CN117315423A - 一种基于智慧楼宇的用户预警方法及系统 - Google Patents
一种基于智慧楼宇的用户预警方法及系统 Download PDFInfo
- Publication number
- CN117315423A CN117315423A CN202311280987.2A CN202311280987A CN117315423A CN 117315423 A CN117315423 A CN 117315423A CN 202311280987 A CN202311280987 A CN 202311280987A CN 117315423 A CN117315423 A CN 117315423A
- Authority
- CN
- China
- Prior art keywords
- building
- target
- building monitoring
- monitoring object
- action
- 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- Withdrawn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 32
- 238000012544 monitoring process Methods 0.000 claims abstract description 460
- 238000004458 analytical method Methods 0.000 claims abstract description 181
- 230000009471 action Effects 0.000 claims abstract description 172
- 230000005856 abnormality Effects 0.000 claims abstract description 129
- 230000002159 abnormal effect Effects 0.000 claims abstract description 62
- 230000000977 initiatory effect Effects 0.000 claims abstract description 54
- 238000012545 processing Methods 0.000 claims abstract description 28
- 230000033001 locomotion Effects 0.000 claims description 27
- 230000006835 compression Effects 0.000 claims description 14
- 238000007906 compression Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 6
- 230000017105 transposition Effects 0.000 claims description 6
- 125000004122 cyclic group Chemical group 0.000 claims description 5
- 238000007499 fusion processing Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 166
- 238000011156 evaluation Methods 0.000 description 8
- 230000007547 defect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
Classifications
-
- 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
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
-
- 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
- G06Q50/16—Real estate
- G06Q50/163—Real estate management
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Medical Informatics (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供的一种基于智慧楼宇的用户预警方法及系统,涉及数据处理技术领域。在本发明中,对每一个楼宇监控对象对应的初始动作异常分析结果进行整体分析,以判断目标楼宇区域是否满足目标异常条件;在目标楼宇区域满足目标异常条件的情况下,基于楼宇监控对象之间的相关关系,分别对每一个楼宇监控对象对应的目标对象特征信息进行模态间的聚焦特征分析,以输出对应的聚焦对象特征信息;基于对应的聚焦对象特征信息,分别对每一个楼宇监控对象进行动作异常分析,以输出对应的目标动作异常分析结果,并基于目标动作异常分析结果对对应的楼宇监控对象进行异常预警操作。基于上述方法,可以提高用户预警的可靠度。
Description
技术领域
本发明涉及数据处理技术领域,具体而言,涉及一种基于智慧楼宇的用户预警方法及系统。
背景技术
在智慧楼宇的诸多应用中,一般包括基于智慧楼宇部署的图像采集设备,对楼宇用户进行监控,即进行图像采集,然后,可以通过采集到的用户图像进行动作分析,使得可以得到对应的用户特征信息,从而基于用户特征信息进行用户监控操作,如分析出用户存在违规动作或违规倾向等,进行用户预警管控等,但是,在现有技术中,存在可靠度不高的问题。
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用户预警方法及系统,以提高用户预警的可靠度。
为实现上述目的,本发明实施例采用如下技术方案:
一种基于智慧楼宇的用户预警方法,包括:
确定出第一楼宇监控对象对应的目标对象特征信息,以及,基于所述目标对象特征信息对所述第一楼宇监控对象进行用户监控操作,所述用户监控操作至少包括对所述第一楼宇监控对象进行动作异常分析;
在将目标楼宇区域中的每一个楼宇监控对象依次作为第一楼宇监控对象,以得到每一个楼宇监控对象对应的初始动作异常分析结果之后,对每一个楼宇监控对象对应的初始动作异常分析结果进行整体分析,以判断所述目标楼宇区域是否满足目标异常条件;
