CN117274913A - 一种基于智慧楼宇的安全保障方法及系统 - Google Patents
一种基于智慧楼宇的安全保障方法及系统 Download PDFInfo
- Publication number
- CN117274913A CN117274913A CN202311364434.5A CN202311364434A CN117274913A CN 117274913 A CN117274913 A CN 117274913A CN 202311364434 A CN202311364434 A CN 202311364434A CN 117274913 A CN117274913 A CN 117274913A
- Authority
- CN
- China
- Prior art keywords
- target
- monitoring
- data
- processed
- monitoring data
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012544 monitoring process Methods 0.000 claims abstract description 336
- 238000012806 monitoring device Methods 0.000 claims abstract description 106
- 230000005856 abnormality Effects 0.000 claims abstract description 75
- 238000012545 processing Methods 0.000 claims abstract description 54
- 238000012216 screening Methods 0.000 claims abstract description 27
- 230000002159 abnormal effect Effects 0.000 claims abstract description 17
- 239000013598 vector Substances 0.000 claims description 264
- 238000004458 analytical method Methods 0.000 claims description 54
- 238000005065 mining Methods 0.000 claims description 39
- 238000005457 optimization Methods 0.000 claims description 22
- 230000004913 activation Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000001228 spectrum Methods 0.000 description 44
- 230000006835 compression Effects 0.000 description 5
- 238000007906 compression Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000017105 transposition Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007613 environmental effect Effects 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
- 230000006855 networking Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Computer Security & Cryptography (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供的一种基于智慧楼宇的安全保障方法及系统，涉及数据处理技术领域。在本发明中，在多个安全监控设备中，确定出至少一个目标安全监控设备，再控制目标安全监控设备对目标智慧楼宇进行监控操作；获取到每一个目标安全监控设备进行监控操作得到的待处理设备监控数据，以形成至少一个待处理设备监控数据，并对至少一个待处理设备监控数据进行筛选，得到至少一个目标设备监控数据；对至少一个目标设备监控数据进行楼宇异常识别操作，以输出对应的楼宇异常识别结果；基于楼宇异常识别结果和预先配置的参考楼宇异常条件，对目标智慧楼宇执行目标安全保障操作。基于上述方法，可以提高安全保障的数据处理效率。
Description
技术领域
本发明涉及数据处理技术领域，具体而言，涉及一种基于智慧楼宇的安全保障方法及系统。
背景技术
智慧楼宇管理充分借助互联网、物联网打造的智能型管理方式，智慧平台针对对于安全的需求将视频监控、入侵报警、环境监测等子系统做出融合，在同一平台、统一界面，对所有情况做到一目了然，让操作方便，管理便捷。其中，在智慧楼宇的管控过程中，一般会涉及到较多的安全监控设备，如摄像头等。另外，基于一定的需求，如考虑成本等因素，在一个周期内会选择部分设备进行监控。然后，可以基于监控得到的数据进行异常识别，使得可以基于异常识别的结果进行安全保障操作，如在出现异常时，进行安全警示等，但是，在现有技术中，在进行异常识别或整个安全保障操作的整个过程中，存在数据处理效率不佳的问题。
发明内容
有鉴于此，本发明的目的在于提供一种基于智慧楼宇的安全保障方法及系统，以提高安全保障的数据处理效率。
为实现上述目的，本发明实施例采用如下技术方案：
一种基于智慧楼宇的安全保障方法，包括：
对于目标智慧楼宇中的多个安全监控设备，在所述多个安全监控设备中，确定出至少一个安全监控设备，作为目标安全监控设备，再控制所述目标安全监控设备对所述目标智慧楼宇进行监控操作；
获取到每一个所述目标安全监控设备进行监控操作得到的待处理设备监控数据，以形成至少一个待处理设备监控数据，并对所述至少一个待处理设备监控数据进行筛选，得到至少一个目标设备监控数据；
对所述至少一个目标设备监控数据进行楼宇异常识别操作，以输出所述目标智慧楼宇对应的楼宇异常识别结果；
基于所述楼宇异常识别结果和预先配置的参考楼宇异常条件，对所述目标智慧楼宇执行目标安全保障操作。
在一些优选的实施例中，在上述基于智慧楼宇的安全保障方法中，所述获取到每一个所述目标安全监控设备进行监控操作得到的待处理设备监控数据，以形成至少一个待处理设备监控数据，并对所述至少一个待处理设备监控数据进行筛选，得到至少一个目标设备监控数据的步骤，包括：
获取到每一个所述目标安全监控设备进行监控操作得到的待处理设备监控数据，以形成至少一个待处理设备监控数据，每一个所述待处理设备监控数据包括多个待处理设备监控子数据；
