CN116052275A - 基于大数据的异常行为检测方法以及系统 - Google Patents
基于大数据的异常行为检测方法以及系统 Download PDFInfo
- Publication number
- CN116052275A CN116052275A CN202310042649.9A CN202310042649A CN116052275A CN 116052275 A CN116052275 A CN 116052275A CN 202310042649 A CN202310042649 A CN 202310042649A CN 116052275 A CN116052275 A CN 116052275A
- Authority
- CN
- China
- Prior art keywords
- information
- target
- subareas
- characteristic
- real
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B23/00—Alarms responsive to unspecified undesired or abnormal conditions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Alarm Systems (AREA)
Abstract
本发明适用于计算机领域,提供了一种基于大数据的异常行为检测方法以及系统,所述方法包括:在设定条件下对目标区域进行异常检测,所述设定条件包括历史条件下目标区域内的异常行为事件所关联的可能时间段;检测活动目标在目标区域中的活动分布信息,根据所述活动分布信息检测活动目标的走停点位;当检测到所述活动目标的走停点位处于若干子区域的有效作业范围内时,判断若干子区域内的实时状态指示信息是否满足初始设定条件,所述若干子区域包含于目标区域中,本发明的有益效果在于:能够结合特征接触行为有目标的进行及时告警,提高了异常事件检测的效率。
Description
技术领域
本发明属于计算机领域,尤其涉及一种基于大数据的异常行为检测方法以及系统。
背景技术
在一些面向大众的具有普适性的活动场所,常常会发生一些异常行为,例如在自助服务区域活动中,自助充电的进程被他人破坏;再例如,破坏部分公共服务设施,以便仅供自身使用;为了保证规范使用,常常需要对异常行为进行检测,以便于监督。
现有技术中,对异常行为的检测,主要采用以下方式来完成,一种是设置监控,以便通过人工分析来筛选异常;另一种是通过对相关活动场所中工作数据的逐一排查来识别具体的异常状况,再将异常状况上报。
通过实施上述现有技术可以发现,以上现有技术,前一种存在效率差的特点;后一种虽然通过对工作数据进行排查来完成,但是其存在反馈不及时的特点。
发明内容
本发明实施例的目的在于提供一种基于大数据的异常行为检测方法以及系统,旨在解决上述背景技术中提出的问题。
本发明实施例是这样实现的,一方面,一种基于大数据的异常行为检测方法,所述方法包括以下步骤:
在设定条件下对目标区域进行异常检测,所述设定条件包括历史条件下目标区域内的异常行为事件所关联的可能时间段;
检测活动目标在目标区域中的活动分布信息,根据所述活动分布信息检测活动目标的走停点位;
当检测到所述活动目标的走停点位处于若干子区域的有效作业范围内时,判断若干子区域内的实时状态指示信息是否满足初始设定条件,所述若干子区域包含于目标区域中;
当判定若干子区域内的实时状态指示信息不满足初始设定条件,识别对应子区域内是否发生特征接触行为,所述对应子区域包括所述实时状态指示信息不满足初始设定条件所对应的子区域;
若识别到对应子区域内发生接触行为,以使得检测到实时状态指示信息的停止反馈信号,判定对应子区域内发生特征接触行为,根据特征接触行为发出告警提示。
作为本发明的进一步方案,所述方法还包括:
获取目标区域中对应的历史异常事件;
提取所述历史异常事件所在分区域中子区域的占用率,识别所述占用率达到设定占用率的第一分区域,每个分区域至少包括一个子区域;
提取所述第一分区域出现的时间段,生成异常行为事件所关联的可能时间段。
作为本发明的再进一步方案,在判断若干子区域内的实时状态指示信息是否满足初始设定条件之前,所述方法还包括:
在确定所述子区域内存在目标处理物的条件下,检测所述目标处理物的状态信号和子区域内的状态反馈信号;
当检测到目标处理物的状态信号和子区域内的状态反馈信号对应一致时,根据所述状态反馈信号生成实时状态指示信息。
