CN117423197B - 一种智能安防软件监控方法及系统 - Google Patents

一种智能安防软件监控方法及系统 Download PDF

Info

Publication number
CN117423197B
CN117423197B CN202311736863.0A CN202311736863A CN117423197B CN 117423197 B CN117423197 B CN 117423197B CN 202311736863 A CN202311736863 A CN 202311736863A CN 117423197 B CN117423197 B CN 117423197B
Authority
CN
China
Prior art keywords
personnel
monitoring data
data
monitoring
intelligent security
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.)
Active
Application number
CN202311736863.0A
Other languages
English (en)
Other versions
CN117423197A (zh
Inventor
容华生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Huashian Technology Co ltd
Original Assignee
Guangdong Huashian Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong Huashian Technology Co ltd filed Critical Guangdong Huashian Technology Co ltd
Priority to CN202311736863.0A priority Critical patent/CN117423197B/zh
Publication of CN117423197A publication Critical patent/CN117423197A/zh
Application granted granted Critical
Publication of CN117423197B publication Critical patent/CN117423197B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
    • G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion
    • G08B13/19615—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion wherein said pattern is defined by the user
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • 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
    • 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
    • G06V10/778—Active pattern-learning, e.g. online learning of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • 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
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19654—Details concerning communication with a camera
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/02—Network architectures or network communication protocols for network security for separating internal from external traffic, e.g. firewalls
    • H04L63/0227—Filtering policies
    • H04L63/0236—Filtering by address, protocol, port number or service, e.g. IP-address or URL
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0876—Network architectures or network communication protocols for network security for authentication of entities based on the identity of the terminal or configuration, e.g. MAC address, hardware or software configuration or device fingerprint
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
    • H04L63/105—Multiple levels of security
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
    • H04L63/1425—Traffic logging, e.g. anomaly detection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Human Computer Interaction (AREA)
  • Power Engineering (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Alarm Systems (AREA)

Abstract

本发明提出了一种智能安防软件监控方法及系统；属于智能安防技术领域；所述方法包括：在待监控区域内安装摄像头，并将所述摄像头绑定智能安防软件；通过智能安防软件实时获取监控数据，所述监控数据包括图像数据以及视频数据；将所述监控数据存入云平台，通过视觉识别算法以及深度学习算法，对所述监控数据进行实时分析处理，并进行特征提取；通过对特征提取的特征进行判断监控数据中是否存在未进行身份验证人员，若存在未进行身份验证人员，则通过语言播报模块播报预设声音，并根据人员听到预设声音后的反应进行异常行为识别。可以对监控区域进行全天候监控，能够发现异常行为并进行报警。