对于每一个所述待处理设备监控数据，对该待处理设备监控数据包括的多个待处理设备监控子数据进行数据去重处理，以实现筛选，得到该待处理设备监控数据对应的目标设备监控数据。
在一些优选的实施例中，在上述基于智慧楼宇的安全保障方法中，所述对于每一个所述待处理设备监控数据，对该待处理设备监控数据包括的多个待处理设备监控子数据进行数据去重处理，以实现筛选，得到该待处理设备监控数据对应的目标设备监控数据的步骤，包括：
对所述待处理设备监控数据包括的多个待处理设备监控子数据中的相邻两个待处理设备监控子数据进行标记处理，以标记为第一监控图像子数据和第二监控图像子数据，所述待处理设备监控子数据为监控图像帧；
对所述第一监控图像子数据和所述第二监控图像子数据进行求差处理，以形成对应的求差监控图像子数据；
对所述求差监控图像子数据进行关键信息挖掘操作，以形成所述求差监控图像子数据对应的求差图像描述向量，并对所述求差图像描述向量进行图像内容丰富度识别操作，以输出对应的第一图像内容丰富度；
对所述求差监控图像子数据进行图像特征点识别操作，以形成对应的图像特征点集合，并对所述图像特征点集合包括的图像特征点的数量进行统计，以及，基于该数量确定出对应的第二图像内容丰富度；
基于所述第一图像内容丰富度和所述第二图像内容丰富度，对所述相邻两个待处理设备监控子数据进行去重管控处理。
在一些优选的实施例中，在上述基于智慧楼宇的安全保障方法中，所述基于所述第一图像内容丰富度和所述第二图像内容丰富度，对所述相邻两个待处理设备监控子数据进行去重管控处理的步骤，包括：
对所述第一图像内容丰富度和所述第二图像内容丰富度进行差值计算，以输出所述第一图像内容丰富度和所述第二图像内容丰富度对应的丰富度差值，并将所述丰富度差值和预先配置的参考丰富度差值进行比较；
在所述丰富度差值大于或等于所述参考丰富度差值的情况下，将所述第一图像内容丰富度和所述第二图像内容丰富度中的较大值进行标记处理，以标记为目标图像内容丰富度；
在所述丰富度差值小于所述参考丰富度差值的情况下，对所述第一图像内容丰富度和所述第二图像内容丰富度进行加权求和计算，以输出对应的目标图像内容丰富度；
在所述目标图像内容丰富度小于或等于预先配置的参考图像内容丰富度的情况下，将所述相邻两个待处理设备监控子数据中的一个待处理设备监控子数据进行删除，并保留另一个待处理设备监控子数据。
在一些优选的实施例中，在上述基于智慧楼宇的安全保障方法中，所述对所述至少一个目标设备监控数据进行楼宇异常识别操作，以输出所述目标智慧楼宇对应的楼宇异常识别结果的步骤，包括：
利用楼宇异常识别网络，分别对每一个所述目标设备监控数据进行关键信息挖掘操作，以输出对应的目标监控数据描述向量；
在所述目标监控数据描述向量的数量等于1的情况下，利用所述楼宇异常识别网络，基于所述目标监控数据描述向量进行楼宇异常识别操作，以输出所述目标智慧楼宇对应的楼宇异常识别结果；
在所述目标监控数据描述向量的数量大于1的情况下，利用所述楼宇异常识别网络，对多个所述目标监控数据描述向量进行关联挖掘操作，以输出每一个所述目标监控数据描述向量对应的关联描述向量；
对多个所述关联描述向量进行拼接，以形成对应的拼接关联描述向量，利用所述楼宇异常识别网络，基于所述拼接关联描述向量进行楼宇异常识别操作，以输出所述目标智慧楼宇对应的楼宇异常识别结果。
在一些优选的实施例中，在上述基于智慧楼宇的安全保障方法中，所述在所述目标监控数据描述向量的数量大于1的情况下，利用所述楼宇异常识别网络，对多个所述目标监控数据描述向量进行关联挖掘操作，以输出每一个所述目标监控数据描述向量对应的关联描述向量的步骤，包括：
在所述目标监控数据描述向量的数量大于1的情况下，对于多个所述目标监控数据描述向量中的每一个目标监控数据描述向量，对该目标监控数据描述向量中的其它目标监控数据描述向量进行均值叠加，以形成该目标监控数据描述向量对应的均值描述向量；
对所述均值描述向量进行向量参数的行列对换操作，以形成对应的对换均值描述向量，基于所述对换均值描述向量和所述均值描述向量，并结合预先配置的激活函数，对所述目标监控数据描述向量进行关联聚焦特征分析操作，以形成所述目标监控数据描述向量对应的关联描述向量。
在一些优选的实施例中，在上述基于智慧楼宇的安全保障方法中，所述对于目标智慧楼宇中的多个安全监控设备，在所述多个安全监控设备中，确定出至少一个安全监控设备，以作为目标安全监控设备，再控制所述目标安全监控设备对所述目标智慧楼宇进行监控操作的步骤，包括：
对于目标智慧楼宇中的多个安全监控设备中的每两个安全监控设备，确定出该两个安全监控设备之间的相关关系，并基于每两个安全监控设备之间的相关关系，对所述多个安全监控设备进行图谱化处理，以构建出对应的设备分布关系图谱，在所述设备分布关系图谱中，每一个图谱成员对应于一个所述安全监控设备，每一个图谱成员的成员属性数据至少包括对应的安全监控设备的设备运行数据和设备监控数据，所述设备监控数据基于所述安全监控设备在历史上对所述目标智慧楼宇进行监控操作形成；
将所述设备分布关系图谱作为需要处理的待处理图谱，所述待处理图谱包括至少两个局部待处理图谱；
对所述待处理图谱进行加载，以加载到网络优化后的图谱分析网络包括的关键信息挖掘单元中，以进行关键信息挖掘操作，输出对应的待处理图谱描述向量集合，所述待处理图谱描述向量集合包括所述至少两个局部待处理图谱对应的至少两个图谱描述向量；
对所述待处理图谱描述向量集合进行加载，以加载到所述图谱分析网络包括的图谱关系分析单元中，以进行关联的聚焦特征分析操作，输出所述待处理图谱对应的图谱关系类型信息，所述关联的聚焦特征分析操作的操作对象包括，所述至少两个局部待处理图谱对应的至少两个图谱描述向量和参考描述向量，所述至少两个局部待处理图谱的数量大于所述参考描述向量的数量，所述参考描述向量的数量与所述设备分布关系图谱对应的图谱复杂程度相关；
基于所述图谱关系类型信息，在所述多个安全监控设备中，确定出至少一个安全监控设备，以作为目标安全监控设备，再控制所述目标安全监控设备对所述目标智慧楼宇进行监控操作。
本发明实施例还提供一种基于智慧楼宇的安全保障系统，包括：
监控执行模块，用于对于目标智慧楼宇中的多个安全监控设备，在所述多个安全监控设备中，确定出至少一个安全监控设备，作为目标安全监控设备，再控制所述目标安全监控设备对所述目标智慧楼宇进行监控操作；
监控数据筛选模块，用于获取到每一个所述目标安全监控设备进行监控操作得到的待处理设备监控数据，以形成至少一个待处理设备监控数据，并对所述至少一个待处理设备监控数据进行筛选，得到至少一个目标设备监控数据；
楼宇异常识别模块，用于对所述至少一个目标设备监控数据进行楼宇异常识别操作，以输出所述目标智慧楼宇对应的楼宇异常识别结果；
安全保障模块，用于基于所述楼宇异常识别结果和预先配置的参考楼宇异常条件，对所述目标智慧楼宇执行目标安全保障操作。
