的初始基准位置出现位移，其中所述初始基准位置是智能杆在安装完成时姿态传感器感测得到的姿态数据。

在一个具体实施例中，由于智能杆设置有姿态传感器，所述方法在步骤S30之前还包括：各智能杆自监测步骤，每一所述智能杆自监测步骤包括：

获取智能杆在安装完成时的所述初始基准位置；这里是在智能杆内部设置的姿态传感器检测到的智能杆的杆体在插入到目标位置后的初始姿态数据（三维坐标数据）作为智能杆的初始基准位置，并将相应的三维坐标数据、智能杆相对于智能杆所在安装区域的倾斜角数据进行存储。

实时获取姿态传感器检测到的智能杆自身的实际姿态数据，得到实时位置；

将所述初始基准位置以及所述实时位置进行比较，确定所述智能杆是否发生姿态变化；当发生姿态变化的值超过预设阈值时，确定所述智能杆位移相对地表有发生位移变化，并记录为智能杆发生故障信息；

发送智能杆的故障信息至云服务器，并关闭校验其它智能杆发送的预警校验指令功能。同时发生故障的智能杆不再参与局域网内的预警工作，并将故障情况发送到云服务器方便通知检修人员进行检修维护。

进一步地，当出现故障的智能杆向局域网内的其它正常智能杆发送休眠请求指令时，从其它正常智能杆中选取至少一备选智能杆接管故障的智能杆的监控子区域，同时提高备选智能杆的摄像头的图像采集频率以及图像采集范围。如根据智能杆的耗电量和剩余电量来确定在不影响自身智能杆的正常检测工作的情况下，将图像采集频率提升1至2倍，图像采集范围覆盖到整个出现故障的智能杆的子区域，这样确保依然对待监控区域按要求实现监测覆盖，不影响监测质量。

进一步地，将所述初始基准位置以及所述实时位置进行比较，确定所述智能杆是否发生姿态变化；当发生姿态变化的值超过预设阈值时，确定所述智能杆位移相对地表有发生位移变化，并记录为智能杆发生故障信息，这一步骤还包括：

S101：比较所述智能杆实时位置对应的实际姿态数据与初始基准位置对应的初始姿态数据；

S102：当比较出实际姿态数据与初始姿态数据存在差异后，产生灾害潜在触发因子；

S103：根据所述实际姿态数据和初始姿态数据之间的差异，确定智能杆实时位置相对初始基准位置的偏移值；

S104：确定偏移值是否超出预设偏移阈值，当超出预设偏移阈值时，且单位时间内未回归初始基准位置，说明此时智能杆出现倾斜或倒塌情况，产生杆基偏移触发因子；本发明实施例中，将智能杆相对初始基准位置变化的偏移角度大于10°（比如受到泥石流冲击时的摆动幅度）、智能杆处于静态时的倾斜角度动态变化超过60°（说明已经大幅度偏离了初始基准位置而处于倒伏状态）时认为是智能杆处于倒下状态。采用姿态传感器获取角度变化属于现有技术，比如无人机等领域大量描述，在此不再赘述。

杆基偏移触发因子触发后，智能杆出现倾斜或倒塌情况可能是车辆碰撞、人为破坏或者地震或者泥石流或者其它撞击或者自身土壤松动出现滑坡等各种因素导致。

S105：控制智能杆的微波传感器判断场景中是否有运动目标，当有运动目标时，启动场景触发因子，这里的运动目标首选为人或车辆；具体来说，智能杆控制微波传感器的发射单元按照1HZ或者其它HZ的频率发出微波载波信号，微波传感器的接收单元接收反射回来的微波信号后进行解码处理，并利用返回的微波数据绘制出一张N*255*M*255的二维坐标数据表。当比对连续若干张（如5张）二维坐标数据表中模型分布的差异超过30%，则启动场景触发因子。

S106：场景触发因子触发后，启动智能杆摄像头，对运动目标进行识别，并控制智能杆的微波传感器确定运动目标的运动方向以及运动速度；

S107：当判定运动目标为人时，依据人的运动方向和运动速度，调节音频播放速度和音量大小，以便起到预警宣传作用；当判断运动目标为车辆时，确定车辆的运动方向和运动速度，当监测到车辆处于超速行驶时，将音频播放调整为警铃声，警告车辆驾驶员超速；当监测到车辆处于正常行驶时，依据车辆的运动方向和运动速度调整音频播放速度和音量大小；

S108：当所述灾害潜在触发因子、杆基偏移触发因子均被触发时，记录为智能杆发生故障信息。

所述发送智能杆的故障信息至云服务器，并关闭校验其它智能杆发送的预警校验指令功能进一步包括：

发送智能杆的故障信息至云服务器；

关闭校验其它智能杆发送的预警校验指令功能；

向智能杆所在的相邻智能杆发送预警校验指令。

基于上述步骤，在根据所述预警校验指令，局域网各智能杆中与所述第一智能杆相邻的第二智能杆对第一智能杆所监测的监测目标进行实时监控分析之前，本发明实施例的步骤S40进一步包括：