Description

一种智能安防软件监控方法及系统
技术领域
本发明提出了一种智能安防软件监控方法及系统，属于智能安防技术领域。
背景技术
随着社会的不断发展和科技的持续进步，人们对于安全的需求也在不断提高。传统的安防监控系统，通常只具备简单的录像和回放功能，无法对监控数据进行实时的分析和处理，更无法实现自动化和智能化的监控。此外，传统安防监控系统还存在一些问题，如无法对异常行为进行及时识别和预警，无法准确地识别和认证人员身份等。这些问题的存在，不仅影响了监控的效果，也制约了安防监控系统的发展和应用。
发明内容
本发明提供了一种智能安防软件监控方法及系统，用以解决现有技术中存在的无法对异常行为进行及时识别和预警，无法准确地识别和认证人员身份，发现问题需追溯并实时观看浪费时间以及监控数据不安全容易被入侵导致信息泄露的问题：
本发明提出的一种智能安防软件监控方法，所述方法包括：
S1：在待监控区域内安装摄像头，并将所述摄像头绑定智能安防软件；通过智能安防软件实时获取监控数据，所述监控数据包括图像数据以及视频数据；
S2：将所述监控数据存入云平台，通过视觉识别算法以及深度学习算法，对所述监控数据进行实时分析处理，并进行特征提取；
S3：通过对特征提取的特征进行判断监控数据中是否存在未进行身份验证人员，若存在未进行身份验证人员，则通过语言播报模块播报预设声音，并根据人员听到预设声音后的反应进行异常行为识别；
S4：若未检测到异常行为，则将所述人员的监控数据发送给相关人员进行认证，认证通过后则将所述人员标记为认证人员；若检测到异常行为，智能安防软件将通过联网设备向相关人员发出报警信息，同时触发其他安防设施。
进一步的，所述在待监控区域内安装摄像头，并将所述摄像头绑定智能安防软件；通过智能安防软件实时获取监控数据，所述监控数据包括图像数据以及视频数据，包括：
S11：根据监控区域的大小，形状，对摄像头进行选择，并根据所述摄像头的使用场景以及要求，对安装位置以及安装方式进行选择；
S12：将所述摄像头与智能安防软件通过设备密钥进行绑定，并进行安全设置，所述安全设置包括加密传输以及访问控制；
S13：通过智能安防软件实时获取监控数据，并可通过终端设备对所述监控数据进行实时查看。
进一步的，所述将所述摄像头与智能安防软件通过设备密钥进行绑定，并进行安全设置，所述安全设置包括加密传输以及访问控制，包括：
S121：通过对称加密算法在摄像头中生成一个唯一的设备密钥，并将生成的设备密钥注册到所述智能安防软件中，所述智能安防软件通过设备密钥与所述摄像头进行绑定，并将第一个绑定的摄像头的终端设备设置为主设备；
S122：在所述摄像头与智能安防软件之间设置安全加密协议，并建立安全的加密通道，并将采集的监控数据通过对称加密算法进行传播；
S123：在智能安防软件中设置用户验证机制，并根据不同的用户角色以及需求设置不同的访问权限；并通过配置IP过滤和防火墙规则，限制只允许来自特定IP地址或IP地址段的请求访问摄像头；
S124：安装智能摄像头和智能安防软件的最新软件和固件更新，并定期监控智能摄像头和软件的日志，并通过异常检测机制，发现并应对潜在的安全威胁。
进一步的，所述将所述监控数据存入云平台，通过视觉识别算法以及深度学习算法，对所述监控数据进行实时分析处理，并进行特征提取，包括：
S21：将所述监控数据存入云平台，并通过解密算法对所述监控数据进行解密；
S22：通过视觉识别算法对所述监控数据进行物体检测与跟踪，识别动态数据，将所述动态数据与静态数据进行拆分，并记录动态数据的开始以及结束时间；
S23：通过深度学习算法对所述动态数据进行实时分析处理，并进行特征提取，所述特征包括目标检测、人脸识别以及动作识别。
进一步的，所述云平台通过数据压缩算法对所述监控数据进行压缩与优化，并按照时间顺序建立所述动态数据的索引。
进一步的，所述通过深度学习算法对所述动态数据进行实时分析处理，并进行特征提取，所述特征包括目标检测、人脸识别以及动作识别，包括：
S231：将所述待处理的动态数据划分为多个子任务，并根据子任务数量选择计算节点对子任务进行处理；建立节点之间的通信机制，所述节点通过所述通信机制进行数据传输，所述通信机制包括消息队列、Socket通信、RPC；
S232：通过中心节点或分布式调度器将划分好的子任务分给各个计算节点，并通过自动负载均衡算法来平衡任务分配；
S233：各个计算节点并行执行分配的子任务，并在执行完子任务后，将计算结果返回给中心节点，所述中心节点接收到所述子节点返回的计算结果后，对计算结果进行整合和汇总并进行合并处理；
S234：对进行合并处理的计算结果进行特征提取，并根据特征提取结果判断所述动态数据中是否有人员活动迹象。
进一步的，所述通过对特征提取的特征进行判断监控数据中是否存在未进行身份验证人员，若存在未进行身份验证人员，则通过语言播报模块播报预设声音，并根据人员听到预设声音后的反应进行异常行为识别，包括：
S31：当判断所述监控数据中存在人员活动迹象时，通过人脸识别算法对所述人员进行身份验证，若验证通过并显示为经认证人员，则对其信息以及活动时间进行标记；
S32：若通过人脸识别算法检测到所述人员为未进行身份验证人员，则通过语言播报模块向对方进行喊话，提醒对方进入监控区域，并根据对方听到喊话后的反应进行异常行为识别；
S33：若对方遮挡面部并无视喊话或听到喊话后离开，则直接判定为异常人员。
进一步的，所述异常行为识别包括：
人员听到喊话后，做出极端动作则判断为异常行为，所述极端动作包括停止行动、奔跑或逃离现场；
人员未能响应喊话，所述未能响应喊话包括在一段时间内没有做出任何反应或反应过慢；
人员持续在监控区域内游荡或停留；所述游荡或停留包括没有进入指定区域或在指定区域内停留时间过长；
人员持有可疑物品或进行可疑行为，所述持有可疑物品或进行可疑行为包括持有危险物品、摆弄设备、对周边环境进行破坏或对摄像头进行遮挡破坏。
进一步的，所述若未检测到异常行为，则将所述人员的监控数据发送给相关人员进行认证，认证通过后则将所述人员标记为认证人员；若检测到异常行为，智能安防软件将通过联网设备向相关人员发出报警信息，同时触发其他安防设施，包括：
S41：若未检测到异常行为，则将所述人员的监控数据发送给相关人员进行认证，若认证通过，则将所述人员标记为认证人员，并对其进行认证信息记录；
S42：若认证未通过，则通过语言播报模块向所述人员喊话，督促其离开监控区域，若对方无视喊话，仍不离开，则将此行为判定为异常行为；
S43：若检测到异常行为，智能安防设备通过联网设备向相关人员发送报警信息，并同时触发其他安防设施；所述其他安防设施包括紧急锁定以及调度应急处置人员。