在一些优选的实施例中，在上述基于智慧楼宇的安全保障系统中，所述监控数据筛选模块具体用于：
获取到每一个所述目标安全监控设备进行监控操作得到的待处理设备监控数据，以形成至少一个待处理设备监控数据，每一个所述待处理设备监控数据包括多个待处理设备监控子数据；
对于每一个所述待处理设备监控数据，对该待处理设备监控数据包括的多个待处理设备监控子数据进行数据去重处理，以实现筛选，得到该待处理设备监控数据对应的目标设备监控数据。
在一些优选的实施例中，在上述基于智慧楼宇的安全保障系统中，所述楼宇异常识别模块具体用于：
利用楼宇异常识别网络，分别对每一个所述目标设备监控数据进行关键信息挖掘操作，以输出对应的目标监控数据描述向量；
在所述目标监控数据描述向量的数量等于1的情况下，利用所述楼宇异常识别网络，基于所述目标监控数据描述向量进行楼宇异常识别操作，以输出所述目标智慧楼宇对应的楼宇异常识别结果；
在所述目标监控数据描述向量的数量大于1的情况下，利用所述楼宇异常识别网络，对多个所述目标监控数据描述向量进行关联挖掘操作，以输出每一个所述目标监控数据描述向量对应的关联描述向量；
对多个所述关联描述向量进行拼接，以形成对应的拼接关联描述向量，利用所述楼宇异常识别网络，基于所述拼接关联描述向量进行楼宇异常识别操作，以输出所述目标智慧楼宇对应的楼宇异常识别结果。
本发明实施例提供的一种基于智慧楼宇的安全保障方法及系统，可以在多个安全监控设备中，确定出至少一个目标安全监控设备，再控制目标安全监控设备对目标智慧楼宇进行监控操作；获取到每一个目标安全监控设备进行监控操作得到的待处理设备监控数据，以形成至少一个待处理设备监控数据，并对至少一个待处理设备监控数据进行筛选，得到至少一个目标设备监控数据；对至少一个目标设备监控数据进行楼宇异常识别操作，以输出对应的楼宇异常识别结果；基于楼宇异常识别结果和预先配置的参考楼宇异常条件，对目标智慧楼宇执行目标安全保障操作。基于前述的内容，由于在进行楼宇异常识别操作之前，会对待处理设备监控数据进行筛选，使得可以基于得到的目标设备监控数据进行楼宇异常识别操作，如此，可以降低进行楼宇异常识别操作的数据处理量，从而提高安全保障的数据处理效率，进而改善现有技术中存在的数据处理效率不高的问题。
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基于智慧楼宇的安全保障平台的结构框图。
图2为本发明实施例提供的基于智慧楼宇的安全保障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基于智慧楼宇的安全保障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基于智慧楼宇的安全保障平台。其中，所述基于智慧楼宇的安全保障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）提供的基于智慧楼宇的安全保障方法。
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，所述基于智慧楼宇的安全保障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基于智慧楼宇的安全保障方法，可应用于上述基于智慧楼宇的安全保障平台。其中，所述基于智慧楼宇的安全保障方法有关的流程所定义的方法步骤，可以由所述基于智慧楼宇的安全保障平台实现。下面将对图2所示的具体流程，进行详细阐述。
步骤S100，对于目标智慧楼宇中的多个安全监控设备，在所述多个安全监控设备中，确定出至少一个安全监控设备，作为目标安全监控设备，再控制所述目标安全监控设备对所述目标智慧楼宇进行监控操作。
在本发明实施例中，所述基于智慧楼宇的安全保障平台可以对于目标智慧楼宇中的多个安全监控设备，在所述多个安全监控设备中，确定出至少一个安全监控设备，作为目标安全监控设备，再控制所述目标安全监控设备对所述目标智慧楼宇进行监控操作。
步骤S200，获取到每一个所述目标安全监控设备进行监控操作得到的待处理设备监控数据，以形成至少一个待处理设备监控数据，并对所述至少一个待处理设备监控数据进行筛选，得到至少一个目标设备监控数据。
在本发明实施例中，所述基于智慧楼宇的安全保障平台可以获取到每一个所述目标安全监控设备进行监控操作得到的待处理设备监控数据，以形成至少一个待处理设备监控数据，并对所述至少一个待处理设备监控数据进行筛选，得到至少一个目标设备监控数据。
步骤S300，对所述至少一个目标设备监控数据进行楼宇异常识别操作，以输出所述目标智慧楼宇对应的楼宇异常识别结果。
在本发明实施例中，所述基于智慧楼宇的安全保障平台可以对所述至少一个目标设备监控数据进行楼宇异常识别操作，以输出所述目标智慧楼宇对应的楼宇异常识别结果。
步骤S400，基于所述楼宇异常识别结果和预先配置的参考楼宇异常条件，对所述目标智慧楼宇执行目标安全保障操作。
在本发明实施例中，所述基于智慧楼宇的安全保障平台可以基于所述楼宇异常识别结果和预先配置的参考楼宇异常条件，对所述目标智慧楼宇执行目标安全保障操作，例如，在所述楼宇异常识别结果表征的异常程度大于预设异常程度的情况下，可以对所述目标智慧楼宇进行以下警示。
基于前述的内容，即基于上述的步骤S100-步骤S400，由于在进行楼宇异常识别操作之前，会对待处理设备监控数据进行筛选，使得可以基于得到的目标设备监控数据进行楼宇异常识别操作，如此，可以降低进行楼宇异常识别操作的数据处理量，从而提高安全保障的数据处理效率，进而改善现有技术中存在的数据处理效率不高的问题。
可以选择的是，在一些实施方式中，所述对于目标智慧楼宇中的多个安全监控设备，在所述多个安全监控设备中，确定出至少一个安全监控设备，作为目标安全监控设备，再控制所述目标安全监控设备对所述目标智慧楼宇进行监控操作的步骤，可以进一步包括以下的各步骤，如步骤S110、步骤S120、步骤S130、步骤S140和步骤S150。
步骤S110，对于目标智慧楼宇中的多个安全监控设备中的每两个安全监控设备，确定出该两个安全监控设备之间的相关关系，并基于每两个安全监控设备之间的相关关系，对所述多个安全监控设备进行图谱化处理，以构建出对应的设备分布关系图谱。
在本发明实施例中，所述基于智慧楼宇的安全保障平台可以对于目标智慧楼宇中的多个安全监控设备中的每两个安全监控设备，确定出该两个安全监控设备之间的相关关系（该相关关系可以基于设备运行数据和设备监控数据两方面的数据相关度确定，或者，还可以结合设备部署的位置之间的关系进行确定），并基于每两个安全监控设备之间的相关关系，对所述多个安全监控设备进行图谱化处理，以构建出对应的设备分布关系图谱。在所述设备分布关系图谱中，每一个图谱成员对应于一个所述安全监控设备，每一个图谱成员的成员属性数据至少包括对应的安全监控设备的设备运行数据和设备监控数据，所述设备监控数据基于所述安全监控设备在历史上对所述目标智慧楼宇进行监控操作形成。
