CN117197739A - 一种智慧楼宇的监控数据处理方法及系统 - Google Patents
一种智慧楼宇的监控数据处理方法及系统 Download PDFInfo
- Publication number
- CN117197739A CN117197739A CN202311163512.5A CN202311163512A CN117197739A CN 117197739 A CN117197739 A CN 117197739A CN 202311163512 A CN202311163512 A CN 202311163512A CN 117197739 A CN117197739 A CN 117197739A
- Authority
- CN
- China
- Prior art keywords
- building
- image data
- data
- analysis
- monitoring
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 473
- 238000003672 processing method Methods 0.000 title claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims abstract description 205
- 238000007405 data analysis Methods 0.000 claims abstract description 177
- 238000012545 processing Methods 0.000 claims abstract description 122
- 238000005457 optimization Methods 0.000 claims abstract description 85
- 230000002159 abnormal effect Effects 0.000 claims abstract description 60
- 238000011156 evaluation Methods 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000005856 abnormality Effects 0.000 claims description 31
- 238000012512 characterization method Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 19
- 238000012216 screening Methods 0.000 claims description 10
- 230000002787 reinforcement Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 13
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
Landscapes
- Alarm Systems (AREA)
Abstract
本发明提供的一种智慧楼宇的监控数据处理方法及系统,涉及数据处理技术领域。在本发明中,在至少一个历史楼宇监控图像数据中,确定出分析可靠度评估参数与目标分析可靠度规则符合的第一历史楼宇监控图像数据,以及,提取到第一历史楼宇监控图像数据对应的楼宇异常真实信息;将第一历史楼宇监控图像数据作为典型数据,以及,将对应的楼宇异常真实信息作为典型数据的典型数据标识,对监控数据分析网络进行网络优化处理,以形成优化后的监控数据分析网络;利用优化后的监控数据分析网络,对当前楼宇监控图像数据进行楼宇异常分析操作,以输出楼宇异常分析信息。基于上述方法,可以提高楼宇异常分析的可靠度。
Description
技术领域
本发明涉及数据处理技术领域,具体而言,涉及一种智慧楼宇的监控数据处理方法及系统。
背景技术
智慧楼宇(IB,Intelligent Building)也称智能建筑、智能楼宇,通过楼宇自控系统(这里指通常所说的小BA系统或狭义BA系统),采用先进的计算机控制技术、管理软件和节能系统程序,使建筑物机电或建筑群内的设备有条不紊、综合协调、科学地运行,从而达到有效地保证建筑物内有舒适的工作环境、实现节能、节省维护管理工作量和运行费用的目的。
其中,在智慧楼宇的实现中,一个重要的环节是对监控数据进行处理,如进行异常分析等处理,但是,在现有技术中,在对监控数据进行异常分析的过程中,存在着楼宇异常分析的可靠度不佳的问题。
发明内容
有鉴于此,本发明的目的在于提供一种智慧楼宇的监控数据处理方法及系统,以提高楼宇异常分析的可靠度。
为实现上述目的,本发明实施例采用如下技术方案:
一种智慧楼宇的监控数据处理方法,包括:
利用监控数据分析网络,将采集到的至少一个历史楼宇监控图像数据进行楼宇异常分析操作,以输出每一个所述历史楼宇监控图像数据对应的楼宇异常分析信息;
对于每一个所述历史楼宇监控图像数据,依据所述楼宇异常分析信息,分析出所述历史楼宇监控图像数据对应的分析可靠度评估参数,所述分析可靠度评估参数用于反映利用所述监控数据分析网络将所述历史楼宇监控图像数据进行分析以输出正确楼宇异常信息的可靠性高低;
在所述至少一个历史楼宇监控图像数据中,确定出对应的分析可靠度评估参数与目标分析可靠度规则符合的第一历史楼宇监控图像数据,以及,提取到所述第一历史楼宇监控图像数据对应的楼宇异常真实信息;
将所述第一历史楼宇监控图像数据作为典型数据,以及,将所述第一历史楼宇监控图像数据对应的楼宇异常真实信息作为所述典型数据的典型数据标识,对所述监控数据分析网络进行网络优化处理,以形成优化后的监控数据分析网络;
利用所述优化后的监控数据分析网络,对采集到的当前楼宇监控图像数据进行楼宇异常分析操作,以输出所述当前楼宇监控图像数据对应的楼宇异常分析信息。
在一些优选的实施例中,在上述智慧楼宇的监控数据处理方法中,所述利用监控数据分析网络,将采集到的至少一个历史楼宇监控图像数据进行楼宇异常分析操作,以输出每一个所述历史楼宇监控图像数据对应的楼宇异常分析信息的步骤,包括:
确定出每一个所述历史楼宇监控图像数据的采集时间信息;
基于所述采集时间信息,对所述至少一个历史楼宇监控图像数据进行分阶段的加载操作,以加载到监控数据分析网络中;
利用所述监控数据分析网络,分别将每一个阶段的历史楼宇监控图像数据进行楼宇异常分析操作,以输出每一个所述历史楼宇监控图像数据对应的楼宇异常分析信息,每一个阶段的历史楼宇监控图像数据包括预设数量个历史楼宇监控图像数据。
在一些优选的实施例中,在上述智慧楼宇的监控数据处理方法中,所述监控数据分析网络包括多个监控数据分析子网络;