本发明提出的一种智能安防软件监控系统，所述系统包括：
数据获取模块：在待监控区域内安装摄像头，并将所述摄像头绑定智能安防软件；通过智能安防软件实时获取监控数据，所述监控数据包括图像数据以及视频数据；
分析处理模块：将所述监控数据存入云平台，通过视觉识别算法以及深度学习算法，对所述监控数据进行实时分析处理，并进行特征提取；
身份判别模块：通过对特征提取的特征进行判断监控数据中是否存在未进行身份验证人员，若存在未进行身份验证人员，则通过语言播报模块播报预设声音，并根据人员听到预设声音后的反应进行异常行为识别；
应急处理模块：若未检测到异常行为，则将所述人员的监控数据发送给相关人员进行认证，认证通过后则将所述人员标记为认证人员；若检测到异常行为，智能安防软件将通过联网设备向相关人员发出报警信息，同时触发其他安防设施。
本发明有益效果：本发明所述技术方案可以对监控区域进行全天候监控，能够发现异常行为并进行报警。同时，通过智能识别技术，本发明所述技术方案可以识别出不同类型的异常行为，并根据不同类型的异常行为采取相应的应对措施，提高安全性；可以自动化处理大量的监控数据，并通过联网设备实现远程监控和报警功能，减少了人力成本和工作量。同时，通过记录异常行为信息和报警记录，能够为后续的管理决策提供数据支持，加强管理效率；本发明所述技术方案可以通过智能应急处置系统，自动调度应急处置人员，采取适当的措施，提高应急处置能力。同时，通过紧急锁定等安防设施，能够限制人员的活动范围，确保其无法造成更大的威胁；通过智能识别技术，可以对异常行为进行准确判断，降低误报率，避免对正常人员造成不必要的麻烦和影响。通过采用数据加密技术，对监控数据进行加密存储和传输，确保数据的机密性。同时，通过访问控制机制，只允许授权人员访问敏感数据，降低数据泄露的风险；将监控数据安全地存储在可靠的服务器或云平台中，并设置相应的备份策略，确保数据的完整性和可恢复性。这样可以避免数据丢失或被非法获取的风险。
附图说明
图1为本发明所述一种智能安防软件监测方法步骤图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
本发明的一个实施例，如图1所示，一种智能安防软件监控方法，所述方法包括：
S1：在待监控区域内安装摄像头，并将所述摄像头绑定智能安防软件；通过智能安防软件实时获取监控数据，所述监控数据包括图像数据以及视频数据；
S2：将所述监控数据存入云平台，通过视觉识别算法以及深度学习算法，对所述监控数据进行实时分析处理，并进行特征提取；
S3：通过对特征提取的特征进行判断监控数据中是否存在未进行身份验证人员，若存在未进行身份验证人员，则通过语言播报模块播报预设声音，并根据人员听到预设声音后的反应进行异常行为识别；
S4：若未检测到异常行为，则将所述人员的监控数据发送给相关人员进行认证，认证通过后则将所述人员标记为认证人员；若检测到异常行为，智能安防软件将通过联网设备向相关人员发出报警信息，同时触发其他安防设施。所述相关人员包括安防人员以及监控中心人员。
上述技术方案的工作原理为：在待监控区域内安装摄像头，并将摄像头与智能安防软件进行绑定。通过摄像头，软件可以实时获取监控数据，包括图像数据和视频数据；获取的监控数据会被存储到云平台中，以便后续的分析和处理。视觉识别算法和深度学习算法被应用于监控数据的分析。视觉识别算法可以识别人脸、目标物体等重要特征，而深度学习算法可以学习和识别不同的行为模式；通过对监控数据进行实时分析和特征提取，系统可以判断监控数据中是否存在未进行身份验证的人员。如果存在未认证的人员，智能安防软件会触发语言播报模块，播放预设声音。同时，系统会观察人员的反应来进行异常行为识别。例如，如果有人听到预设声音后表现出紧张或逃避的行为，系统可能会将其标记为异常行为；如果未检测到异常行为，系统会将相关人员的监控数据发送给相关人员进行认证。认证可以通过不同的方式进行，例如人工确认。一旦认证通过，系统会将该人员标记为认证人员。如果检测到异常行为，智能安防软件将通过联网设备向相关人员发送报警信息，并触发其他安防设施的响应，如警报器的启动、门锁的锁定等。
上述技术方案的效果为：通过实时获取监控数据并进行特征提取和分析，该方法可以发现待监控区域内存在的未进行身份验证的人员，并通过异常行为识别来判断是否存在安全风险。同时，该方法可以触发其他安防设施以加强安全防护；相比传统的人工巡逻和监控方式，该智能安防软件方法利用自动化技术进行实时监控和分析，减少了人力资源的需求，从而降低了人力成本；采用视觉识别算法和深度学习算法对监控数据进行实时分析和处理，能够快速准确地识别出未认证人员和异常行为，提高了监控效率；通过视觉识别算法和深度学习算法对监控数据进行特征提取和分析，该方法能够更准确地判断监控数据中是否存在未认证人员和异常行为，避免误报和漏报的情况；当检测到异常行为时，智能安防软件会通过联网设备向相关人员发送报警信息，以便采取措施。同时，该方法还可以触发其他安防设施，如门禁系统、警报器等，实现联动响应，进一步提高安全性。
本发明的一个实施例，所述在待监控区域内安装摄像头，并将所述摄像头绑定智能安防软件；通过智能安防软件实时获取监控数据，所述监控数据包括图像数据以及视频数据，包括：
S11：根据监控区域的大小，形状，对摄像头进行选择，并根据所述摄像头的使用场景以及要求，对安装位置以及安装方式进行选择；所述安装方式包括壁挂式安装、吊装式、地面式安装，例如：
室内监控：对于室内监控，可以选择固定式摄像头或球形摄像头。如果监控区域较小，可以选择具有广角视野的摄像头，以覆盖更广阔的区域。例如，选择一个分辨率较高、视野角度达到110度的固定式摄像头，适用于监控室内办公室、会议室等场所。
室外监控：对于室外监控，需要考虑防护等级、耐用性和防水性能。可以选择具有防尘、防水功能的摄像头，并确保其能够在恶劣天气条件下正常工作。例如，选择一个具有IP67级别防护的高清固定式摄像头，适用于监控室外停车场、建筑物外墙等区域。
长距离监控：对于需要长距离监控的场景，可以选择具有远程变焦功能的摄像头。这样可以通过调整镜头焦距来实现对远处目标的清晰监控。例如，选择一个具有光学变焦和数字变焦功能的高清球形摄像头，适用于监控大型开放区域、公共广场等。
特殊环境监控：对于一些特殊环境，如低光环境或需要夜视功能的场所，可以选择具有低照度性能和红外夜视功能的摄像头。例如，选择一个具有低照度传感器和红外LED灯的高清固定式摄像头，适用于监控夜间街道、公园等区域。
S12：将所述摄像头与智能安防软件通过设备密钥进行绑定，并进行安全设置，所述安全设置包括加密传输以及访问控制；
S13：通过智能安防软件实时获取监控数据，并可通过终端设备对所述监控数据进行实时查看。