当所述灾害潜在触发因子、杆基偏移触发因子和场景触发因子均被触发时，智能杆向云服务器发送预警信息的同时，按照预设规则控制局域网内的各智能杆对运动目标进行预警，所述预设规则包括：

判断运动目标中是否有人运动靠近触发所述灾害潜在触发因子、杆基偏移触发因子和场景触发因子的事故智能杆，根据人的远近、人的运动方向是靠近还是远离事故智能杆以及人的运动速度，结合事故智能杆摄像头采集的图像确定的灾害类型，进行音视频预警；

判断运动目标中是否有车辆运动，确定车辆运动方向、运动速度以及是靠近还是远离事故智能杆，结合事故智能杆摄像头采集的图像确定的灾害类型，进行音频和灯光预警。这里因为情况紧急，为进一步减少对人民生命财产安全损害，在事故智能杆的相邻的智能杆尚未发出预警校验指令之前，便由事故智能杆自身先预警，让事故智能杆降低自身带来的危害。

此外，在本发明的实施例中，对于在第一场景进行有效监测的情况下，还会与依据自然灾害事故将第一场景外的第二场景和/或第三场景和/或第四场景等进行联动预警，主要目的是减少对其它场景下的损害。因此这里选取一个较佳实施例来举例说明不同场景下的联动，例如，当在第一场景和第二场景同时存在时，所述方法在步骤S40之后还包括：

第二场景中的智能杆识别在交通道路上的运动目标的运动状态，其中，所述运动目标为人或车辆；

根据预测得到泥石流的蔓延轨迹，通过第二场景中的智能杆确定交通道路上的运动目标距离泥石流的远近，对交通道路上的运动目标进行分级预警，降低运动目标的风险。

还有在一个较佳实施例中，由于发生泥石流时固液混合存在，所以在计算时尽量从多个角度来进行测算，然后建立相应的数学模型，因此，如图12所示，所述S5进一步包括：

S51：设定第一智能杆的微波传感器的侦测采样率Fw，侦测采样次数Nw，采样位移Sw，通过公式Vw=Sw/(Nw/Fw)获取泥石流的第一测算速度；

S52：第一智能杆的摄像头采集具有泥石流的子区域的图像的采样频率Fc1，采样次数Nc1，采样位移Sc1，第一智能杆的姿态传感器采集的第一智能杆的偏移角度作为图像偏移修正角度θ1，第一智能杆相对所在的地表面高度H，以第一智能杆与地平面构建直角三角形，第一智能杆的偏移位移S∆1=Htanθ1，计算出泥石流的第一运动速度，通过以下方式获得：

Vc1=（Sc1-S∆1）/(Nc1/Fc1)；

S53：第二智能杆的摄像头采集具有泥石流的子区域的图像的采样频率Fc2，采样次数Nc2，采样位移Sc2，第二智能杆的姿态传感器采集的第二智能杆的偏移角度作为图像偏移修正角度θ2，第二智能杆相对所在的地表面高度H，以第二智能杆与地平面构建直角三角形，第二智能杆的偏移位移S∆2=Htanθ2，计算出泥石流的第二运动速度，通过以下方式获得：

Vc2=（Sc2-S∆2）/(Nc2/Fc2)；

S54：设定第一智能杆的微波传感器计算得到的所述第一测算速度在计算泥石流的真实运动速度所占权重为α%，设定所述第一运动速度计算泥石流的真实运动速度所占权重为β%，设定所述第二运动速度计算泥石流的真实运动速度所占权重为λ%；泥石流的真实运动速度V通过以下公式获得：

V=Vw*α%+Vc1*β%+Vc2*λ%；本公式中，α、β、λ权重值主要与智能杆实际安装位置的地形、地貌和土壤类型等因子相关。一种常规做法是通过智能杆实际安装所处地形、地貌和土壤类型等数据构建出的数据模型，通过多个时刻的历史数据构建上述公式与对应监测时刻的真实运动速度之间的线性变化关系，当二者的变化趋于相同时，记录下V=Vw*α%+Vc1*β%+Vc2*λ%中α、β、λ的数值，α、β、λ权重值并不是不变，地形、地貌、土壤类型等发生变化后也会调整。α、β、λ还可以通过多次的测试经验获取，这种权重值的得到在大数据算法中较易实现。

S55：建立以第一智能杆所在位置为原点的空间坐标系，将第一智能杆的摄像头预定时间段内若干次采集含泥石流运动的图像之间比对得到的泥石流的第三运动方向映射到所述空间坐标系中，得到泥石流的第一偏移角；将第二智能杆的摄像头预定时间段内若干次采集含泥石流运动的图像之间比对得到的泥石流的第四运动方向映射到所述空间坐标系中，得到泥石流的第二偏移角；将所述第一瞬时运动方向所在点的坐标映射到所述空间坐标系中得到泥石流的第三偏移角，和所述第二瞬时运动方向所在点的坐标映射到空间坐标系中得到泥石流的第四偏移角；