在所述目标楼宇区域满足目标异常条件的情况下,基于所述楼宇监控对象之间的相关关系,分别对每一个楼宇监控对象对应的目标对象特征信息进行模态间的聚焦特征分析,以输出对应的聚焦对象特征信息;
基于对应的所述聚焦对象特征信息,分别对每一个所述楼宇监控对象进行动作异常分析,以输出对应的目标动作异常分析结果,并基于所述目标动作异常分析结果对对应的所述楼宇监控对象进行异常预警操作。
在一些优选的实施例中,在上述基于智慧楼宇的用户预警方法中,所述在将目标楼宇区域中的每一个楼宇监控对象依次作为第一楼宇监控对象,以得到每一个楼宇监控对象对应的初始动作异常分析结果之后,对每一个楼宇监控对象对应的初始动作异常分析结果进行整体分析,以判断所述目标楼宇区域是否满足目标异常条件的步骤,包括:
在将目标楼宇区域中的每一个楼宇监控对象依次作为第一楼宇监控对象,以得到每一个楼宇监控对象对应的初始动作异常分析结果之后,对对应的初始动作异常分析结果属于第一初始动作异常分析结果的楼宇监控对象进行统计,以得到对应的对象统计数量,所述第一初始动作异常分析结果用于反映楼宇监控对象存在动作异常或异常程度大于预设异常程度;
将所述对象统计数量与预设对象数量进行大小比较;
在所述对象统计数量大于或等于所述预设对象数量的情况下,判定所述目标楼宇区域满足目标异常条件,在所述对象统计数量小于所述预设对象数量的情况下,判定所述目标楼宇区域不满足目标异常条件。
在一些优选的实施例中,在上述基于智慧楼宇的用户预警方法中,所述在将目标楼宇区域中的每一个楼宇监控对象依次作为第一楼宇监控对象,以得到每一个楼宇监控对象对应的初始动作异常分析结果之后,对每一个楼宇监控对象对应的初始动作异常分析结果进行整体分析,以判断所述目标楼宇区域是否满足目标异常条件的步骤,包括:
在将目标楼宇区域中的每一个楼宇监控对象依次作为第一楼宇监控对象,以得到每一个楼宇监控对象对应的初始动作异常分析结果之后,对对应的初始动作异常分析结果属于第一初始动作异常分析结果的楼宇监控对象进行统计,以得到对应的对象数量占比,所述第一初始动作异常分析结果用于反映楼宇监控对象存在动作异常或异常程度大于预设异常程度;
将所述象数量占比与预设对象数量占比进行大小比较;
在所述象数量占比大于或等于所述预设对象数量占比的情况下,判定所述目标楼宇区域满足目标异常条件,在所述象数量占比小于所述预设对象数量占比的情况下,判定所述目标楼宇区域不满足目标异常条件。
在一些优选的实施例中,在上述基于智慧楼宇的用户预警方法中,所述在所述目标楼宇区域满足目标异常条件的情况下,基于所述楼宇监控对象之间的相关关系,分别对每一个楼宇监控对象对应的目标对象特征信息进行模态间的聚焦特征分析,以输出对应的聚焦对象特征信息的步骤,包括:
在所述目标楼宇区域满足目标异常条件的情况下,对于每一个所述楼宇监控对象,在该楼宇监控对象以外的全部其它楼宇监控对象中,确定出该楼宇监控对象对应的关联楼宇监控对象;
对于每一个所述楼宇监控对象,基于该楼宇监控对象对应的关联楼宇监控对象对应的目标对象特征信息,对该楼宇监控对象对应的目标对象特征信息进行模态间的聚焦特征分析,以输出对应的聚焦对象特征信息。
在一些优选的实施例中,在上述基于智慧楼宇的用户预警方法中,所述在所述目标楼宇区域满足目标异常条件的情况下,对于每一个所述楼宇监控对象,在该楼宇监控对象以外的全部其它楼宇监控对象中,确定出该楼宇监控对象对应的关联楼宇监控对象的步骤,包括:
在所述目标楼宇区域满足目标异常条件的情况下,对于每一个所述楼宇监控对象,确定出该楼宇监控对象出现的每一帧楼宇监控图像,以形成该楼宇监控对象对应的目标楼宇监控图像集合;
对于每一个所述楼宇监控对象,将该楼宇监控对象对应的目标楼宇监控图像集合与该楼宇监控对象以外的每一个其它楼宇监控对象进行交集确定处理,并从确定出的各交集中,选择出第一交集,以及,将该第一交集对应的其它楼宇监控对象作为该楼宇监控对象对应的关联楼宇监控对象,所述第一交集属于确定出的各交集中集合元素最多的一个交集。
在一些优选的实施例中,在上述基于智慧楼宇的用户预警方法中,所述对于每一个所述楼宇监控对象,基于该楼宇监控对象对应的关联楼宇监控对象对应的目标对象特征信息,对该楼宇监控对象对应的目标对象特征信息进行模态间的聚焦特征分析,以输出对应的聚焦对象特征信息的步骤,包括:
对所述楼宇监控对象对应的目标对象特征信息进行均值压缩处理,以输出第一均值特征表示,并对所述楼宇监控对象对应的目标对象特征信息进行最大值压缩处理,以输出第一最大值特征表示;
对所述关联楼宇监控对象对应的目标对象特征信息进行均值压缩处理,以输出第二均值特征表示,并对所述关联楼宇监控对象对应的目标对象特征信息进行最大值压缩处理,以输出第二最大值特征表示;
对所述第二均值特征表示进行转置处理,以形成对应的转置第二均值特征表示,并对所述第二最大值特征表示进行转置处理,以形成对应的转置第二最大值特征表示;
基于所述第二均值特征表示、所述转置第二均值特征表示,对所述第一均值特征表示进行模态间的聚焦特征分析,以输出对应的第一局部聚焦对象特征信息,以及,基于所述第二最大值特征表示、所述转置第二最大值特征表示,对所述第一最大值特征表示进行模态间的聚焦特征分析,以输出对应的第二局部聚焦对象特征信息;
对所述第一局部聚焦对象特征信息和所述第二局部聚焦对象特征信息进行融合处理,以输出对应的聚焦对象特征信息。
在一些优选的实施例中,在上述基于智慧楼宇的用户预警方法中,所述确定出第一楼宇监控对象对应的目标对象特征信息,以及,基于所述目标对象特征信息对所述第一楼宇监控对象进行用户监控操作的步骤,包括:
提取到第一楼宇监控对象和多个第二楼宇监控对象的监控对象动作集合,对于每一个所述监控对象动作集合,该监控对象动作集合包括一个楼宇监控对象在目标楼宇区域出现的多个监控对象动作;
基于每一个所述监控对象动作集合,组合形成对应的待处理数据组,对于所述待处理数据组包括的每一个待处理数据,该待处理数据包括基于所述第一楼宇监控对象的监控对象动作集合中的至少两个监控对象动作形成的第一动作簇、基于一个所述第二楼宇监控对象的监控对象动作集合中的至少两个监控对象动作形成的第二动作簇,在该待处理数据中第一动作簇和第二动作簇之间具有相同的动作;
基于所述待处理数据组,将监控对象分析网络进行循环更新操作,在每一个更新的过程中,基于所述第一楼宇监控对象的对象信息特征表示、每一个所述待处理数据包括的第一动作簇与第二动作簇对应计算出多个网络学习代价值,每一个所述网络学习代价值用于反映所述第一楼宇监控对象和所述第二楼宇监控对象之间的区别大小,以及,基于所述多个网络学习代价值调整所述对象信息特征表示;