上述技术方案的工作原理为：根据监控区域的大小、形状和特点选择合适的摄像头，并根据使用场景和要求选择合适的安装位置和方式。这可以确保监控摄像头能够全面而有效地覆盖待监控区域，以捕捉到关键的监控数据；将所选的摄像头与智能安防软件进行绑定，并进行安全设置。通过设备密钥进行绑定可以确保只有经过授权的设备能够与智能安防软件进行通信。同时，进行加密传输和访问控制的安全设置可以保护监控数据的传输和存储安全，防止未经授权的访问和篡改；智能安防软件实时获取监控数据，并提供终端设备进行实时查看。摄像头会不断地采集图像和视频数据，智能安防软件通过与摄像头的绑定，可以即时获取这些数据。用户可以通过终端设备（如电脑、手机等）连接到智能安防软件，实时查看监控数据，以便了解监控区域的情况。
上述技术方案的效果为：通过选择合适的摄像头和安装位置，可以全面而有效地覆盖待监控区域。同时，智能安防软件实时获取监控数据，并提供终端设备进行实时查看，可以快速了解监控区域的情况，提高监控效率；通过选择合适的摄像头和安装位置，可以捕捉到关键的监控数据。智能安防软件对监控数据进行实时处理和分析，可以快速准确地识别出异常情况，避免误报和漏报的情况；相比传统的人工巡逻和监控方式，该技术方案利用自动化技术进行实时监控和分析，减少了人力资源的需求，从而降低了人力成本；通过智能安防软件实时获取监控数据，并对数据进行特征提取和分析，可以发现潜在的安全风险，并通过报警等手段提醒相关人员采取措施，提高安全性；当检测到异常情况时，智能安防软件会通过联网设备向相关人员发送报警信息，以便采取措施。同时，该技术方案还可以触发其他安防设施，如门禁系统、警报器等，实现联动响应，进一步提高安全性。
本发明的一个实施例，所述将所述摄像头与智能安防软件通过设备密钥进行绑定，并进行安全设置，所述安全设置包括加密传输以及访问控制，包括：
S121：通过对称加密算法在摄像头中生成一个唯一的设备密钥，并将生成的设备密钥注册到所述智能安防软件中，所述智能安防软件通过设备密钥与所述摄像头进行绑定，并将第一个绑定的摄像头的终端设备设置为主设备；所述主设备可以授权其他终端设备绑定所述摄像头；
S122：在所述摄像头与智能安防软件之间设置安全加密协议，并建立安全的加密通道，并将采集的监控数据通过对称加密算法进行传播；
S123：在智能安防软件中设置用户验证机制，例如用户名和密码、双因素认证等，确保只有授权用户可以访问摄像头数据，并根据不同的用户角色以及需求设置不同的访问权限；例如只允许特定用户或用户组访问特定的摄像头或功能。并通过配置IP过滤和防火墙规则，限制只允许来自特定IP地址或IP地址段的请求访问摄像头；
S124：安装智能摄像头和智能安防软件的最新软件和固件更新，并定期监控智能摄像头和软件的日志，并通过异常检测机制，发现并应对潜在的安全威胁。
上述技术方案的工作原理为：通过对称加密算法，在摄像头中生成一个唯一的设备密钥，并将该设备密钥注册到智能安防软件中。智能安防软件使用设备密钥与摄像头进行绑定，将第一个绑定的摄像头的终端设备设置为主设备。主设备可以授权其他终端设备绑定该摄像头；在摄像头与智能安防软件之间建立安全的加密通道。通过安全加密协议，采集的监控数据经过对称加密算法进行加密传输，确保传输过程中的数据安全性；智能安防软件中设置用户验证机制，例如用户名和密码、双因素认证等。只有经过授权的用户才能访问摄像头数据。根据用户角色和需求，可以设置不同的访问权限，例如只允许特定用户或用户组访问特定的摄像头或功能。此外，通过配置IP过滤和防火墙规则，限制只允许来自特定IP地址或IP地址段的请求访问摄像头，增加访问控制的安全性；安装智能摄像头和智能安防软件的最新软件和固件更新，以确保系统具有最新的安全补丁和功能改进。定期监控智能摄像头和软件的日志，并通过异常检测机制，发现并应对潜在的安全威胁。
上述技术方案的效果为：通过对称加密算法和安全加密通道，摄像头采集的监控数据在传输过程中得到了有效的保护，防止数据被未经授权的人员截获或篡改。这样可以确保监控数据的机密性和完整性；用户验证机制和访问控制策略能够限制只有授权用户可以访问摄像头数据，并根据用户角色和需求设置不同的访问权限。这样可以防止未经授权的人员访问敏感的监控数据，提高系统的安全性；通过配置IP过滤和防火墙规则，只允许来自特定IP地址或IP地址段的请求访问摄像头，可以有效防止非法访问和恶意攻击；定期安装最新的软件和固件更新，可以修复已知的安全漏洞，增强系统的安全性。同时，通过监控智能摄像头和软件的日志，并使用异常检测机制，可以发现并应对潜在的安全威胁，减少系统受到攻击的风险。
本发明的一个实施例，所述将所述监控数据存入云平台，通过视觉识别算法以及深度学习算法，对所述监控数据进行实时分析处理，并进行特征提取，包括：
S21：将所述监控数据存入云平台，并通过解密算法对所述监控数据进行解密；
S22：通过视觉识别算法对所述监控数据进行物体检测与跟踪，识别动态数据，将所述动态数据与静态数据进行拆分，并记录动态数据的开始以及结束时间；所述静态数据为固定的背景；
S23：通过深度学习算法对所述动态数据进行实时分析处理，并进行特征提取，所述特征包括目标检测、人脸识别以及动作识别。
上述技术方案的工作原理为：将监控数据存储在云平台中，并使用解密算法对数据进行解密，以便后续处理和分析；通过视觉识别算法对监控数据进行物体检测与跟踪。该算法可以自动识别监控画面中的物体，并跟踪它们的运动轨迹。通过识别动态数据并将其与静态数据（背景）进行拆分，可以更准确地提取有用的信息；使用深度学习算法对动态数据进行实时分析处理，并提取相关的特征。这些特征可以包括目标检测、人脸识别和动作识别等。深度学习算法能够通过训练模型来学习和理解图像中的特征，并根据这些特征进行分类和识别。
上述技术方案的效果为：通过将监控数据存储在云平台上，并使用视觉识别算法和深度学习算法对其进行实时分析处理和特征提取，可以更好地利用监控数据，提高其价值和应用范围；通过实时分析和特征提取，可以提高智能安防系统的效果和可靠性，实现更精确的目标检测、人脸识别和动作识别等功能，从而更好地保障人们的安全和财产；通过使用云平台进行数据存储和处理，可以有效降低本地设备的负担，提高系统的运行效率和速度；通过实现实时分析和特征提取，可以提高用户体验和便捷性，让用户更加方便地获取所需信息和数据。
本发明的一个实施例，所述云平台通过数据压缩算法对所述监控数据进行压缩与优化，并按照时间顺序建立所述动态数据的索引。