作为本发明的又进一步方案,所述方法还包括:
根据活动目标的区分特征,检测活动目标在设定时长内的位移;
在所述位移不超过设定位移的情况下,定位对应的有效作业范围,所述有效作业范围包括子区域和/或子区域之间的间隔区域。
作为本发明的进一步方案,所述方法还包括:
检测活动目标在有效作业范围内的姿态信息是否符合特征姿态信息,所述特征姿态信息包括工具操纵状态下的第一姿态信息和自身特定异常状态下的第二姿态信息;
当活动目标在有效作业范围内的姿态信息符合特征姿态信息中至少一种时,判定活动目标在有效作业范围内的姿态信息符合特征姿态信息;
在姿态信息符合特征姿态信息的非前置延续时长内,若检测到目标处理物的状态信号和子区域内的状态反馈信号对应异常,判定对应子区域内发生特征接触行为。
作为本发明的进一步方案,所述根据特征接触行为发出告警提示包括:
捕获特征姿态信息以及对应的所述停止反馈信号,将二者与对应子区域进行绑定,生成告警提示信息;
将告警提示信息上报,以基于告警提示信息进行告警。
作为本发明的进一步方案,所述方法还包括:
根据至少一次特征接触行为记录对应子区域内重新生成的实时状态指示信息;
根据重新生成的实时状态指示信息溯源对应目标处理物,识别该目标处理物的标识信息并且将其标记为可疑标识信息,存储所述可疑标识信息;
若继续至少又一次检测到特征接触行为时,获取特征接触行为下对应目标处理物的标识信息,判断该标识信息是否为可疑标识信息;
若是,则下发限定指示,所述限定指示包括限定对应目标处理物的实时状态指示信息的进程;
若进一步判定前后两次特征接触行为的特征姿态信息满足预设相似度条件时,判定可能存在同一活动目标基于同一目标处理物进行特征接触行为,上报相应的作出处理的提示。
作为本发明的进一步方案,另一方面,一种基于大数据的异常行为检测系统,所述系统包括:
异常检测模块,用于:在设定条件下对目标区域进行异常检测,所述设定条件包括历史条件下目标区域内的异常行为事件所关联的可能时间段;
活动分布识别模块,用于:检测活动目标在目标区域中的活动分布信息,根据所述活动分布信息检测活动目标的走停点位;
状态条件判断模块,用于:当检测到所述活动目标的走停点位处于若干子区域的有效作业范围内时,判断若干子区域内的实时状态指示信息是否满足初始设定条件,所述若干子区域包含于目标区域中;
特征接触判断模块,用于:当判定若干子区域内的实时状态指示信息不满足初始设定条件,识别对应子区域内是否发生特征接触行为,所述对应子区域包括所述实时状态指示信息不满足初始设定条件所对应的子区域;
接触告警模块,用于:若识别到对应子区域内发生接触行为,以使得检测到实时状态指示信息的停止反馈信号,判定对应子区域内发生特征接触行为,根据特征接触行为发出告警提示。
本发明实施例提供的一种基于大数据的异常行为检测方法以及系统,通过在设定条件下对目标区域进行异常检测,所述设定条件包括历史条件下目标区域内的异常行为事件所关联的可能时间段,当检测到所述活动目标的走停点位处于若干子区域的有效作业范围内时,判断若干子区域内的实时状态指示信息是否满足初始设定条件,当判定若干子区域内的实时状态指示信息不满足初始设定条件,且识别到对应子区域内发生特征接触行为,以使得检测到实时状态指示信息的停止反馈信号,根据特征接触行为发出告警提示,能够结合目标区域内活动目标的走停点位和是否满足初始设定条件,来定位最有可能发生异常事件的对应子区域,进一步的,在这些对应子区域内,当检测到使得实时状态指示信息停止反馈的特征接触行为时,判定异常行为发生,此时,能够结合特征接触行为有目标的进行及时告警,直击异常事件的发生子区域和具体类型,提高了异常事件检测的效率,能够为管控中心下一步的处置提供可靠处置依据。
附图说明
图1是一种基于大数据的异常行为检测方法的主流程图。
图2是一种基于大数据的异常行为检测方法中生成异常行为事件所关联的可能时间段的流程图。
图3是一种基于大数据的异常行为检测方法中验证活动目标操作和目标处理物工作状态之间的因果关系的流程图。
图4是一种基于大数据的异常行为检测方法中判定可能存在同一活动目标基于同一目标处理物进行特征接触行为的流程图。
图5是一种基于大数据的异常行为检测系统的主结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。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。
以下结合具体实施例对本发明的具体实现进行详细描述。
本发明提供的一种基于大数据的异常行为检测方法以及系统,解决了背景技术中的技术问题。