倘若基于所述多个网络学习代价值判定所述监控对象分析网络满足预设条件,则基于当前的所述对象信息特征表示,确定出所述第一楼宇监控对象对应的目标对象特征信息,以及,基于所述目标对象特征信息对所述第一楼宇监控对象进行用户监控操作。
本发明实施例还提供一种基于智慧楼宇的用户预警系统,包括:
动作异常分析模块,用于确定出第一楼宇监控对象对应的目标对象特征信息,以及,基于所述目标对象特征信息对所述第一楼宇监控对象进行用户监控操作,所述用户监控操作至少包括对所述第一楼宇监控对象进行动作异常分析;
异常条件对比模块,用于在将目标楼宇区域中的每一个楼宇监控对象依次作为第一楼宇监控对象,以得到每一个楼宇监控对象对应的初始动作异常分析结果之后,对每一个楼宇监控对象对应的初始动作异常分析结果进行整体分析,以判断所述目标楼宇区域是否满足目标异常条件;
聚焦特征分析模块,用于在所述目标楼宇区域满足目标异常条件的情况下,基于所述楼宇监控对象之间的相关关系,分别对每一个楼宇监控对象对应的目标对象特征信息进行模态间的聚焦特征分析,以输出对应的聚焦对象特征信息;
异常预警模块,用于基于对应的所述聚焦对象特征信息,分别对每一个所述楼宇监控对象进行动作异常分析,以输出对应的目标动作异常分析结果,并基于所述目标动作异常分析结果对对应的所述楼宇监控对象进行异常预警操作。
在一些优选的实施例中,在上述基于智慧楼宇的用户预警系统中,所述异常条件对比模块具体用于:
在将目标楼宇区域中的每一个楼宇监控对象依次作为第一楼宇监控对象,以得到每一个楼宇监控对象对应的初始动作异常分析结果之后,对对应的初始动作异常分析结果属于第一初始动作异常分析结果的楼宇监控对象进行统计,以得到对应的对象统计数量,所述第一初始动作异常分析结果用于反映楼宇监控对象存在动作异常或异常程度大于预设异常程度;
将所述对象统计数量与预设对象数量进行大小比较;
在所述对象统计数量大于或等于所述预设对象数量的情况下,判定所述目标楼宇区域满足目标异常条件,在所述对象统计数量小于所述预设对象数量的情况下,判定所述目标楼宇区域不满足目标异常条件。
在一些优选的实施例中,在上述基于智慧楼宇的用户预警系统中,所述聚焦特征分析模块具体用于:
在所述目标楼宇区域满足目标异常条件的情况下,对于每一个所述楼宇监控对象,在该楼宇监控对象以外的全部其它楼宇监控对象中,确定出该楼宇监控对象对应的关联楼宇监控对象;
对于每一个所述楼宇监控对象,基于该楼宇监控对象对应的关联楼宇监控对象对应的目标对象特征信息,对该楼宇监控对象对应的目标对象特征信息进行模态间的聚焦特征分析,以输出对应的聚焦对象特征信息。
本发明实施例提供的一种基于智慧楼宇的用户预警方法及系统,可以对每一个楼宇监控对象对应的初始动作异常分析结果进行整体分析,以判断目标楼宇区域是否满足目标异常条件;在目标楼宇区域满足目标异常条件的情况下,基于楼宇监控对象之间的相关关系,分别对每一个楼宇监控对象对应的目标对象特征信息进行模态间的聚焦特征分析,以输出对应的聚焦对象特征信息;基于对应的聚焦对象特征信息,分别对每一个楼宇监控对象进行动作异常分析,以输出对应的目标动作异常分析结果,并基于目标动作异常分析结果对对应的楼宇监控对象进行异常预警操作。基于上述方案,由于在得到初始动作异常分析结果之后,会进行初步的判断分析,使得在目标楼宇区域满足目标异常条件的情况下,会进行进一步的异常分析,如此,可以提高用户预警的可靠度,改善现有技术的不足。
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用户预警平台的结构框图。
图2为本发明实施例提供的基于智慧楼宇的用户预警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用户预警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用户预警平台。其中,所述基于智慧楼宇的用户预警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用户预警方法。
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用户预警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用户预警方法,可应用于上述基于智慧楼宇的用户预警平台。其中,所述基于智慧楼宇的用户预警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用户预警平台实现。下面将对图2所示的具体流程,进行详细阐述。
步骤S100,确定出第一楼宇监控对象对应的目标对象特征信息,以及,基于所述目标对象特征信息对所述第一楼宇监控对象进行用户监控操作。
在本发明实施例中,所述基于智慧楼宇的用户预警平台可以确定出第一楼宇监控对象对应的目标对象特征信息,以及,基于所述目标对象特征信息对所述第一楼宇监控对象进行用户监控操作。所述用户监控操作至少包括对所述第一楼宇监控对象进行动作异常分析。
步骤S200,在将目标楼宇区域中的每一个楼宇监控对象依次作为第一楼宇监控对象,以得到每一个楼宇监控对象对应的初始动作异常分析结果之后,对每一个楼宇监控对象对应的初始动作异常分析结果进行整体分析,以判断所述目标楼宇区域是否满足目标异常条件。
在本发明实施例中,所述基于智慧楼宇的用户预警平台可以在将目标楼宇区域中的每一个楼宇监控对象依次作为第一楼宇监控对象,以得到每一个楼宇监控对象对应的初始动作异常分析结果之后,对每一个楼宇监控对象对应的初始动作异常分析结果进行整体分析,以判断所述目标楼宇区域是否满足目标异常条件。
步骤S300,在所述目标楼宇区域满足目标异常条件的情况下,基于所述楼宇监控对象之间的相关关系,分别对每一个楼宇监控对象对应的目标对象特征信息进行模态间的聚焦特征分析,以输出对应的聚焦对象特征信息。
在本发明实施例中,所述基于智慧楼宇的用户预警平台可以在所述目标楼宇区域满足目标异常条件的情况下,基于所述楼宇监控对象之间的相关关系,分别对每一个楼宇监控对象对应的目标对象特征信息进行模态间的聚焦特征分析,以输出对应的聚焦对象特征信息。
步骤S400,基于对应的所述聚焦对象特征信息,分别对每一个所述楼宇监控对象进行动作异常分析,以输出对应的目标动作异常分析结果,并基于所述目标动作异常分析结果对对应的所述楼宇监控对象进行异常预警操作。
在本发明实施例中,所述基于智慧楼宇的用户预警平台可以基于对应的所述聚焦对象特征信息,分别对每一个所述楼宇监控对象进行动作异常分析,以输出对应的目标动作异常分析结果,并基于所述目标动作异常分析结果对对应的所述楼宇监控对象进行异常预警操作。例如,可以在所述目标动作异常分析结果表征的异常程度大于目标程度或所述目标动作异常分析结果反映出存在异常的情况下,对对应的楼宇监控对象进行异常管控。
