CN117746218B - 一种智慧校园的安全管理方法及装置 - Google Patents

Abstract

本发明实施例涉及智慧校园技术领域，公开了一种智慧校园的安全管理方法，包括：执行第一安全检测模式时，通过第一摄像机组获取第一安全检测区域内的第一图像信息组；对第一图像信息组中各个第一图像信息进行特征识别对识别到的第一目标物进行位置标记；对位置标记图像进行区域划分以确定多个区域分割图像，并根据区域分割图像确定与区域分割图像关联的区域特征向量组；根据区域向量变化来确定是否存在安全异常，若区域向量变化超过设定值，则进行预警操作。本发明实施例中智慧校园的安全管理方法通过在不同的时间点来启动不同的安全检测策略，基于不同的场景信息来选择更合适的检测模型大大提升了安全检测效率，能够实现更高效的安全预警。

Description

一种智慧校园的安全管理方法及装置

技术领域

本发明涉及智慧校园技术领域，具体涉及一种智慧校园的安全管理方法及装置。

背景技术

目前，校园安全工作直接关系到青少年学生能否安全、健康地成长，关系到千千万万个家庭的幸福安康和社会稳定，无论任何时候都备受高度关注。近年来，随着校园信息化管理建设的高速速度发展，对校园进行智能化管理是未来的发展方向，有效解决校园安全问题，维护学校正常教育和生活秩序，是创建平安校园环境实现平安教育是全社会的殷切期盼和向往。

现在的校园安全预警技术一般都是基于信息记录来实现相应的预警，通过记录并存储校园内外的人员信息，来进行信息比对，只有在出现不符合访问的时候才提醒安保人员注意，上述预警方式相对的较为单一，并不能够主动的进行异常情况的检测。因此，设计一种能够实现对学生入校进行安全检测的方案成为本领域技术人员亟待解决的技术问题。

发明内容

针对所述缺陷，本发明实施例公开了一种智慧校园的安全管理方法，其能够实现校园的安全检测，通过智能检测方式提升预警灵敏度，降低学生出现意外的风险。

本发明实施例第一方面公开了智慧校园的安全管理方法，包括：

根据时间模块获取当前时间信息，并根据所述当前时间信息来与预先设置的安全检测策略进行匹配以确定与所述当前时间信息关联的安全检测模式；

若所述当前时间信息为第一时间信息，则根据所述第一时间信息确定与所述第一时间信息关联的第一安全检测模式；

在执行所述第一安全检测模式时，启动设置于校园门口处的第一摄像机组，并通过所述第一摄像机组获取第一安全检测区域内的第一图像信息组；

对所述第一图像信息组中各个第一图像信息进行特征识别以得到第一图像信息中的第一目标物，并对识别到的第一目标物进行位置标记以得到与所述第一目标物关联的位置标记图像；

对所述位置标记图像进行区域划分以确定与所述位置标记图像关联的多个区域分割图像，并根据所述区域分割图像确定与所述区域分割图像关联的区域特征向量组；

将相邻两幅图像的区域特征向量组进行特征比对以确定区域向量变化，并根据所述区域向量变化来确定是否存在安全异常，若所述区域向量变化超过设定值，则进行预警操作；

若所述当前时间信息为第二时间信息，则根据所述第二时间信息确定与所述第二时间信息关联的第二安全检测模式；

在执行所述第二安全检测模式时，启动设置于校园门口处的第二摄像机组，并通过所述第二摄像机组获取第二安全检测区域内的第二图像信息；

将所述第二图像信息输入至异常检测模型，若所述第二图像信息中出现异常情况，则进行预警操作。

作为一种可选的实施方式，在本发明实施例第一方面中，所述在执行所述第一安全检测模式时，启动设置于校园门口处的第一摄像机组，包括：

在执行所述第一安全检测模式时，启动设置于校园门口处的第一摄像机组以及设置于校园门口处的第三摄像机组，其中，所述第一摄像机组用于获取第一安全检测区域的图像信息，所述第三摄像机组用于获取第二安全检测区域的图像信息；所述第一安全检测区域与所述第二安全检测区域相接，且所述第二安全检测区域位于所述第一安全检测区域的外围；