S56：根据所述第一偏移角、第二偏移角、第三偏移角以及第四偏移角预测出泥石流的蔓延轨迹方向。

以下以实际生活中的多个场景的视角下来介绍本发明的技术方案的应用：

如图2所示，在山区无人及车辆运动的常规多场景下，智能杆分布在山区的山上，山区的道路上，山区的河流边以及山区的居民居住区域的场景，现有技术中，对于这些场景之间的监控是多个部门管控，如山区森林归到林业局，而道路交通归到交通局，居民区域监控归到村委会，河流洪涝归到水利部门，彼此之间各自采用自己的监控手段或者有的没有监控手段，彼此之间相互独立。

在图2中，可以看出，在山林上根据每根智能杆的有效监控范围安装分布有第二根智能杆102、第四根智能杆104、第六根智能杆106、第七根智能杆107、第八根智能杆108、第九根智能杆109和第十根智能杆110等，而山区的中部或者底部（当然本发明并不限制交通道路设于山区的位置，仅是为举例说明）的交通道路的一侧或者两侧（注意本发明并不限定在哪一侧，或者是否在两侧均安装，这些都在本发明本意之内）沿交通道路201延伸方向间隔预定距离安装第一根智能杆101、第三根智能杆103，对于交通道路201与交通道路202形成的易发生交通事故的十字路口安装第五根智能杆105，第一根智能杆101、第三根智能杆103以及第五根智能杆105除了本身的交通道路的行人401、骑行车辆的人员402和第一车辆501、第二车辆502等运动目标的监控外，还承担有应急预警的功能。此外还有监测河流301的第七根智能杆107，监测居住区602的第十一根智能杆111，图中的建筑601可以用作避险场所。此外，各智能杆相互之间可以互相监控。

如图3所示，当发生火灾时，通过摄像头火焰识别，然后将预警信息传送到交通道路场景中。如图4所示，当出现泥石流时，第七根智能杆107被泥石流冲倒，这时附近的智能杆协助监测。如图5所示，当监测交通道路的第五根智能杆105因外力如车辆撞击等原因倒地后，由周围的智能杆协助监测。

如图6和图7所示，本发明的智能杆的通信方式，首先是位于不同场景的智能杆之间组建局域网，然后多个监测点的智能杆将信息通过基站发送到云端存储、转发，然后由多个终端进行监测分析查阅。

此外，本发明还对白天和黑夜通过本发明的上述方法进行误动作算法说明：

监控区域的所述第一场景、第二场景、第三场景以及第四场景中需要监控的场景内，白天利用自然光正确识别率达95%及以上；夜间，微波传感器感知到场景内有被测物后快速启动警示复用路灯开启场景中的物象补光追踪，保证第一图像及第二图像的识别。其中物象补光包含380-780nm的可见光，以及850nm、870nm、940nm的红外光，微波传感器根据场景内被测物动作方向及速度，动态调整补光能量比例及能量辐射值，保证图像背光补偿质量，同时实现强光抑制，环境光动态辅助降噪。

第一智慧杆启动补光追踪的同时发出协同指令，请求与之相邻的第二智慧杆开启物象补光追踪协同，保证场景内夜晚正确识别率达85%及以上，白天正确识别率达90%及以上。

采用本发明在实际监控中与现有技术监控在黑夜和白天下的识别率数据对比表（其中，表中“样本数量”为通过视频录像人工筛选统计所得，“智慧杆图像识别数量”为通过摄像头采用本发明的上述方案自动抓拍筛选统计所得，“通用图像识别数量”则是摄像头采用现有技术筛选统计所得），如下：

表格1：场景识别数据对比表-黑夜

序号	日期	气象/天气	气象/温度℃	气象/风速	样本数量	通用图像识别数量	通用图像识别率	智慧杆图像识别数量	智慧杆图像识别率	识别提升率
											1	2022/3/7	阴转晴	10～21	南风 3-4级	92	75	81.52%	87	94.57%	13.04%
2	2022/3/21	晴	14～27	西转西南风 3-4级	96	79	82.29%	92	95.83%	13.54%
											3	2022/4/11	多云	9～24	西南风 3-4级	95	80	84.21%	92	96.84%	12.63%
4	2022/4/26	晴	15～28	西南风 3-4级	110	92	83.64%	106	96.36%	12.73%
											5	2022/5/10	多云转阵雨	14～24	西南风 <3级	107	86	80.37%	101	94.39%	14.02%
6	2022/5/24	小雨	15～22	东南风 <3级	97	73	75.26%	89	91.75%	16.49%
											7	2022/5/31	小雨	17～24	南转西南风 3-4级	79	60	75.95%	71	89.87%	13.92%
8	2022/6/8	中雨	17～23	南转西南风 <3级	95	67	70.53%	85	89.47%	18.95%
											9	2022/6/13	大雨	17～20	西南转东风 3-4级	91	60	65.93%	81	89.01%	23.08%
10	2022/6/21	多云转阵雨	18～27	西南风 3-4级	102	82	80.39%	96	94.12%	13.73%