如图1所示,为本发明的一个实施例提供的一种基于大数据的异常行为检测方法的主流程图,所述一种基于大数据的异常行为检测方法包括:
步骤S10:在设定条件下对目标区域进行异常检测,所述设定条件包括历史条件下目标区域内的异常行为事件所关联的可能时间段;目标区域内设置有若干子区域,每个子区域均可以用于相关工作的进行;设定条件还可以是来自于管控中心的检测指令;
步骤S11:检测活动目标在目标区域中的活动分布信息,根据所述活动分布信息检测活动目标的走停点位;考虑到若干子区域之间工作的雷同性,因此可能会造成子区域内活动目标的积聚,从而造成子区域内正常状态的终止等异常事件;当活动目标在目标区域中行进时,排除一般正常经过的情形,若存在走走停停或者明显的驻足,表明其存在造成异常事件的可能性;
步骤S12:当检测到所述活动目标的走停点位处于若干子区域的有效作业范围内时,判断若干子区域内的实时状态指示信息是否满足初始设定条件,所述若干子区域包含于目标区域中;进一步的,走停点位处于若干子区域的有效作业范围内时,需要考虑子区域内的实时状态指示信息是否满足初始设定条件,例如设定的工作时长是否完成,目标处理物的处理状态是否达到等;一般考虑的是实时状态指示信息未满足初始设定条件的情形,才会视为可能造成异常事件;有效作业范围,一般是指通过操作能够对实时状态指示信息形成改变或者干扰的范围,例如,每个子区域的临界范围;
其他的,例如对目标处理物的盗窃等,可以另外在进出口出设置相应的监控等措施来解决,本申请对此不做限定;
步骤S13:当判定若干子区域内的实时状态指示信息不满足初始设定条件,识别对应子区域内是否发生特征接触行为,所述对应子区域包括所述实时状态指示信息不满足初始设定条件所对应的子区域;所谓的特征接触行为,包括直接接触操作行为和间接接触操作行为,直接接触操作行为,如徒手操作,肢体接触操作等;间接接触操作行为,如,通过工具来解决,如拆卸工具,具有行走和部分动作功能的玩具车等;特征接触行为均是能够对实时状态指示信息形成改变或者干扰的操作行为;也就是可能会造成正常状态的终止;
步骤S14:若识别到对应子区域内发生接触行为,以使得检测到实时状态指示信息的停止反馈信号,判定对应子区域内发生特征接触行为,根据特征接触行为发出告警提示。在特征接触行为的动作下,实时状态指示信息将会停止反馈,生成停止反馈信号,表明对应子区域内可以正常工作的工作形态已经发生改变,例如失去工作的配合关系,造成移位;其目的可能是蓄意破坏或者为了自身有相关的子区域内的工作需求;告警提示应该根据具体的特征接触行为来完成,可以为管控中心下一步的处置提供依据;
本实施例在应用时,通过在设定条件下对目标区域进行异常检测,所述设定条件包括历史条件下目标区域内的异常行为事件所关联的可能时间段,当检测到所述活动目标的走停点位处于若干子区域的有效作业范围内时,判断若干子区域内的实时状态指示信息是否满足初始设定条件,当判定若干子区域内的实时状态指示信息不满足初始设定条件,且识别到对应子区域内发生特征接触行为,以使得检测到实时状态指示信息的停止反馈信号,根据特征接触行为发出告警提示,能够结合目标区域内活动目标的走停点位和是否满足初始设定条件,来定位最有可能发生异常事件的对应子区域,进一步的,在这些对应子区域内,当检测到使得实时状态指示信息停止反馈的特征接触行为时,判定异常行为发生,此时,能够结合特征接触行为有目标的进行及时告警,直击异常事件的发生子区域和具体类型,提高了异常事件检测的效率,能够为管控中心下一步的处置提供可靠处置依据。
如图2所示,作为本发明的一种优选实施例,所述方法还包括:
步骤S20:获取目标区域中对应的历史异常事件;
步骤S21:提取所述历史异常事件所在分区域中子区域的占用率,识别所述占用率达到设定占用率的第一分区域,每个分区域至少包括一个子区域;
步骤S22:提取所述第一分区域出现的时间段,生成异常行为事件所关联的可能时间段。
可以理解的是,历史异常事件是大数据的体现之一,通过检测占用率,当所述占用率达到设定占用率时,标记对应子区域为第一子区域,并且识别出第一分区域出现的时间段,因此可以生成异常行为事件所关联的可能时间段,据此可以用于推断异常行为事件的可能发生时段。
作为本发明的一种优选实施例,在判断若干子区域内的实时状态指示信息是否满足初始设定条件之前,所述方法还包括:
步骤S30:在确定所述子区域内存在目标处理物的条件下,检测所述目标处理物的状态信号和子区域内的状态反馈信号;
步骤S31:当检测到目标处理物的状态信号和子区域内的状态反馈信号对应一致时,根据所述状态反馈信号生成实时状态指示信息。