通过所述第三摄像机组获取第二安全检测区域内的第三图像信息组，并对所述第三图像信息组中各个图像信息进行识别以确定相应图像信息的安全风险因子；

当所述安全风险因子超过设定值时，则进行预警操作。

作为一种可选的实施方式，在本发明实施例第一方面中，在所述对所述第三图像信息组中各个图像信息进行识别以确定相应图像信息的安全风险因子之后，还包括：

根据所述安全风险因子与预先设置的风险-检测映射关系进行匹配以确定相应图像信息关联的检测等级；

根据所述检测等级来调整针对第一安全检测区域的识别灵敏度；

根据所述识别灵敏度来调整区域分割图像的数量以提升针对第一安全检测区域的特征检测灵敏度。

作为一种可选的实施方式，在本发明实施例第一方面中，所述对所述位置标记图像进行区域划分以确定与所述位置标记图像关联的多个区域分割图像，并根据所述区域分割图像确定与所述区域分割图像关联的区域特征向量组，包括：

对所述位置标记图像进行区域划分以确定与所述位置标记图像关联的多个区域分割图像；

计算每个区域分割图像的目标数量信息，根据所述目标数量信息确定各个区域分割图像的区域特征向量；

将各个区域分割图像的区域特征向量进行组合以形成与位置标记图像关联的区域特征向量组。

作为一种可选的实施方式，在本发明实施例第一方面中，所述对所述位置标记图像进行区域划分以确定与所述位置标记图像关联的多个区域分割图像，并根据所述区域分割图像确定与所述区域分割图像关联的区域特征向量组，包括：

对所述位置标记图像进行区域划分以确定与所述位置标记图像关联的多个区域分割图像；

计算每个区域分割图像的目标密度信息，根据所述目标密度信息确定各个区域分割图像的区域特征向量；所述目标密度信息为区域分割图像内目标物数量与位置标记图像中目标物数量的比值

将各个区域分割图像的区域特征向量进行组合以形成与位置标记图像关联的区域特征向量组。

作为一种可选的实施方式，在本发明实施例第一方面中，所述将所述第二图像信息输入至异常检测模型，若所述第二图像信息中出现异常情况，则进行预警操作，包括：

按照时间序列将各个时刻的第二图像信息输入到动作识别模型来进行动作识别以确定各个时间点的动作特征信息；其中，所述动作特征信息为手臂动作信息以及身体转动信息；

对各个时间点的动作特征信息进行组合判断以确定相应的动作特征信息的危险系数；

当相应的动作特征信息的危险系数超过设定值时，则进一步获取与相应人物关联的持有物识别，若相应任务关联的持有物为危险物品，则进行一级预警提醒，若相应人物关联的持有物不为危险物品，则进行二级预警。

作为一种可选的实施方式，在本发明实施例第一方面中，所述数据管理方法，还包括：

若所述当前时间信息为第三时间信息时，启动设置于校园围栏处的张力传感器以及设置于校园围栏处的围栏摄像机组；

当张力传感器检测到的数值超过设定数值，则启动围栏摄像机组来进行相应的图像获取以得到第四图像信息；

将所述第四图像信息输入至动作识别模型中来进行识别以确定各个时间点的行为特征信息，并所述行为特征信息来确定是否存在违规行为，所述行为特征信息为腿部动作信息。

本发明实施例第二方面公开一种智慧校园的安全管理系统，包括：

时间获取模块：用于根据时间模块获取当前时间信息，并根据所述当前时间信息来与预先设置的安全检测策略进行匹配以确定与所述当前时间信息关联的安全检测模式；

第一检测模块：用于若所述当前时间信息为第一时间信息，则根据所述第一时间信息确定与所述第一时间信息关联的第一安全检测模式；

摄像启动模块：用于在执行所述第一安全检测模式时，启动设置于校园门口处的第一摄像机组，并通过所述第一摄像机组获取第一安全检测区域内的第一图像信息组；

特征识别模块：用于对所述第一图像信息组中各个第一图像信息进行特征识别以得到第一图像信息中的第一目标物，并对识别到的第一目标物进行位置标记以得到与所述第一目标物关联的位置标记图像；

变化检测模块：用于对所述位置标记图像进行区域划分以确定与所述位置标记图像关联的多个区域分割图像，并根据所述区域分割图像确定与所述区域分割图像关联的区域特征向量组；

第一预警模块：用于将相邻两幅图像的区域特征向量组进行计算以确定区域向量变化，并根据所述区域向量变化来确定是否存在安全异常，若所述区域向量变化超过设定值，则进行预警操作；

