CN115146878A - 指挥调度方法、系统、车载设备及计算机可读存储介质 - Google Patents

指挥调度方法、系统、车载设备及计算机可读存储介质 Download PDF

Info

Publication number
CN115146878A
CN115146878A CN202211076060.2A CN202211076060A CN115146878A CN 115146878 A CN115146878 A CN 115146878A CN 202211076060 A CN202211076060 A CN 202211076060A CN 115146878 A CN115146878 A CN 115146878A
Authority
CN
China
Prior art keywords
sub
region
patrol
event
level
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.)
Pending
Application number
CN202211076060.2A
Other languages
English (en)
Inventor
向山
钟文斌
陈江波
王晓明
李坤达
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Hylink Information Technology Co ltd
Original Assignee
Shenzhen Hylink Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Hylink Information Technology Co ltd filed Critical Shenzhen Hylink Information Technology Co ltd
Priority to CN202211076060.2A priority Critical patent/CN115146878A/zh
Publication of CN115146878A publication Critical patent/CN115146878A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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
    • G06Q10/06316—Sequencing of tasks or work
    • 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—Systems or methods specially adapted for 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/16—Image acquisition using multiple overlapping images; Image stitching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold

Abstract

本发明公开了一种指挥调度方法、系统、车载设备及计算机可读存储介质，涉及安防技术领域。所述指挥调度方法包括以下步骤：所述指挥调度方法包括以下步骤：对目标区域进行划分，获得多个子区域；获取各所述子区域的警戒等级；根据所述警戒等级，按照警戒等级由高到低的顺序依次连接各所述子区域，得到所述目标区域的巡逻路线；将所述巡逻路线发送至预设巡逻终端，以指挥警务人员按照所述巡逻路线进行巡逻。本发明通过规划更加合理的巡逻路线，提前对警戒等级较高的子区域进行排查，可以有效提高巡逻范围内的安防效果。

Description

指挥调度方法、系统、车载设备及计算机可读存储介质
技术领域
本发明涉及安防技术领域，尤其涉及一种指挥调度方法、系统、车载设备及可读存储介质。
背景技术
随着城市高速扩张式地发展，城市街区道路的安防情况越来越复杂，但是目前国内仍然是以警务人员的勤务巡逻模式，对城市各个街区道路进行安防布控为主。但是，实际巡逻过程中，警务人员通常是按照预先分配的区域进行巡逻，而指挥中心也一般只在实际发生了警情的情况下，才会下发指令调度警情附近的警务人员进行处理。因此，在警务人员的巡逻过程中，只能根据自身经验选择对应的巡逻路线，该巡逻路线主观性较强，难以实现良好的安防效果。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种指挥调度方法，旨在解决在警务人员根据自身经验选定的巡逻路线难以实现良好的安防效果的技术问题。
为实现上述目的，本发明提供一种指挥调度方法，所述指挥调度方法包括：
对目标区域进行划分，获得多个子区域；
获取各所述子区域的警戒等级；
根据所述警戒等级，按照警戒等级由高到低的顺序依次连接各所述子区域，得到所述目标区域的巡逻路线；
将所述巡逻路线发送至预设巡逻终端，以指挥警务人员按照所述巡逻路线进行巡逻。