可以理解的是,目标处理物的状态信号,可以是自助服务中目标处理物上的指示灯信号;目标处理物形态信息,例如恢复原状等;子区域内的状态反馈信号,一般是子区域中配合目标处理物进行工作处理的设备的状态指示信息,如实时工作功率等;对应一致,表明目标处理物在子区域内正在完成(接受)相关的处理工作,以达到目标处理物的初始设定条件。
作为本发明的一种优选实施例,所述方法还包括:
步骤S40:根据活动目标的区分特征,检测活动目标在设定时长内的位移;这里的位移主要是指始末点的连接线段长度;
步骤S41:在所述位移不超过设定位移的情况下,定位对应的有效作业范围,所述有效作业范围包括子区域和/或子区域之间的间隔区域。
应当理解的是,活动目标的区分特征,当活动目标为人时,其并不一定是生物验证信息,因为在目标区域的较短时间内,活动程度有限,因此,区分特征可以是外观信息,如衣着,或者局部特征信息,如衣服上标识图案等,在位移不超过设定位移的情况下,定位的作业范围即为其减缓行走或者驻足停留的范围,可以是子区域或者说子区域旁边的间隔区域,这些区域均可以完成特征接触行为。
如图3所示,作为本发明的一种优选实施例,所述方法还包括:
步骤S50:检测活动目标在有效作业范围内的姿态信息是否符合特征姿态信息,所述特征姿态信息包括工具操纵状态下的第一姿态信息和自身特定异常状态下的第二姿态信息;第一姿态信息即表征主要通过操纵工具来进行操作,例如拆卸的工具,辅助拉拔的工具,辅助移动的工具,或者操纵的自动行走设备,如行走机器人等;第二姿态信息即表征主要借助于自身动作来进行操作,例如,徒手拆卸,徒手拉拔和徒手移动,用脚移动等,第一姿态信息和第二姿态信息均主要是为了改变对应子区域内正常的工作状态;姿态信息的识别可以排除人脸信息等相关生物信息,因此并不一定需要隐私的权限获取;姿态信息不仅可以通过影像识别来来完成,还可以借助于热成像技术,红外识别技术等来完成,在此不做限定;
步骤S51:当活动目标在有效作业范围内的姿态信息符合特征姿态信息中至少一种时,判定活动目标在有效作业范围内的姿态信息符合特征姿态信息;姿态信息符合特征姿态信息中至少一个,可以是第一姿态信息与第一设定姿态相似;第二姿态信息与第二设定姿态相似,第一设定姿态和第二设定姿态均可以表征上一步骤具体举例中对应的至少一种动作;
步骤S52:在姿态信息符合特征姿态信息的非前置延续时长内,若检测到目标处理物的状态信号和子区域内的状态反馈信号对应异常,判定对应子区域内发生特征接触行为。非前置时长,即至少应该从特征姿态信息开始发生的时刻算起,这样才符合操作带来工作状态改变的因果关系;状态信号和子区域内的状态反馈信号对应不一致,例如,自助服务的指示灯熄灭;目标处理物恢复原状等,相应的,对应子区域内的状态反馈信号也表明工作中断(通过启动自我保护机制等),此时实时状态指示信息停止反馈,可以检测到停止反馈信号;
可以理解,通过本实施例的设置,能够清楚地检测到活动目标在有效作业范围内的姿态信息是否符合特征姿态信息,从而结合子区域内相关的状态信息,来验证活动目标操作和目标处理物工作状态之间的因果关系。
作为本发明的一种优选实施例,所述根据特征接触行为发出告警提示包括:
步骤S141:捕获特征姿态信息以及对应的所述停止反馈信号,将二者与对应子区域进行绑定,生成告警提示信息;
步骤S142:将告警提示信息上报,以基于告警提示信息进行告警。
可以理解的是,通过捕获特征姿态信息以及停止反馈信号,并且将二者与对应子区域对应起来,能够为告警提示提供可靠的查看和处置的依据。告警提示一般在管控中心完成,具体的,告警提示可以借助于终端的语音或者振动来辅助进行,以便于相关人员查看相应的告警提示信息。
如图4所示,作为本发明的一种优选实施例,所述方法还包括:
步骤S60:根据至少一次特征接触行为记录对应子区域内重新生成的实时状态指示信息;
步骤S61:根据重新生成的实时状态指示信息溯源对应目标处理物,识别该目标处理物的标识信息并且将其标记为可疑标识信息,存储所述可疑标识信息;标识信息具体根据实际中目标处理物的类型来确定,例如,读取的目标处理物的设备标识;
步骤S62:若继续至少又一次检测到特征接触行为时,获取特征接触行为下对应目标处理物的标识信息,判断该标识信息是否为可疑标识信息;
步骤S63:若是,则下发限定指示,所述限定指示包括限定对应目标处理物的实时状态指示信息的进程;标识信息为可疑标识信息,即该标识信息与可疑标识信息相同;限定对应目标处理物的实时状态指示信息的进程,例如限定自助服务的完成进度、工作时长等;