所述利用所述监控数据分析网络,分别将每一个阶段的历史楼宇监控图像数据进行楼宇异常分析操作,以输出每一个所述历史楼宇监控图像数据对应的楼宇异常分析信息的步骤,包括:
对于每一个所述历史楼宇监控图像数据:
利用每一个所述监控数据分析子网络,将所述历史楼宇监控图像数据分别进行楼宇异常分析操作,以输出每一个所述监控数据分析子网络对应的待处理楼宇异常分析信息;
对于每一个所述监控数据分析子网络,确定出所述监控数据分析子网络对应的分析真实性评估参数,以及,对所述分析真实性评估参数进行标记,以标记为所述监控数据分析子网络对应的重要性表征参数,所述分析真实性评估参数用于反映所述监控数据分析子网络的待处理楼宇异常分析信息的真实性高低;
依据每一个所述监控数据分析子网络对应的重要性表征参数,将所述多个监控数据分析子网络对应的待处理楼宇异常分析信息进行融合,以输出所述历史楼宇监控图像数据对应的楼宇异常分析信息。
在一些优选的实施例中,在上述智慧楼宇的监控数据处理方法中,所述监控数据分析网络用于在至少两个异常种类中进行分析评估;
所述楼宇异常分析信息包括所述历史楼宇监控图像数据与每一个所述异常种类的匹配可能性表征参数;
所述对于每一个所述历史楼宇监控图像数据,依据所述楼宇异常分析信息,分析出所述历史楼宇监控图像数据对应的分析可靠度评估参数的步骤,包括:
依据所述历史楼宇监控图像数据与每一个所述异常种类的匹配可能性表征参数,分析出所述历史楼宇监控图像数据对应的参数分布不稳定系数;
对所述参数分布不稳定系数进行标记,以标记为所述历史楼宇监控图像数据对应的分析可靠度评估参数。
在一些优选的实施例中,在上述智慧楼宇的监控数据处理方法中,所述将所述第一历史楼宇监控图像数据作为典型数据,以及,将所述第一历史楼宇监控图像数据对应的楼宇异常真实信息作为所述典型数据的典型数据标识,对所述监控数据分析网络进行网络优化处理,以形成优化后的监控数据分析网络的步骤,包括:
在所述第一历史楼宇监控图像数据中,筛选出目标历史楼宇监控图像数据,所述目标历史楼宇监控图像数据的楼宇异常分析信息与所述目标历史楼宇监控图像数据的楼宇异常真实信息不一致;
将所述目标历史楼宇监控图像数据进行强化操作,以输出对应的强化楼宇监控图像数据,以及,对所述目标历史楼宇监控图像数据对应的楼宇异常真实信息进行标记处理,以标记为所述强化楼宇监控图像数据对应的楼宇异常真实信息;
将所述第一历史楼宇监控图像数据和所述强化楼宇监控图像数据作为典型数据,以及,将所述第一历史楼宇监控图像数据对应的楼宇异常真实信息和所述强化楼宇监控图像数据对应的楼宇异常真实信息作为所述典型数据对应的典型数据标识,以对所述监控数据分析网络进行网络优化处理,以形成优化后的监控数据分析网络。
在一些优选的实施例中,在上述智慧楼宇的监控数据处理方法中,所述将所述第一历史楼宇监控图像数据作为典型数据,以及,将所述第一历史楼宇监控图像数据对应的楼宇异常真实信息作为所述典型数据的典型数据标识,对所述监控数据分析网络进行网络优化处理,以形成优化后的监控数据分析网络的步骤,包括:
提取到监督性典型图像数据和非监督性典型图像数据,所述监督性典型图像数据具有对应的典型数据标识,所述非监督性典型图像数据不具有对应的典型数据标识;
将所述第一历史楼宇监控图像数据作为典型数据,以及,将所述第一历史楼宇监控图像数据对应的楼宇异常真实信息作为对应所述典型数据的典型数据标识,再与所述监督性典型图像数据一并将所述监控数据分析网络进行网络优化处理,以形成所述监控数据分析网络对应的候选监控数据分析网络;
利用所述非监督性典型图像数据,将所述候选监控数据分析网络进行预设批次的网络优化处理,以形成优化后的监控数据分析网络。
在一些优选的实施例中,在上述智慧楼宇的监控数据处理方法中,所述预设批次等于A,所述利用所述非监督性典型图像数据,将所述候选监控数据分析网络进行预设批次的网络优化处理,以形成优化后的监控数据分析网络的步骤,包括:
对于所述A个网络优化处理中的第1个网络优化处理,利用所述候选监控数据分析网络,将所述非监督性典型图像数据进行楼宇异常分析操作,以输出对应的第一楼宇异常分析信息,以及,对所述第一楼宇异常分析信息进行标记处理,以标记为所述非监督性典型图像数据对应的第一典型数据标识;
依据具有所述第一典型数据标识的所述非监督性典型图像数据,将所述候选监控数据分析网络进行网络优化处理,以形成所述A个网络优化处理中第1个网络优化处理对应的第一监控数据分析网络;
对于所述A个网络优化处理中的第a个网络优化处理,利用第b个网络优化处理对应的第一监控数据分析网络,将所述非监督性典型图像数据进行楼宇异常分析操作,以输出对应的第二楼宇异常分析信息,以及,对所述第二楼宇异常分析信息进行标记处理,以标记为所述非监督性典型图像数据对应的第二典型数据标识;
依据具有所述第二典型数据标识的所述非监督性典型图像数据,将所述第b个网络优化处理对应的第一监控数据分析网络进行网络优化处理,以形成所述A个网络优化处理中第b个网络优化处理对应的第一监控数据分析网络,以形成优化后的监控数据分析网络,a-b=1。
本发明实施例还提供一种智慧楼宇的监控数据处理系统,包括:
第一楼宇异常分析模块,用于利用监控数据分析网络,将采集到的至少一个历史楼宇监控图像数据进行楼宇异常分析操作,以输出每一个所述历史楼宇监控图像数据对应的楼宇异常分析信息;
分析可靠度评估模块,用于对于每一个所述历史楼宇监控图像数据,依据所述楼宇异常分析信息,分析出所述历史楼宇监控图像数据对应的分析可靠度评估参数,所述分析可靠度评估参数用于反映利用所述监控数据分析网络将所述历史楼宇监控图像数据进行分析以输出正确楼宇异常信息的可靠性高低;
历史图像数据筛选模块,用于在所述至少一个历史楼宇监控图像数据中,确定出对应的分析可靠度评估参数与目标分析可靠度规则符合的第一历史楼宇监控图像数据,以及,提取到所述第一历史楼宇监控图像数据对应的楼宇异常真实信息;
网络优化处理模块,用于将所述第一历史楼宇监控图像数据作为典型数据,以及,将所述第一历史楼宇监控图像数据对应的楼宇异常真实信息作为所述典型数据的典型数据标识,对所述监控数据分析网络进行网络优化处理,以形成优化后的监控数据分析网络;
第二楼宇异常分析模块,用于利用所述优化后的监控数据分析网络,对采集到的当前楼宇监控图像数据进行楼宇异常分析操作,以输出所述当前楼宇监控图像数据对应的楼宇异常分析信息。
在一些优选的实施例中,在上述智慧楼宇的监控数据处理系统中,所述监控数据分析网络用于在至少两个异常种类中进行分析评估,所述楼宇异常分析信息包括所述历史楼宇监控图像数据与每一个所述异常种类的匹配可能性表征参数,所述分析可靠度评估模块具体用于:
依据所述历史楼宇监控图像数据与每一个所述异常种类的匹配可能性表征参数,分析出所述历史楼宇监控图像数据对应的参数分布不稳定系数;