基于上述方案,如上述的步骤S100、步骤S200、步骤S300和步骤S400,由于在得到初始动作异常分析结果之后,会进行初步的判断分析,使得在目标楼宇区域满足目标异常条件的情况下,会进行进一步的异常分析,如此,可以提高用户预警的可靠度,改善现有技术的不足。
可以选择的是,在一些实施方式中,所述确定出第一楼宇监控对象对应的目标对象特征信息,以及,基于所述目标对象特征信息对所述第一楼宇监控对象进行用户监控操作的步骤,可以进一步包括以下的内容,如步骤S110、步骤S120、步骤S130和步骤S140。
步骤S110,提取到第一楼宇监控对象和多个第二楼宇监控对象的监控对象动作集合。
在本发明实施例中,所述基于智慧楼宇的用户预警平台可以提取到第一楼宇监控对象和多个第二楼宇监控对象的监控对象动作集合。对于每一个所述监控对象动作集合,该监控对象动作集合包括一个楼宇监控对象在目标楼宇区域出现的多个监控对象动作。
步骤S120,基于每一个所述监控对象动作集合,组合形成对应的待处理数据组。
在本发明实施例中,所述基于智慧楼宇的用户预警平台可以基于每一个所述监控对象动作集合,组合形成对应的待处理数据组。对于所述待处理数据组包括的每一个待处理数据,该待处理数据包括基于所述第一楼宇监控对象的监控对象动作集合中的至少两个监控对象动作形成的第一动作簇(如动作1、动作2、动作3)、基于一个所述第二楼宇监控对象的监控对象动作集合中的至少两个监控对象动作形成的第二动作簇(如动作2、动作4、动作5),在该待处理数据中第一动作簇和第二动作簇之间具有相同的动作(如前述示例中的动作2)。
步骤S130,基于所述待处理数据组,将监控对象分析网络进行循环更新操作。
在本发明实施例中,所述基于智慧楼宇的用户预警平台可以基于所述待处理数据组,将监控对象分析网络进行循环更新操作。在每一个更新的过程中,基于所述第一楼宇监控对象的对象信息特征表示、每一个所述待处理数据包括的第一动作簇与第二动作簇对应计算出多个网络学习代价值,每一个所述网络学习代价值用于反映所述第一楼宇监控对象和所述第二楼宇监控对象之间的区别大小,以及,基于所述多个网络学习代价值调整所述对象信息特征表示(使得网络学习代价值减小)。
步骤S140,倘若基于所述多个网络学习代价值判定所述监控对象分析网络满足预设条件,则基于当前的所述对象信息特征表示,确定出所述第一楼宇监控对象对应的目标对象特征信息,以及,基于所述目标对象特征信息对所述第一楼宇监控对象进行用户监控操作。
在本发明实施例中,所述基于智慧楼宇的用户预警平台可以在基于所述多个网络学习代价值判定所述监控对象分析网络满足预设条件的情况下(如网络学习代价值收敛或更新次数大于预设值),基于当前的所述对象信息特征表示,确定出所述第一楼宇监控对象对应的目标对象特征信息(例如,可以将当前的对象信息特征表示作为目标对象特征信息),以及,基于所述目标对象特征信息对所述第一楼宇监控对象进行用户监控操作,例如,基于所述目标对象特征信息进行用户动作异常分析等,如分析出是否异常或异常的程度等信息,可以基于相应的神经网络实现。
基于前述的方案,一方面由于在是基于监控对象分析网络满足预设条件时当前的对象信息特征表示确定出目标对象特征信息,使得基于目标对象特征信息进行的用户监控操作的可靠度更高,另一方面,由于会基于第一楼宇监控对象和多个第二楼宇监控对象的监控对象动作集合,对第一楼宇监控对象的对象信息特征表示的进行调整,使得得到的目标对象特征信息的可靠度更高,信息更丰富,从而有效提高用户监控的可靠度。
可以选择的是,在一些实施方式中,所述提取到第一楼宇监控对象和多个第二楼宇监控对象的监控对象动作集合的步骤,可以进一步包括以下的内容:
对目标楼宇区域进行监控,以形成楼宇监控图像集合,所述楼宇监控图像集合包括多帧楼宇监控图像;
分别对所述多帧楼宇监控图像中的每一帧楼宇监控图像进行对象识别处理,以输出每一帧楼宇监控图像中的每一个楼宇监控对象,并基于每一帧楼宇监控图像中的每一个楼宇监控对象,组建形成楼宇监控对象初始集合,以及,对所述楼宇监控对象初始集合中的楼宇监控对象进行去重处理(相同的楼宇监控对象保留一个),以形成对应的楼宇监控对象目标集合;
将所述楼宇监控对象目标集合中的任意一个楼宇监控对象确定为第一楼宇监控对象,并将所述楼宇监控对象目标集合中第一楼宇监控对象以外的每一个楼宇监控对象确定为第二楼宇监控对象;或者,将所述楼宇监控对象目标集合中对应的楼宇监控图像的帧数最多的一个楼宇监控对象确定为第一楼宇监控对象,并将所述楼宇监控对象目标集合中第一楼宇监控对象以外的每一个楼宇监控对象确定为第二楼宇监控对象;
在所述楼宇监控图像集合中,提取出所述第一楼宇监控对象对应的每一帧楼宇监控图像,并基于楼宇监控图像之间的连续性进行分类组合,以形成至少一个第一楼宇监控图像子集合(即连续的楼宇监控图像组合形成一个第一楼宇监控图像子集合),以及,分别对每一个所述第一楼宇监控图像子集合进行所述第一楼宇监控对象的动作识别处理(即针对第一楼宇监控对象对应的部分图像区域),以形成每一个所述第一楼宇监控图像子集合对应的监控对象动作,再基于每一个所述第一楼宇监控图像子集合对应的监控对象动作,组合形成所述第一楼宇监控对象的监控对象动作集合;
在所述楼宇监控图像集合中,提取出每一个所述第二楼宇监控对象对应的每一帧楼宇监控图像,并基于楼宇监控图像之间的连续性进行分类组合,以形成每一个所述第二楼宇监控对象对应的至少一个第二楼宇监控图像子集合,以及,分别对每一个所述第二楼宇监控图像子集合进行所述第二楼宇监控对象的动作识别处理,以形成每一个第二楼宇监控图像子集合对应的监控对象动作,再基于每一个所述第一楼宇监控图像子集合对应的监控对象动作,组合形成每一个第二楼宇监控对象的监控对象动作集合。
可以选择的是,在一些实施方式中,所述第一动作簇包括所述第一楼宇监控对象的监控对象动作集合中相邻的至少两个监控对象动作,所述第二动作簇包括所述第二楼宇监控对象的监控对象动作集合中相邻的至少两个监控对象动作。
可以选择的是,在一些实施方式中,对于每一个所述待处理数据,该待处理数据中第一动作簇(如动作1、动作2)与第二动作簇(如动作2、动作3)的相同动作部分(如动作2)、所述第一动作簇与所述相同动作部分的不同动作部分(如动作1)、所述第二动作簇与所述相同动作部分的不同动作部分(如动作3),作为一个目标数据组,基于此,所述基于所述第一楼宇监控对象的对象信息特征表示、每一个所述待处理数据包括的第一动作簇与第二动作簇对应计算出多个网络学习代价值的步骤,可以进一步包括以下的内容:
基于所述第一楼宇监控对象的对象信息特征表示和每一个所述待处理数据分别对应的目标数据组,确定出每一个所述待处理数据分别对应的数据组网络学习代价值(即Triplet loss)。
可以选择的是,在一些实施方式中,所述基于所述第一楼宇监控对象的对象信息特征表示、每一个所述待处理数据包括的第一动作簇与第二动作簇对应计算出多个网络学习代价值的步骤,可以进一步包括以下的内容:
对于每一个待处理数据,基于所述对象信息特征表示和每一个待处理数据中监控对象动作的动作信息特征表示,确定出所述第一楼宇监控对象的监控对象动作集合包括所述第一动作簇的第一可能性评估值和包括所述第二动作簇的第二可能性评估值;
基于所述第一可能性评估值和所述第二可能性评估值,确定出每一个所述待处理数据的网络学习代价值,所述网络学习代价值正相关于所述第一可能性评估值、负相关于所述第二可能性评估值。
可以选择的是,在一些实施方式中,所述第一动作簇包括第一监控对象动作和第二监控对象动作,所述第二动作簇包括所述第二监控对象动作和第三监控对象动作,基于此,所述对于每一个待处理数据,基于所述对象信息特征表示和每一个待处理数据中监控对象动作的动作信息特征表示,确定出所述第一楼宇监控对象的监控对象动作集合包括所述第一动作簇的第一可能性评估值和包括所述第二动作簇的第二可能性评估值的步骤,可以进一步包括以下的内容:
确定出所述第一监控对象动作和所述第二监控对象动作基于所述对象信息特征表示具有的第一匹配参数,所述第一匹配参数用于反映所述第一监控对象动作的动作信息特征表示和所述第二监控对象动作的动作信息特征表示,与所述对象信息特征表示之间的匹配程度(例如,可以将所述第一监控对象动作的动作信息特征表示和所述第二监控对象动作的动作信息特征表示进行拼接,以形成第一拼接特征表示,然后,可以计算第一拼接特征表示与所述对象信息特征表示的相似度,得到第一匹配参数);
确定出所述第二监控对象动作和所述第三监控对象动作基于所述对象信息特征表示具有的第二匹配参数,所述第二匹配参数用于反映所述第二监控对象动作的动作信息特征表示和所述第三监控对象动作的动作信息特征表示,与所述对象信息特征表示之间的匹配程度(例如,可以将所述第二监控对象动作的动作信息特征表示和所述第三监控对象动作的动作信息特征表示进行拼接,以形成第二拼接特征表示,然后,可以计算第二拼接特征表示与所述对象信息特征表示的相似度,得到第二匹配参数);
基于所述第一匹配参数,确定出第一可能性评估值,所述第一匹配参数正相关于所述第一可能性评估值;
基于所述第二匹配参数,确定出第二可能性评估值,所述第二匹配参数正相关于所述第二可能性评估值。
可以选择的是,在一些实施方式中,在所述基于所述待处理数据组,将监控对象分析网络进行循环更新操作的步骤之前,所述基于智慧楼宇的用户预警方法还可以进一步包括以下的内容:
基于每一个监控对象动作的动作代表监控图像(如对应的每一帧楼宇监控图像),分别确定出每一个监控对象动作的动作图像特征表示集合(对于一个监控对象动作,可以对该监控对象动作对应的每一帧楼宇监控图像分别进行特征挖掘,以得到每一帧楼宇监控图像对应的动作图像特征表示,如此,可以组合形成对应的动作图像特征表示集合);
基于每一个监控对象动作的动作图像特征表示集合,分别确定出每一个监控对象动作的动作信息特征表示(例如,对于一个动作图像特征表示集合,可以对该动作图像特征表示集合中的每两个动作图像特征表示进行模态间的聚焦特征分析,然后,对得到的聚焦特征分析结果进行拼接,从而形成对应的一个监控对象动作的动作信息特征表示)。
可以选择的是,在一些实施方式中,所述在将目标楼宇区域中的每一个楼宇监控对象依次作为第一楼宇监控对象,以得到每一个楼宇监控对象对应的初始动作异常分析结果之后,对每一个楼宇监控对象对应的初始动作异常分析结果进行整体分析,以判断所述目标楼宇区域是否满足目标异常条件的步骤,可以进一步包括以下的内容:
在将目标楼宇区域中的每一个楼宇监控对象依次作为第一楼宇监控对象,以得到每一个楼宇监控对象对应的初始动作异常分析结果之后,对对应的初始动作异常分析结果属于第一初始动作异常分析结果的楼宇监控对象进行统计,以得到对应的对象统计数量,所述第一初始动作异常分析结果用于反映楼宇监控对象存在动作异常或异常程度大于预设异常程度;
将所述对象统计数量与预设对象数量进行大小比较,所述预设对象数量可以根据实际需求进行配置和选择;
在所述对象统计数量大于或等于所述预设对象数量的情况下,判定所述目标楼宇区域满足目标异常条件,在所述对象统计数量小于所述预设对象数量的情况下,判定所述目标楼宇区域不满足目标异常条件。
可以选择的是,在一些实施方式中,所述在将目标楼宇区域中的每一个楼宇监控对象依次作为第一楼宇监控对象,以得到每一个楼宇监控对象对应的初始动作异常分析结果之后,对每一个楼宇监控对象对应的初始动作异常分析结果进行整体分析,以判断所述目标楼宇区域是否满足目标异常条件的步骤,可以进一步包括以下的内容:
在将目标楼宇区域中的每一个楼宇监控对象依次作为第一楼宇监控对象,以得到每一个楼宇监控对象对应的初始动作异常分析结果之后,对对应的初始动作异常分析结果属于第一初始动作异常分析结果的楼宇监控对象进行统计,以得到对应的对象数量占比,所述第一初始动作异常分析结果用于反映楼宇监控对象存在动作异常或异常程度大于预设异常程度;
将所述象数量占比与预设对象数量占比进行大小比较,所述预设对象数量占比可以根据实际需求进行配置和选择;
在所述象数量占比大于或等于所述预设对象数量占比的情况下,判定所述目标楼宇区域满足目标异常条件,在所述象数量占比小于所述预设对象数量占比的情况下,判定所述目标楼宇区域不满足目标异常条件。
可以选择的是,在一些实施方式中,所述在所述目标楼宇区域满足目标异常条件的情况下,基于所述楼宇监控对象之间的相关关系,分别对每一个楼宇监控对象对应的目标对象特征信息进行模态间的聚焦特征分析,以输出对应的聚焦对象特征信息的步骤,可以进一步包括以下的内容:
在所述目标楼宇区域满足目标异常条件的情况下,对于每一个所述楼宇监控对象,在该楼宇监控对象以外的全部其它楼宇监控对象中,确定出该楼宇监控对象对应的关联楼宇监控对象;
对于每一个所述楼宇监控对象,基于该楼宇监控对象对应的关联楼宇监控对象对应的目标对象特征信息,对该楼宇监控对象对应的目标对象特征信息进行模态间的聚焦特征分析,以输出对应的聚焦对象特征信息。
可以选择的是,在一些实施方式中,所述在所述目标楼宇区域满足目标异常条件的情况下,对于每一个所述楼宇监控对象,在该楼宇监控对象以外的全部其它楼宇监控对象中,确定出该楼宇监控对象对应的关联楼宇监控对象的步骤,可以进一步包括以下的内容:
在所述目标楼宇区域满足目标异常条件的情况下,对于每一个所述楼宇监控对象,确定出该楼宇监控对象出现的每一帧楼宇监控图像,以形成该楼宇监控对象对应的目标楼宇监控图像集合;
对于每一个所述楼宇监控对象,将该楼宇监控对象对应的目标楼宇监控图像集合与该楼宇监控对象以外的每一个其它楼宇监控对象进行交集确定处理,并从确定出的各交集中,选择出第一交集,以及,将该第一交集对应的其它楼宇监控对象作为该楼宇监控对象对应的关联楼宇监控对象,所述第一交集属于确定出的各交集中集合元素最多的一个交集。
可以选择的是,在一些实施方式中,所述对于每一个所述楼宇监控对象,基于该楼宇监控对象对应的关联楼宇监控对象对应的目标对象特征信息,对该楼宇监控对象对应的目标对象特征信息进行模态间的聚焦特征分析,以输出对应的聚焦对象特征信息的步骤,可以进一步包括以下的内容:
对所述楼宇监控对象对应的目标对象特征信息进行均值压缩处理(也就是说,可以通过预设尺寸的窗口对目标对象特征信息进行滑窗,然后,基于窗口内的各参数的均值来代替窗口内的各参数,以实现均值压缩),以输出第一均值特征表示,并对所述楼宇监控对象对应的目标对象特征信息进行最大值压缩处理(也就是说,可以通过预设尺寸的窗口对目标对象特征信息进行滑窗,然后,基于窗口内的各参数的最大值来代替窗口内的各参数,以实现最大值压缩),以输出第一最大值特征表示;
对所述关联楼宇监控对象对应的目标对象特征信息进行均值压缩处理,以输出第二均值特征表示,并对所述关联楼宇监控对象对应的目标对象特征信息进行最大值压缩处理,以输出第二最大值特征表示;
对所述第二均值特征表示进行转置处理(特征表示可以是一种向量,呈现矩阵分布),以形成对应的转置第二均值特征表示,并对所述第二最大值特征表示进行转置处理,以形成对应的转置第二最大值特征表示;
基于所述第二均值特征表示、所述转置第二均值特征表示,对所述第一均值特征表示进行模态间的聚焦特征分析,以输出对应的第一局部聚焦对象特征信息(例如,可以将所述转置第二均值特征表示乘以所述第一均值特征表示,再除以所述第一均值特征表示的维度数目,再进行归一化处理,再与所述第二均值特征表示相乘),以及,基于所述第二最大值特征表示、所述转置第二最大值特征表示,对所述第一最大值特征表示进行模态间的聚焦特征分析,以输出对应的第二局部聚焦对象特征信息;
对所述第一局部聚焦对象特征信息和所述第二局部聚焦对象特征信息进行融合处理(如叠加等),以输出对应的聚焦对象特征信息。
结合图3,本发明实施例还提供一种基于智慧楼宇的用户预警系统,可应用于上述基于智慧楼宇的用户预警平台。其中,所述基于智慧楼宇的用户预警系统可以包括以下的内容:
动作异常分析模块,用于确定出第一楼宇监控对象对应的目标对象特征信息,以及,基于所述目标对象特征信息对所述第一楼宇监控对象进行用户监控操作,所述用户监控操作至少包括对所述第一楼宇监控对象进行动作异常分析;
异常条件对比模块,用于在将目标楼宇区域中的每一个楼宇监控对象依次作为第一楼宇监控对象,以得到每一个楼宇监控对象对应的初始动作异常分析结果之后,对每一个楼宇监控对象对应的初始动作异常分析结果进行整体分析,以判断所述目标楼宇区域是否满足目标异常条件;
聚焦特征分析模块,用于在所述目标楼宇区域满足目标异常条件的情况下,基于所述楼宇监控对象之间的相关关系,分别对每一个楼宇监控对象对应的目标对象特征信息进行模态间的聚焦特征分析,以输出对应的聚焦对象特征信息;
异常预警模块,用于基于对应的所述聚焦对象特征信息,分别对每一个所述楼宇监控对象进行动作异常分析,以输出对应的目标动作异常分析结果,并基于所述目标动作异常分析结果对对应的所述楼宇监控对象进行异常预警操作。
可以选择的是,在一些实施方式中,所述异常条件对比模块具体用于:
在将目标楼宇区域中的每一个楼宇监控对象依次作为第一楼宇监控对象,以得到每一个楼宇监控对象对应的初始动作异常分析结果之后,对对应的初始动作异常分析结果属于第一初始动作异常分析结果的楼宇监控对象进行统计,以得到对应的对象统计数量,所述第一初始动作异常分析结果用于反映楼宇监控对象存在动作异常或异常程度大于预设异常程度;
将所述对象统计数量与预设对象数量进行大小比较;
在所述对象统计数量大于或等于所述预设对象数量的情况下,判定所述目标楼宇区域满足目标异常条件,在所述对象统计数量小于所述预设对象数量的情况下,判定所述目标楼宇区域不满足目标异常条件。
可以选择的是,在一些实施方式中,所述聚焦特征分析模块具体用于:
在所述目标楼宇区域满足目标异常条件的情况下,对于每一个所述楼宇监控对象,在该楼宇监控对象以外的全部其它楼宇监控对象中,确定出该楼宇监控对象对应的关联楼宇监控对象;
对于每一个所述楼宇监控对象,基于该楼宇监控对象对应的关联楼宇监控对象对应的目标对象特征信息,对该楼宇监控对象对应的目标对象特征信息进行模态间的聚焦特征分析,以输出对应的聚焦对象特征信息。
综上所述,本发明提供的一种基于智慧楼宇的用户预警方法及系统,可以对每一个楼宇监控对象对应的初始动作异常分析结果进行整体分析,以判断目标楼宇区域是否满足目标异常条件;在目标楼宇区域满足目标异常条件的情况下,基于楼宇监控对象之间的相关关系,分别对每一个楼宇监控对象对应的目标对象特征信息进行模态间的聚焦特征分析,以输出对应的聚焦对象特征信息;基于对应的聚焦对象特征信息,分别对每一个楼宇监控对象进行动作异常分析,以输出对应的目标动作异常分析结果,并基于目标动作异常分析结果对对应的楼宇监控对象进行异常预警操作。基于上述方案,由于在得到初始动作异常分析结果之后,会进行初步的判断分析,使得在目标楼宇区域满足目标异常条件的情况下,会进行进一步的异常分析,如此,可以提高用户预警的可靠度,改善现有技术的不足。
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)
1.一种基于智慧楼宇的用户预警方法,其特征在于,包括:
确定出第一楼宇监控对象对应的目标对象特征信息,以及,基于所述目标对象特征信息对所述第一楼宇监控对象进行用户监控操作,所述用户监控操作至少包括对所述第一楼宇监控对象进行动作异常分析;
在将目标楼宇区域中的每一个楼宇监控对象依次作为第一楼宇监控对象,以得到每一个楼宇监控对象对应的初始动作异常分析结果之后,对每一个楼宇监控对象对应的初始动作异常分析结果进行整体分析,以判断所述目标楼宇区域是否满足目标异常条件;
在所述目标楼宇区域满足目标异常条件的情况下,基于所述楼宇监控对象之间的相关关系,分别对每一个楼宇监控对象对应的目标对象特征信息进行模态间的聚焦特征分析,以输出对应的聚焦对象特征信息;
基于对应的所述聚焦对象特征信息,分别对每一个所述楼宇监控对象进行动作异常分析,以输出对应的目标动作异常分析结果,并基于所述目标动作异常分析结果对对应的所述楼宇监控对象进行异常预警操作。