第二检测模块：用于若所述当前时间信息为第二时间信息，则根据所述第二时间信息确定与所述第二时间信息关联的第二安全检测模式；

图像获取模块：用于在执行所述第二安全检测模式时，启动设置于校园门口处的第二摄像机组，并通过所述第二摄像机组获取第二安全检测区域内的第二图像信息；

异常检测模块：用于将所述第二图像信息输入至异常检测模型，若所述第二图像信息中出现异常情况，则进行预警操作。

本发明实施例第三方面公开一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，用于执行本发明实施例第一方面公开的智慧校园的安全管理方法。

本发明实施例第四方面公开一种计算机可读存储介质，其存储计算机程序，其中，所述计算机程序使得计算机执行本发明实施例第一方面公开的智慧校园的安全管理方法。

与现有技术相比，本发明实施例具有以下有益效果：

本发明实施例中智慧校园的安全管理方法通过在不同的时间点来启动不同的安全检测策略，基于不同的场景信息来选择更合适的检测模型大大提升了安全检测效率，能够实现更高效的安全预警；通过对不同时段校园门口的人流状态来进行监测能够高效安全预警，使得安全管理人员能够及时对相应的异常情况作出及时高效的反应。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例公开的智慧校园的安全管理方法的流程示意图；

图2是本发明实施例公开的多级安全检测的流程示意图；

图3是本发明实施例公开的异常检测的具体流程示意图；

图4是本发明实施例公开的违规行为检测的流程示意图；

图5是本发明实施例提供的一种智慧校园的安全管理装置的结构示意图；

图6是本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

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。

需要说明的是，本发明的说明书和权利要求书中的术语“第一”、“第二”、“第三”、“第四”等是用于区别不同的对象，而不是用于描述特定顺序。本发明实施例的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，示例性地，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

目前，校园安全工作直接关系到青少年学生能否安全、健康地成长，关系到千千万万个家庭的幸福安康和社会稳定，无论任何时候都备受高度关注。近年来，随着校园信息化管理建设的高速速度发展，对校园进行智能化管理是未来的发展方向，有效解决校园安全问题，维护学校正常教育和生活秩序，是创建平安校园环境实现平安教育是全社会的殷切期盼和向往。基于此，本发明实施例公开了智慧校园的安全管理方法、装置、电子设备及存储介质，其通过在不同的时间点来启动不同的安全检测策略，基于不同的场景信息来选择更合适的检测模型大大提升了安全检测效率，能够实现更高效的安全预警。

实施例一

请参阅图1，图1是本发明实施例公开的智慧校园的安全管理方法的流程示意图。其中，本发明实施例所描述的方法的执行主体为由软件或/和硬件组成的执行主体，该执行主体可以通过有线或/和无线方式接收相关信息，并可以发送一定的指令。当然，其还可以具有一定的处理功能和存储功能。该执行主体可以控制多个设备，例如远程的物理服务器或云服务器以及相关软件，也可以是对某处安置的设备进行相关操作的本地主机或服务器以及相关软件等。在一些场景中，还可以控制多个存储设备，存储设备可以与设备放置于同一地方或不同地方。如图1所示，该基于智慧校园的安全管理方法包括以下步骤：

S101：根据时间模块获取当前时间信息，并根据所述当前时间信息来与预先设置的安全检测策略进行匹配以确定与所述当前时间信息关联的安全检测模式；

S102a：若所述当前时间信息为第一时间信息，则根据所述第一时间信息确定与所述第一时间信息关联的第一安全检测模式；

S102b：在执行所述第一安全检测模式时，启动设置于校园门口处的第一摄像机组，并通过所述第一摄像机组获取第一安全检测区域内的第一图像信息组；

S102c：对所述第一图像信息组中各个第一图像信息进行特征识别以得到第一图像信息中的第一目标物，并对识别到的第一目标物进行位置标记以得到与所述第一目标物关联的位置标记图像；

S102d：对所述位置标记图像进行区域划分以确定与所述位置标记图像关联的多个区域分割图像，并根据所述区域分割图像确定与所述区域分割图像关联的区域特征向量组；

S102e：将相邻两幅图像的区域特征向量组进行特征比对以确定区域向量变化，并根据所述区域向量变化来确定是否存在安全异常，若所述区域向量变化超过设定值，则进行预警操作；