对所述参数分布不稳定系数进行标记,以标记为所述历史楼宇监控图像数据对应的分析可靠度评估参数。
在一些优选的实施例中,在上述智慧楼宇的监控数据处理系统中,所述网络优化处理模块具体用于:
提取到监督性典型图像数据和非监督性典型图像数据,所述监督性典型图像数据具有对应的典型数据标识,所述非监督性典型图像数据不具有对应的典型数据标识;
将所述第一历史楼宇监控图像数据作为典型数据,以及,将所述第一历史楼宇监控图像数据对应的楼宇异常真实信息作为对应所述典型数据的典型数据标识,再与所述监督性典型图像数据一并将所述监控数据分析网络进行网络优化处理,以形成所述监控数据分析网络对应的候选监控数据分析网络;
利用所述非监督性典型图像数据,将所述候选监控数据分析网络进行预设批次的网络优化处理,以形成优化后的监控数据分析网络。
本发明实施例提供的一种智慧楼宇的监控数据处理方法及系统,可以在至少一个历史楼宇监控图像数据中,确定出分析可靠度评估参数与目标分析可靠度规则符合的第一历史楼宇监控图像数据,以及,提取到第一历史楼宇监控图像数据对应的楼宇异常真实信息;将第一历史楼宇监控图像数据作为典型数据,以及,将对应的楼宇异常真实信息作为典型数据的典型数据标识,对监控数据分析网络进行网络优化处理,以形成优化后的监控数据分析网络;利用优化后的监控数据分析网络,对当前楼宇监控图像数据进行楼宇异常分析操作,以输出楼宇异常分析信息。基于前述的内容,由于在进行网络优化处理之前,会先基于对应的分析可靠度评估参数对历史楼宇监控图像数据进行筛选,使得进行网络优化处理的依据(即第一历史楼宇监控图像数据)可以更为可靠,因此,可以提高优化后的监控数据分析网络的精度,从而提高楼宇异常分析的可靠度。另外,通过筛选出一部分的第一历史楼宇监控图像数据,使得需要获取的楼宇异常真实信息的数量可以降低,从而可以降低楼宇异常真实信息获取的成本。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
图1为本发明实施例提供的智慧楼宇的监控数据处理平台的结构框图。
图2为本发明实施例提供的智慧楼宇的监控数据处理方法包括的各步骤的流程示意图。
图3为本发明实施例提供的智慧楼宇的监控数据处理系统包括的各模块的示意图。
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,显然,所描述的实施例只是本发明的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种智慧楼宇的监控数据处理平台。其中,所述智慧楼宇的监控数据处理平台可以包括存储器和处理器。
详细地,所述存储器和处理器之间直接或间接地电性连接,以实现数据的传输或交互。例如,相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式,存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序,从而实现本发明实施例(如后文所述)提供的智慧楼宇的监控数据处理方法。
可以选择的是,在一些实施方式中,所述存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable ProgrammableRead-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable ProgrammableRead-Only Memory,EEPROM)等。
可以选择的是,在一些实施方式中,所述处理器可以是一种通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、片上系统(System on Chip,SoC)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(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。
可以选择的是,在一些实施方式中,所述智慧楼宇的监控数据处理平台可以是一种具备数据处理能力的服务器。
结合图2,本发明实施例还提供一种智慧楼宇的监控数据处理方法,可应用于上述智慧楼宇的监控数据处理平台。其中,所述智慧楼宇的监控数据处理方法有关的流程所定义的方法步骤,可以由所述智慧楼宇的监控数据处理平台实现。下面将对图2所示的具体流程,进行详细阐述。
步骤S110,利用监控数据分析网络,将采集到的至少一个历史楼宇监控图像数据进行楼宇异常分析操作,以输出每一个所述历史楼宇监控图像数据对应的楼宇异常分析信息。
在本发明实施例中,所述智慧楼宇的监控数据处理平台可以利用监控数据分析网络,将采集到的至少一个历史楼宇监控图像数据进行楼宇异常分析操作,以输出每一个所述历史楼宇监控图像数据对应的楼宇异常分析信息,所述楼宇异常分析信息可以用于反映异常种类或异常程度等,另外,所述监控数据分析网络可以是指初始的神经网络,也可以是指经过网络优化处理的神经网络,在此不做具体的限定。
步骤S120,对于每一个所述历史楼宇监控图像数据,依据所述楼宇异常分析信息,分析出所述历史楼宇监控图像数据对应的分析可靠度评估参数。
在本发明实施例中,所述智慧楼宇的监控数据处理平台可以对于每一个所述历史楼宇监控图像数据,依据所述楼宇异常分析信息,分析出所述历史楼宇监控图像数据对应的分析可靠度评估参数。所述分析可靠度评估参数用于反映利用所述监控数据分析网络将所述历史楼宇监控图像数据进行分析以输出正确楼宇异常信息的可靠性高低,也可以理解为复杂程度。
步骤S130,在所述至少一个历史楼宇监控图像数据中,确定出对应的分析可靠度评估参数与目标分析可靠度规则符合的第一历史楼宇监控图像数据,以及,提取到所述第一历史楼宇监控图像数据对应的楼宇异常真实信息。
在本发明实施例中,所述智慧楼宇的监控数据处理平台可以在所述至少一个历史楼宇监控图像数据中,确定出对应的分析可靠度评估参数与目标分析可靠度规则符合的第一历史楼宇监控图像数据,以及,提取到所述第一历史楼宇监控图像数据对应的楼宇异常真实信息,例如,可以将对应的分析可靠度评估参数大于或等于参考可靠度评估参数的每一个历史楼宇监控图像数据作为第一历史楼宇监控图像数据。
步骤S140,将所述第一历史楼宇监控图像数据作为典型数据,以及,将所述第一历史楼宇监控图像数据对应的楼宇异常真实信息作为所述典型数据的典型数据标识,对所述监控数据分析网络进行网络优化处理,以形成优化后的监控数据分析网络。
在本发明实施例中,所述智慧楼宇的监控数据处理平台可以将所述第一历史楼宇监控图像数据作为典型数据,以及,将所述第一历史楼宇监控图像数据对应的楼宇异常真实信息作为所述典型数据的典型数据标识,对所述监控数据分析网络进行网络优化处理,以形成所述监控数据分析网络对应的优化后的监控数据分析网络。