表格1备注： 1、测试场景为：所述第一场景（山林）、第二场景（道路）； 2、通用图像识别摄像头型号为：WXR200SG-D7-4G； 3、样本测试时间：20:00-8:00； 4、样本测试设备：秒表、电脑、三脚架、RS-FSXCS气象站； 5、样本测试地点：云南省昆明市安宁凤山。

表格2：场景识别数据对比表-白天

序号	日期	气象/天气	气象/温度℃	气象/风速	样本数量	通用图像识别数量	通用图像识别率	智慧杆图像识别数量	智慧杆图像识别率	识别提升率
											1	2022/3/7	阴转晴	10～21	南风 3-4级	369	310	84.01%	361	97.83%	13.82%
2	2022/3/21	晴	14～27	西转西南风3-4级	384	329	85.68%	379	98.70%	13.02%
											3	2022/4/11	多云	9～24	西南风 3-4级	382	332	86.91%	376	98.43%	11.52%
4	2022/4/26	晴	15～28	西南风 3-4级	443	384	86.68%	436	98.42%	11.74%
											5	2022/5/10	多云转阵雨	14～24	西南风 <3级	428	353	82.48%	419	97.90%	15.42%
6	2022/5/24	小雨	15～22	东南风 <3级	388	300	77.32%	365	94.07%	16.75%
											7	2022/5/31	小雨	17～24	南转西南风3-4级	316	243	76.90%	294	93.04%	16.14%
8	2022/6/8	中雨	17～23	南转西南风<3级	379	272	71.77%	349	92.08%	20.32%
											9	2022/6/13	大雨	17～20	西南转东风3-4级	366	243	66.39%	330	90.16%	23.77%
10	2022/6/21	多云转阵雨	18～27	西南风 3-4级	408	339	83.09%	389	95.34%	12.25%

表格2备注： 1、测试场景为：所述第一场景（山林）、第二场景（道路）； 2、通用图像识别摄像头型号为：WXR200SG-D7-4G； 3、样本测试时间：8:00-20:00； 4、样本测试设备：秒表、电脑、三脚架、RS-FSXCS气象站； 5、样本测试地点：云南省昆明市安宁凤山。

从表格1可知，本发明申请在黑夜的实际采集效果明显优于现有技术的采集识别率，提升率上升了10%以上，在表格2中，本发明的监控预警准确率也明显高于现有技术的监控识别率，提升率也提升了10%以上。本发明上述智能杆的图像识别流程采用的是前述预警方法中智能杆之间组建局域网监控实现，具体步骤参见前面描述，而对于图像识别处理部分则属于图像领域的现有技术，而通用图像识别的则是摄像头采用现有技术得到。

如图8和图9所示，本发明实施例一中的智能杆的结构示意图，该智能杆包括：

杆体4，为中空的金属杆体；

金属杆3，作为支撑杆体4和提供标示宣传用；

控制器5安装在金属杆体4中部的舱内，控制器5优选为嵌入式控制器；

姿态传感器（图未示出），设于金属杆体4的舱内，与控制器5相连；

微波传感器（图未示出），设于金属杆体4的舱内，与控制器5相连；

摄像头8，摄像头8用于采集监控目标所在场景的场景图像，通过场景图像分析确定场景变化信息；

警示复用路灯9，设于金属杆体4的上部，在需要光照时作为照明光源，在需要警示时作为警示灯进行闪烁，吸引附近的人或车辆等监控目标的注意。

气象传感器12，设于金属杆体4的上部，用于监测气象变化。本发明实施例的各智能杆设有气象传感器12，该传感器可测量风速、风向、温湿度、噪声、PM2.5、PM10、CO2、大气压力、光照的实时数据，并且内置电子指南针。气象传感器获取的相关参数作为系统运行算法的补充参考因子。其中智能杆内设备的安全稳定运行机制是基于“温湿度+光照传感”动态调整光伏系统充放电及设备舱环境机制，确保设备在所述第一场景、第二场景、第三场景以及第四场景中不起火、不自燃、长寿命稳定运行。该传感器所采集数据在智能杆局域网内汇总打包再通过公网上传至云服务器存储及用户分发。

还有，摄像头还可用于采集场景内的运动目标信息，微波传感器用于感测运动目标与智能杆之间的相对位置变化，确定运动目标的运动方向，依据运动方向触发预警机制。这里的运动目标通常指人或者车辆。

具体来说，太阳能光伏板10倾斜设于金属杆体4的顶部，用于产生太阳能为金属杆体4内设置的电池进行充电，倾斜设置有助于防尘和异物在太阳能光伏板10累积，影响太阳能光伏板10的光电转换效率，同时避雷针11，设于金属杆体4的顶部，用于避开闪电对智能杆的破坏，并通过金属杆体4将电流传输至大地。这些都是比较常规悉知的元件，在此不作赘述。本发明的智能杆主要特点是在电路控制中除了采用摄像头外，还增加了微波传感器和姿态传感器，因此可以较好地实现智能杆在对监测目标进行检测，较为准确地知道自然灾害发生时的灾害的移动轨迹，以及对智能杆自身是否出现位移等偏差进行监控，确保智能杆是在正常的状态下作出了预警，而不是自身出现问题的情况下，因监管不足，导致错误的预警，比如智能杆自身周围出现小的山体滑坡，可能导致出现位移，但不需要动用救援力量，而是通知智能杆供应商进行修理。