步骤S64:若进一步判定前后两次特征接触行为的特征姿态信息满足预设相似度条件时,判定可能存在同一活动目标基于同一目标处理物进行特征接触行为,上报相应的作出处理的提示。这里的特征姿态信息之间满足预设相似度条件,即至少需要满足与前述的第一姿态信息和第二姿态信息至少一种相似,较前述实施例而言,考虑到同一活动目标的工具操纵状态或者自身特定异常状态下的操作具有一定的相似度,例如操作的幅度和力度,如短时间内的操作(如摆动)的轨迹相似,或者操作的类型,如严重左撇子,因此,这里的相似条件更为苛刻,可以表现为相似的设定阈值提高(即可以满足相似度更高的预设相似度条件,甚至达到相同,预设相似度的极限即为相同);
需要说明,当直接检测到前后两次特征接触行为的特征姿态信息满足预设相似度条件时,表明同一活动目标存在一次以上的特征接触行为(可以不是基于同一目标处理物,对应该标识信息与可疑标识信息不相同的情形),此时可以对相关特征姿态信息进行标记,并且将标记的相关特征姿态信息反馈到管控中心。
应当理解的是,本实施例是对前述实施例进一步的拓展,接触特征行为发生的目的可能是将自己的目标处理物替换对应子区域中的目标处理物,以使得目标处理物在对应子区域内的实时状态指示信息满足初始设定条件;也有可能是蓄意破坏,因此,根据本实施例,能够在标识信息为可疑标识信息的情况下,作出一些限定,例如限定对应目标处理物的实时状态指示信息的进程;进一步的,若判定可能存在同一活动目标基于同一目标处理物进行特征接触行为,那么该种情况较为严重,应当上报相应的作出处理的提示,便于管控中心的相关人员及时作出处理,以确保目标区域内行为事件的公平性。以上限定可以根据活动目标的后续表现来解除。
如图5所示,作为本发明的另一种优选实施例,另一方面,一种基于大数据的异常行为检测系统,所述系统包括:
异常检测模块100,用于:在设定条件下对目标区域进行异常检测,所述设定条件包括历史条件下目标区域内的异常行为事件所关联的可能时间段;
活动分布识别模块200,用于:检测活动目标在目标区域中的活动分布信息,根据所述活动分布信息检测活动目标的走停点位;
状态条件判断模块300,用于:当检测到所述活动目标的走停点位处于若干子区域的有效作业范围内时,判断若干子区域内的实时状态指示信息是否满足初始设定条件,所述若干子区域包含于目标区域中;
特征接触判断模块400,用于:当判定若干子区域内的实时状态指示信息不满足初始设定条件,识别对应子区域内是否发生特征接触行为,所述对应子区域包括所述实时状态指示信息不满足初始设定条件所对应的子区域;
接触告警模块500,用于:若识别到对应子区域内发生接触行为,以使得检测到实时状态指示信息的停止反馈信号,判定对应子区域内发生特征接触行为,根据特征接触行为发出告警提示。
本发明上述实施例中提供了一种基于大数据的异常行为检测方法,并基于该基于大数据的异常行为检测方法提供了一种基于大数据的异常行为检测系统,通过在设定条件下对目标区域进行异常检测,所述设定条件包括历史条件下目标区域内的异常行为事件所关联的可能时间段,当检测到所述活动目标的走停点位处于若干子区域的有效作业范围内时,判断若干子区域内的实时状态指示信息是否满足初始设定条件,当判定若干子区域内的实时状态指示信息不满足初始设定条件,且识别到对应子区域内发生特征接触行为,以使得检测到实时状态指示信息的停止反馈信号,根据特征接触行为发出告警提示,能够结合目标区域内活动目标的走停点位和是否满足初始设定条件,来定位最有可能发生异常事件的对应子区域,进一步的,在这些对应子区域内,当检测到使得实时状态指示信息停止反馈的特征接触行为时,判定异常行为发生,此时,能够结合特征接触行为有目标的进行及时告警,直击异常事件的发生子区域和具体类型,提高了异常事件检测的效率,能够为管控中心下一步的处置提供可靠处置依据。
为了能够加载上述方法和系统能够顺利运行,该系统除了包括上述各种模块之外,还可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线、处理器和存储器等。
所称处理器可以是中央处理单元(CentralProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现成可编程门阵列(Field-ProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,上述处理器是上述系统的控制中心,利用各种接口和线路连接各个部分。