可选地，所述获取各所述子区域的警戒等级的步骤，包括：
获取各所述子区域的区域图像信息；
根据所述区域图像信息，确定各所述子区域中各异常事件的事件类型和置信度；
根据所述事件类型的预设权重与各所述异常事件的置信度，得到各所述子区域的警戒等级。
可选地，所述异常事件包括物品异常事件和/或行为异常事件和/或人员异常事件，所述根据所述区域图像信息，确定各所述子区域中各异常事件的事件类型和置信度的步骤，包括：
基于物品识别模型对所述区域图像信息进行识别，确定各所述子区域中存在物品异常事件的事件类型和置信度；和/或
从所述区域图像信息中提取时空特征，以及基于行为识别模型和所述时空特征识别各所述子区域中存在行为异常事件的事件类型和置信度；和/或
基于人脸识别模型对所述区域图像信息进行人脸识别，确定各所述子区域中存在人员异常事件的事件类型和置信度。
可选地，所述根据所述事件类型的预设权重与所述异常事件的置信度，得到各所述子区域的警戒等级的步骤，包括：
根据所述事件类型的预设权重与所述异常事件的置信度，得到各所述子区域中各异常事件的加权置信度；
统计所述加权置信度，得出各所述子区域的异常数值；
根据所述异常数值与警戒等级对应的预设数值区间，得到各所述子区域的警戒等级。
可选地，所述根据所述警戒等级，按照警戒等级由高到低的顺序依次连接各所述子区域，得到所述目标区域的巡逻路线的步骤，包括：
当所述警务人员的队伍数量为一个时，将同一警戒等级对应的子区域进行连接，获得各警戒等级对应的多条待定巡逻路段，并选取所述待定巡逻路段中最短的路径作为所述警戒等级的巡逻路段；
按照警戒等级由高到低的顺序依次连接各巡逻路段，得到所述目标区域的巡逻路线。
可选地，所述按照警戒等级由高到低的顺序依次连接各巡逻路段，得到所述目标区域的巡逻路线的步骤之后，还包括：
获取各所述子区域的实时警戒等级；
当各所述子区域中出现实时警戒等级的提升大于预设等级，或所述实时警戒等级超过预设危险等级的子区域时，则对所述巡逻路线进行更新，将更新后的巡逻路线作为新的巡逻路线。
可选地，所述将所述巡逻路线发送至预设巡逻终端，以指挥警务人员按照所述巡逻路线进行巡逻的步骤之后，包括：
获取所述警务人员所处子区域的实时警戒等级，以及所处子区域的异常事件的事件位置与事件类型，并将所述事件位置和所述事件类型发送至所述警务人员的预设巡逻终端；
当所述实时警戒等级降至预设安全等级以下时，发送预设提示信息至预设巡逻终端，以指挥所述警务人员进行所述巡逻路线的下一子区域的巡逻工作。
此外，为实现上述目的，本发明还提供一种指挥调度系统，所述指挥调度系统包括：
划分模块，用于对目标区域进行划分，获得多个子区域；
获取模块，用于获取各所述子区域的警戒等级；
生成模块，用于根据所述警戒等级，按照警戒等级由高到低的顺序依次连接各所述子区域，得到所述目标区域的巡逻路线；
发送模块，用于将所述巡逻路线发送至预设巡逻终端，以指挥警务人员按照所述巡逻路线进行巡逻。
此外，为实现上述目的，本发明还提供一种车载设备，所述车载设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上任一项所述的指挥调度方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指挥调度程序，所述指挥调度程序被处理器执行时实现如上任一项所述的指挥调度方法的步骤。
本发明提出了一种指挥调度方法，通过对目标区域进行划分，获得各子区域，然后获取各所述子区域的警戒等级，以确定各所述子区域的异常程度。然后根据所述警戒等级，按照警戒等级由高到低的顺序依次连接各所述子区域，得到所述目标区域的巡逻路线。将所述巡逻路线发送至预设巡逻终端，以指挥警务人员按照所述巡逻路线进行巡逻。本发明通过在确定各所述子区域的警戒等级之后，根据所述警戒等级按照由高至低的顺序依次将各所述子区域连接起来，生成所述目标区域对应的巡逻路线。从而指挥巡逻中的警务人员可以优先对警戒等级较高的子区域进行巡逻，排除可能发生的警情。本发明一方面对于巡逻路线的规划更加合理以及贴合目标区域内的实际情况，另一方面通过提前对警戒等级较高的子区域进行排查，可以有效预防警情的发生。综上，本发明通过规划更加合理的巡逻路线，提前对警戒等级较高的子区域进行排查，可以有效提高巡逻范围内的安防效果。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的设备结构示意图；
图2为本发明指挥调度方法第一实施例的流程示意图；
图3为本发明指挥调度方法第二实施例的流程示意图；
图4为本发明实施例方案涉及的指挥调度系统的示意图。
本发明目的的实现、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
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。
本申请实施例的说明书和权利要求书中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述对象的特定顺序。例如，第一目标对象和第二目标对象等是用于区别不同的目标对象，而不是用于描述目标对象的特定顺序。