S103a：若所述当前时间信息为第二时间信息，则根据所述第二时间信息确定与所述第二时间信息关联的第二安全检测模式；

S103b：在执行所述第二安全检测模式时，启动设置于校园门口处的第二摄像机组，并通过所述第二摄像机组获取第二安全检测区域内的第二图像信息；

S103c：将所述第二图像信息输入至异常检测模型，若所述第二图像信息中出现异常情况，则进行预警操作。

在进行具体实施的时候，需要获取具体的时间信息，然后需要根据不同的时间信息来确定不同的安全检测策略。在不同的场景中，需要配置不同的检测策略，比如对于中小学生甚至是幼儿园进出学校，不同的时间点有不同的情况，在上下学期间，人流量相对较大；所有的学生都会参与到进入校园或者走出校园的这些动作，但是在非上下学期间，则人流量相对较小，所以并不需要启动比较消耗计算力的检测模型来进行检测，只需要针对异常突然情况来进行检测即可。故而，在进行具体实施的时候，采用时间来进行相应的检测模型的区分。采用上述的方式，还有另外一个原因，在人流量较大的时候，针对单个个体的识别精准度的检测会消耗比较大的服务器资源，针对此，本发明实施例的方案设计了一种特征比对的方式来进行相应的检测，而在人流量较小的时候，由于出现在画面中的人物数量也相对较少，这时候，可以直接采用异常检测模型来对相应的场景进行检测，比如可以直接检测获取图像中的人物的信息或者是检测图像中的人物行为动作等，若是发现可疑人员或者行为异常人员则进行相应预警，比如提醒校园安保人员注意；在进行异常检测的时候更为重要的是需要在学校放学前一个小时来提升检测灵敏度；对于若相应的可疑人员持续在这个时间出现，则提醒安保人员对其注意，特别是在接送小孩儿的时候，需要相应的安保人员进行进一步的身份信息核实。

甚至于在进行异常检测的时候，还可以结合多天的数据，若是某一个人员多次出现在视频画面中，但是其又没有接送小孩儿的动作，也即是通过视频判断其并没有接送小孩儿，那么提升对其检测注意度。

在进行具体实施的时候，可以将校园卡作为目标物来进行辅助识别，比如识别每个学生佩戴的校园卡，然后将其当做特征物，因为一般都是一人一卡，所以可以针对其来进行相应的数量统计；这里的校园卡为智能卡，除了作为目标物之外，本发明实施例的校园卡还采用GPS/北斗模式卫星定位，增添WIFI和LBS基站定位等多重定位功能，针对使用环境，随时一键掌控。能够结合校园卡位置信息以及图像信息进行综合验证；并且通过校园卡定位方便家长实时了解小孩位置，放置丢失、拐卖；在进行具体实施的时候，家长可通过手机设置安全活动区域和危险警戒区域，小孩一旦走出安全区域和危险警戒区域(湖泊、河流、网吧等)，本发明实施例的平台主动发送消息给家长协助远离危险地带；甚至于可以将这里的围栏信息进行划分。因为家长有可能并不是每天都接送小孩儿上下学，有些小孩儿是自己上下学，这样在进行具体实施的时候，家长可以设置通行围栏来确定相应小孩儿的运动范围，若是小孩儿超过设定的通行围栏，则发送信息至家长处来进行提醒。

更为优选的，所述在执行所述第一安全检测模式时，启动设置于校园门口处的第一摄像机组，包括：

S102b1：在执行所述第一安全检测模式时，启动设置于校园门口处的第一摄像机组以及设置于校园门口处的第三摄像机组，其中，所述第一摄像机组用于获取第一安全检测区域的图像信息，所述第三摄像机组用于获取第二安全检测区域的图像信息；所述第一安全检测区域与所述第二安全检测区域相接，且所述第二安全检测区域位于所述第一安全检测区域的外围；

S102b2：通过所述第三摄像机组获取第二安全检测区域内的第三图像信息组，并对所述第三图像信息组中各个图像信息进行识别以确定相应图像信息的安全风险因子；

S102b3：当所述安全风险因子超过设定值时，则进行预警操作。

当处于第一安全检测模式下的时候，可以设置多级区域来进行更加精细化的检测，根据不同的位置和人员数量组成不同的摄像组合来形成检测区域；在进行具体实施的时候可以基于检测到的卡片来确定检测范围，然后根据校门口设置的多个摄像头来组成多个检测组以形成多级检测区域进而实现相应的检测，这里的设置两级检测区域可以有多种检测方式，在第二安全检测区域可以对可疑人员来进行检测，在第一安全检测区域可以对人群移动状态进行检测。两者能够组合形成全方位的安全检测方式，大大提升了预警效率。