步骤S120，将所述设备分布关系图谱作为需要处理的待处理图谱。
在本发明实施例中，所述基于智慧楼宇的安全保障平台可以将所述设备分布关系图谱作为需要处理的待处理图谱。所述待处理图谱包括至少两个局部待处理图谱，可以进行相应的分解形成。
步骤S130，对所述待处理图谱进行加载，以加载到网络优化后的图谱分析网络包括的关键信息挖掘单元中，以进行关键信息挖掘操作，输出对应的待处理图谱描述向量集合。
在本发明实施例中，所述基于智慧楼宇的安全保障平台可以对所述待处理图谱进行加载，以加载到网络优化后的图谱分析网络包括的关键信息挖掘单元中，以进行关键信息挖掘操作，输出对应的待处理图谱描述向量集合。所述待处理图谱描述向量集合包括所述至少两个局部待处理图谱对应的至少两个图谱描述向量，即一一对应。
步骤S140，对所述待处理图谱描述向量集合进行加载，以加载到所述图谱分析网络包括的图谱关系分析单元中，以进行关联的聚焦特征分析操作，输出所述待处理图谱对应的图谱关系类型信息。
在本发明实施例中，所述基于智慧楼宇的安全保障平台可以对所述待处理图谱描述向量集合进行加载，以加载到所述图谱分析网络包括的图谱关系分析单元中，以进行关联的聚焦特征分析操作，输出所述待处理图谱对应的图谱关系类型信息。所述关联的聚焦特征分析操作的操作对象包括，所述至少两个局部待处理图谱对应的至少两个图谱描述向量和参考描述向量，所述至少两个局部待处理图谱的数量大于所述参考描述向量的数量，所述参考描述向量的数量与所述设备分布关系图谱对应的图谱复杂程度相关，例如，该图谱复杂程度可以是简单化的数据或表面数据，如可以基于所述多个安全监控设备的数量确定，该数量越大，该图谱复杂程度越大。
步骤S150，基于所述图谱关系类型信息，在所述多个安全监控设备中，确定出至少一个安全监控设备，以作为目标安全监控设备，再控制所述目标安全监控设备对所述目标智慧楼宇进行监控操作。
在本发明实施例中，所述基于智慧楼宇的安全保障平台可以基于所述图谱关系类型信息，在所述多个安全监控设备中，确定出至少一个安全监控设备，以作为目标安全监控设备，再控制所述目标安全监控设备对所述目标智慧楼宇进行监控操作。所述图谱关系类型信息可以是深层的复杂程度，不仅仅是与所述多个安全监控设备的数量相关，还涉及到安全监控设备之间的相关关系、安全监控设备的设备运行数据和设备监控数据等信息，因此，可以认为是深层的复杂程度，而不是上述的表面数据。另外，所述图谱关系类型信息表征的复杂程度越高，确定出的目标安全监控设备的数量可以越多，复杂程度越低，确定出的目标安全监控设备的数量可以越少。
基于前述的步骤，由于在进行监控操作时，是基于分析出的图谱关系类型信息确定除的目标安全监控设备，而不是任意或随机确定的安全监控设备，因此，可以在一定程度上提高智慧楼宇监控的可靠度。
可以选择的是，在一些实施方式中，所述基于智慧楼宇的安全保障方法，还可以进一步包括以下的各步骤：
提取到典型图谱簇，所述典型图谱簇中的典型设备分布关系图谱包括至少两个典型局部待处理图谱；
依据无标签网络优化机制，通过所述典型图谱簇中的典型设备分布关系图谱，将所述关键信息挖掘单元进行网络优化处理，以形成网络优化后的关键信息挖掘单元；
依据有标签网络优化机制，通过所述典型图谱簇中的典型设备分布关系图谱，将所述图谱关系分析单元进行网络优化处理，以形成网络优化后的图谱关系分析单元；在将所述图谱关系分析单元进行网络优化处理的过程中，处理对象包括所述至少两个典型局部待处理图谱对应的至少两个图谱描述向量和典型参考描述向量，所述至少两个典型局部待处理图谱的数量大于所述典型参考描述向量的数量（所述典型参考描述向量可以基于对所述至少两个典型局部待处理图谱对应的至少两个图谱描述向量进行聚类确定，如一个聚类中心可以作为一个典型参考描述向量定），所述典型设备分布关系图谱的数量与所述典型设备分布关系图谱对应的图谱复杂程度相关，例如，所述典型设备分布关系图谱的数量与所述典型设备分布关系图谱对应的图谱复杂程度之间可以正相关，该图谱复杂程度为表面数据。
可以选择的是，在一些实施方式中，所述图谱关系分析单元包括关联聚焦分析子单元、向量参数压缩子单元和图谱关系分析子单元；所述依据有标签网络优化机制，通过所述典型图谱簇中的典型设备分布关系图谱，将所述图谱关系分析单元进行网络优化处理，以形成网络优化后的图谱关系分析单元的步骤，可以进一步包括以下的各步骤：
利用所述关联聚焦分析子单元，将第一图谱描述向量集合中的第一图谱描述向量和所述典型参考描述向量之间进行聚焦特征分析操作，得到对应的第二图谱描述向量集合，所述第一图谱描述向量集合基于所述关键信息挖掘单元将所述至少两个典型局部待处理图谱进行关键信息挖掘形成；
利用所述向量参数压缩子单元，将所述第二图谱描述向量集合包括的第二图谱描述向量进行向量参数压缩操作，以形成所述典型设备分布关系图谱对应的整体图谱描述向量，示例性地，可以先对所述第二图谱描述向量集合包括的第二图谱描述向量进行拼接，然后，对得到的拼接向量进行向量参数压缩操作，如通过确定出均值来代表多个向量参数，以实现压缩；
利用所述图谱关系分析子单元，将所述整体图谱描述向量进行图谱关系分析操作，以输出所述典型设备分布关系图谱对应的图谱关系类型分析信息，例如，可以先进行全连接处理，然后，进行激励映射输出；
依据所述典型设备分布关系图谱对应的图谱关系类型分析信息和对应的图谱关系类型实际信息（之间的差异），确定出对应的学习代价值，并依据所述学习代价值将所述图谱关系分析单元进行网络优化处理，以形成网络优化后的图谱关系分析单元。
可以选择的是，在一些实施方式中，所述关联聚焦分析子单元包括前端关联聚焦分析网络层和后端关联聚焦分析网络层，所述利用所述关联聚焦分析子单元，将第一图谱描述向量集合中的第一图谱描述向量和所述典型参考描述向量之间进行聚焦特征分析操作，得到对应的第二图谱描述向量集合的步骤，可以进一步包括以下的各步骤：
利用所述前端关联聚焦分析网络层，对A维度的所述典型参考描述向量（即A个典型参考描述向量）和加载的B个图谱描述向量进行前端的关联聚焦分析操作，以输出对应的A个中间关联聚焦描述向量，所述B个图谱描述向量为所述第一图谱描述向量集合中的第一图谱描述向量，示例性地，可以对于每一个维度的所述典型参考描述向量，可以将该维度的所述典型参考描述向量和B个图谱描述向量进行分别进行前端的关联聚焦分析操作，以形成B个向量，然后，对该B个向量进行均值计算，以得到该维度的中间关联聚焦描述向量，对于一个典型参考描述向量和一个图谱描述向量，可以对该图谱描述向量进行转置，然后，对转置结果和该典型参考描述向量进行相乘，然后，除以典型参考描述向量的向量维度，并进行激活处理，再对激活处理的结果和该图谱描述向量进行相乘，最后，可以将相乘的结果作为对应的中间关联聚焦描述向量；