在本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中，除非另有说明，“多个”的含义是指两个或两个以上。例如，多个处理单元是指两个或两个以上的处理单元；多个系统是指两个或两个以上的系统。
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
随着城市高速扩张式地发展，城市街区道路的安防情况越来越复杂，但是目前国内仍然是以警务人员的勤务巡逻模式，对城市各个街区道路进行安防布控为主。但是，实际巡逻过程中，警务人员通常是按照预先分配的区域进行巡逻，而指挥中心也一般只在实际发生了警情的情况下，才会下发指令调度警情附近的警务人员进行处理。因此，在警务人员的巡逻过程中，只能根据自身经验选择对应的巡逻路线，该巡逻路线主观性较强，难以实现良好的巡逻效果。
本发明提出了一种指挥调度方法，通过对目标区域进行划分，获得各子区域，然后获取各所述子区域的警戒等级，以确定各所述子区域的异常程度。然后根据所述警戒等级，按照警戒等级由高到低的顺序依次连接各所述子区域，得到所述目标区域的巡逻路线。将所述巡逻路线发送至预设巡逻终端，以指挥警务人员按照所述巡逻路线进行巡逻。本发明通过在确定各所述子区域的警戒等级之后，根据所述警戒等级按照由高至低的顺序依次将各所述子区域连接起来，生成所述目标区域对应的巡逻路线。从而指挥巡逻中的警务人员可以优先对警戒等级较高的子区域进行巡逻，排除可能发生的警情。本发明一方面对于巡逻路线的规划更加合理以及贴合目标区域内的实际情况，另一方面通过提前对警戒等级较高的子区域进行排查，可以有效预防警情的发生。综上，本发明通过规划更加合理的巡逻路线，提前对警戒等级较高的子区域进行排查，可以有效提高巡逻范围内的安防效果。
如图1所示，图1为本发明实施例方案涉及的硬件运行环境的设备结构示意图。
如图1所示，所述车载设备可以包括：处理器1001，例如中央处理器（CentralProcessing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（WIreless-FIdelity，WI-FI）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM），也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），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的存储装置。
本领域技术人员可以理解，图1中示出的设备结构并不构成对所述车载设备的限定，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1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、用户接口模块以及指挥调度应用程序。
在图1所示的设备中，处理器1001可以用于调用存储器1005中存储的指挥调度应用程序，并执行如下各实施例中指挥调度方法的操作。
参照图2，图2为本发明指挥调度方法第一实施例的流程示意图。
本发明第一实施例提供一种指挥调度方法，所述指挥调度方法包括以下步骤：
步骤S100，对目标区域进行划分，获得多个子区域；
本实施例中的执行主体可以是车载终端，当然也可以是计算机、服务器等其他设备。
具体地，所述目标区域为警务人员需要进行巡逻的区域，例如街区、步行街、活动会场等。所述对目标区域进行划分的方式可以是网格划分，或者以道路网络进行划分等方式。对于所述目标区域进行划分的方式可以根据具体需求进行选择。通过将目标区域进行划分后，可得到组成所述目标区域的各所述子区域。
步骤S200，获取各所述子区域的警戒等级；
具体地，所述警戒等级为反映所述子区域的异常程度的等级。可以通过获取子区域中各监控摄像头的监控图像，然后通过对所述监控图像进行分析，从而获得该子区域中异常事件的数量、事件类型等信息，从而确定对应的警戒等级。其中，异常事件包括但不限于携带违禁物品（如管制刀具、易燃易爆物等）、争吵纠纷、肢体冲突、盗窃抢劫、疑似在逃人员等。
进一步地，步骤S200包括以下步骤：
步骤S210，获取各所述子区域的区域图像信息；
步骤S220，根据所述区域图像信息，确定各所述子区域中各异常事件的事件类型和置信度；
步骤S230，根据所述事件类型的预设权重与各所述异常事件的置信度，得到各所述子区域的警戒等级。
具体地，可以获取子区域中各监控摄像头的监控图像作为所述区域图像信息。然后将所述区域图像信息输入提前训练好的神经网络分类模型，确定各所述子区域中各异常事件的事件类型和置信度。可以理解的是，所述事件类型并非包括但不限于携带违禁物品（如管制刀具、易燃易爆物等）、争吵纠纷、肢体冲突、盗窃抢劫、疑似在逃人员等。然后根据所述事件类型的预设权重与各所述异常事件的置信度，得到各所述子区域的警戒等级。其中所述预设权重与所述事件类型的严重程度呈正相关。例如，争吵纠纷的预设权重低于肢体冲突。