更为优选的，在所述对所述第三图像信息组中各个图像信息进行识别以确定相应图像信息的安全风险因子之后，还包括：

根据所述安全风险因子与预先设置的风险-检测映射关系进行匹配以确定相应图像信息关联的检测等级；

根据所述检测等级来调整针对第一安全检测区域的识别灵敏度；

根据所述识别灵敏度来调整区域分割图像的数量以提升针对第一安全检测区域的特征检测灵敏度。

除了上述方式之外，在进行具体的实施的时候，还可以对两者区域进行结合检测，由于第二安全检测区域是处于第一安全检测区域的外围，且第一安全检测区域内聚集的小孩儿更多，因为第一安全检测区域覆盖入园口，所以密度更高，故而在进行具体实施的时候，可以将第二安全检测区域进行安全风险因子确定，通过对出现在第二安全检测区域的状态进行检测进而确定相应的风险因子，若是风险过大，则直接进行预警，若是出现可疑人员，则在进行具体实施的时候提高第一安全检测区域的识别灵敏度，这里的识别灵敏度指的就是第一安全检测区域的特征向量数量，比如一般的可以将画面分割为7*7的方格数量，针对每个方格确定一个特征向量，若是需要提高灵敏度，则可以将画面分割为10*10的方格数量来进行相应的特征检测，在数量提高的情况下能够识别到更加微小的动态变化进而实现更加精准的安全检测，但是在常规情况下，则直接对分割精度为7*7的图像进行检测即可。在进行具体实施的时候，通过对安全风险因子的数值确定来确定相应的检测灵敏度。

更为优选的，所述对所述位置标记图像进行区域划分以确定与所述位置标记图像关联的多个区域分割图像，并根据所述区域分割图像确定与所述区域分割图像关联的区域特征向量组，包括：

对所述位置标记图像进行区域划分以确定与所述位置标记图像关联的多个区域分割图像；

计算每个区域分割图像的目标数量信息，根据所述目标数量信息确定各个区域分割图像的区域特征向量；

将各个区域分割图像的区域特征向量进行组合以形成与位置标记图像关联的区域特征向量组。

在进行具体实施的时候，由于出现在第一检测区域的人员较多且都是以小孩儿为主，所以可以对其分布特征来进行识别；甚至在进行具体处理的时候，可以针对不同状态下的图像进行模板构建，在进行具体实施的时候可以通过模板匹配的方式来确定当前分布特征所属的行为。由于人员攻击是具有一定的目的性，比如在出现突然状况或者有人进行袭击的时候，人群会呈现出来特定的移动特征，都会朝着远离危险的地方移动，这里的出现危险可以是发出声音或者出现行为异常人员的位置，故而可以针对其构建从不同方向进行攻击后产生的人员分布特征，来进行后续的分布检测。

更为优选的，所述对所述位置标记图像进行区域划分以确定与所述位置标记图像关联的多个区域分割图像，并根据所述区域分割图像确定与所述区域分割图像关联的区域特征向量组，包括：

对所述位置标记图像进行区域划分以确定与所述位置标记图像关联的多个区域分割图像；

计算每个区域分割图像的目标密度信息，根据所述目标密度信息确定各个区域分割图像的区域特征向量；所述目标密度信息为区域分割图像内目标物数量与位置标记图像中目标物数量的比值；

将各个区域分割图像的区域特征向量进行组合以形成与位置标记图像关联的区域特征向量组。

在进行具体实施的时候，不单单可以以数量为特征来构建特征向量，还可以通过目标密度来确定相应的特征，比如第一安全检测区域的画面划分为7*7的分割图像，然后计算每一个分割图像对应的目标目的，计算每个分割图像中的目标密度,该目标密度＝每个方格内的目标物数量与位置标记图像中目标物总数量之比；从经过分割后图片中,提取处一定维数的特征向量,从而提高密度特征匹配和识别的存储量和运算速度，由于计算得到相应图像的目标密度数据，则可以确定相应的特征向量组，该特征反映了人群分布的空间分布情况；由于反应的是人群空间的分布,故而在进行训练以及识别的时候并不是对人来进行识别判断,而是通过不断的分析该人群分布特征，然后对其进行分析。

在进行具体实施的时候，可以判断相邻图像的目标物的分布密度变化是否超过设定值,如果是，则进行预警提醒。不断分析图像中所标记的矩形框的密度变化数据,计算出各个矩形框的中心点,分析各个矩形框中心点分布矩阵的相似度,当抽取的连续两帧图像矩形框的中心点分布矩阵发生大范围明显变化时,即可判断第一安全检测区域发生了突然的大面积移动,则可根据判断结果进行预警提醒。例如在区域分割图像中有6个目标点，此时若是在短时间内出现3个目标点相相同的方向移动则可以确定其出现异常。