此外为了较好地实现数据之间的共享，智能杆实现接口开放。智能杆包括的摄像头（物象采集模块）、气象传感器、电子显示屏、应急广播均开放数据接口，为万物互联、车路协同、智慧城市、美丽乡村等建立落地基础，为数据需求方提供有效数据资源。其中摄像头适配ONVIF、ISAPI、SDK、GB28181接口协议，适配TCP/IP，ICMP，HTTP，FTP，DHCP，DNS，DDNS，RTP，RTSP，RTCP，NTP，UPnP，SMTP，IGMP，QoS，IPv6，UDP，Bonjour，SSL/TLS网络协议。气象传感器、电子显示屏、应急广播开放工业级RS-485串行通信协议及公网物联通讯接口。

如图10所示，本发明实施例一中的前述的一智能杆在工作时，其摄像头以及微波传感器工作时，采集的区域大小的示意图。二者采集的范围有部分重叠，通常选取微波传感器的监测半径D1（以50m）作为基础，而摄像头有最小图像采集半径d1可以小到智能杆底部的0.1m半径和最大图像采集半径d2可以达到800m的半径，实现图像采集。本发明实施例一中为方便准确预测灾害或者其他监测目标如人移动或车辆移动的移动轨迹，以微波传感器的监测半径所采集的数据建立二维坐标系，将摄像头采集的图像采集半径d3设为与微波传感器的监测半径D1相等，将摄像头采集图像的分区与上述二维坐标系中的坐标建立映射关系。

实施例二

请参见图13，本发明实施例二在上述实施例一公开的预警方法的基础上，还提供一种基于智能杆的多场景下智能监控预警系统，所述系统包括：

至少两根智能杆，每一智能杆包括：控制器、摄像头以及微波传感器；

云服务器B，用于远程控制所述智能杆对监控目标进行监控，并根据智能杆反馈的预警信息进行预警处理；

预警装置，所述预警装置包括：

获取模块，用于将待监控区域按照预定义场景类别进行分类，获取待监控区域的各场景类别信息；

监测模块，用于根据场景类别信息对待监控区域按照地形和地貌分若干子区域，确定所在子区域的设于智能杆上的摄像头与微波传感器对所在子区域内的指定监测目标进行有效监测，其中待监控区域内的各智能杆组建成一个相互通信的局域网；

预警校验指令发出模块，用于当局域网内的第一智能杆监测到所述指定监测目标的变化值满足预设报警条件时，在局域网内发出预警校验指令；

预警信息发送模块，用于根据所述预警校验指令，局域网中与所述第一智能杆相邻的第二智能杆对第一智能杆所监测的监测目标进行实时监控分析，当所述第二智能杆校验确认满足预设报警条件后，发送预警信息至云服务器及局域网内的所有智能杆进行联动预警，所述预警信息包括第一智能杆监测的指定监测目标的位置信息以及所在的场景图像。其中，智能杆和智能预警装置组成图13中的A，作为远程的监测部。

对于所述系统中智能杆的结构组成，以及预警装置的详细工作方式请参见上述实施例一，在此不再赘述。

在本发明实施例二的基于智能杆的多场景下智能监控预警系统中，还增设工作时：当人、车进入智能杆监测范围时，智能杆的摄像头和微波传感器启动工作。

当确定有人和车辆进入该区域，启动音频播放器，通过防水喇叭对外播报预警监控宣传语音，同时红蓝警示灯亮起，显示屏播放宣传警示画面及标语；人、车不离开侦测范围时，将持续输出声、光警示信号。人、车离开后，语音警示播报完毕，进入待机状态，显示屏切换为常规播放画面。

当进入夜间工作模式时，中央处理器根据电池电量适时启动警示复用路灯，当定时时间到或电量过低，中央处理器关闭路灯。

系统运行过程中应急广播监测传感器处于待机监测状态，一旦广播信道有广播信息，中央处理器验证通过，则播放应急广播，发布广播信息。应用场景包括但不限于森林、景区、边境、交通卡口等场所。具有应用时可以将本实施例中的多场景应用的预警监控宣传装置设置在路口、卡口、边检站、防火要道、边境卡点、交通要道等位置。并分情况进行有针对性的监测，当应用到森林地区时，可以对针对人为因素导致的森林火灾安全隐患进行预警、监控和宣传。当应用到景区这类场所时，可以针对景区的防疫进行预警、监控和宣传。当应用到边境关卡这类场所时，可以针对边境的偷渡情况进行预警、监控和宣传。当应用到交通卡口这类场所时可以针对附近的交通安全隐患进行预警、监控和宣传。