利用所述后端关联聚焦分析网络层，对所述B个图谱描述向量和A个中间关联聚焦描述向量进行后端的关联聚焦分析操作，以输出所述第二图谱描述向量集合对应的B个第二图谱描述向量，如前相关描述。
可以选择的是，在一些实施方式中，所述利用所述后端关联聚焦分析网络层，对所述B个图谱描述向量和A个中间关联聚焦描述向量进行后端的关联聚焦分析操作，以输出所述第二图谱描述向量集合对应的B个第二图谱描述向量的步骤，可以进一步包括以下的各步骤：
利用所述后端关联聚焦分析网络层，对所述B个图谱描述向量和所述A个中间关联聚焦描述向量进行后端的关联聚焦分析操作，以输出对应的B个候选关联聚焦描述向量；
倘若未达到目标条件（如步骤的回转执行次数小于预设次数等），则对所述B个候选关联聚焦描述向量进行标记处理，以标记为新的B个图谱描述向量，并回转执行所述利用所述前端关联聚焦分析网络层，对A维度的所述典型参考描述向量和加载的B个图谱描述向量进行前端的关联聚焦分析操作，以输出对应的A个中间关联聚焦描述向量的步骤；
倘若达到目标条件，则基于所述B个候选关联聚焦描述向量，构建出所述第二图谱描述向量集合对应的第二图谱描述向量集合。
可以选择的是，在一些实施方式中，所述依据无标签网络优化机制，通过所述典型图谱簇中的典型设备分布关系图谱，将所述关键信息挖掘单元进行网络优化处理，以形成网络优化后的关键信息挖掘单元的步骤，可以进一步包括以下的各步骤：
利用所述关键信息挖掘单元，将所述至少两个典型局部待处理图谱进行关键信息挖掘操作（即特征挖掘），以输出对应的第一图谱描述向量集合，所述第一图谱描述向量集合中的第一图谱描述向量基于所述至少两个典型局部待处理图谱中的典型局部待处理图谱挖掘形成；
将所述第一图谱描述向量集合中的第一图谱描述向量进行分类操作（可以是基于任意一种聚类算法实现），并对与目标第一图谱描述向量属于同一个分类集合的第一图谱描述向量进行标记处理，以标记为所述目标第一图谱描述向量对应的相关图谱描述向量，以及，对与目标第一图谱描述向量不属于同一个分类集合的第一图谱描述向量进行标记处理，以标记为所述目标第一图谱描述向量的非相关图谱描述向量，所述目标第一图谱描述向量可以是任意一个第一图谱描述向量；
依据所述相关图谱描述向量和所述非相关图谱描述向量，将所述关键信息挖掘单元进行网络优化处理，以形成网络优化后的关键信息挖掘单元，示例性地，该网络优化处理，可以沿着拉大所述相关图谱描述向量和所述非相关图谱描述向量之间的距离的方向进行。
其中，可以选择的是，在一些实施方式中，所述将所述第一图谱描述向量集合中的第一图谱描述向量进行分类操作，并对与目标第一图谱描述向量属于同一个分类集合的第一图谱描述向量进行标记处理，以标记为所述目标第一图谱描述向量对应的相关图谱描述向量，以及，对与目标第一图谱描述向量不属于同一个分类集合的第一图谱描述向量进行标记处理，以标记为所述目标第一图谱描述向量的非相关图谱描述向量的步骤，可以进一步包括以下的各步骤：
对所述第一图谱描述向量集合中的第一图谱描述向量，基于与目标第一图谱描述向量之间的匹配程度（如余弦相似度）从大到小的关系进行排列，所述目标第一图谱描述向量为所述第一图谱描述向量集合中的一个；
对排列后的所述第一图谱描述向量集合进行关联处理，以关联分配至A个数据分布域中，一个数据分布域中有至少一个第一图谱描述向量；
对所述A个数据分布域中的第一个数据分布域中的第一图谱描述向量（匹配程度较大）进行标记处理，以标记为所述目标第一图谱描述向量的相关图谱描述向量，以及，对所述A个数据分布域中的最后一个数据分布域中的第一图谱描述向量（匹配程度较小）进行标记处理，以标记为所述目标第一图谱描述向量的非相关图谱描述向量。
可以选择的是，在一些实施方式中，所述基于智慧楼宇的安全保障方法，还可以进一步包括以下的各步骤：
对所述典型图谱簇中的典型设备分布关系图谱进行图谱分解操作，以形成对应的至少两个典型设备分布关系子图谱，具体的分解方式不受限制，可以根据实际需求进行配置，例如，可以任意分割，可以按照目标尺寸进行分割，或者，可以基于图谱成员之间的相关关系进行分解等；
对属于同一个典型设备分布关系图谱的至少两个典型设备分布关系子图谱进行标记处理，以标记为所述同一个典型设备分布关系图谱的至少两个典型局部待处理图谱。
可以选择的是，在一些实施方式中，所述获取到每一个所述目标安全监控设备进行监控操作得到的待处理设备监控数据，以形成至少一个待处理设备监控数据，并对所述至少一个待处理设备监控数据进行筛选，得到至少一个目标设备监控数据的步骤，可以进一步包括以下的各步骤：
获取到每一个所述目标安全监控设备进行监控操作得到的待处理设备监控数据，以形成至少一个待处理设备监控数据，每一个所述待处理设备监控数据包括多个待处理设备监控子数据；
对于每一个所述待处理设备监控数据，对该待处理设备监控数据包括的多个待处理设备监控子数据进行数据去重处理，以实现筛选，得到该待处理设备监控数据对应的目标设备监控数据。
可以选择的是，在一些实施方式中，所述对于每一个所述待处理设备监控数据，对该待处理设备监控数据包括的多个待处理设备监控子数据进行数据去重处理，以实现筛选，得到该待处理设备监控数据对应的目标设备监控数据的步骤，可以进一步包括以下的各步骤：
对所述待处理设备监控数据包括的多个待处理设备监控子数据中的相邻两个待处理设备监控子数据进行标记处理，以标记为第一监控图像子数据和第二监控图像子数据，所述待处理设备监控子数据为监控图像帧；
对所述第一监控图像子数据和所述第二监控图像子数据进行求差处理，以形成对应的求差监控图像子数据；
对所述求差监控图像子数据进行关键信息挖掘操作，以形成所述求差监控图像子数据对应的求差图像描述向量，并对所述求差图像描述向量进行图像内容丰富度识别操作，以输出对应的第一图像内容丰富度，该关键信息挖掘操作和该图像内容丰富度识别操作可以基于相应的神经网络实现，该神经网络可以基于对应的典型图像子数据和标签进行优化形成；
对所述求差监控图像子数据进行图像特征点识别操作（可以采用相关的现有图像特征点识别技术，在此不做具体限定，如orb技术），以形成对应的图像特征点集合，并对所述图像特征点集合包括的图像特征点的数量进行统计，以及，基于该数量确定出对应的第二图像内容丰富度，所述第二图像内容丰富度可以与该数量之间具有正相关的关系；
基于所述第一图像内容丰富度和所述第二图像内容丰富度，对所述相邻两个待处理设备监控子数据进行去重管控处理。
可以选择的是，在一些实施方式中，所述基于所述第一图像内容丰富度和所述第二图像内容丰富度，对所述相邻两个待处理设备监控子数据进行去重管控处理的步骤，可以进一步包括以下的各步骤：
对所述第一图像内容丰富度和所述第二图像内容丰富度进行差值计算，以输出所述第一图像内容丰富度和所述第二图像内容丰富度对应的丰富度差值，并将所述丰富度差值和预先配置的参考丰富度差值进行比较；
在所述丰富度差值大于或等于所述参考丰富度差值的情况下，将所述第一图像内容丰富度和所述第二图像内容丰富度中的较大值进行标记处理，以标记为目标图像内容丰富度；