上述存储器可用于存储计算机以及系统程序和/或模块,上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现上述各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如信息采集模板展示功能、产品信息发布功能等)等。存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(SmartMediaCard,SMC),安全数字(SecureDigital,SD)卡,闪存卡(FlashCard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于大数据的异常行为检测方法,其特征在于,所述方法包括:
在设定条件下对目标区域进行异常检测,所述设定条件包括历史条件下目标区域内的异常行为事件所关联的可能时间段;
检测活动目标在目标区域中的活动分布信息,根据所述活动分布信息检测活动目标的走停点位;
当检测到所述活动目标的走停点位处于若干子区域的有效作业范围内时,判断若干子区域内的实时状态指示信息是否满足初始设定条件,所述若干子区域包含于目标区域中;
当判定若干子区域内的实时状态指示信息不满足初始设定条件,识别对应子区域内是否发生特征接触行为,所述对应子区域包括所述实时状态指示信息不满足初始设定条件所对应的子区域;
若识别到对应子区域内发生接触行为,以使得检测到实时状态指示信息的停止反馈信号,判定对应子区域内发生特征接触行为,根据特征接触行为发出告警提示。
2.根据权利要求1所述的基于大数据的异常行为检测方法,其特征在于,所述方法还包括:
获取目标区域中对应的历史异常事件;
提取所述历史异常事件所在分区域中子区域的占用率,识别所述占用率达到设定占用率的第一分区域,每个分区域至少包括一个子区域;
提取所述第一分区域出现的时间段,生成异常行为事件所关联的可能时间段。
3.根据权利要求1或2所述的基于大数据的异常行为检测方法,其特征在于,在判断若干子区域内的实时状态指示信息是否满足初始设定条件之前,所述方法还包括:
在确定所述子区域内存在目标处理物的条件下,检测所述目标处理物的状态信号和子区域内的状态反馈信号;
当检测到目标处理物的状态信号和子区域内的状态反馈信号对应一致时,根据所述状态反馈信号生成实时状态指示信息。
4.根据权利要求1或2所述的基于大数据的异常行为检测方法,其特征在于,所述方法还包括:
根据活动目标的区分特征,检测活动目标在设定时长内的位移;
在所述位移不超过设定位移的情况下,定位对应的有效作业范围,所述有效作业范围包括子区域和/或子区域之间的间隔区域。
5.根据权利要求3所述的基于大数据的异常行为检测方法,其特征在于,所述方法还包括:
检测活动目标在有效作业范围内的姿态信息是否符合特征姿态信息,所述特征姿态信息包括工具操纵状态下的第一姿态信息和自身特定异常状态下的第二姿态信息;
当活动目标在有效作业范围内的姿态信息符合特征姿态信息中至少一种时,判定活动目标在有效作业范围内的姿态信息符合特征姿态信息;
在姿态信息符合特征姿态信息的非前置延续时长内,若检测到目标处理物的状态信号和子区域内的状态反馈信号对应异常,判定对应子区域内发生特征接触行为。
6.根据权利要求5所述的基于大数据的异常行为检测方法,其特征在于,所述根据特征接触行为发出告警提示包括:
捕获特征姿态信息以及对应的所述停止反馈信号,将二者与对应子区域进行绑定,生成告警提示信息;
将告警提示信息上报,以基于告警提示信息进行告警。
7.根据权利要求5所述的基于大数据的异常行为检测方法,其特征在于,所述方法还包括:
根据至少一次特征接触行为记录对应子区域内重新生成的实时状态指示信息;
根据重新生成的实时状态指示信息溯源对应目标处理物,识别该目标处理物的标识信息并且将其标记为可疑标识信息,存储所述可疑标识信息;
若继续至少又一次检测到特征接触行为时,获取特征接触行为下对应目标处理物的标识信息,判断该标识信息是否为可疑标识信息;
若是,则下发限定指示,所述限定指示包括限定对应目标处理物的实时状态指示信息的进程;
若进一步判定前后两次特征接触行为的特征姿态信息满足预设相似度条件时,判定可能存在同一活动目标基于同一目标处理物进行特征接触行为,上报相应的作出处理的提示。
8.一种基于大数据的异常行为检测系统,其特征在于,所述系统包括:
异常检测模块,用于:在设定条件下对目标区域进行异常检测,所述设定条件包括历史条件下目标区域内的异常行为事件所关联的可能时间段;
活动分布识别模块,用于:检测活动目标在目标区域中的活动分布信息,根据所述活动分布信息检测活动目标的走停点位;
状态条件判断模块,用于:当检测到所述活动目标的走停点位处于若干子区域的有效作业范围内时,判断若干子区域内的实时状态指示信息是否满足初始设定条件,所述若干子区域包含于目标区域中;