在进行具体实施的时候，不单单可以识别到出现异常情况，对于画面中出现的特征变化也会进行进一步的获取，比如当检测出现异常的时候可以持续获取第一安全检测区域的画面信息，这样能够对画面特征进行进一步的分析以确定相应的人物的攻击特征，确定其是具有攻击方向的还是无差别的攻击，然后将识别到的结果发送至安保人员处来便于安保人员即是调整应对策略。通过上述能够大大提升校园安保的应对。具体的，也即是：从异常变化时刻起不断获取相应的特征向量组，然后对连续的多个特征向量组进行分析以确定相应异常人员的风险类型，确定其相应的攻击类型以提供相应的策略给安保人员。

更为优选的，所述将所述第二图像信息输入至异常检测模型，若所述第二图像信息中出现异常情况，则进行预警操作，包括：

S103c1：按照时间序列将各个时刻的第二图像信息输入到动作识别模型来进行动作识别以确定各个时间点的动作特征信息；其中，所述动作特征信息为手臂动作信息以及身体转动信息；

S103c2：对各个时间点的动作特征信息进行组合判断以确定相应的动作特征信息的危险系数；

S103c3：当相应的动作特征信息的危险系数超过设定值时，则进一步获取与相应人物关联的持有物识别，若相应任务关联的持有物为危险物品，则进行一级预警提醒，若相应人物关联的持有物不为危险物品，则进行二级预警。

在非上下学期间则关注的重点会产生一些不同，这里主要针对的异常人员来进行相应的检测。针对不同的人员也会设置不同的预警等级，提醒安保人员注意避免发生意外。

在进行具体实施的时候，对人进行动作识别主要是采用骨骼关键点的全场景危险行为识别算法来进行危险行为侦测，具体的，其是基于大规模神经网络的深度学习算法，通过勾勒处视频画面中人的骨架架构，把人体骨骼提取成挂件函数，根据人体姿态特征的时空特定来分析人的行为，一旦出现异常行为则进行告警；采用上述方式的有点如下：1、骨骼算法无需适配场景，无论场景中发生什么变化，都不会影响骨骼算法的判断，环境适配能力非常强。相对比目标深度学习算法来说，假如目标没有学习过某类应用场景，前期的识别效果会很差；2、骨骼算法把人的全身解析成了一节节的骨骼，每一节骨骼在图像中均有对应的虚拟坐标，通过判断骨骼支点在画面中的坐标变化从而判断人的动作变化规律，是非常容易做到的，而且还容易通过人的动作变化分析出场景中的人具体在干什么，这是人形算法或其他算法所不具备的；他对人的动作行为分析具备得天独厚的优势；3、当前人工智能算法主要停留在图片分析阶段，图片按照时空的定义它最多只是属于空间范围，而对整段视频进行分析则才是属于时间范围，只有叠加了时间和空间的算法才能更精准的分析出结果，骨骼算法的优势就在于时空特性的叠加(肢体动作变化规律)，从准确性来讲，它要比其他算法更具备优势，误报更低。

本发明实施例的骨骼算法分析人的行为，即解决了第一代移动侦测技术误报的缺陷，也解决了第二代人形检测技术无法分析人的具体动作行为的缺陷，同时还可以结合人脸算法和人体算法识别触发预警的目标身份的问题。利用该算法识别人的行为，结合人像识别目标身份，结合物体识别场景，综合分析人的行为。

在进行具体实施时：可以基于实时视频检测分析，提取画面中人物骨骼，对应人体姿态特征，发现姿态异常时推送告警；每一种异常行为检测都可划分检测区域、控制检测时段、定义预警限时时间和检测人数；本发明实施例的方案的骨骼检测类算法准确率可达99.5％以上，远高于其他算法或骨骼算法的准确率；体检测像素超过200*50时可达到100％检测无漏报(也即是采用4mm镜头8米左右成像大小)。

在进行具体实施的时候，除了采用单算法检测之外，还可以采用多算法组合侦测是指将两个(或以上)算法合并为一个算法，使合并后的算法侦测时即具备A算法的特性又具备B算法的特性时，才正常输出告警；比如：针对打架算法，考虑到有一定的误报(所有算法计算的打架都会存在一定的误报)，可以将打架时具备的其他因素(比如有人打倒在地，多人聚集)都考虑进来，打架算法和倒地算法合并，检测到有人到打架且有人倒在地上时才告警，打架算法和人员聚集算法合并，检测到有人打架且多人聚集时才告警，可以更加精准的计算出来，减少误报。本发明实施例可以将异常人员识别与姿态识别进行组合来判断是否存在危险人员，进而实现更加精准的判断。