在所述丰富度差值小于所述参考丰富度差值的情况下，对所述第一图像内容丰富度和所述第二图像内容丰富度进行加权求和计算，以输出对应的目标图像内容丰富度；
在所述目标图像内容丰富度小于或等于预先配置的参考图像内容丰富度的情况下，将所述相邻两个待处理设备监控子数据中的一个待处理设备监控子数据进行删除，并保留另一个待处理设备监控子数据。
可以选择的是，在一些实施方式中，所述对所述至少一个目标设备监控数据进行楼宇异常识别操作，以输出所述目标智慧楼宇对应的楼宇异常识别结果的步骤，可以进一步包括以下的各步骤：
利用楼宇异常识别网络，分别对每一个所述目标设备监控数据进行关键信息挖掘操作，以输出对应的目标监控数据描述向量；
在所述目标监控数据描述向量的数量等于1的情况下，利用所述楼宇异常识别网络，基于所述目标监控数据描述向量进行楼宇异常识别操作，以输出所述目标智慧楼宇对应的楼宇异常识别结果；
在所述目标监控数据描述向量的数量大于1的情况下，利用所述楼宇异常识别网络，对多个所述目标监控数据描述向量进行关联挖掘操作，以输出每一个所述目标监控数据描述向量对应的关联描述向量；
对多个所述关联描述向量进行拼接，以形成对应的拼接关联描述向量，利用所述楼宇异常识别网络，基于所述拼接关联描述向量进行楼宇异常识别操作，以输出所述目标智慧楼宇对应的楼宇异常识别结果。
可以选择的是，在一些实施方式中，所述在所述目标监控数据描述向量的数量大于1的情况下，利用所述楼宇异常识别网络，对多个所述目标监控数据描述向量进行关联挖掘操作，以输出每一个所述目标监控数据描述向量对应的关联描述向量的步骤，可以进一步包括以下的各步骤：
在所述目标监控数据描述向量的数量大于1的情况下，对于多个所述目标监控数据描述向量中的每一个目标监控数据描述向量，对该目标监控数据描述向量中的其它目标监控数据描述向量进行均值叠加，以形成该目标监控数据描述向量对应的均值描述向量；
对所述均值描述向量进行向量参数的行列对换操作，以形成对应的对换均值描述向量，基于所述对换均值描述向量和所述均值描述向量，并结合预先配置的激活函数，对所述目标监控数据描述向量进行关联聚焦特征分析操作，以形成所述目标监控数据描述向量对应的关联描述向量，例如，对所述对换均值描述向量和所述目标监控数据描述向量进行相乘，然后，可以基于所述激活函数对相乘的结果进行激活处理，或者，可以先将相乘的结果除以所述目标监控数据描述向量的向量维度，再对得到的结果进行激活处理，之后，可以对激活处理的结果和所述均值描述向量进行相乘，以得到所述目标监控数据描述向量对应的关联描述向量。
结合图3，本发明实施例还提供一种基于智慧楼宇的安全保障系统，可应用于上述基于智慧楼宇的安全保障平台。其中，所述基于智慧楼宇的安全保障系统可以包括以下的内容：
监控执行模块，用于对于目标智慧楼宇中的多个安全监控设备，在所述多个安全监控设备中，确定出至少一个安全监控设备，作为目标安全监控设备，再控制所述目标安全监控设备对所述目标智慧楼宇进行监控操作；
监控数据筛选模块，用于获取到每一个所述目标安全监控设备进行监控操作得到的待处理设备监控数据，以形成至少一个待处理设备监控数据，并对所述至少一个待处理设备监控数据进行筛选，得到至少一个目标设备监控数据；
楼宇异常识别模块，用于对所述至少一个目标设备监控数据进行楼宇异常识别操作，以输出所述目标智慧楼宇对应的楼宇异常识别结果；
安全保障模块，用于基于所述楼宇异常识别结果和预先配置的参考楼宇异常条件，对所述目标智慧楼宇执行目标安全保障操作。
可以选择的是，在一些实施方式中，所述监控数据筛选模块具体用于：
获取到每一个所述目标安全监控设备进行监控操作得到的待处理设备监控数据，以形成至少一个待处理设备监控数据，每一个所述待处理设备监控数据包括多个待处理设备监控子数据；
对于每一个所述待处理设备监控数据，对该待处理设备监控数据包括的多个待处理设备监控子数据进行数据去重处理，以实现筛选，得到该待处理设备监控数据对应的目标设备监控数据。
可以选择的是，在一些实施方式中，所述楼宇异常识别模块具体用于：
利用楼宇异常识别网络，分别对每一个所述目标设备监控数据进行关键信息挖掘操作，以输出对应的目标监控数据描述向量；
在所述目标监控数据描述向量的数量等于1的情况下，利用所述楼宇异常识别网络，基于所述目标监控数据描述向量进行楼宇异常识别操作，以输出所述目标智慧楼宇对应的楼宇异常识别结果；
在所述目标监控数据描述向量的数量大于1的情况下，利用所述楼宇异常识别网络，对多个所述目标监控数据描述向量进行关联挖掘操作，以输出每一个所述目标监控数据描述向量对应的关联描述向量；
对多个所述关联描述向量进行拼接，以形成对应的拼接关联描述向量，利用所述楼宇异常识别网络，基于所述拼接关联描述向量进行楼宇异常识别操作，以输出所述目标智慧楼宇对应的楼宇异常识别结果。
综上所述，本发明提供的一种基于智慧楼宇的安全保障方法及系统，可以在多个安全监控设备中，确定出至少一个目标安全监控设备，再控制目标安全监控设备对目标智慧楼宇进行监控操作；获取到每一个目标安全监控设备进行监控操作得到的待处理设备监控数据，以形成至少一个待处理设备监控数据，并对至少一个待处理设备监控数据进行筛选，得到至少一个目标设备监控数据；对至少一个目标设备监控数据进行楼宇异常识别操作，以输出对应的楼宇异常识别结果；基于楼宇异常识别结果和预先配置的参考楼宇异常条件，对目标智慧楼宇执行目标安全保障操作。基于前述的内容，由于在进行楼宇异常识别操作之前，会对待处理设备监控数据进行筛选，使得可以基于得到的目标设备监控数据进行楼宇异常识别操作，如此，可以降低进行楼宇异常识别操作的数据处理量，从而提高安全保障的数据处理效率，进而改善现有技术中存在的数据处理效率不高的问题。
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)
1.一种基于智慧楼宇的安全保障方法，其特征在于，包括：
对于目标智慧楼宇中的多个安全监控设备，在所述多个安全监控设备中，确定出至少一个安全监控设备，作为目标安全监控设备，再控制所述目标安全监控设备对所述目标智慧楼宇进行监控操作；
获取到每一个所述目标安全监控设备进行监控操作得到的待处理设备监控数据，以形成至少一个待处理设备监控数据，并对所述至少一个待处理设备监控数据进行筛选，得到至少一个目标设备监控数据；
对所述至少一个目标设备监控数据进行楼宇异常识别操作，以输出所述目标智慧楼宇对应的楼宇异常识别结果；
基于所述楼宇异常识别结果和预先配置的参考楼宇异常条件，对所述目标智慧楼宇执行目标安全保障操作。
2.如权利要求1所述的基于智慧楼宇的安全保障方法，其特征在于，所述获取到每一个所述目标安全监控设备进行监控操作得到的待处理设备监控数据，以形成至少一个待处理设备监控数据，并对所述至少一个待处理设备监控数据进行筛选，得到至少一个目标设备监控数据的步骤，包括：