特征接触判断模块,用于:当判定若干子区域内的实时状态指示信息不满足初始设定条件,识别对应子区域内是否发生特征接触行为,所述对应子区域包括所述实时状态指示信息不满足初始设定条件所对应的子区域;
接触告警模块,用于:若识别到对应子区域内发生接触行为,以使得检测到实时状态指示信息的停止反馈信号,判定对应子区域内发生特征接触行为,根据特征接触行为发出告警提示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310042649.9A CN116052275B (zh) | 2023-01-28 | 2023-01-28 | 基于大数据的异常行为检测方法以及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310042649.9A CN116052275B (zh) | 2023-01-28 | 2023-01-28 | 基于大数据的异常行为检测方法以及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116052275A true CN116052275A (zh) | 2023-05-02 |
CN116052275B CN116052275B (zh) | 2023-07-07 |
Family
ID=86112943
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310042649.9A Active CN116052275B (zh) | 2023-01-28 | 2023-01-28 | 基于大数据的异常行为检测方法以及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116052275B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116597385A (zh) * | 2023-06-02 | 2023-08-15 | 北京安录国际技术有限公司 | 一种异常行为分析方法、系统 |
CN116844097A (zh) * | 2023-07-04 | 2023-10-03 | 北京安录国际技术有限公司 | 一种智慧型人车关联分析方法以及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111539252A (zh) * | 2020-03-23 | 2020-08-14 | 深圳奇迹智慧网络有限公司 | 人员监测方法、装置、计算机设备和存储介质 |
CN113011290A (zh) * | 2021-03-03 | 2021-06-22 | 上海商汤智能科技有限公司 | 事件检测方法及装置、电子设备和存储介质 |
WO2021212756A1 (zh) * | 2020-04-23 | 2021-10-28 | 平安科技(深圳)有限公司 | 指标异常分析方法、装置、电子设备及存储介质 |
CN113743238A (zh) * | 2021-08-12 | 2021-12-03 | 浙江大华技术股份有限公司 | 异常行为的检测方法、装置、电子装置和存储介质 |
CN113780237A (zh) * | 2021-09-27 | 2021-12-10 | 深圳供电局有限公司 | 一种地下管线的防外力破坏预警方法、装置及系统 |
CN115406488A (zh) * | 2022-09-13 | 2022-11-29 | 北京千尧新能源科技开发有限公司 | 海上作业平台及登乘廊桥安全预警方法及相关设备 |
-
2023
- 2023-01-28 CN CN202310042649.9A patent/CN116052275B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111539252A (zh) * | 2020-03-23 | 2020-08-14 | 深圳奇迹智慧网络有限公司 | 人员监测方法、装置、计算机设备和存储介质 |
WO2021212756A1 (zh) * | 2020-04-23 | 2021-10-28 | 平安科技(深圳)有限公司 | 指标异常分析方法、装置、电子设备及存储介质 |
CN113011290A (zh) * | 2021-03-03 | 2021-06-22 | 上海商汤智能科技有限公司 | 事件检测方法及装置、电子设备和存储介质 |