预警系统还包括：电源装置和照明警示装置，电源装置提供工作所需要的电能。电源装置可以采用蓄电池，以将太阳能板转换得到的电能储存起来，这样在晚上或者阴天的情况下就可以利用存储在蓄电池中的电能供电。本实施例的照明警示装置利用灯光进行照明，也可以利用灯光进行警示。本实施例还可以利用语音播放装置播放宣传语音及应急广播信息。本实施例有效过滤防止误动作，精准采集到人、车进入侦测覆盖区域后，与遥控通信器预先设置的音量、电量、光照数据进行分析，控制防水喇叭广播安全警示、来车方向、注意事项等宣传语音，同时发出灯光、动态文案标语，进行人、车预警提示，并可根据电池电量作出声光警示同时启动，或只输出声音警示，延长蓄电池使用寿命，保持应急、预警宣传功能。当应急广播频道监测到应急信息发布时，及时传递气象、地震、减灾、消防等讯息，为国家防灾、减灾、防控奠定了良好的基础，赋能应急广播建设，无需频繁维护，大大节省人力、时间。针对特定自然保护区域、边境防控、居住生活场所等地，警示功能可通过遥控设置音量大小、昼夜工作模式等，满足因地制宜的场景需求。

以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种基于智能杆的多场景下智能监控预警方法，其特征在于，所述方法包括：

S10：将待监控区域按照预定义场景类别进行分类，获取待监控区域的各场景类别信息；

S20：根据场景类别信息对待监控区域按照地形和地貌分若干子区域，确定所在子区域的设于智能杆上的摄像头与微波传感器对所在子区域内的指定监测目标进行有效监测，其中待监控区域内的各智能杆组建成一个相互通信的局域网；

S30：当局域网内各智能杆中的第一智能杆监测到所述指定监测目标的变化值满足预设报警条件时，在局域网内发出预警校验指令；

S40：根据所述预警校验指令，局域网各智能杆中与所述第一智能杆相邻的第二智能杆对第一智能杆所监测的监测目标进行实时监控分析，当所述第二智能杆校验确认满足预设报警条件后，发送预警信息至云服务器及局域网内的所有智能杆进行联动预警，所述预警信息包括第一智能杆监测的指定监测目标的位置信息以及所在的场景图像；

步骤S10包括：

将待监控区域按照预定义场景类别进行分类，至少包括山区森林所在的第一场景、交通道路所在的第二场景、民众或牲畜居住区域所在的第三场景以及河流所在的第四场景中的两种；

将待监控区域分为所述第一场景、第二场景、第三场景以及第四场景后，获取待监控区域的各场景类别信息；

当在第一场景下发生泥石流时，步骤S30包括：

S1：控制第一智能杆的微波传感器以预定频率发射，接收反射回的微波信号进行解码处理，并利用解码处理后得到的微波数据构建分辨率为N*255*M*255的二维坐标数据表，其中所述二维坐标数据表表征了场景中的障碍物的分布模型图，其中N和M为正整数，N表示存储二维坐标系的纵坐标的寄存器的数量，M表示存储二维坐标系的横坐标的寄存器的数量；

S2：连续控制第一智能杆的微波传感器以所述预定频率再发射多次，按照步骤S1，构建出多份分辨率为N*255*M*255的二维坐标数据表；

S3：根据所有的二维坐标数据表，计算出泥石流第一瞬时运动方向及第一运动速度；

S4：控制在泥石流运动方向上的距离最近的第二智能杆开启第二智能杆的微波传感器以步骤S1和S2的方式得到多张新的二维坐标数据表，并根据所述多张新的二维坐标数据表计算出泥石流的第二瞬时运动方向及第二运动速度，同时控制第一智能杆以第一视角采集泥石流的第一图像，控制泥石流运动方向上的距离最近的第二智能杆以第二视角采集泥石流的第二图像；

S5：结合第一瞬时运动方向、第一运动速度、第二瞬时运动方向、第二运动速度、第一图像和第二图像建立泥石流运动的数学模型，预测泥石流的蔓延轨迹。

2.根据权利要求1所述的方法，其特征在于，当在第一场景下发生火灾时，所述步骤S30还包括：

所述当局域网内的第一智能杆的摄像头识别到监测区域内红外波段的光和紫外波段的光分别超过预设值范围时，同时对第一智能杆的摄像头采集的图像进行分析处理确认场景内图像发生变化时，在局域网内发出火灾的预警校验指令。

3.根据权利要求1所述的方法，其特征在于，各智能杆还设有姿态传感器，用于监测各智能杆自身是否相对智能杆自身的初始基准位置出现位移，其中所述初始基准位置是智能杆在安装完成时姿态传感器感测得到的姿态数据；所述方法在步骤S30之前还包括：各智能杆自监测步骤，每一所述智能杆自监测步骤包括：