获取到每一个所述目标安全监控设备进行监控操作得到的待处理设备监控数据，以形成至少一个待处理设备监控数据，每一个所述待处理设备监控数据包括多个待处理设备监控子数据；
对于每一个所述待处理设备监控数据，对该待处理设备监控数据包括的多个待处理设备监控子数据进行数据去重处理，以实现筛选，得到该待处理设备监控数据对应的目标设备监控数据。
3.如权利要求2所述的基于智慧楼宇的安全保障方法，其特征在于，所述对于每一个所述待处理设备监控数据，对该待处理设备监控数据包括的多个待处理设备监控子数据进行数据去重处理，以实现筛选，得到该待处理设备监控数据对应的目标设备监控数据的步骤，包括：
对所述待处理设备监控数据包括的多个待处理设备监控子数据中的相邻两个待处理设备监控子数据进行标记处理，以标记为第一监控图像子数据和第二监控图像子数据，所述待处理设备监控子数据为监控图像帧；
对所述第一监控图像子数据和所述第二监控图像子数据进行求差处理，以形成对应的求差监控图像子数据；
对所述求差监控图像子数据进行关键信息挖掘操作，以形成所述求差监控图像子数据对应的求差图像描述向量，并对所述求差图像描述向量进行图像内容丰富度识别操作，以输出对应的第一图像内容丰富度；
对所述求差监控图像子数据进行图像特征点识别操作，以形成对应的图像特征点集合，并对所述图像特征点集合包括的图像特征点的数量进行统计，以及，基于该数量确定出对应的第二图像内容丰富度；
基于所述第一图像内容丰富度和所述第二图像内容丰富度，对所述相邻两个待处理设备监控子数据进行去重管控处理。
4.如权利要求3所述的基于智慧楼宇的安全保障方法，其特征在于，所述基于所述第一图像内容丰富度和所述第二图像内容丰富度，对所述相邻两个待处理设备监控子数据进行去重管控处理的步骤，包括：
对所述第一图像内容丰富度和所述第二图像内容丰富度进行差值计算，以输出所述第一图像内容丰富度和所述第二图像内容丰富度对应的丰富度差值，并将所述丰富度差值和预先配置的参考丰富度差值进行比较；
在所述丰富度差值大于或等于所述参考丰富度差值的情况下，将所述第一图像内容丰富度和所述第二图像内容丰富度中的较大值进行标记处理，以标记为目标图像内容丰富度；
在所述丰富度差值小于所述参考丰富度差值的情况下，对所述第一图像内容丰富度和所述第二图像内容丰富度进行加权求和计算，以输出对应的目标图像内容丰富度；
在所述目标图像内容丰富度小于或等于预先配置的参考图像内容丰富度的情况下，将所述相邻两个待处理设备监控子数据中的一个待处理设备监控子数据进行删除，并保留另一个待处理设备监控子数据。
5.如权利要求1所述的基于智慧楼宇的安全保障方法，其特征在于，所述对所述至少一个目标设备监控数据进行楼宇异常识别操作，以输出所述目标智慧楼宇对应的楼宇异常识别结果的步骤，包括：
利用楼宇异常识别网络，分别对每一个所述目标设备监控数据进行关键信息挖掘操作，以输出对应的目标监控数据描述向量；
在所述目标监控数据描述向量的数量等于1的情况下，利用所述楼宇异常识别网络，基于所述目标监控数据描述向量进行楼宇异常识别操作，以输出所述目标智慧楼宇对应的楼宇异常识别结果；
在所述目标监控数据描述向量的数量大于1的情况下，利用所述楼宇异常识别网络，对多个所述目标监控数据描述向量进行关联挖掘操作，以输出每一个所述目标监控数据描述向量对应的关联描述向量；
对多个所述关联描述向量进行拼接，以形成对应的拼接关联描述向量，利用所述楼宇异常识别网络，基于所述拼接关联描述向量进行楼宇异常识别操作，以输出所述目标智慧楼宇对应的楼宇异常识别结果。
6.如权利要求5所述的基于智慧楼宇的安全保障方法，其特征在于，所述在所述目标监控数据描述向量的数量大于1的情况下，利用所述楼宇异常识别网络，对多个所述目标监控数据描述向量进行关联挖掘操作，以输出每一个所述目标监控数据描述向量对应的关联描述向量的步骤，包括：
在所述目标监控数据描述向量的数量大于1的情况下，对于多个所述目标监控数据描述向量中的每一个目标监控数据描述向量，对该目标监控数据描述向量中的其它目标监控数据描述向量进行均值叠加，以形成该目标监控数据描述向量对应的均值描述向量；
对所述均值描述向量进行向量参数的行列对换操作，以形成对应的对换均值描述向量，基于所述对换均值描述向量和所述均值描述向量，并结合预先配置的激活函数，对所述目标监控数据描述向量进行关联聚焦特征分析操作，以形成所述目标监控数据描述向量对应的关联描述向量。
7.如权利要求1所述的基于智慧楼宇的安全保障方法，其特征在于，所述对于目标智慧楼宇中的多个安全监控设备，在所述多个安全监控设备中，确定出至少一个安全监控设备，以作为目标安全监控设备，再控制所述目标安全监控设备对所述目标智慧楼宇进行监控操作的步骤，包括：
对于目标智慧楼宇中的多个安全监控设备中的每两个安全监控设备，确定出该两个安全监控设备之间的相关关系，并基于每两个安全监控设备之间的相关关系，对所述多个安全监控设备进行图谱化处理，以构建出对应的设备分布关系图谱，在所述设备分布关系图谱中，每一个图谱成员对应于一个所述安全监控设备，每一个图谱成员的成员属性数据至少包括对应的安全监控设备的设备运行数据和设备监控数据，所述设备监控数据基于所述安全监控设备在历史上对所述目标智慧楼宇进行监控操作形成；
将所述设备分布关系图谱作为需要处理的待处理图谱，所述待处理图谱包括至少两个局部待处理图谱；
对所述待处理图谱进行加载，以加载到网络优化后的图谱分析网络包括的关键信息挖掘单元中，以进行关键信息挖掘操作，输出对应的待处理图谱描述向量集合，所述待处理图谱描述向量集合包括所述至少两个局部待处理图谱对应的至少两个图谱描述向量；
对所述待处理图谱描述向量集合进行加载，以加载到所述图谱分析网络包括的图谱关系分析单元中，以进行关联的聚焦特征分析操作，输出所述待处理图谱对应的图谱关系类型信息，所述关联的聚焦特征分析操作的操作对象包括，所述至少两个局部待处理图谱对应的至少两个图谱描述向量和参考描述向量，所述至少两个局部待处理图谱的数量大于所述参考描述向量的数量，所述参考描述向量的数量与所述设备分布关系图谱对应的图谱复杂程度相关；
基于所述图谱关系类型信息，在所述多个安全监控设备中，确定出至少一个安全监控设备，以作为目标安全监控设备，再控制所述目标安全监控设备对所述目标智慧楼宇进行监控操作。
8.一种基于智慧楼宇的安全保障系统，其特征在于，包括：
监控执行模块，用于对于目标智慧楼宇中的多个安全监控设备，在所述多个安全监控设备中，确定出至少一个安全监控设备，作为目标安全监控设备，再控制所述目标安全监控设备对所述目标智慧楼宇进行监控操作；
监控数据筛选模块，用于获取到每一个所述目标安全监控设备进行监控操作得到的待处理设备监控数据，以形成至少一个待处理设备监控数据，并对所述至少一个待处理设备监控数据进行筛选，得到至少一个目标设备监控数据；
楼宇异常识别模块，用于对所述至少一个目标设备监控数据进行楼宇异常识别操作，以输出所述目标智慧楼宇对应的楼宇异常识别结果；