上述技术方案的工作原理为：云平台通过数据压缩算法对监控数据进行压缩和优化，以减少存储空间和网络传输带宽。数据压缩算法可以对监控数据进行有损或无损压缩，根据不同的场景和需求选择不同的压缩算法；云平台按照时间顺序建立动态数据的索引，以便后续的查询和检索。索引可以包括动态数据的开始和结束时间、所在的监控摄像头编号等信息，方便用户快速定位所需数据；用户可以通过云平台进行实时查询和检索，根据时间、地点、物体类型等条件来获取所需的监控数据。云平台可以根据索引快速定位所需数据，并将其解压缩和还原，以便用户进行分析和处理。
上述技术方案的效果为：通过数据压缩算法对监控数据进行压缩与优化，可以有效节省存储空间。压缩后的数据占用更小的存储空间，可以在云平台上存储更多的监控数据，提高数据的利用率；压缩后的监控数据大小减小，可以减少数据在网络传输中所占用的带宽。这有助于降低网络传输的延迟和成本，并提高数据传输的效率；按照时间顺序建立动态数据的索引，可以方便快速地定位和检索所需的监控数据。用户可以根据时间范围或其他条件快速找到特定时间段内的监控数据，提高数据的查询效率；通过数据压缩和索引建立，云平台可以更快地获取和处理监控数据。这有助于提高智能安防系统的响应速度，实现实时监控和快速反应；通过压缩和优化后的数据，以及快速定位和检索的能力，可以更好地进行数据分析和应用。例如，基于压缩后的数据可以进行更精确的目标检测、行为分析和智能预警等功能，提高智能安防系统的效果和可靠性。
本发明的一个实施例，所述通过深度学习算法对所述动态数据进行实时分析处理，并进行特征提取，所述特征包括目标检测、人脸识别以及动作识别，包括：
S231：将所述待处理的动态数据划分为多个子任务，并根据子任务数量选择计算节点对子任务进行处理；建立节点之间的通信机制，所述节点通过所述通信机制进行数据传输，所述通信机制包括消息队列、Socket通信、RPC；
S232：通过中心节点或分布式调度器将划分好的子任务分给各个计算节点，并通过自动负载均衡算法来平衡任务分配；
S233：各个计算节点并行执行分配的子任务，并在执行完子任务后，将计算结果返回给中心节点，所述中心节点接收到所述子节点返回的计算结果后，对计算结果进行整合和汇总并进行合并处理；
S234：对进行合并处理的计算结果进行特征提取，并根据特征提取结果判断所述动态数据中是否有人员活动迹象。
上述技术方案的工作原理为：待处理的动态数据被划分为多个子任务，每个子任务负责处理一部分数据。根据子任务数量，选择适当数量的计算节点来处理这些子任务；为了实现计算节点之间的协作和数据传输，需要建立通信机制。常见的通信机制包括消息队列、Socket通信和RPC（远程过程调用）等。通过这些通信机制，计算节点可以交换数据和消息，协调彼此的工作；中心节点或分布式调度器负责将划分好的子任务分配给各个计算节点。为了保证系统的性能和效率，采用自动负载均衡算法来平衡任务的分配。这样可以使得每个计算节点都能够充分利用资源，提高系统的整体处理能力；各个计算节点并行执行分配到的子任务。每个计算节点独立地对子任务进行处理和分析，并生成计算结果。在完成子任务后，计算节点将计算结果返回给中心节点；中心节点接收到计算节点返回的计算结果后，对结果进行整合和汇总。在整合过程中，可以进行特征提取操作。特征提取是指从原始数据中提取出具有代表性的特征，如目标检测、人脸识别和动作识别等。通过特征提取，可以从动态数据中获取有关目标、人员活动等重要信息；根据特征提取的结果，中心节点可以判断动态数据中是否存在人员活动迹象。根据需求，可以进行进一步的处理，如触发报警、生成报告等。
上述技术方案的效果为：通过将动态数据划分为多个子任务，并在计算节点上并行处理，可以实现对动态数据的实时分析处理。这样可以发现和响应人员活动迹象，提高安防系统的实时性；通过自动负载均衡算法，合理分配任务给各个计算节点，充分利用计算资源，提高系统的处理能力和效率。同时，通过并行执行子任务，加快了数据处理的速度，进一步提高了系统的响应速度和处理效率；通过深度学习算法进行特征提取，包括目标检测、人脸识别和动作识别等，可以从动态数据中提取出有代表性的特征。这些特征可以用于判断是否存在人员活动迹象，提高了判断的准确性和可靠性；由于采用了分布式计算架构，可以根据需要增加或减少计算节点，灵活调整系统的规模和容量。这样可以满足不同规模和需求的场景，提高了系统的可扩展性和适应性。
本发明的一个实施例，所述通过对特征提取的特征进行判断监控数据中是否存在未进行身份验证人员，若存在未进行身份验证人员，则通过语言播报模块播报预设声音，并根据人员听到预设声音后的反应进行异常行为识别，包括：
S31：当判断所述监控数据中存在人员活动迹象时，通过人脸识别算法对所述人员进行身份验证，若验证通过并显示为经认证人员，则对其信息以及活动时间进行标记；
S32：若通过人脸识别算法检测到所述人员为未进行身份验证人员，则通过语言播报模块向对方进行喊话，提醒对方进入监控区域，并根据对方听到喊话后的反应进行异常行为识别；
S33：若对方遮挡面部并无视喊话或听到喊话后离开，则直接判定为异常人员。
上述技术方案的工作原理为：系统通过特征提取算法对监控数据进行分析，包括目标检测、人脸识别和动作识别等。当检测到人员活动迹象时，系统进入下一步处理；系统使用人脸识别算法对人员进行身份验证。如果身份验证通过，并且显示为经认证人员，则将其信息以及活动时间进行标记；如果人脸识别算法检测到人员为未进行身份验证的人员，系统将通过语言播报模块向对方进行喊话，提醒对方进入监控区域。此时，系统会观察对方听到喊话后的反应；系统根据对方的反应进行异常行为识别。如果对方刻意遮挡面部并无视喊话，或者听到喊话后匆忙离开，系统将直接判定为异常人员。
上述技术方案的效果为：通过对特征提取和人脸识别算法的应用，系统可以检测监控数据中是否存在未进行身份验证的人员。这有助于防止未经授权的人员进入受限区域，提高安全性；一旦检测到未进行身份验证的人员，系统会立即通过语言播报模块向对方进行喊话，提醒其进入监控区域。这种实时的响应和警示可以迅速引起注意，并促使对方作出回应；通过观察对方听到喊话后的反应，系统可以进行异常行为识别。如果对方刻意遮挡面部并无视喊话，或者听到喊话后匆忙离开，系统可以将其判定为异常人员。这有助于发现潜在的威胁或异常行为；通过自动化的身份验证和异常行为识别，系统可以减轻人工监控的负担，提高监控效率。只有在检测到异常情况时才需要人工介入，这可以节省时间和资源。
本发明的一个实施例，所述异常行为识别包括：
人员听到喊话后，做出极端动作则判断为异常行为，所述极端动作包括停止行动、奔跑或逃离现场；
人员未能响应喊话，所述未能响应喊话包括在一段时间内没有做出任何反应或反应过慢；
人员持续在监控区域内游荡或停留；所述游荡或停留包括没有进入指定区域或在指定区域内停留时间过长；