CN113743238A (zh) * | 2021-08-12 | 2021-12-03 | 浙江大华技术股份有限公司 | 异常行为的检测方法、装置、电子装置和存储介质 |
CN113780237A (zh) * | 2021-09-27 | 2021-12-10 | 深圳供电局有限公司 | 一种地下管线的防外力破坏预警方法、装置及系统 |
CN115406488A (zh) * | 2022-09-13 | 2022-11-29 | 北京千尧新能源科技开发有限公司 | 海上作业平台及登乘廊桥安全预警方法及相关设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116597385A (zh) * | 2023-06-02 | 2023-08-15 | 北京安录国际技术有限公司 | 一种异常行为分析方法、系统 |
CN116597385B (zh) * | 2023-06-02 | 2024-01-23 | 北京安录国际技术有限公司 | 一种异常行为分析方法、系统 |
CN116844097A (zh) * | 2023-07-04 | 2023-10-03 | 北京安录国际技术有限公司 | 一种智慧型人车关联分析方法以及系统 |
CN116844097B (zh) * | 2023-07-04 | 2024-01-23 | 北京安录国际技术有限公司 | 一种智慧型人车关联分析方法以及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116052275B (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116052275B (zh) | 基于大数据的异常行为检测方法以及系统 | |
CN116125997B (zh) | 一种机器人的智能巡检控制方法以及系统 | |
CN115964645B (zh) | 一种基于大数据的信息处理方法与系统 | |
CN116049262B (zh) | 一种基于大数据的关联分析系统以及方法 | |
US7765434B2 (en) | Resource efficient software tracing for problem diagnosis | |
CN116797031B (zh) | 一种基于数据采集的安全生产管理方法以及系统 | |
CN110704284A (zh) | 视频监控场景下的告警处理方法、系统及电子设备 | |
CN105426263B (zh) | 一种实现金库系统安全运行的方法及系统 | |
CN115358609A (zh) | 一种企业数字化管理方法以及系统 | |
CN102792278B (zh) | 用于计算环境中的诊断数据捕获的方法和设备 | |
CN115935003A (zh) | 一种基于大数据的信息收集方法与系统 | |
CN115934005B (zh) | 一种数据存储方法和系统 | |
CN114020432A (zh) | 任务异常处理方法、装置及任务异常处理系统 | |
CN116389148B (zh) | 一种基于人工智能的网络安全态势预测系统 | |
CN104914784A (zh) | 数值控制装置 | |
CN112153341B (zh) | 一种任务监督方法、装置、系统、电子设备及存储介质 | |
CN112465386A (zh) | 基于saas模式的智能运维系统及方法、存储介质 | |
CN115641098B (zh) | 一种信息推送方法、装置、计算机设备及存储介质 | |
JP2003528374A (ja) | 工業設備の運転方法及び監視装置 | |
CN115879897B (zh) | 一种水利水电工程建设管理系统以及管理方法 | |
JP2908846B2 (ja) | Nc装置のアラーム情報処理装置 | |
CN114020561B (zh) | 故障上报方法、系统、装置、计算机设备及存储介质 | |
CN113986142B (zh) | 磁盘故障监控方法、装置、计算机设备及存储介质 | |
CN116166323A (zh) | 命令处理方法、装置及存储设备 | |
CN118038121A (zh) | 防止道岔转动夹伤作业人员的预警方法、装置及存储介质 |
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 |