可以理解的是，通常情况下，公共场所的环境往往较为复杂，传统的通过监控图像进行异常事件的识别方式，则可能会出现各类异常事件的置信度均较低无法达到预设阈值的问题，导致对于难以确定发生的是哪一事件类型的异常事件。
因此本实施例中，并不直接按照传统识别方式确定具体的异常事件。而是根据所述区域图像信息，确定各所述子区域中各异常事件的事件类型和置信度，然后再根据所述事件类型的预设权重与各所述异常事件的置信度，得到各所述子区域的警戒等级。从而通过各所述子区域中各异常事件的事件类型和置信度以确定各所述子区域的整体异常程度，从而确定各所述子区域的警戒等级。
进一步地，还可以对区域图像信息进行图像预处理。其中，图像预处理可以包括但不限于图像增强、图像融合中的至少一者。
通常，很多监控摄像头拍摄的监控图像可能不是非常清晰，通过图像增强可以提高对异常事件识别的准确性。并且为了避免同一异常事件在多个监控摄像头出现导致的多次统计，则可以将多个监控摄像头拍摄的监控图像进行融合作为所述区域图像信息。
图像增强主要是增加图像的对比度，可以利用Opencv图像增强算法来提高图像的对比度。需要说明的是，图像增强可以应用于所述区域图像信息中的每一帧图像。
图像融合则可以通过图像配准找出各监控图像中待拼接图像的特征点在参考图像中对应的位置，进而确定两幅图像之间的变换关系。然后根据变换关系将待拼接图像转换到参考图像的坐标系中，完成统一坐标变换。最后将待拼接图像的重合区域进行融合得到拼接重构的融合图像。通过将同一子区域中的各监控摄像头的监控画面进行逐一拼接，可以获得该子区域的全景图像，避免了对同一异常事件的重复统计，也提高了对异常事件识别的准确性。
进一步地，所述异常事件包括物品异常事件和/或行为异常事件和/或人员异常事件，步骤S220包括以下步骤：
步骤S221，基于物品识别模型对所述区域图像信息进行识别，确定各所述子区域中存在物品异常事件的事件类型和置信度；和/或
步骤S222，从所述区域图像信息中提取时空特征，以及基于行为识别模型和所述时空特征识别各所述子区域中存在行为异常事件的事件类型和置信度；和/或
步骤S223，基于人脸识别模型对所述区域图像信息进行人脸识别，确定各所述子区域中存在人员异常事件的事件类型和置信度。
本实施例中，所述异常事件至少包括物品异常事件、行为异常事件和人员异常事件中的一种。
其中，对于物品异常事件的识别。所述物品识别模型可以是已训练的Yolo网络模型。Yolo网络模型可以将全图划分为多个格子，然后对每个格子进行目标检测，预测所有格子是否包含物品异常事件，以及物品异常事件的事件类型和置信度。由于Yolo网络模型可以一次性检测所述有格子，因此检测速度非常快。从而可以基于物品识别模型对所述区域图像信息进行识别，快速确定各所述子区域中存在物品异常事件的事件类型和置信度
其中，对于行为异常事件的识别。行为识别模型可以是已训练的卷积神经网络模型；
将所述区域图像信息输入预设的时空特征提取器，提取在所述区域图像信息中空间和时间维度上的运动信息，从而得到对应的时空特征。随后将这些时空特征输入行为识别模型，其中所述行为识别模型具体可以由连续卷积层和若干的快捷连接组成。从而可以从所述区域图像信息中提取时空特征，以及基于行为识别模型和所述时空特征识别各所述子区域中存在行为异常事件的事件类型和置信度。
其中，对于人员异常事件的识别。所述人脸识别模型可以是已训练的卷积神经网络模型。可以通过对所述区域图像信息中的人脸图像输入所述人脸识别模型进行特征提取，进而根据所述提取特征与预设数据库中在逃人员的面部特征进行比对，从而输出对应的各在逃人员与其置信度。从而可以基于行为识别模型从所述区域图像信息中提取时空特征，以及基于所述时空特征识别各所述子区域中存在行为异常事件的事件类型和置信度。
本实施例中，通过基于物品识别模型对所述区域图像信息进行识别，确定各所述子区域中存在物品异常事件的事件类型和置信度；和/或从所述区域图像信息中提取时空特征，以及基于行为识别模型和所述时空特征识别各所述子区域中存在行为异常事件的事件类型和置信度；和/或基于人脸识别模型对所述区域图像信息进行人脸识别，确定各所述子区域中存在人员异常事件的事件类型和置信度。从而实现了各所述子区域内物品异常事件、行为异常事件与人员异常事件的识别。
进一步地，步骤S230包括以下步骤：
步骤S231，根据所述事件类型的预设权重与所述异常事件的置信度，得到各所述子区域中各异常事件的加权置信度；
步骤S232，统计所述加权置信度，得出各所述子区域的异常数值；
步骤S233，根据所述异常数值与警戒等级对应的预设数值区间，得到各所述子区域的警戒等级。
具体地，所述预设权重与所述事件类型的严重程度呈正相关，即所述事件类型对应的警情事件越严重，则预设权重也就越高。例如，争吵纠纷的预设权重低于肢体冲突。
在获得各所述子区域中各异常事件的事件类型与置信度后，则可以根据所述事件类型的预设权重和所述异常事件的置信度，得到各所述子区域中各异常事件的加权置信度，继而统计对各所述子区域的异常事件的加权置信度进行统计，得出各所述子区域的异常数值，所述异常数值则可反映出对应子区域的异常程度，即可能发生异常事件的数量和危害程度。然后将各所述子区域的异常数值与警戒等级对应的预设数值区间进行匹配，得到各所述子区域的警戒等级。