获取智能杆在安装完成时的所述初始基准位置；

实时获取姿态传感器检测到的智能杆自身的实际姿态数据，得到实时位置；

将所述初始基准位置以及所述实时位置进行比较，确定所述智能杆是否发生姿态变化；当发生姿态变化的值超过预设阈值时，确定所述智能杆位移相对地表有发生位移变化，并记录为智能杆发生故障信息；

发送智能杆的故障信息至云服务器，并关闭校验其它智能杆发送的预警校验指令功能。

4.根据权利要求3所述的方法，其特征在于，所述将所述初始基准位置以及所述实时位置进行比较，确定所述智能杆是否发生姿态变化；当发生姿态变化的值超过预设阈值时，确定所述智能杆位移相对地表有发生位移变化，并记录为智能杆发生故障信息还包括：

S101：比较所述智能杆实时位置对应的实际姿态数据与初始基准位置对应的初始姿态数据；

S102：当比较出实际姿态数据与初始姿态数据存在差异后，产生灾害潜在触发因子；

S103：根据所述实际姿态数据和初始姿态数据之间的差异，确定智能杆实时位置相对初始基准位置的偏移值；

S104：确定偏移值是否超出预设偏移阈值，当超出预设偏移阈值时，且单位时间内未回归初始基准位置，说明此时智能杆出现倾斜或倒塌情况，产生杆基偏移触发因子；

S105：控制智能杆的微波传感器判断场景中是否有运动目标，当有运动目标时，启动场景触发因子，这里的运动目标首选为人或车辆；

S106：场景触发因子触发后，启动智能杆摄像头，对运动目标进行识别，并控制智能杆的微波传感器确定运动目标的运动方向以及运动速度；

S107：当判定运动目标为人时，依据人的运动方向和运动速度，调节音频播放速度和音量大小，以便起到预警宣传作用；当判断运动目标为车辆时，确定车辆的运动方向和运动速度，当监测到车辆处于超速行驶时，将音频播放调整为警铃声，警告车辆驾驶员超速；当监测到车辆处于正常行驶时，依据车辆的运动方向和运动速度调整音频播放速度和音量大小；

S108：当所述灾害潜在触发因子、杆基偏移触发因子均被触发时记录为智能杆发生故障信息；

所述发送智能杆的故障信息至云服务器，并关闭校验其它智能杆发送的预警校验指令功能进一步包括：

发送智能杆的故障信息至云服务器；

关闭校验其它智能杆发送的预警校验指令功能；

向智能杆所在的相邻智能杆发送预警校验指令；

步骤S40在所述在根据所述预警校验指令，局域网各智能杆中与所述第一智能杆相邻的第二智能杆对第一智能杆所监测的监测目标进行实时监控分析之前进一步包括：

当所述灾害潜在触发因子、杆基偏移触发因子和场景触发因子均被触发时，智能杆向云服务器发送预警信息的同时，按照预设规则控制局域网内的各智能杆对运动目标进行预警，所述预设规则包括：

判断运动目标中是否有人运动靠近触发所述灾害潜在触发因子、杆基偏移触发因子和场景触发因子的事故智能杆，根据人的远近、人的运动方向是靠近还是远离事故智能杆以及人的运动速度，结合事故智能杆摄像头采集的图像确定的灾害类型，进行音视频预警；

判断运动目标中是否有车辆运动，确定车辆运动方向、运动速度以及是靠近还是远离事故智能杆，结合事故智能杆摄像头采集的图像确定的灾害类型，进行音频和灯光预警。

5.根据权利要求4所述的方法，其特征在于，当出现故障的智能杆向局域网内的其它正常智能杆发送休眠请求指令时，从其它正常智能杆中选取至少一备选智能杆接管故障的智能杆的监控子区域，同时提高备选智能杆的摄像头的图像采集频率以及图像采集范围。

6.根据权利要求3所述的方法，其特征在于，当在第一场景和第二场景同时存在时，所述方法在步骤S40之后还包括：

第二场景中的智能杆识别在交通道路上的运动目标的运动状态，其中，所述运动目标为人或车辆；

根据预测得到泥石流的蔓延轨迹，通过第二场景中的智能杆确定交通道路上的运动目标距离泥石流的远近，对交通道路上的运动目标进行分级预警，降低运动目标的风险。

7.根据权利要求6所述的方法，其特征在于，所述S5进一步包括：

S51：设定第一智能杆的微波传感器的侦测采样率Fw，侦测采样次数Nw，采样位移Sw，通过公式Vw=Sw/(Nw/Fw)获取泥石流的第一测算速度；

S52：第一智能杆的摄像头采集具有泥石流的子区域的图像的采样频率Fc1，采样次数Nc1，采样位移Sc1，第一智能杆的姿态传感器采集的第一智能杆的偏移角度作为图像偏移修正角度θ1，第一智能杆相对所在的地表面高度H，以第一智能杆与地平面构建直角三角形，第一智能杆的偏移位移S∆1=Htanθ1，计算出泥石流的第一运动速度，通过以下方式获得：