步骤S150,利用所述优化后的监控数据分析网络,对采集到的当前楼宇监控图像数据进行楼宇异常分析操作,以输出所述当前楼宇监控图像数据对应的楼宇异常分析信息。
在本发明实施例中,所述智慧楼宇的监控数据处理平台可以利用所述优化后的监控数据分析网络,对采集到的当前楼宇监控图像数据(即当前采集到的楼宇监控图像数据)进行楼宇异常分析操作,以输出所述当前楼宇监控图像数据对应的楼宇异常分析信息。
基于前述的内容,由于在进行网络优化处理之前,会先基于对应的分析可靠度评估参数对历史楼宇监控图像数据进行筛选,使得进行网络优化处理的依据(即第一历史楼宇监控图像数据)可以更为可靠,因此,可以提高优化后的监控数据分析网络的精度,从而提高楼宇异常分析的可靠度,进而改善现有技术中存在的可靠度不佳的问题。另外,通过筛选出一部分的第一历史楼宇监控图像数据,使得需要获取的楼宇异常真实信息的数量可以降低,从而可以降低楼宇异常真实信息获取的成本。
可以选择的是,在一些实施方式中,所述利用监控数据分析网络,将采集到的至少一个历史楼宇监控图像数据进行楼宇异常分析操作,以输出每一个所述历史楼宇监控图像数据对应的楼宇异常分析信息的步骤,可以包括以下内容:
确定出每一个所述历史楼宇监控图像数据的采集时间信息;
基于所述采集时间信息,对所述至少一个历史楼宇监控图像数据进行分阶段的加载操作,以加载到监控数据分析网络中;
利用所述监控数据分析网络,分别将每一个阶段的历史楼宇监控图像数据进行楼宇异常分析操作(如特征挖掘和激励映射输出等处理),以输出每一个所述历史楼宇监控图像数据对应的楼宇异常分析信息,每一个阶段的历史楼宇监控图像数据包括预设数量个历史楼宇监控图像数据。
可以选择的是,在一些实施方式中,所述监控数据分析网络包括多个监控数据分析子网络,所述利用所述监控数据分析网络,分别将每一个阶段的历史楼宇监控图像数据进行楼宇异常分析操作,以输出每一个所述历史楼宇监控图像数据对应的楼宇异常分析信息的步骤,可以包括以下内容:
对于每一个所述历史楼宇监控图像数据:
利用每一个所述监控数据分析子网络,将所述历史楼宇监控图像数据分别进行楼宇异常分析操作,以输出每一个所述监控数据分析子网络对应的待处理楼宇异常分析信息;
对于每一个所述监控数据分析子网络,确定出所述监控数据分析子网络对应的分析真实性评估参数,以及,对所述分析真实性评估参数进行标记,以标记为所述监控数据分析子网络对应的重要性表征参数,所述分析真实性评估参数用于反映所述监控数据分析子网络的待处理楼宇异常分析信息的真实性高低,且可以通过相应的一些典型数据对应的所述检测用楼宇异常分析信息和所述检测用典型数据标识之间的匹配度确定;
依据每一个所述监控数据分析子网络对应的重要性表征参数,将所述多个监控数据分析子网络对应的待处理楼宇异常分析信息进行融合,以输出所述历史楼宇监控图像数据对应的楼宇异常分析信息,也就是说,可以基于所述重要性表征参数对所述待处理楼宇异常分析信息进行加权求和,以得到所述历史楼宇监控图像数据对应的楼宇异常分析信息。
可以选择的是,在一些实施方式中,所述监控数据分析网络用于在至少两个异常种类(该异常种类也可以是指不同的异常程度)中进行分析评估,所述楼宇异常分析信息包括所述历史楼宇监控图像数据与每一个所述异常种类的匹配可能性表征参数,所述对于每一个所述历史楼宇监控图像数据,依据所述楼宇异常分析信息,分析出所述历史楼宇监控图像数据对应的分析可靠度评估参数的步骤,可以包括以下内容:
依据所述历史楼宇监控图像数据与每一个所述异常种类的匹配可能性表征参数,分析出所述历史楼宇监控图像数据对应的参数分布不稳定系数(例如,可以对每一个所述匹配可能性表征参数进行取对数操作,然后,可以结果和所述匹配可能性表征参数进行乘积计算,最后,可以对每一个所述匹配可能性表征参数对应的乘积计算结果进行叠加,可以得到与所述参数分布不稳定系数负相关的一个值,从而确定出参数分布不稳定系数);
对所述参数分布不稳定系数进行标记,以标记为所述历史楼宇监控图像数据对应的分析可靠度评估参数。
可以选择的是,在一些实施方式中,所述将所述第一历史楼宇监控图像数据作为典型数据,以及,将所述第一历史楼宇监控图像数据对应的楼宇异常真实信息作为所述典型数据的典型数据标识,对所述监控数据分析网络进行网络优化处理,以形成优化后的监控数据分析网络的步骤,可以包括以下内容:
在所述第一历史楼宇监控图像数据中,筛选出目标历史楼宇监控图像数据,所述目标历史楼宇监控图像数据的楼宇异常分析信息与所述目标历史楼宇监控图像数据的楼宇异常真实信息不一致;
将所述目标历史楼宇监控图像数据进行强化操作,以输出对应的强化楼宇监控图像数据(如对强化楼宇监控图像数据进行无效数据筛除等处理,例如,在进行行为安全异常分析时,可以将背景图像筛除等),以及,对所述目标历史楼宇监控图像数据对应的楼宇异常真实信息进行标记处理,以标记为所述强化楼宇监控图像数据对应的楼宇异常真实信息;
将所述第一历史楼宇监控图像数据和所述强化楼宇监控图像数据作为典型数据,以及,将所述第一历史楼宇监控图像数据对应的楼宇异常真实信息和所述强化楼宇监控图像数据对应的楼宇异常真实信息作为所述典型数据对应的典型数据标识,以对所述监控数据分析网络进行网络优化处理,以形成优化后的监控数据分析网络。
可以选择的是,在一些实施方式中,所述将所述第一历史楼宇监控图像数据作为典型数据,以及,将所述第一历史楼宇监控图像数据对应的楼宇异常真实信息作为所述典型数据的典型数据标识,对所述监控数据分析网络进行网络优化处理,以形成优化后的监控数据分析网络的步骤,可以包括以下内容:
提取到监督性典型图像数据和非监督性典型图像数据,所述监督性典型图像数据具有对应的典型数据标识(使得可以进行监控优化),所述非监督性典型图像数据不具有对应的典型数据标识;
将所述第一历史楼宇监控图像数据作为典型数据,以及,将所述第一历史楼宇监控图像数据对应的楼宇异常真实信息作为对应所述典型数据的典型数据标识,再与所述监督性典型图像数据一并将所述监控数据分析网络进行网络优化处理,以形成所述监控数据分析网络对应的候选监控数据分析网络;
利用所述非监督性典型图像数据,将所述候选监控数据分析网络进行预设批次的网络优化处理,以形成优化后的监控数据分析网络。
可以选择的是,在一些实施方式中,所述预设批次等于A,所述利用所述非监督性典型图像数据,将所述候选监控数据分析网络进行预设批次的网络优化处理,以形成优化后的监控数据分析网络的步骤,包括以下内容:
对于所述A个网络优化处理中的第1个网络优化处理,利用所述候选监控数据分析网络,将所述非监督性典型图像数据进行楼宇异常分析操作,以输出对应的第一楼宇异常分析信息,以及,对所述第一楼宇异常分析信息进行标记处理,以标记为所述非监督性典型图像数据对应的第一典型数据标识;
依据具有所述第一典型数据标识的所述非监督性典型图像数据,将所述候选监控数据分析网络进行网络优化处理,以形成所述A个网络优化处理中第1个网络优化处理对应的第一监控数据分析网络;