本实施例中，根据所述事件类型的预设权重与所述异常事件的置信度，得到各所述子区域中各异常事件的加权置信度。然后统计所述加权置信度，得出各所述子区域的异常数值，从而确定各所述子区域可能发生异常事件的数量和危害程度。进而根据所述异常数值与警戒等级对应的预设数值区间，得到各所述子区域的警戒等级。
步骤S300，根据所述警戒等级，按照警戒等级由高到低的顺序依次连接各所述子区域，得到所述目标区域的巡逻路线；
在确定各所述子区域的警戒等级之后，则可以根据所述警戒等级按照由高至低的顺序依次将各所述子区域连接起来，生成所述目标区域对应的巡逻路线。从而警务人员可以优先对警戒等级较高的子区域进行巡逻，排除可能发生的警情。
当所述目标区域内的警务人员存在多个巡逻队伍时，则可以将各所述子区域划分为与所述巡逻队伍的数量一致的区域块，再将各区域块内的子区域根据所述警戒等级，生成各所述区域块对应的子巡逻路线。并将各所述区域块对应的子巡逻路线作为所述目标区域的巡逻路线。
进一步地，步骤S300包括以下步骤：
步骤S310，将同一警戒等级对应的子区域进行连接，获得各警戒等级对应的多条待定巡逻路段，并选取所述待定巡逻路段中最短的路径作为所述警戒等级的巡逻路段；
步骤S320，按照警戒等级由高到低的顺序依次连接各巡逻路段，得到所述目标区域的巡逻路线。
具体地，可以将警戒等级相同的子区域依次进行连接，获得各警戒等级对应的多条待定巡逻路段，然后选取所述待定巡逻路段中最短的路径作为所述警戒等级的巡逻路段。然后再按照警戒等级由高至低的顺序将各警戒等级对应的巡逻路段依次连接，得到所述目标区域的巡逻路线。
本实施例中，通过将同一警戒等级的子区域进行连接，获得各警戒等级对应的巡逻路线后，再按照警戒等级由高到低的顺序依次进行连接。一方面，相对于直接按照所述警戒等级由高至低依次连接各所述子区域，可以大幅减少对于路径的计算量，另一方面也使得警务人员在巡逻过程中依次按照警戒等级由高到低的顺序进行巡逻。
步骤S400，将所述巡逻路线发送至预设巡逻终端，以指挥警务人员按照所述巡逻路线进行巡逻。
在获得所述目标区域的巡逻路线后，则可以将所述巡逻路线发送至预设巡逻终端，所述预设巡逻终端可以是警务人员佩戴的移动终端，例如智能手机或者其他的警用终端设备。通过将所述巡逻路线发送至预设巡逻终端，所述预设巡逻终端可以通过语音、图案、文字等形式展示所述巡逻路线，以指挥警务人员按照所述巡逻路线进行巡逻。
在本发明第一实施例中，通过对目标区域进行划分，获得各子区域，然后获取各所述子区域的警戒等级，以确定各所述子区域的异常程度。然后根据所述警戒等级，按照警戒等级由高到低的顺序依次连接各所述子区域，得到所述目标区域的巡逻路线。将所述巡逻路线发送至预设巡逻终端，以指挥警务人员按照所述巡逻路线进行巡逻。本实施例中，通过在确定各所述子区域的警戒等级之后，根据所述警戒等级按照由高至低的顺序依次将各所述子区域连接起来，生成所述目标区域对应的巡逻路线。从而指挥巡逻中的警务人员可以优先对警戒等级较高的子区域进行巡逻，排除可能发生的警情。本实施例一方面对于巡逻路线的规划更加合理以及贴合目标区域内的实际情况，另一方面通过提前对警戒等级较高的子区域进行排查，可以有效预防警情的发生。综上，本实施例通过规划更加合理的巡逻路线，提前对警戒等级较高的子区域进行排查，可以有效提高巡逻范围内的安防效果。
进一步地，参照图3，本发明第二实施例提供一种指挥调度方法，基于上述图2所示的实施例，步骤S400之后包括以下步骤：
步骤S500，获取各所述子区域的实时警戒等级；
步骤S510，当各所述子区域中出现实时警戒等级的提升大于预设等级，或所述实时警戒等级超过预设危险等级的子区域时，则对所述巡逻路线进行更新，将更新后的巡逻路线作为新的巡逻路线。
在警务人员按照所述巡逻路线进行巡逻时，可以对各所述子区域的实时警戒等级进行监测，当各所述子区域中出现在预设时长内（如5min、10min、15min等）实时警戒等级的提升大于预设等级，或所述实时警戒等级超过预设危险等级（如两级、三级等）的子区域，则说明该子区域发生异常事件的可能性快速提升，说明已经发生或者即将发生异常事件。因此，此时则可以根据实时警戒等级，按照实时警戒等级由高到低的顺序依次连接各所述子区域，对所述巡逻路线进行更新，并将更新后的巡逻路线作为新的巡逻路线。
本实施例，通过获取各所述子区域的实时警戒等级。当各所述子区域中出现实时警戒等级的提升大于预设等级，或所述实时警戒等级超过预设危险等级的子区域时，则对所述巡逻路线进行更新，将更新后的巡逻路线作为新的巡逻路线。从而可以根据实时警戒等级进行巡逻路线更新，避免由于巡逻路线固定导致的警务人员难以及时对即将发生或已经发生的异常事件作出反应。
进一步地，步骤S400之后还包括以下步骤：
步骤S520，获取所述警务人员所处子区域的实时警戒等级，以及所处子区域的异常事件的事件位置与事件类型，并将所述事件位置和所述事件类型发送至所述警务人员的预设巡逻终端；
步骤S521，当所述实时警戒等级降至预设安全等级以下时，发送预设提示信息至预设巡逻终端，以指挥所述警务人员进行所述巡逻路线的下一子区域的巡逻工作。