人员持有可疑物品或进行可疑行为，所述持有可疑物品或进行可疑行为包括持有危险物品、摆弄设备、对周边环境进行破坏或对摄像头进行遮挡破坏。所述危险物品包括管制刀具。
上述技术方案的工作原理为：系统通过对监控数据进行特征提取，检测是否存在未进行身份验证的人员；如果检测到未进行身份验证的人员，系统会使用人脸识别算法对其进行身份验证。如果验证通过，则将其标记为经认证人员；如果未进行身份验证的人员无法通过身份验证，系统会使用语音播报模块向其发出警告，并提醒其进入监控区域；一旦未进行身份验证的人员进入监控区域，系统会观察其听到喊话后的反应。如果对方做出极端动作（如突然停止行动、奔跑或逃离现场）、未能响应喊话、持续在监控区域内游荡或停留，或持有可疑物品或进行可疑行为，系统将其判定为异常行为；如果系统判定某人为异常行为，系统会立即向安保人员发送警报，并记录相关信息以供后续分析和处理。
上述技术方案的效果为：该技术方案可以有效地监测和控制未进行身份验证的人员，并通过异常行为识别技术发现和处理潜在的威胁，从而提高安全性；传统的人工监控需要大量的人力资源，不仅费时费力，而且容易出现漏检或误判等问题。而该技术方案可以自动化地实现对未进行身份验证人员的监测和控制，减轻了人工监控的负担；该技术方案可以实现对监控区域内的异常行为进行快速、准确的识别和处理，提高了监控效率；该技术方案可以记录异常行为的相关信息，便于后续分析和处理，有助于提高安保工作的效率和精度。
本发明的一个实施例，所述若未检测到异常行为，则将所述人员的监控数据发送给相关人员进行认证，认证通过后则将所述人员标记为认证人员；若检测到异常行为，智能安防软件将通过联网设备向相关人员发出报警信息，同时触发其他安防设施，包括：
S41：若未检测到异常行为，则将所述人员的监控数据发送给相关人员进行认证，若认证通过，则将所述人员标记为认证人员，并对其进行认证信息记录；
S42：若认证未通过，则通过语言播报模块向所述人员喊话，督促其离开监控区域，若对方无视喊话，仍不离开，则将此行为判定为异常行为；
S43：若检测到异常行为，智能安防设备通过联网设备向相关人员发送报警信息，并同时触发其他安防设施；所述其他安防设施包括紧急锁定以及调度应急处置人员。
上述技术方案的工作原理为：智能安防软件通过监控设备获取人员的实时监控数据，并对其进行分析和处理。如果未检测到异常行为，系统将发送监控数据给相关人员进行认证；相关人员收到监控数据后，对人员进行认证。如果认证通过，则将该人员标记为认证人员，并记录相关认证信息。如果认证未通过，则系统会通过语音播报模块向该人员喊话，要求其离开监控区域；如果系统检测到异常行为，智能安防设备会立即通过联网设备向相关人员发送报警信息。同时，系统还会触发其他安防设施，包括紧急锁定和调度应急处置人员；除了报警功能外，其他安防设施如紧急锁定和调度应急处置人员等，可以进一步加强对异常行为的应对措施。紧急锁定可以限制人员的活动范围，确保其无法造成更大的威胁。同时，调度应急处置人员可以迅速响应并采取适当的措施，以保障现场的安全。
上述技术方案的效果为：该技术方案能够对未经认证人员进行监控和控制，有效防止未经授权者进入敏感区域。同时，通过异常行为检测和报警触发等措施，能够发现和应对异常行为，提高安全性；通过自动化的认证流程和报警触发机制，能够加快管理流程，提高管理效率。同时，通过记录认证信息和异常行为记录，能够为后续的管理决策提供数据支持；智能安防软件可以自动化处理大量的监控数据，并通过联网设备实现远程监控和报警功能，减少了人力成本和工作量；通过其他安防设施如紧急锁定和调度应急处置人员等措施，能够在发生异常情况时迅速响应并采取适当的措施，提高应急处置能力。
本发明的一个实施例，一种智能安防软件监控系统，所述系统用于实现上述一种智能安防软件监控方法；所述系统包括：
数据获取模块：在待监控区域内安装摄像头，并将所述摄像头绑定智能安防软件；通过智能安防软件实时获取监控数据，所述监控数据包括图像数据以及视频数据；
分析处理模块：将所述监控数据存入云平台，通过视觉识别算法以及深度学习算法，对所述监控数据进行实时分析处理，并进行特征提取；
身份判别模块：通过对特征提取的特征进行判断监控数据中是否存在未进行身份验证人员，若存在未进行身份验证人员，则通过语言播报模块播报预设声音，并根据人员听到预设声音后的反应进行异常行为识别；
应急处理模块：若未检测到异常行为，则将所述人员的监控数据发送给相关人员进行认证，认证通过后则将所述人员标记为认证人员；若检测到异常行为，智能安防软件将通过联网设备向相关人员发出报警信息，同时触发其他安防设施。
上述技术方案的工作原理为：在待监控区域内安装摄像头，并将摄像头与智能安防软件进行绑定。通过摄像头，软件可以实时获取监控数据，包括图像数据和视频数据；获取的监控数据会被存储到云平台中，以便后续的分析和处理。视觉识别算法和深度学习算法被应用于监控数据的分析。视觉识别算法可以识别人脸、目标物体等重要特征，而深度学习算法可以学习和识别不同的行为模式；通过对监控数据进行实时分析和特征提取，系统可以判断监控数据中是否存在未进行身份验证的人员。如果存在未认证的人员，智能安防软件会触发语言播报模块，播放预设声音。同时，系统会观察人员的反应来进行异常行为识别。例如，如果有人听到预设声音后表现出紧张或逃避的行为，系统可能会将其标记为异常行为；如果未检测到异常行为，系统会将相关人员的监控数据发送给相关人员进行认证。认证可以通过不同的方式进行，例如人工确认。一旦认证通过，系统会将该人员标记为认证人员。如果检测到异常行为，智能安防软件将通过联网设备向相关人员发送报警信息，并触发其他安防设施的响应，如警报器的启动、门锁的锁定等。
上述技术方案的效果为：通过实时获取监控数据并进行特征提取和分析，该方法可以发现待监控区域内存在的未进行身份验证的人员，并通过异常行为识别来判断是否存在安全风险。同时，该方法可以触发其他安防设施以加强安全防护；相比传统的人工巡逻和监控方式，该智能安防软件方法利用自动化技术进行实时监控和分析，减少了人力资源的需求，从而降低了人力成本；采用视觉识别算法和深度学习算法对监控数据进行实时分析和处理，能够快速准确地识别出未认证人员和异常行为，提高了监控效率；通过视觉识别算法和深度学习算法对监控数据进行特征提取和分析，该方法能够更准确地判断监控数据中是否存在未认证人员和异常行为，避免误报和漏报的情况；当检测到异常行为时，智能安防软件会通过联网设备向相关人员发送报警信息，以便采取措施。同时，该方法还可以触发其他安防设施，如门禁系统、警报器等，实现联动响应，进一步提高安全性。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (5)