更为优选的，所述数据管理方法，还包括：

S104：若所述当前时间信息为第三时间信息时，启动设置于校园围栏处的张力传感器以及设置于校园围栏处的围栏摄像机组；

S105：当张力传感器检测到的数值超过设定数值，则启动围栏摄像机组来进行相应的图像获取以得到第四图像信息；

S106：将所述第四图像信息输入至动作识别模型中来进行识别以确定各个时间点的行为特征信息，并所述行为特征信息来确定是否存在违规行为，所述行为特征信息为腿部动作信息。

本发明实施例的方案以张力式电子围栏作为基础，可结合高清抓拍摄像头或者人脸识别摄像头，布控区域发生安全时间系统可自动识别或抓拍，并推送至学校端，指定安保人员可在手机上及时查看预警信息，方便管理，提高校园安全质量。

本发明实施例中智慧校园的安全管理方法通过在不同的时间点来启动不同的安全检测策略，基于不同的场景信息来选择更合适的检测模型大大提升了安全检测效率，能够实现更高效的安全预警；通过对不同时段校园门口的人流状态来进行监测能够高效安全预警，使得安全管理人员能够及时对相应的异常情况作出及时高效的反应。本发明实施例的检测方式，一方面能够保证一定的隐私；另一方面能够实现环境的异常检测。

实施例二

请参阅图5，图5是本发明实施例公开的智慧校园的安全管理装置的结构示意图。如图5所示，该智慧校园的安全管理装置可以包括：

时间获取模块21：用于根据时间模块获取当前时间信息，并根据所述当前时间信息来与预先设置的安全检测策略进行匹配以确定与所述当前时间信息关联的安全检测模式；

第一检测模块22a：用于若所述当前时间信息为第一时间信息，则根据所述第一时间信息确定与所述第一时间信息关联的第一安全检测模式；

摄像启动模块22b：用于在执行所述第一安全检测模式时，启动设置于校园门口处的第一摄像机组，并通过所述第一摄像机组获取第一安全检测区域内的第一图像信息组；

特征识别模块22c：用于对所述第一图像信息组中各个第一图像信息进行特征识别以得到第一图像信息中的第一目标物，并对识别到的第一目标物进行位置标记以得到与所述第一目标物关联的位置标记图像；

变化检测模块22d：用于对所述位置标记图像进行区域划分以确定与所述位置标记图像关联的多个区域分割图像，并根据所述区域分割图像确定与所述区域分割图像关联的区域特征向量组；

第一预警模块22e：用于将相邻两幅图像的区域特征向量组进行计算以确定区域向量变化，并根据所述区域向量变化来确定是否存在安全异常，若所述区域向量变化超过设定值，则进行预警操作；

第二检测模块23a：用于若所述当前时间信息为第二时间信息，则根据所述第二时间信息确定与所述第二时间信息关联的第二安全检测模式；

图像获取模块23b：用于在执行所述第二安全检测模式时，启动设置于校园门口处的第二摄像机组，并通过所述第二摄像机组获取第二安全检测区域内的第二图像信息；

异常检测模块23c：用于将所述第二图像信息输入至异常检测模型，若所述第二图像信息中出现异常情况，则进行预警操作。

本发明实施例中智慧校园的安全管理方法通过在不同的时间点来启动不同的安全检测策略，基于不同的场景信息来选择更合适的检测模型大大提升了安全检测效率，能够实现更高效的安全预警。

实施例三

请参阅图6，图6是本发明实施例公开的一种电子设备的结构示意图。电子设备可以是计算机以及服务器等，当然，在一定情况下，还可以是手机、平板电脑以及监控终端等智能设备，以及具有处理功能的图像采集装置。如图6所示，该电子设备可以包括：

存储有可执行程序代码的存储器510；

与存储器510耦合的处理器520；

其中，处理器520调用存储器510中存储的可执行程序代码，执行实施例一中的智慧校园的安全管理方法中的部分或全部步骤。

本发明实施例公开一种计算机可读存储介质，其存储计算机程序，其中，该计算机程序使得计算机执行实施例一中的智慧校园的安全管理方法中的部分或全部步骤。

本发明实施例还公开一种计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行实施例一中的智慧校园的安全管理方法中的部分或全部步骤。