在警务人员按照所述巡逻路线进行巡逻时，获取所述警务人员所处子区域的实时警戒等级，以及所处子区域的异常事件的事件位置与事件类型。然后将所述事件位置和所述事件类型发送至所述警务人员的预设巡逻终端，以使所述警务人员可以针对性得对所述子区域中可能存在的异常事件进行排查。当所述实时警戒等级降至预设安全等级以下时，发送预设提示信息至预设巡逻终端，以指挥所述警务人员进行所述巡逻路线的下一子区域的巡逻工作。
本实施例中，通过将所述警务人员所处子区域的异常事件的事件位置与事件类型，并将所述事件位置和所述事件类型发送至所述警务人员的预设巡逻终端，可以提高警务人员对所处子区域的巡逻效率，此外，当实时警戒等级下降至预设安全等级以下时，则说明所处子区域存在异常事件的可能性较小，则可以发送预设提示信息至预设巡逻终端，以指挥所述警务人员进行所述巡逻路线的下一子区域的巡逻工作。从而警务人员能够及时了解所处区域的异常程度。
参照图4，图4为本发明实施例方案涉及的指挥调度系统的示意图。
如图4所示，本发明一实施例提供了一种指挥调度系统，所述指挥调度系统包括：
划分模块10，用于对目标区域进行划分，获得多个子区域；
获取模块20，用于获取各所述子区域的警戒等级；
生成模块30，用于根据所述警戒等级，按照警戒等级由高到低的顺序依次连接各所述子区域，得到所述目标区域的巡逻路线；
发送模块40，用于将所述巡逻路线发送至预设巡逻终端，以指挥警务人员按照所述巡逻路线进行巡逻。
可选地，获取模块20，还用于
获取各所述子区域的区域图像信息；
根据所述区域图像信息，确定各所述子区域中各异常事件的事件类型和置信度；
根据所述事件类型的预设权重与各所述异常事件的置信度，得到各所述子区域的警戒等级。
可选地，所述指挥调度系统还包括：异常识别模块21，用于
基于物品识别模型对所述区域图像信息进行识别，确定各所述子区域中存在物品异常事件的事件类型和置信度；和/或
从所述区域图像信息中提取时空特征，以及基于行为识别模型和所述时空特征识别各所述子区域中存在行为异常事件的事件类型和置信度；和/或
基于人脸识别模型对所述区域图像信息进行人脸识别，确定各所述子区域中存在人员异常事件的事件类型和置信度。
可选地，警戒分级模块22，用于：
根据所述事件类型的预设权重与所述异常事件的置信度，得到各所述子区域中各异常事件的加权置信度；
统计所述加权置信度，得出各所述子区域的异常数值；
根据所述异常数值与警戒等级对应的预设数值区间，得到各所述子区域的警戒等级。
可选地，生成模块30，用于
将同一警戒等级对应的子区域进行连接，获得各警戒等级对应的多条待定巡逻路段，并选取所述待定巡逻路段中最短的路径作为所述警戒等级的巡逻路段；
按照警戒等级由高到低的顺序依次连接各巡逻路段，得到所述目标区域的巡逻路线。
可选地，所述指挥调度系统还包括：更新模块50，用于
所述按照警戒等级由高到低的顺序依次连接各巡逻路段，得到所述目标区域的巡逻路线的步骤之后，还包括：
获取各所述子区域的实时警戒等级；
当各所述子区域中出现实时警戒等级的提升大于预设等级，或所述实时警戒等级超过预设危险等级的子区域时，则对所述巡逻路线进行更新，将更新后的巡逻路线作为新的巡逻路线。
可选地，发送模块40，还用于
获取所述警务人员所处子区域的实时警戒等级，以及所处子区域的异常事件的事件位置与事件类型，并将所述事件位置和所述事件类型发送至所述警务人员的预设巡逻终端；
当所述实时警戒等级降至预设安全等级以下时，发送预设提示信息至预设巡逻终端，以指挥所述警务人员进行所述巡逻路线的下一子区域的巡逻工作。
此外，本发明实施例还提出一种计算机存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例提供的指挥调度方法中的操作，具体步骤此处不再过多赘述。
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/操作/对象与另一个实体/操作/对象区分开来，而不一定要求或者暗示这些实体/操作/对象之间存在任何这种实际的关系或者顺序；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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，车辆，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明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，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种指挥调度方法，其特征在于，所述指挥调度方法包括以下步骤：
对目标区域进行划分，获得多个子区域；
获取各所述子区域的警戒等级；
根据所述警戒等级，按照警戒等级由高到低的顺序依次连接各所述子区域，得到所述目标区域的巡逻路线；
将所述巡逻路线发送至预设巡逻终端，以指挥警务人员按照所述巡逻路线进行巡逻。
2.如权利要求1所述的指挥调度方法，其特征在于，所述获取各所述子区域的警戒等级的步骤，包括：