Vc1=（Sc1-S∆1）/(Nc1/Fc1)；

S53：第二智能杆的摄像头采集具有泥石流的子区域的图像的采样频率Fc2，采样次数Nc2，采样位移Sc2，第二智能杆的姿态传感器采集的第二智能杆的偏移角度作为图像偏移修正角度θ2，第二智能杆相对所在的地表面高度H，以第二智能杆与地平面构建直角三角形，第二智能杆的偏移位移S∆2=Htanθ2，计算出泥石流的第二运动速度，通过以下方式获得：

Vc2=（Sc2-S∆2）/(Nc2/Fc2)；

S54：设定第一智能杆的微波传感器计算得到的所述第一测算速度在计算泥石流的真实运动速度所占权重为α%，设定所述第一运动速度计算泥石流的真实运动速度所占权重为β%，设定所述第二运动速度计算泥石流的真实运动速度所占权重为λ%；泥石流的真实运动速度V通过以下公式获得：

V=Vw*α%+Vc1*β%+Vc2*λ%；

S55：建立以第一智能杆所在位置为原点的空间坐标系，将第一智能杆的摄像头预定时间段内若干次采集含泥石流运动的图像之间比对得到的泥石流的第三运动方向映射到所述空间坐标系中，得到泥石流的第一偏移角；将第二智能杆的摄像头预定时间段内若干次采集含泥石流运动的图像之间比对得到的泥石流的第四运动方向映射到所述空间坐标系中，得到泥石流的第二偏移角；将所述第一瞬时运动方向所在点的坐标映射到所述空间坐标系中得到泥石流的第三偏移角，和所述第二瞬时运动方向所在点的坐标映射到空间坐标系中得到泥石流的第四偏移角；

S56：根据所述第一偏移角、第二偏移角、第三偏移角以及第四偏移角预测出泥石流的蔓延轨迹方向。

8.一种基于智能杆的多场景下智能监控预警系统，其特征在于，所述系统包括：至少两根智能杆，每一智能杆包括：控制器、摄像头以及微波传感器；

云服务器，用于远程控制所述智能杆对监控目标进行监控，并根据智能杆反馈的预警信息进行预警处理；

预警装置，所述预警装置包括：

获取模块，用于将待监控区域按照预定义场景类别进行分类，获取待监控区域的各场景类别信息；

监测模块，用于根据场景类别信息对待监控区域按照地形和地貌分若干子区域，确定所在子区域的设于智能杆上的摄像头与微波传感器对所在子区域内的指定监测目标进行有效监测，其中待监控区域内的各智能杆组建成一个相互通信的局域网；

预警校验指令发出模块，用于当局域网内的第一智能杆监测到所述指定监测目标的变化值满足预设报警条件时，在局域网内发出预警校验指令；

预警信息发送模块，用于根据所述预警校验指令，局域网中与所述第一智能杆相邻的第二智能杆对第一智能杆所监测的监测目标进行实时监控分析，当所述第二智能杆校验确认满足预设报警条件后，发送预警信息至云服务器及局域网内的所有智能杆进行联动预警，所述预警信息包括第一智能杆监测的指定监测目标的位置信息以及所在的场景图像；其中，所述获取模块还用于：

将待监控区域按照预定义场景类别进行分类，至少包括山区森林所在的第一场景、交通道路所在的第二场景、民众或牲畜居住区域所在的第三场景以及河流所在的第四场景中的两种；

将待监控区域分为所述第一场景、第二场景、第三场景以及第四场景后，获取待监控区域的各场景类别信息；

当在第一场景下发生泥石流时，所述预警校验指令发出模块进一步用于：

控制第一智能杆的微波传感器以预定频率发射，接收反射回的微波信号进行解码处理，并利用解码处理后得到的微波数据构建分辨率为N*255*M*255的二维坐标数据表，其中所述二维坐标数据表表征了场景中的障碍物的分布模型图，其中N和M为正整数，N表示存储二维坐标系的纵坐标的寄存器的数量，M表示存储二维坐标系的横坐标的寄存器的数量；

连续控制第一智能杆的微波传感器以所述预定频率再发射多次，分别接收反射回的微波信号进行解码处理，并利用解码处理后得到的微波数据构建出多份分辨率为N*255*M*255的二维坐标数据表；

根据所有的二维坐标数据表，计算出泥石流第一瞬时运动方向及第一运动速度；

控制在泥石流运动方向上的距离最近的第二智能杆开启第二智能杆的微波传感器以前述构建出多份分辨率为N*255*M*255的二维坐标数据表的方式得到多张新的二维坐标数据表，并根据所述多张新的二维坐标数据表计算出泥石流的第二瞬时运动方向及第二运动速度，同时控制第一智能杆以第一视角采集泥石流的第一图像，控制泥石流运动方向上的距离最近的第二智能杆以第二视角采集泥石流的第二图像；

结合第一瞬时运动方向、第一运动速度、第二瞬时运动方向、第二运动速度、第一图像和第二图像建立泥石流运动的数学模型，预测泥石流的蔓延轨迹。

Images