1.一种智能安防软件监控方法，其特征在于，所述方法包括：
在待监控区域内安装摄像头，并将所述摄像头绑定智能安防软件；通过智能安防软件实时获取监控数据，所述监控数据包括图像数据以及视频数据；
将所述监控数据存入云平台，通过视觉识别算法以及深度学习算法，对所述监控数据进行实时分析处理，并进行特征提取；
通过对特征提取的特征进行判断监控数据中是否存在未进行身份验证人员，若存在未进行身份验证人员，则通过语言播报模块播报预设声音，并根据人员听到预设声音后的反应进行异常行为识别；
若未检测到异常行为，则将所述人员的监控数据发送给相关人员进行认证，认证通过后则将所述人员标记为认证人员；若检测到异常行为，智能安防软件将通过联网设备向相关人员发出报警信息，同时触发其他安防设施；
所述将所述监控数据存入云平台，通过视觉识别算法以及深度学习算法，对所述监控数据进行实时分析处理，并进行特征提取，包括：
将所述监控数据存入云平台，并通过解密算法对所述监控数据进行解密；
通过视觉识别算法对所述监控数据进行物体检测与跟踪，识别动态数据，将所述动态数据与静态数据进行拆分，并记录动态数据的开始以及结束时间；
通过深度学习算法对所述动态数据进行实时分析处理，并进行特征提取，所述特征包括目标检测、人脸识别以及动作识别；
所述通过深度学习算法对所述动态数据进行实时分析处理，并进行特征提取，所述特征包括目标检测、人脸识别以及动作识别，包括：
将待处理的动态数据划分为多个子任务，并根据子任务数量选择计算节点对子任务进行处理；建立节点之间的通信机制，所述节点通过所述通信机制进行数据传输，所述通信机制包括消息队列、Socket通信、RPC；
通过中心节点或分布式调度器将划分好的子任务分给各个计算节点，并通过自动负载均衡算法来平衡任务分配；
各个计算节点并行执行分配的子任务，并在执行完子任务后，将计算结果返回给中心节点，所述中心节点接收到子节点返回的计算结果后，对计算结果进行整合和汇总并进行合并处理；
对进行合并处理的计算结果进行特征提取，并根据特征提取结果判断所述动态数据中是否有人员活动迹象；
所述通过对特征提取的特征进行判断监控数据中是否存在未进行身份验证人员，若存在未进行身份验证人员，则通过语言播报模块播报预设声音，并根据人员听到预设声音后的反应进行异常行为识别，包括：
当判断所述监控数据中存在人员活动迹象时，通过人脸识别算法对所述人员进行身份验证，若验证通过并显示为经认证人员，则对其信息以及活动时间进行标记；
若通过人脸识别算法检测到所述人员为未进行身份验证人员，则通过语言播报模块向对方进行喊话，提醒对方进入监控区域，并根据对方听到喊话后的反应进行异常行为识别；
若对方遮挡面部并无视喊话或听到喊话后离开，则直接判定为异常人员；
所述异常行为识别包括：
人员听到喊话后，做出极端动作则判断为异常行为，所述极端动作包括停止行动、奔跑或逃离现场；
人员未能响应喊话，所述未能响应喊话包括在一段时间内没有做出任何反应或反应过慢；
人员持续在监控区域内游荡或停留；所述游荡或停留包括没有进入指定区域或在指定区域内停留时间过长；
人员持有可疑物品或进行可疑行为，所述持有可疑物品或进行可疑行为包括持有危险物品、摆弄设备、对周边环境进行破坏或对摄像头进行遮挡破坏；
所述若未检测到异常行为，则将所述人员的监控数据发送给相关人员进行认证，认证通过后则将所述人员标记为认证人员；若检测到异常行为，智能安防软件将通过联网设备向相关人员发出报警信息，同时触发其他安防设施，包括：
若未检测到异常行为，则将所述人员的监控数据发送给相关人员进行认证，若认证通过，则将所述人员标记为认证人员，并对其进行认证信息记录；
若认证未通过，则通过语言播报模块向所述人员喊话，督促其离开监控区域，若对方无视喊话，仍不离开，则将此行为判定为异常行为；
若检测到异常行为，智能安防设备通过联网设备向相关人员发送报警信息，并同时触发其他安防设施；所述其他安防设施包括紧急锁定以及调度应急处置人员。
2.根据权利要求1所述一种智能安防软件监控方法，其特征在于，所述在待监控区域内安装摄像头，并将所述摄像头绑定智能安防软件；通过智能安防软件实时获取监控数据，所述监控数据包括图像数据以及视频数据，包括：
根据监控区域的大小，形状，对摄像头进行选择，并根据所述摄像头的使用场景以及要求，对安装位置以及安装方式进行选择；
将所述摄像头与智能安防软件通过设备密钥进行绑定，并进行安全设置，所述安全设置包括加密传输以及访问控制；
通过智能安防软件实时获取监控数据，并可通过终端设备对所述监控数据进行实时查看。
3.根据权利要求2所述一种智能安防软件监控方法，其特征在于，所述将所述摄像头与智能安防软件通过设备密钥进行绑定，并进行安全设置，所述安全设置包括加密传输以及访问控制，包括：
通过对称加密算法在摄像头中生成一个唯一的设备密钥，并将生成的设备密钥注册到所述智能安防软件中，所述智能安防软件通过设备密钥与所述摄像头进行绑定，并将第一个绑定的摄像头的终端设备设置为主设备；
在所述摄像头与智能安防软件之间设置安全加密协议，并建立安全的加密通道，并将采集的监控数据通过对称加密算法进行传播；
在智能安防软件中设置用户验证机制，并根据不同的用户角色以及需求设置不同的访问权限；并通过配置IP过滤和防火墙规则，限制只允许来自特定IP地址或IP地址段的请求访问摄像头；
安装智能摄像头和智能安防软件的最新软件和固件更新，并定期监控智能摄像头和软件的日志，并通过异常检测机制，发现并应对潜在的安全威胁。
4.根据权利要求1所述一种智能安防软件监控方法，其特征在于，所述云平台通过数据压缩算法对所述监控数据进行压缩与优化，并按照时间顺序建立所述动态数据的索引。
5.一种智能安防软件监控系统，其特征在于，所述系统包括：
数据获取模块：在待监控区域内安装摄像头，并将所述摄像头绑定智能安防软件；通过智能安防软件实时获取监控数据，所述监控数据包括图像数据以及视频数据；
分析处理模块：将所述监控数据存入云平台，通过视觉识别算法以及深度学习算法，对所述监控数据进行实时分析处理，并进行特征提取；
身份判别模块：通过对特征提取的特征进行判断监控数据中是否存在未进行身份验证人员，若存在未进行身份验证人员，则通过语言播报模块播报预设声音，并根据人员听到预设声音后的反应进行异常行为识别；
应急处理模块：若未检测到异常行为，则将所述人员的监控数据发送给相关人员进行认证，认证通过后则将所述人员标记为认证人员；若检测到异常行为，智能安防软件将通过联网设备向相关人员发出报警信息，同时触发其他安防设施；
所述将所述监控数据存入云平台，通过视觉识别算法以及深度学习算法，对所述监控数据进行实时分析处理，并进行特征提取，包括：
将所述监控数据存入云平台，并通过解密算法对所述监控数据进行解密；
通过视觉识别算法对所述监控数据进行物体检测与跟踪，识别动态数据，将所述动态数据与静态数据进行拆分，并记录动态数据的开始以及结束时间；
通过深度学习算法对所述动态数据进行实时分析处理，并进行特征提取，所述特征包括目标检测、人脸识别以及动作识别；
所述通过深度学习算法对所述动态数据进行实时分析处理，并进行特征提取，所述特征包括目标检测、人脸识别以及动作识别，包括：
将待处理的动态数据划分为多个子任务，并根据子任务数量选择计算节点对子任务进行处理；建立节点之间的通信机制，所述节点通过所述通信机制进行数据传输，所述通信机制包括消息队列、Socket通信、RPC；
通过中心节点或分布式调度器将划分好的子任务分给各个计算节点，并通过自动负载均衡算法来平衡任务分配；
各个计算节点并行执行分配的子任务，并在执行完子任务后，将计算结果返回给中心节点，所述中心节点接收到子节点返回的计算结果后，对计算结果进行整合和汇总并进行合并处理；
对进行合并处理的计算结果进行特征提取，并根据特征提取结果判断所述动态数据中是否有人员活动迹象；
所述通过对特征提取的特征进行判断监控数据中是否存在未进行身份验证人员，若存在未进行身份验证人员，则通过语言播报模块播报预设声音，并根据人员听到预设声音后的反应进行异常行为识别，包括：
当判断所述监控数据中存在人员活动迹象时，通过人脸识别算法对所述人员进行身份验证，若验证通过并显示为经认证人员，则对其信息以及活动时间进行标记；
若通过人脸识别算法检测到所述人员为未进行身份验证人员，则通过语言播报模块向对方进行喊话，提醒对方进入监控区域，并根据对方听到喊话后的反应进行异常行为识别；
若对方遮挡面部并无视喊话或听到喊话后离开，则直接判定为异常人员；
所述异常行为识别包括：
人员听到喊话后，做出极端动作则判断为异常行为，所述极端动作包括停止行动、奔跑或逃离现场；
人员未能响应喊话，所述未能响应喊话包括在一段时间内没有做出任何反应或反应过慢；
人员持续在监控区域内游荡或停留；所述游荡或停留包括没有进入指定区域或在指定区域内停留时间过长；
人员持有可疑物品或进行可疑行为，所述持有可疑物品或进行可疑行为包括持有危险物品、摆弄设备、对周边环境进行破坏或对摄像头进行遮挡破坏；
所述若未检测到异常行为，则将所述人员的监控数据发送给相关人员进行认证，认证通过后则将所述人员标记为认证人员；若检测到异常行为，智能安防软件将通过联网设备向相关人员发出报警信息，同时触发其他安防设施，包括：
若未检测到异常行为，则将所述人员的监控数据发送给相关人员进行认证，若认证通过，则将所述人员标记为认证人员，并对其进行认证信息记录；
若认证未通过，则通过语言播报模块向所述人员喊话，督促其离开监控区域，若对方无视喊话，仍不离开，则将此行为判定为异常行为；
若检测到异常行为，智能安防设备通过联网设备向相关人员发送报警信息，并同时触发其他安防设施；所述其他安防设施包括紧急锁定以及调度应急处置人员。
CN202311736863.0A 2023-12-18 2023-12-18 一种智能安防软件监控方法及系统 Active CN117423197B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311736863.0A CN117423197B (zh) 2023-12-18 2023-12-18 一种智能安防软件监控方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311736863.0A CN117423197B (zh) 2023-12-18 2023-12-18 一种智能安防软件监控方法及系统