对于所述A个网络优化处理中的第a个网络优化处理,利用第b个网络优化处理对应的第一监控数据分析网络,将所述非监督性典型图像数据进行楼宇异常分析操作,以输出对应的第二楼宇异常分析信息,以及,对所述第二楼宇异常分析信息进行标记处理,以标记为所述非监督性典型图像数据对应的第二典型数据标识;
依据具有所述第二典型数据标识的所述非监督性典型图像数据,将所述第b个网络优化处理对应的第一监控数据分析网络进行网络优化处理,以形成所述A个网络优化处理中第b个网络优化处理对应的第一监控数据分析网络,以形成优化后的监控数据分析网络,a-b=1。
其中,可以选择的是,在一些实施方式中,在所述将所述第一历史楼宇监控图像数据作为典型数据,以及,将所述第一历史楼宇监控图像数据对应的楼宇异常真实信息作为所述典型数据的典型数据标识,对所述监控数据分析网络进行网络优化处理,以形成优化后的监控数据分析网络的步骤后,所述智慧楼宇的监控数据处理方法还可以包括以下内容:
提取到检测用典型图像数据,所述检测用典型图像数据具有的检测用典型数据标识;
利用所述优化后的监控数据分析网络,将所述检测用典型图像数据进行楼宇异常分析操作,以输出对应的检测用楼宇异常分析信息;
依据所述检测用楼宇异常分析信息和所述检测用典型数据标识,分析出所述优化后的监控数据分析网络对应的分析真实性评估参数,所述检测用楼宇异常分析信息和所述检测用典型数据标识越接近,所述分析真实性评估参数越高,所述检测用楼宇异常分析信息和所述检测用典型数据标识越偏离,所述分析真实性评估参数越低;
在所述分析真实性评估参数大于或等于预先配置的参考真实性评估参数的情况下,将所述优化后的监控数据分析网络进行标记处理,以标记为最终的优化后的监控数据分析网络,所述参考真实性评估参数的具体数值不受限制,可以根据实际需求进行配置。
结合图3,本发明实施例还提供一种智慧楼宇的监控数据处理系统,可应用于上述智慧楼宇的监控数据处理平台。其中,所述智慧楼宇的监控数据处理系统可以包括以下内容:
第一楼宇异常分析模块,用于利用监控数据分析网络,将采集到的至少一个历史楼宇监控图像数据进行楼宇异常分析操作,以输出每一个所述历史楼宇监控图像数据对应的楼宇异常分析信息;
分析可靠度评估模块,用于对于每一个所述历史楼宇监控图像数据,依据所述楼宇异常分析信息,分析出所述历史楼宇监控图像数据对应的分析可靠度评估参数,所述分析可靠度评估参数用于反映利用所述监控数据分析网络将所述历史楼宇监控图像数据进行分析以输出正确楼宇异常信息的可靠性高低;
历史图像数据筛选模块,用于在所述至少一个历史楼宇监控图像数据中,确定出对应的分析可靠度评估参数与目标分析可靠度规则符合的第一历史楼宇监控图像数据,以及,提取到所述第一历史楼宇监控图像数据对应的楼宇异常真实信息;
网络优化处理模块,用于将所述第一历史楼宇监控图像数据作为典型数据,以及,将所述第一历史楼宇监控图像数据对应的楼宇异常真实信息作为所述典型数据的典型数据标识,对所述监控数据分析网络进行网络优化处理,以形成优化后的监控数据分析网络;
第二楼宇异常分析模块,用于利用所述优化后的监控数据分析网络,对采集到的当前楼宇监控图像数据进行楼宇异常分析操作,以输出所述当前楼宇监控图像数据对应的楼宇异常分析信息。
可以选择的是,在一些实施方式中,所述监控数据分析网络用于在至少两个异常种类中进行分析评估,所述楼宇异常分析信息包括所述历史楼宇监控图像数据与每一个所述异常种类的匹配可能性表征参数,所述分析可靠度评估模块具体用于:
依据所述历史楼宇监控图像数据与每一个所述异常种类的匹配可能性表征参数,分析出所述历史楼宇监控图像数据对应的参数分布不稳定系数;
对所述参数分布不稳定系数进行标记,以标记为所述历史楼宇监控图像数据对应的分析可靠度评估参数。
可以选择的是,在一些实施方式中,所述网络优化处理模块具体用于:
提取到监督性典型图像数据和非监督性典型图像数据,所述监督性典型图像数据具有对应的典型数据标识,所述非监督性典型图像数据不具有对应的典型数据标识;
将所述第一历史楼宇监控图像数据作为典型数据,以及,将所述第一历史楼宇监控图像数据对应的楼宇异常真实信息作为对应所述典型数据的典型数据标识,再与所述监督性典型图像数据一并将所述监控数据分析网络进行网络优化处理,以形成所述监控数据分析网络对应的候选监控数据分析网络;
利用所述非监督性典型图像数据,将所述候选监控数据分析网络进行预设批次的网络优化处理,以形成优化后的监控数据分析网络。
综上所述,本发明提供的一种智慧楼宇的监控数据处理方法及系统,可以在至少一个历史楼宇监控图像数据中,确定出分析可靠度评估参数与目标分析可靠度规则符合的第一历史楼宇监控图像数据,以及,提取到第一历史楼宇监控图像数据对应的楼宇异常真实信息;将第一历史楼宇监控图像数据作为典型数据,以及,将对应的楼宇异常真实信息作为典型数据的典型数据标识,对监控数据分析网络进行网络优化处理,以形成优化后的监控数据分析网络;利用优化后的监控数据分析网络,对当前楼宇监控图像数据进行楼宇异常分析操作,以输出楼宇异常分析信息。基于前述的内容,由于在进行网络优化处理之前,会先基于对应的分析可靠度评估参数对历史楼宇监控图像数据进行筛选,使得进行网络优化处理的依据(即第一历史楼宇监控图像数据)可以更为可靠,因此,可以提高优化后的监控数据分析网络的精度,从而提高楼宇异常分析的可靠度。另外,通过筛选出一部分的第一历史楼宇监控图像数据,使得需要获取的楼宇异常真实信息的数量可以降低,从而可以降低楼宇异常真实信息获取的成本。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种智慧楼宇的监控数据处理方法,其特征在于,包括:
利用监控数据分析网络,将采集到的至少一个历史楼宇监控图像数据进行楼宇异常分析操作,以输出每一个所述历史楼宇监控图像数据对应的楼宇异常分析信息;
对于每一个所述历史楼宇监控图像数据,依据所述楼宇异常分析信息,分析出所述历史楼宇监控图像数据对应的分析可靠度评估参数,所述分析可靠度评估参数用于反映利用所述监控数据分析网络将所述历史楼宇监控图像数据进行分析以输出正确楼宇异常信息的可靠性高低;
在所述至少一个历史楼宇监控图像数据中,确定出对应的分析可靠度评估参数与目标分析可靠度规则符合的第一历史楼宇监控图像数据,以及,提取到所述第一历史楼宇监控图像数据对应的楼宇异常真实信息;
将所述第一历史楼宇监控图像数据作为典型数据,以及,将所述第一历史楼宇监控图像数据对应的楼宇异常真实信息作为所述典型数据的典型数据标识,对所述监控数据分析网络进行网络优化处理,以形成优化后的监控数据分析网络;
利用所述优化后的监控数据分析网络,对采集到的当前楼宇监控图像数据进行楼宇异常分析操作,以输出所述当前楼宇监控图像数据对应的楼宇异常分析信息。