安全保障模块，用于基于所述楼宇异常识别结果和预先配置的参考楼宇异常条件，对所述目标智慧楼宇执行目标安全保障操作。
9.如权利要求8所述的基于智慧楼宇的安全保障系统，其特征在于，所述监控数据筛选模块具体用于：
获取到每一个所述目标安全监控设备进行监控操作得到的待处理设备监控数据，以形成至少一个待处理设备监控数据，每一个所述待处理设备监控数据包括多个待处理设备监控子数据；
对于每一个所述待处理设备监控数据，对该待处理设备监控数据包括的多个待处理设备监控子数据进行数据去重处理，以实现筛选，得到该待处理设备监控数据对应的目标设备监控数据。
10.如权利要求8所述的基于智慧楼宇的安全保障系统，其特征在于，所述楼宇异常识别模块具体用于：
利用楼宇异常识别网络，分别对每一个所述目标设备监控数据进行关键信息挖掘操作，以输出对应的目标监控数据描述向量；
在所述目标监控数据描述向量的数量等于1的情况下，利用所述楼宇异常识别网络，基于所述目标监控数据描述向量进行楼宇异常识别操作，以输出所述目标智慧楼宇对应的楼宇异常识别结果；
在所述目标监控数据描述向量的数量大于1的情况下，利用所述楼宇异常识别网络，对多个所述目标监控数据描述向量进行关联挖掘操作，以输出每一个所述目标监控数据描述向量对应的关联描述向量；
对多个所述关联描述向量进行拼接，以形成对应的拼接关联描述向量，利用所述楼宇异常识别网络，基于所述拼接关联描述向量进行楼宇异常识别操作，以输出所述目标智慧楼宇对应的楼宇异常识别结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311364434.5A CN117274913A (zh) | 2023-10-20 | 2023-10-20 | 一种基于智慧楼宇的安全保障方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311364434.5A CN117274913A (zh) | 2023-10-20 | 2023-10-20 | 一种基于智慧楼宇的安全保障方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117274913A true CN117274913A (zh) | 2023-12-22 |
Family
ID=89219668
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311364434.5A Withdrawn CN117274913A (zh) | 2023-10-20 | 2023-10-20 | 一种基于智慧楼宇的安全保障方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117274913A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117708602A (zh) * | 2024-02-06 | 2024-03-15 | 安盛信达科技股份公司 | 基于物联网的楼宇安全监控方法及系统 |
-
2023
- 2023-10-20 CN CN202311364434.5A patent/CN117274913A/zh not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117708602A (zh) * | 2024-02-06 | 2024-03-15 | 安盛信达科技股份公司 | 基于物联网的楼宇安全监控方法及系统 |
| CN117708602B (zh) * | 2024-02-06 | 2024-04-12 | 安盛信达科技股份公司 | 基于物联网的楼宇安全监控方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115098705B (zh) | 基于知识图谱推理的网络安全事件分析方法及系统 | |
| CN117274913A (zh) | 一种基于智慧楼宇的安全保障方法及系统 | |
| CN116126945B (zh) | 基于数据分析的传感器运行状态分析方法和系统 | |
| CN115205765B (zh) | 一种基于fpga的视频分析方法及系统 | |
| CN116310914B (zh) | 基于人工智能的无人机监控方法及系统 | |
| CN115814686B (zh) | 一种镭射气体混配生产系统的状态监控方法及系统 | |
| CN115687674A (zh) | 服务于智慧云服务平台的大数据需求分析方法及系统 | |
| CN116091796A (zh) | 基于人工智能的无人机采集数据处理方法及系统 | |
| Kim et al. | Residual correction in real-time traffic forecasting | |
| CN116109988B (zh) | 基于人工智能和无人机的异常监控方法及系统 | |
| CN116628138A (zh) | 应用于深度学习的物流订单文本挖掘方法及系统 | |
| CN117055422A (zh) | 一种基于智慧楼宇的安全监控方法及系统 | |
| CN116070149A (zh) | 基于人工智能的数据分析方法、系统及云平台 | |
| CN115620243A (zh) | 基于人工智能的污染源监测方法、系统及云平台 | |
| CN110717521B (zh) | 智能业务实现方法、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 | |
| CN116958838B (zh) | 一种基于无人机航测技术的森林资源监测方法及系统 | |
| CN117236617B (zh) | 一种企业业务管理方法及系统 | |
| CN117251790B (zh) | 一种智慧物流数据的采集方法及系统 | |
| CN117197739B (zh) | 一种智慧楼宇的监控数据处理方法及系统 | |
| CN117201183A (zh) | 一种互联网设备的安全访问方法及系统 | |
| CN118154899B (zh) | 面板边缘识别方法和装置、电子设备及存储介质 | |
| CN117315423A (zh) | 一种基于智慧楼宇的用户预警方法及系统 | |
| CN117150124B (zh) | 一种基于智慧家居的用户特征分析方法及系统 | |
| CN115578665B (zh) | 一种基于车辆行驶数据的资源处理方法及系统 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20231222 |