Publications (2)

Publication Number Publication Date
CN117423197A CN117423197A (zh) 2024-01-19
CN117423197B true CN117423197B (zh) 2024-02-20

Family

ID=89525154

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311736863.0A Active CN117423197B (zh) 2023-12-18 2023-12-18 一种智能安防软件监控方法及系统

Country Status (1)

Country Link
CN (1) CN117423197B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678811A (zh) * 2016-02-25 2016-06-15 上海大学 一种基于运动检测的人体异常行为检测方法
WO2018201121A1 (en) * 2017-04-28 2018-11-01 Cherry Labs, Inc. Computer vision based monitoring system and method
CN108898717A (zh) * 2018-06-29 2018-11-27 仁怀市云侠网络科技有限公司 一种智能安防监控系统
CN115909619A (zh) * 2022-10-18 2023-04-04 国网江苏省电力有限公司营销服务中心 一种基于安防技术和物联管理的配电设备检测方法及系统
CN116597585A (zh) * 2023-04-19 2023-08-15 北京天富勤科技有限公司 一种软件自动检测及主动安全防御系统和方法
CN116994390A (zh) * 2023-07-18 2023-11-03 漳州市诺兰信息科技有限公司 基于物联网的安防监控系统及其方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10380877B2 (en) * 2014-08-05 2019-08-13 Overview Technologies, Inc. Community security system using intelligent information sharing

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678811A (zh) * 2016-02-25 2016-06-15 上海大学 一种基于运动检测的人体异常行为检测方法
WO2018201121A1 (en) * 2017-04-28 2018-11-01 Cherry Labs, Inc. Computer vision based monitoring system and method
CN108898717A (zh) * 2018-06-29 2018-11-27 仁怀市云侠网络科技有限公司 一种智能安防监控系统
CN115909619A (zh) * 2022-10-18 2023-04-04 国网江苏省电力有限公司营销服务中心 一种基于安防技术和物联管理的配电设备检测方法及系统
CN116597585A (zh) * 2023-04-19 2023-08-15 北京天富勤科技有限公司 一种软件自动检测及主动安全防御系统和方法
CN116994390A (zh) * 2023-07-18 2023-11-03 漳州市诺兰信息科技有限公司 基于物联网的安防监控系统及其方法

Also Published As

Publication number Publication date
CN117423197A (zh) 2024-01-19

Similar Documents

Publication Publication Date Title
EP3729391B1 (en) Monitoring system for securing networks from hacker drones
CN103578240B (zh) 一种基于物联网的安防服务网
CN100504942C (zh) 智能视频监控设备模组和系统及其监控方法
CN106454250A (zh) 智能识别及预警处理的信息平台
CN107483889A (zh) 智慧工地管控平台的隧道监控系统
US20140354820A1 (en) System and method for live surveillance property monitoring
CN101610396A (zh) 具有隐私保护的智能视频监控设备模组和系统及其监控方法
CN205029794U (zh) 一种智能门锁、基于智能门锁的安防装置及安防系统
CN106454253A (zh) 区域徘徊的检测方法及系统
KR20110130033A (ko) 행동패턴 데이터베이스를 이용한 능동형 영상감시 시스템 및 그 방법
CN202904839U (zh) 一种基于物联网的智能安防系统
CN113011833A (zh) 施工现场的安全管理方法、装置、计算机设备和存储介质
CN109472895A (zh) 一种安防综合应用管理系统及其管理实现方法
KR101747213B1 (ko) 시나리오 기반 출입 통제 시스템 및 방법
CN113538825A (zh) 一种用于校园翻墙事件报警方法及系统
CN114926314A (zh) 一种基于泛在自主可控的物联网设备系统及方法
CN117912186A (zh) 一种基于大数据服务的智慧安防联动预警系统
CN112216398A (zh) 一种基于人脸识别的城乡体温监控报警防疫系统及方法
KR102084687B1 (ko) 불법촬영 보안 관제 서비스 제공 방법 및 그 시스템
CN109949434A (zh) 一种社区巡更管理方法、装置、终端设备和存储介质
CN103731639A (zh) 一种通过智能视频安防系统提供图形出入记录的方法
CN117423197B (zh) 一种智能安防软件监控方法及系统
CN114338214B (zh) 风险控制方法和系统
CN105185016A (zh) 一种庭院智能安防系统
KR100902275B1 (ko) 지능형 보안방범을 위한 폐쇄회로티브이 시스템 및 그 방법

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