2.如权利要求1所述的智慧楼宇的监控数据处理方法,其特征在于,所述利用监控数据分析网络,将采集到的至少一个历史楼宇监控图像数据进行楼宇异常分析操作,以输出每一个所述历史楼宇监控图像数据对应的楼宇异常分析信息的步骤,包括:
确定出每一个所述历史楼宇监控图像数据的采集时间信息;
基于所述采集时间信息,对所述至少一个历史楼宇监控图像数据进行分阶段的加载操作,以加载到监控数据分析网络中;
利用所述监控数据分析网络,分别将每一个阶段的历史楼宇监控图像数据进行楼宇异常分析操作,以输出每一个所述历史楼宇监控图像数据对应的楼宇异常分析信息,每一个阶段的历史楼宇监控图像数据包括预设数量个历史楼宇监控图像数据。
3.如权利要求1所述的智慧楼宇的监控数据处理方法,其特征在于,所述监控数据分析网络包括多个监控数据分析子网络;
所述利用所述监控数据分析网络,分别将每一个阶段的历史楼宇监控图像数据进行楼宇异常分析操作,以输出每一个所述历史楼宇监控图像数据对应的楼宇异常分析信息的步骤,包括:
对于每一个所述历史楼宇监控图像数据:
利用每一个所述监控数据分析子网络,将所述历史楼宇监控图像数据分别进行楼宇异常分析操作,以输出每一个所述监控数据分析子网络对应的待处理楼宇异常分析信息;
对于每一个所述监控数据分析子网络,确定出所述监控数据分析子网络对应的分析真实性评估参数,以及,对所述分析真实性评估参数进行标记,以标记为所述监控数据分析子网络对应的重要性表征参数,所述分析真实性评估参数用于反映所述监控数据分析子网络的待处理楼宇异常分析信息的真实性高低;
依据每一个所述监控数据分析子网络对应的重要性表征参数,将所述多个监控数据分析子网络对应的待处理楼宇异常分析信息进行融合,以输出所述历史楼宇监控图像数据对应的楼宇异常分析信息。
4.如权利要求1所述的智慧楼宇的监控数据处理方法,其特征在于,所述监控数据分析网络用于在至少两个异常种类中进行分析评估;
所述楼宇异常分析信息包括所述历史楼宇监控图像数据与每一个所述异常种类的匹配可能性表征参数;
所述对于每一个所述历史楼宇监控图像数据,依据所述楼宇异常分析信息,分析出所述历史楼宇监控图像数据对应的分析可靠度评估参数的步骤,包括:
依据所述历史楼宇监控图像数据与每一个所述异常种类的匹配可能性表征参数,分析出所述历史楼宇监控图像数据对应的参数分布不稳定系数;
对所述参数分布不稳定系数进行标记,以标记为所述历史楼宇监控图像数据对应的分析可靠度评估参数。
5.如权利要求1所述的智慧楼宇的监控数据处理方法,其特征在于,所述将所述第一历史楼宇监控图像数据作为典型数据,以及,将所述第一历史楼宇监控图像数据对应的楼宇异常真实信息作为所述典型数据的典型数据标识,对所述监控数据分析网络进行网络优化处理,以形成优化后的监控数据分析网络的步骤,包括:
在所述第一历史楼宇监控图像数据中,筛选出目标历史楼宇监控图像数据,所述目标历史楼宇监控图像数据的楼宇异常分析信息与所述目标历史楼宇监控图像数据的楼宇异常真实信息不一致;
将所述目标历史楼宇监控图像数据进行强化操作,以输出对应的强化楼宇监控图像数据,以及,对所述目标历史楼宇监控图像数据对应的楼宇异常真实信息进行标记处理,以标记为所述强化楼宇监控图像数据对应的楼宇异常真实信息;
将所述第一历史楼宇监控图像数据和所述强化楼宇监控图像数据作为典型数据,以及,将所述第一历史楼宇监控图像数据对应的楼宇异常真实信息和所述强化楼宇监控图像数据对应的楼宇异常真实信息作为所述典型数据对应的典型数据标识,以对所述监控数据分析网络进行网络优化处理,以形成优化后的监控数据分析网络。
6.如权利要求1所述的智慧楼宇的监控数据处理方法,其特征在于,所述将所述第一历史楼宇监控图像数据作为典型数据,以及,将所述第一历史楼宇监控图像数据对应的楼宇异常真实信息作为所述典型数据的典型数据标识,对所述监控数据分析网络进行网络优化处理,以形成优化后的监控数据分析网络的步骤,包括:
提取到监督性典型图像数据和非监督性典型图像数据,所述监督性典型图像数据具有对应的典型数据标识,所述非监督性典型图像数据不具有对应的典型数据标识;
将所述第一历史楼宇监控图像数据作为典型数据,以及,将所述第一历史楼宇监控图像数据对应的楼宇异常真实信息作为对应所述典型数据的典型数据标识,再与所述监督性典型图像数据一并将所述监控数据分析网络进行网络优化处理,以形成所述监控数据分析网络对应的候选监控数据分析网络;
利用所述非监督性典型图像数据,将所述候选监控数据分析网络进行预设批次的网络优化处理,以形成优化后的监控数据分析网络。
7.如权利要求6所述的智慧楼宇的监控数据处理方法,其特征在于,所述预设批次等于A,所述利用所述非监督性典型图像数据,将所述候选监控数据分析网络进行预设批次的网络优化处理,以形成优化后的监控数据分析网络的步骤,包括:
对于所述A个网络优化处理中的第1个网络优化处理,利用所述候选监控数据分析网络,将所述非监督性典型图像数据进行楼宇异常分析操作,以输出对应的第一楼宇异常分析信息,以及,对所述第一楼宇异常分析信息进行标记处理,以标记为所述非监督性典型图像数据对应的第一典型数据标识;
依据具有所述第一典型数据标识的所述非监督性典型图像数据,将所述候选监控数据分析网络进行网络优化处理,以形成所述A个网络优化处理中第1个网络优化处理对应的第一监控数据分析网络;
对于所述A个网络优化处理中的第a个网络优化处理,利用第b个网络优化处理对应的第一监控数据分析网络,将所述非监督性典型图像数据进行楼宇异常分析操作,以输出对应的第二楼宇异常分析信息,以及,对所述第二楼宇异常分析信息进行标记处理,以标记为所述非监督性典型图像数据对应的第二典型数据标识;
依据具有所述第二典型数据标识的所述非监督性典型图像数据,将所述第b个网络优化处理对应的第一监控数据分析网络进行网络优化处理,以形成所述A个网络优化处理中第b个网络优化处理对应的第一监控数据分析网络,以形成优化后的监控数据分析网络,a-b=1。
8.一种智慧楼宇的监控数据处理系统,其特征在于,包括:
第一楼宇异常分析模块,用于利用监控数据分析网络,将采集到的至少一个历史楼宇监控图像数据进行楼宇异常分析操作,以输出每一个所述历史楼宇监控图像数据对应的楼宇异常分析信息;
分析可靠度评估模块,用于对于每一个所述历史楼宇监控图像数据,依据所述楼宇异常分析信息,分析出所述历史楼宇监控图像数据对应的分析可靠度评估参数,所述分析可靠度评估参数用于反映利用所述监控数据分析网络将所述历史楼宇监控图像数据进行分析以输出正确楼宇异常信息的可靠性高低;
历史图像数据筛选模块,用于在所述至少一个历史楼宇监控图像数据中,确定出对应的分析可靠度评估参数与目标分析可靠度规则符合的第一历史楼宇监控图像数据,以及,提取到所述第一历史楼宇监控图像数据对应的楼宇异常真实信息;