2.如权利要求1所述的基于智慧楼宇的用户预警方法,其特征在于,所述在将目标楼宇区域中的每一个楼宇监控对象依次作为第一楼宇监控对象,以得到每一个楼宇监控对象对应的初始动作异常分析结果之后,对每一个楼宇监控对象对应的初始动作异常分析结果进行整体分析,以判断所述目标楼宇区域是否满足目标异常条件的步骤,包括:
在将目标楼宇区域中的每一个楼宇监控对象依次作为第一楼宇监控对象,以得到每一个楼宇监控对象对应的初始动作异常分析结果之后,对对应的初始动作异常分析结果属于第一初始动作异常分析结果的楼宇监控对象进行统计,以得到对应的对象统计数量,所述第一初始动作异常分析结果用于反映楼宇监控对象存在动作异常或异常程度大于预设异常程度;
将所述对象统计数量与预设对象数量进行大小比较;
在所述对象统计数量大于或等于所述预设对象数量的情况下,判定所述目标楼宇区域满足目标异常条件,在所述对象统计数量小于所述预设对象数量的情况下,判定所述目标楼宇区域不满足目标异常条件。
3.如权利要求1所述的基于智慧楼宇的用户预警方法,其特征在于,所述在将目标楼宇区域中的每一个楼宇监控对象依次作为第一楼宇监控对象,以得到每一个楼宇监控对象对应的初始动作异常分析结果之后,对每一个楼宇监控对象对应的初始动作异常分析结果进行整体分析,以判断所述目标楼宇区域是否满足目标异常条件的步骤,包括:
在将目标楼宇区域中的每一个楼宇监控对象依次作为第一楼宇监控对象,以得到每一个楼宇监控对象对应的初始动作异常分析结果之后,对对应的初始动作异常分析结果属于第一初始动作异常分析结果的楼宇监控对象进行统计,以得到对应的对象数量占比,所述第一初始动作异常分析结果用于反映楼宇监控对象存在动作异常或异常程度大于预设异常程度;
将所述象数量占比与预设对象数量占比进行大小比较;
在所述象数量占比大于或等于所述预设对象数量占比的情况下,判定所述目标楼宇区域满足目标异常条件,在所述象数量占比小于所述预设对象数量占比的情况下,判定所述目标楼宇区域不满足目标异常条件。
4.如权利要求1所述的基于智慧楼宇的用户预警方法,其特征在于,所述在所述目标楼宇区域满足目标异常条件的情况下,基于所述楼宇监控对象之间的相关关系,分别对每一个楼宇监控对象对应的目标对象特征信息进行模态间的聚焦特征分析,以输出对应的聚焦对象特征信息的步骤,包括:
在所述目标楼宇区域满足目标异常条件的情况下,对于每一个所述楼宇监控对象,在该楼宇监控对象以外的全部其它楼宇监控对象中,确定出该楼宇监控对象对应的关联楼宇监控对象;
对于每一个所述楼宇监控对象,基于该楼宇监控对象对应的关联楼宇监控对象对应的目标对象特征信息,对该楼宇监控对象对应的目标对象特征信息进行模态间的聚焦特征分析,以输出对应的聚焦对象特征信息。
5.如权利要求4所述的基于智慧楼宇的用户预警方法,其特征在于,所述在所述目标楼宇区域满足目标异常条件的情况下,对于每一个所述楼宇监控对象,在该楼宇监控对象以外的全部其它楼宇监控对象中,确定出该楼宇监控对象对应的关联楼宇监控对象的步骤,包括:
在所述目标楼宇区域满足目标异常条件的情况下,对于每一个所述楼宇监控对象,确定出该楼宇监控对象出现的每一帧楼宇监控图像,以形成该楼宇监控对象对应的目标楼宇监控图像集合;
对于每一个所述楼宇监控对象,将该楼宇监控对象对应的目标楼宇监控图像集合与该楼宇监控对象以外的每一个其它楼宇监控对象进行交集确定处理,并从确定出的各交集中,选择出第一交集,以及,将该第一交集对应的其它楼宇监控对象作为该楼宇监控对象对应的关联楼宇监控对象,所述第一交集属于确定出的各交集中集合元素最多的一个交集。
6.如权利要求4所述的基于智慧楼宇的用户预警方法,其特征在于,所述对于每一个所述楼宇监控对象,基于该楼宇监控对象对应的关联楼宇监控对象对应的目标对象特征信息,对该楼宇监控对象对应的目标对象特征信息进行模态间的聚焦特征分析,以输出对应的聚焦对象特征信息的步骤,包括:
对所述楼宇监控对象对应的目标对象特征信息进行均值压缩处理,以输出第一均值特征表示,并对所述楼宇监控对象对应的目标对象特征信息进行最大值压缩处理,以输出第一最大值特征表示;
对所述关联楼宇监控对象对应的目标对象特征信息进行均值压缩处理,以输出第二均值特征表示,并对所述关联楼宇监控对象对应的目标对象特征信息进行最大值压缩处理,以输出第二最大值特征表示;
对所述第二均值特征表示进行转置处理,以形成对应的转置第二均值特征表示,并对所述第二最大值特征表示进行转置处理,以形成对应的转置第二最大值特征表示;
基于所述第二均值特征表示、所述转置第二均值特征表示,对所述第一均值特征表示进行模态间的聚焦特征分析,以输出对应的第一局部聚焦对象特征信息,以及,基于所述第二最大值特征表示、所述转置第二最大值特征表示,对所述第一最大值特征表示进行模态间的聚焦特征分析,以输出对应的第二局部聚焦对象特征信息;
对所述第一局部聚焦对象特征信息和所述第二局部聚焦对象特征信息进行融合处理,以输出对应的聚焦对象特征信息。
7.如权利要求1-6任意一项所述的基于智慧楼宇的用户预警方法,其特征在于,所述确定出第一楼宇监控对象对应的目标对象特征信息,以及,基于所述目标对象特征信息对所述第一楼宇监控对象进行用户监控操作的步骤,包括:
提取到第一楼宇监控对象和多个第二楼宇监控对象的监控对象动作集合,对于每一个所述监控对象动作集合,该监控对象动作集合包括一个楼宇监控对象在目标楼宇区域出现的多个监控对象动作;
基于每一个所述监控对象动作集合,组合形成对应的待处理数据组,对于所述待处理数据组包括的每一个待处理数据,该待处理数据包括基于所述第一楼宇监控对象的监控对象动作集合中的至少两个监控对象动作形成的第一动作簇、基于一个所述第二楼宇监控对象的监控对象动作集合中的至少两个监控对象动作形成的第二动作簇,在该待处理数据中第一动作簇和第二动作簇之间具有相同的动作;
基于所述待处理数据组,将监控对象分析网络进行循环更新操作,在每一个更新的过程中,基于所述第一楼宇监控对象的对象信息特征表示、每一个所述待处理数据包括的第一动作簇与第二动作簇对应计算出多个网络学习代价值,每一个所述网络学习代价值用于反映所述第一楼宇监控对象和所述第二楼宇监控对象之间的区别大小,以及,基于所述多个网络学习代价值调整所述对象信息特征表示;
倘若基于所述多个网络学习代价值判定所述监控对象分析网络满足预设条件,则基于当前的所述对象信息特征表示,确定出所述第一楼宇监控对象对应的目标对象特征信息,以及,基于所述目标对象特征信息对所述第一楼宇监控对象进行用户监控操作。
8.一种基于智慧楼宇的用户预警系统,其特征在于,包括:
动作异常分析模块,用于确定出第一楼宇监控对象对应的目标对象特征信息,以及,基于所述目标对象特征信息对所述第一楼宇监控对象进行用户监控操作,所述用户监控操作至少包括对所述第一楼宇监控对象进行动作异常分析;
异常条件对比模块,用于在将目标楼宇区域中的每一个楼宇监控对象依次作为第一楼宇监控对象,以得到每一个楼宇监控对象对应的初始动作异常分析结果之后,对每一个楼宇监控对象对应的初始动作异常分析结果进行整体分析,以判断所述目标楼宇区域是否满足目标异常条件;
聚焦特征分析模块,用于在所述目标楼宇区域满足目标异常条件的情况下,基于所述楼宇监控对象之间的相关关系,分别对每一个楼宇监控对象对应的目标对象特征信息进行模态间的聚焦特征分析,以输出对应的聚焦对象特征信息;
异常预警模块,用于基于对应的所述聚焦对象特征信息,分别对每一个所述楼宇监控对象进行动作异常分析,以输出对应的目标动作异常分析结果,并基于所述目标动作异常分析结果对对应的所述楼宇监控对象进行异常预警操作。
9.如权利要求8所述的基于智慧楼宇的用户预警系统,其特征在于,所述异常条件对比模块具体用于:
在将目标楼宇区域中的每一个楼宇监控对象依次作为第一楼宇监控对象,以得到每一个楼宇监控对象对应的初始动作异常分析结果之后,对对应的初始动作异常分析结果属于第一初始动作异常分析结果的楼宇监控对象进行统计,以得到对应的对象统计数量,所述第一初始动作异常分析结果用于反映楼宇监控对象存在动作异常或异常程度大于预设异常程度;
将所述对象统计数量与预设对象数量进行大小比较;
在所述对象统计数量大于或等于所述预设对象数量的情况下,判定所述目标楼宇区域满足目标异常条件,在所述对象统计数量小于所述预设对象数量的情况下,判定所述目标楼宇区域不满足目标异常条件。
10.如权利要求8所述的基于智慧楼宇的用户预警系统,其特征在于,所述聚焦特征分析模块具体用于:
在所述目标楼宇区域满足目标异常条件的情况下,对于每一个所述楼宇监控对象,在该楼宇监控对象以外的全部其它楼宇监控对象中,确定出该楼宇监控对象对应的关联楼宇监控对象;
对于每一个所述楼宇监控对象,基于该楼宇监控对象对应的关联楼宇监控对象对应的目标对象特征信息,对该楼宇监控对象对应的目标对象特征信息进行模态间的聚焦特征分析,以输出对应的聚焦对象特征信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311280987.2A CN117315423A (zh) | 2023-10-07 | 2023-10-07 | 一种基于智慧楼宇的用户预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311280987.2A CN117315423A (zh) | 2023-10-07 | 2023-10-07 | 一种基于智慧楼宇的用户预警方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117315423A true CN117315423A (zh) | 2023-12-29 |
Family
ID=89254903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311280987.2A Withdrawn CN117315423A (zh) | 2023-10-07 | 2023-10-07 | 一种基于智慧楼宇的用户预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117315423A (zh) |
-
2023
- 2023-10-07 CN CN202311280987.2A patent/CN117315423A/zh not_active Withdrawn
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116310914B (zh) | 基于人工智能的无人机监控方法及系统 | |
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 | |
CN117274913A (zh) | 一种基于智慧楼宇的安全保障方法及系统 | |
CN116109988B (zh) | 基于人工智能和无人机的异常监控方法及系统 | |
CN116935280A (zh) | 一种基于视频分析的行为预测方法及系统 | |
CN115620243B (zh) | 基于人工智能的污染源监测方法、系统及云平台 | |
CN116681350A (zh) | 智慧工厂故障检测方法及系统 | |
CN116664335A (zh) | 基于智能监控的半导体生产系统运行分析方法及系统 | |
CN117315423A (zh) | 一种基于智慧楼宇的用户预警方法及系统 | |
CN115375886A (zh) | 一种基于云计算服务的数据采集方法及系统 | |
CN115484044A (zh) | 一种数据状态的监控方法及系统 | |
CN116996403B (zh) | 应用ai模型的网络流量诊断方法及系统 | |
CN117115741A (zh) | 一种基于智慧楼宇的用户监控方法及系统 | |
CN115620210B (zh) | 基于图像处理的电子线料的性能确定方法及系统 | |
CN115631448B (zh) | 一种音视频质检处理方法及系统 | |
CN116662415B (zh) | 基于数据挖掘的智能匹配方法及系统 | |
CN115909215B (zh) | 一种基于目标检测的边缘入侵预警方法及系统 | |
CN115082709B (zh) | 遥感大数据处理方法、系统及云平台 | |
CN117201183A (zh) | 一种互联网设备的安全访问方法及系统 | |
CN117351422A (zh) | 一种智慧楼宇的监控方法及系统 | |
CN117218597A (zh) | 一种基于安防监控的行为指引方法及系统 | |
CN117197748A (zh) | 一种基于视频分析的行为管理方法及系统 | |
CN117218594A (zh) | 一种安防监控数据的处理方法及系统 | |
CN117197739A (zh) | 一种智慧楼宇的监控数据处理方法及系统 | |
CN114140871A (zh) | 一种基于数据处理的商场购物行为分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20231229 |
|
WW01 | Invention patent application withdrawn after publication |