获取各所述子区域的区域图像信息；
根据所述区域图像信息，确定各所述子区域中各异常事件的事件类型和置信度；
根据所述事件类型的预设权重与各所述异常事件的置信度，得到各所述子区域的警戒等级。
3.如权利要求2所述的指挥调度方法，其特征在于，所述异常事件包括物品异常事件和/或行为异常事件和/或人员异常事件，所述根据所述区域图像信息，确定各所述子区域中各异常事件的事件类型和置信度的步骤，包括：
基于物品识别模型对所述区域图像信息进行识别，确定各所述子区域中存在物品异常事件的事件类型和置信度；和/或
从所述区域图像信息中提取时空特征，以及基于行为识别模型和所述时空特征识别各所述子区域中存在行为异常事件的事件类型和置信度；和/或
基于人脸识别模型对所述区域图像信息进行人脸识别，确定各所述子区域中存在人员异常事件的事件类型和置信度。
4.如权利要求3所述的指挥调度方法，其特征在于，所述根据所述事件类型的预设权重与所述异常事件的置信度，得到各所述子区域的警戒等级的步骤，包括：
根据所述事件类型的预设权重与所述异常事件的置信度，得到各所述子区域中各异常事件的加权置信度；
统计所述加权置信度，得出各所述子区域的异常数值；
根据所述异常数值与警戒等级对应的预设数值区间，得到各所述子区域的警戒等级。
5.如权利要求4所述的指挥调度方法，其特征在于，所述根据所述警戒等级，按照警戒等级由高到低的顺序依次连接各所述子区域，得到所述目标区域的巡逻路线的步骤，包括：
将同一警戒等级对应的子区域进行连接，获得各警戒等级对应的多条待定巡逻路段，并选取所述待定巡逻路段中最短的路径作为所述警戒等级的巡逻路段；
按照警戒等级由高到低的顺序依次连接各巡逻路段，得到所述目标区域的巡逻路线。
6.如权利要求5所述的指挥调度方法，其特征在于，所述按照警戒等级由高到低的顺序依次连接各巡逻路段，得到所述目标区域的巡逻路线的步骤之后，还包括：
获取各所述子区域的实时警戒等级；
当各所述子区域中出现实时警戒等级的提升大于预设等级，或所述实时警戒等级超过预设危险等级的子区域时，则对所述巡逻路线进行更新，将更新后的巡逻路线作为新的巡逻路线。
7.如权利要求6所述的指挥调度方法，其特征在于，所述将所述巡逻路线发送至预设巡逻终端，以指挥警务人员按照所述巡逻路线进行巡逻的步骤之后，包括：
获取所述警务人员所处子区域的实时警戒等级，以及所处子区域的异常事件的事件位置与事件类型，并将所述事件位置和所述事件类型发送至所述警务人员的预设巡逻终端；
当所述实时警戒等级降至预设安全等级以下时，发送预设提示信息至预设巡逻终端，以指挥所述警务人员进行所述巡逻路线的下一子区域的巡逻工作。
8.一种指挥调度系统，其特征在于，所述指挥调度系统包括：
划分模块，用于对目标区域进行划分，获得多个子区域；
获取模块，用于获取各所述子区域的警戒等级；
生成模块，用于根据所述警戒等级，按照警戒等级由高到低的顺序依次连接各所述子区域，得到所述目标区域的巡逻路线；
发送模块，用于将所述巡逻路线发送至预设巡逻终端，以指挥警务人员按照所述巡逻路线进行巡逻。
9.一种车载设备，其特征在于，所述车载设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的指挥调度方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有指挥调度程序，所述指挥调度程序被处理器执行时实现如权利要求1至7中任一项所述的指挥调度方法的步骤。
CN202211076060.2A 2022-09-05 2022-09-05 指挥调度方法、系统、车载设备及计算机可读存储介质 Pending CN115146878A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211076060.2A CN115146878A (zh) 2022-09-05 2022-09-05 指挥调度方法、系统、车载设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211076060.2A CN115146878A (zh) 2022-09-05 2022-09-05 指挥调度方法、系统、车载设备及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN115146878A true CN115146878A (zh) 2022-10-04

Family

ID=83415619

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211076060.2A Pending CN115146878A (zh) 2022-09-05 2022-09-05 指挥调度方法、系统、车载设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN115146878A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116647643A (zh) * 2023-06-01 2023-08-25 西藏康发电子工程有限公司 一种智能安防监控系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109015638A (zh) * 2018-08-15 2018-12-18 中国科学院合肥物质科学研究院 一种用于会议安保的巡逻机器人控制方法和系统