网络优化处理模块,用于将所述第一历史楼宇监控图像数据作为典型数据,以及,将所述第一历史楼宇监控图像数据对应的楼宇异常真实信息作为所述典型数据的典型数据标识,对所述监控数据分析网络进行网络优化处理,以形成优化后的监控数据分析网络;
第二楼宇异常分析模块,用于利用所述优化后的监控数据分析网络,对采集到的当前楼宇监控图像数据进行楼宇异常分析操作,以输出所述当前楼宇监控图像数据对应的楼宇异常分析信息。
9.如权利要求8所述的智慧楼宇的监控数据处理系统,其特征在于,所述监控数据分析网络用于在至少两个异常种类中进行分析评估,所述楼宇异常分析信息包括所述历史楼宇监控图像数据与每一个所述异常种类的匹配可能性表征参数,所述分析可靠度评估模块具体用于:
依据所述历史楼宇监控图像数据与每一个所述异常种类的匹配可能性表征参数,分析出所述历史楼宇监控图像数据对应的参数分布不稳定系数;
对所述参数分布不稳定系数进行标记,以标记为所述历史楼宇监控图像数据对应的分析可靠度评估参数。
10.如权利要求8所述的智慧楼宇的监控数据处理系统,其特征在于,所述网络优化处理模块具体用于:
提取到监督性典型图像数据和非监督性典型图像数据,所述监督性典型图像数据具有对应的典型数据标识,所述非监督性典型图像数据不具有对应的典型数据标识;
将所述第一历史楼宇监控图像数据作为典型数据,以及,将所述第一历史楼宇监控图像数据对应的楼宇异常真实信息作为对应所述典型数据的典型数据标识,再与所述监督性典型图像数据一并将所述监控数据分析网络进行网络优化处理,以形成所述监控数据分析网络对应的候选监控数据分析网络;
利用所述非监督性典型图像数据,将所述候选监控数据分析网络进行预设批次的网络优化处理,以形成优化后的监控数据分析网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311163512.5A CN117197739A (zh) | 2023-09-08 | 2023-09-08 | 一种智慧楼宇的监控数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311163512.5A CN117197739A (zh) | 2023-09-08 | 2023-09-08 | 一种智慧楼宇的监控数据处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117197739A true CN117197739A (zh) | 2023-12-08 |
Family
ID=88988234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311163512.5A Pending CN117197739A (zh) | 2023-09-08 | 2023-09-08 | 一种智慧楼宇的监控数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117197739A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130232523A1 (en) * | 2010-01-11 | 2013-09-05 | Isaac Sayo Daniel | System and method for broadcasting media |
US20140063196A1 (en) * | 2011-04-22 | 2014-03-06 | Isaac S. Daniel | Comprehensive and intelligent system for managing traffic and emergency services |
US9060123B1 (en) * | 2010-12-13 | 2015-06-16 | F3M3 Companies, Inc. | System and method for using Wi-Fi inside a moving vehicle |
US9530263B1 (en) * | 2013-08-01 | 2016-12-27 | Isaac S. Daniel | System and method of verification of access using a wearable security device |
CN112348374A (zh) * | 2020-11-12 | 2021-02-09 | 深圳供电局有限公司 | 一种配网检修计划智能编排系统 |
CN112652392A (zh) * | 2020-12-22 | 2021-04-13 | 成都市爱迦科技有限责任公司 | 一种基于深度神经网络的眼底异常预测系统 |
CN113225359A (zh) * | 2021-07-12 | 2021-08-06 | 深圳市永达电子信息股份有限公司 | 一种基于类脑计算的安全流量分析系统 |
CN113625604A (zh) * | 2021-07-30 | 2021-11-09 | 季伟 | 一种智慧楼宇安全保护方法及装置 |
WO2023285894A1 (en) * | 2021-07-13 | 2023-01-19 | Neo Medical Sa | A method and system for verifying a correction of a spinal curvature by imaging and tracking |
CN115729796A (zh) * | 2022-12-23 | 2023-03-03 | 许伟 | 基于人工智能的异常操作分析方法及大数据应用系统 |
CN116186221A (zh) * | 2023-02-21 | 2023-05-30 | 周泽青 | 应用于在线对话平台的大数据分析方法及系统 |
CN116434266A (zh) * | 2023-06-14 | 2023-07-14 | 邹城市人民医院 | 一种医疗检验单的数据信息自动提取分析方法 |
CN116467648A (zh) * | 2023-04-21 | 2023-07-21 | 安徽南瑞中天电力电子有限公司 | 一种基于物联表的非线性台区电力故障的早期监测方法 |
CN116629458A (zh) * | 2023-07-24 | 2023-08-22 | 深圳康普盾科技股份有限公司 | 一种基于数据分析的储能设备运行优化方法及系统 |
-
2023
- 2023-09-08 CN CN202311163512.5A patent/CN117197739A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130232523A1 (en) * | 2010-01-11 | 2013-09-05 | Isaac Sayo Daniel | System and method for broadcasting media |
US9060123B1 (en) * | 2010-12-13 | 2015-06-16 | F3M3 Companies, Inc. | System and method for using Wi-Fi inside a moving vehicle |
US20140063196A1 (en) * | 2011-04-22 | 2014-03-06 | Isaac S. Daniel | Comprehensive and intelligent system for managing traffic and emergency services |
US9530263B1 (en) * | 2013-08-01 | 2016-12-27 | Isaac S. Daniel | System and method of verification of access using a wearable security device |
CN112348374A (zh) * | 2020-11-12 | 2021-02-09 | 深圳供电局有限公司 | 一种配网检修计划智能编排系统 |
CN112652392A (zh) * | 2020-12-22 | 2021-04-13 | 成都市爱迦科技有限责任公司 | 一种基于深度神经网络的眼底异常预测系统 |
CN113225359A (zh) * | 2021-07-12 | 2021-08-06 | 深圳市永达电子信息股份有限公司 | 一种基于类脑计算的安全流量分析系统 |
WO2023285894A1 (en) * | 2021-07-13 | 2023-01-19 | Neo Medical Sa | A method and system for verifying a correction of a spinal curvature by imaging and tracking |
CN113625604A (zh) * | 2021-07-30 | 2021-11-09 | 季伟 | 一种智慧楼宇安全保护方法及装置 |
CN115729796A (zh) * | 2022-12-23 | 2023-03-03 | 许伟 | 基于人工智能的异常操作分析方法及大数据应用系统 |
CN116186221A (zh) * | 2023-02-21 | 2023-05-30 | 周泽青 | 应用于在线对话平台的大数据分析方法及系统 |
CN116467648A (zh) * | 2023-04-21 | 2023-07-21 | 安徽南瑞中天电力电子有限公司 | 一种基于物联表的非线性台区电力故障的早期监测方法 |
CN116434266A (zh) * | 2023-06-14 | 2023-07-14 | 邹城市人民医院 | 一种医疗检验单的数据信息自动提取分析方法 |
CN116629458A (zh) * | 2023-07-24 | 2023-08-22 | 深圳康普盾科技股份有限公司 | 一种基于数据分析的储能设备运行优化方法及系统 |
Non-Patent Citations (2)
Title |
---|
DEEPAK TRIPATHI;VIKAS AGARWAL;: "Quantifying synovial inflammation:Emerging imaging techniques", WORLD JOURNAL OF RHEUMATOLOGY, no. 03, 12 November 2014 (2014-11-12) * |
牛洪海;耿欣;娄清辉;陈霈;陈俊;: "大型楼宇智慧能源管理系统设计与实现", 工业控制计算机, no. 08, 25 August 2017 (2017-08-25) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115091472B (zh) | 基于人工智能的目标定位方法及装夹机械手控制系统 | |
CN115841255B (zh) | 基于在线分析的建筑工程现场预警方法及系统 | |
CN116028886A (zh) | 一种基于bim的数据处理方法、系统及云平台 | |
CN115188485A (zh) | 基于智慧医疗大数据的用户需求分析方法及系统 | |
CN116186221A (zh) | 应用于在线对话平台的大数据分析方法及系统 | |
CN114707834A (zh) | 一种告警提醒方法、装置及存储介质 | |
CN116310914A (zh) | 基于人工智能的无人机监控方法及系统 | |
CN113141273B (zh) | 基于预警信息的自修复方法、装置、设备及存储介质 | |
CN116681350A (zh) | 智慧工厂故障检测方法及系统 | |
CN117274913A (zh) | 一种基于智慧楼宇的安全保障方法及系统 | |
CN113110961A (zh) | 设备异常检测方法、装置、计算机设备及可读存储介质 | |
CN115630771B (zh) | 应用于智慧工地的大数据分析方法及系统 | |
CN115620243B (zh) | 基于人工智能的污染源监测方法、系统及云平台 | |
CN117197739A (zh) | 一种智慧楼宇的监控数据处理方法及系统 | |
CN111797287A (zh) | 基于遥控报警识别的节能电力柜控制方法及装置 | |
CN116109988A (zh) | 基于人工智能和无人机的异常监控方法及系统 | |
CN117351422A (zh) | 一种智慧楼宇的监控方法及系统 | |
CN112583825B (zh) | 一种工业系统的异常检测方法和装置 | |
CN113673430A (zh) | 一种基于物联网的用户行为分析方法 | |
CN115689320A (zh) | 基站运行的健康管理方法、装置及计算机可读存储介质 | |
CN116996403B (zh) | 应用ai模型的网络流量诊断方法及系统 | |
CN111950448A (zh) | 基于机器视觉的高压隔离开关故障状态检测方法及装置 | |
CN116994609B (zh) | 应用于智能生产线的数据分析方法及系统 | |
CN115906170B (zh) | 应用于存储集群的安全防护方法及ai系统 | |
CN115980279B (zh) | 氖气纯度检测系统的稳定性优化方法及系统 |
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 |