CN110111516A (zh) * 2019-04-17 2019-08-09 中广核研究院有限公司 一种核电站厂区安全保卫方法及系统
CN111263114A (zh) * 2020-02-14 2020-06-09 北京百度网讯科技有限公司 异常事件报警方法和装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109015638A (zh) * 2018-08-15 2018-12-18 中国科学院合肥物质科学研究院 一种用于会议安保的巡逻机器人控制方法和系统
CN110111516A (zh) * 2019-04-17 2019-08-09 中广核研究院有限公司 一种核电站厂区安全保卫方法及系统
CN111263114A (zh) * 2020-02-14 2020-06-09 北京百度网讯科技有限公司 异常事件报警方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴庆甜等: "基于巡逻机器人的实时跑动检测系统", 《集成技术》 *
邵杰: "首都道路交通管理信息化应用成果综述", 《道路交通与安全》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116647643A (zh) * 2023-06-01 2023-08-25 西藏康发电子工程有限公司 一种智能安防监控系统
CN116647643B (zh) * 2023-06-01 2024-03-26 西藏康发电子工程有限公司 一种智能安防监控系统

Similar Documents

Publication Publication Date Title
Li et al. Real-time crash risk prediction on arterials based on LSTM-CNN
AU2017436901B2 (en) Methods and apparatus for automated surveillance systems
CN110390262B (zh) 视频分析方法、装置、服务器及存储介质
Peng et al. Vehicle safety improvement through deep learning and mobile sensing
KR102122859B1 (ko) 교통 영상감시시스템의 멀티 표적 추적 방법
US20150379355A1 (en) A surveillance system
US20180278894A1 (en) Surveillance system
JP6954420B2 (ja) 情報処理装置、情報処理方法、及びプログラム
KR102122850B1 (ko) 딥 러닝 기반의 교통분석 및 차량번호 인식 솔루션
CN111629181B (zh) 消防生命通道监控系统及方法
CN110473418A (zh) 危险路段识别方法、装置、服务器及存储介质
CN109360362A (zh) 一种铁路视频监控识别方法、系统和计算机可读介质
CN105868845A (zh) 风险预警方法和装置
CN116777713B (zh) 基于数据分析的智慧园区安全管理方法和系统
CN113469654B (zh) 一种基于智能算法融合的变电站多层次安全管控系统
Parsa et al. Applying deep learning to detect traffic accidents in real time using spatiotemporal sequential data
CN111523362A (zh) 一种基于电子围网的数据分析方法、装置及电子设备
CN115620208A (zh) 电网安全预警方法、装置、计算机设备和存储介质
CN114782897A (zh) 基于机器视觉及深度学习的危险行为检测方法及系统
CN115146878A (zh) 指挥调度方法、系统、车载设备及计算机可读存储介质
CN116846059A (zh) 一种用于电网巡检和监控的边缘检测系统
US10860865B2 (en) Predictive security camera system
CN115294528A (zh) 一种行人安全监控方法及装置
CN112750301A (zh) 目标对象追踪方法、装置、设备及计算机可读存储介质
AU2021202723A1 (en) System and method for identifying persons-of-interest

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20221004