本发明实施例还公开一种应用发布平台，其中，应用发布平台用于发布计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行实施例一中的智慧校园的安全管理方法中的部分或全部步骤。

在本发明的各种实施例中，应理解，所述各过程的序号的大小并不意味着执行顺序的必然先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物单元，即可位于一个地方，或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。所述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可获取的存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分，可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等，具体可以是计算机设备中的处理器)执行本发明的各个实施例所述方法的部分或全部步骤。

在本发明所提供的实施例中，应理解，“与A对应的B”表示B与A相关联，根据A可以确定B。但还应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。

本领域普通技术人员可以理解所述实施例的各种方法中的部分或全部步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

以上对本发明实施例公开的智慧校园的安全管理方法、装置、电子设备及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种智慧校园的安全管理方法，其特征在于，包括：

根据时间模块获取当前时间信息，并根据所述当前时间信息来与预先设置的安全检测策略进行匹配以确定与所述当前时间信息关联的安全检测模式；

若所述当前时间信息为第一时间信息，则根据所述第一时间信息确定与所述第一时间信息关联的第一安全检测模式；

在执行所述第一安全检测模式时，启动设置于校园门口处的第一摄像机组，并通过所述第一摄像机组获取第一安全检测区域内的第一图像信息组；

对所述第一图像信息组中各个第一图像信息进行特征识别以得到第一图像信息中的第一目标物，并对识别到的第一目标物进行位置标记以得到与所述第一目标物关联的位置标记图像；

对所述位置标记图像进行区域划分以确定与所述位置标记图像关联的多个区域分割图像，并根据所述区域分割图像确定与所述区域分割图像关联的区域特征向量组；

将相邻两幅图像的区域特征向量组进行特征比对以确定区域向量变化，并根据所述区域向量变化来确定是否存在安全异常，若所述区域向量变化超过设定值，则进行预警操作；

若所述当前时间信息为第二时间信息，则根据所述第二时间信息确定与所述第二时间信息关联的第二安全检测模式；

在执行所述第二安全检测模式时，启动设置于校园门口处的第二摄像机组，并通过所述第二摄像机组获取第二安全检测区域内的第二图像信息；

将所述第二图像信息输入至异常检测模型，若所述第二图像信息中出现异常情况，则进行预警操作。

2.如权利要求1所述的智慧校园的安全管理方法，其特征在于，所述在执行所述第一安全检测模式时，启动设置于校园门口处的第一摄像机组，包括：

在执行所述第一安全检测模式时，启动设置于校园门口处的第一摄像机组以及设置于校园门口处的第三摄像机组，其中，所述第一摄像机组用于获取第一安全检测区域的图像信息，所述第三摄像机组用于获取第二安全检测区域的图像信息；所述第一安全检测区域与所述第二安全检测区域相接，且所述第二安全检测区域位于所述第一安全检测区域的外围；

通过所述第三摄像机组获取第二安全检测区域内的第三图像信息组，并对所述第三图像信息组中各个图像信息进行识别以确定相应图像信息的安全风险因子；

当所述安全风险因子超过设定值时，则进行预警操作。

3.如权利要求2所述的智慧校园的安全管理方法，其特征在于，在所述对所述第三图像信息组中各个图像信息进行识别以确定相应图像信息的安全风险因子之后，还包括：

根据所述安全风险因子与预先设置的风险-检测映射关系进行匹配以确定相应图像信息关联的检测等级；

根据所述检测等级来调整针对第一安全检测区域的识别灵敏度；

根据所述识别灵敏度来调整区域分割图像的数量以提升针对第一安全检测区域的特征检测灵敏度。

4.如权利要求1所述的智慧校园的安全管理方法，其特征在于，所述对所述位置标记图像进行区域划分以确定与所述位置标记图像关联的多个区域分割图像，并根据所述区域分割图像确定与所述区域分割图像关联的区域特征向量组，包括：

对所述位置标记图像进行区域划分以确定与所述位置标记图像关联的多个区域分割图像；

计算每个区域分割图像的目标数量信息，根据所述目标数量信息确定各个区域分割图像的区域特征向量；

将各个区域分割图像的区域特征向量进行组合以形成与位置标记图像关联的区域特征向量组。

5.如权利要求1所述的智慧校园的安全管理方法，其特征在于，所述对所述位置标记图像进行区域划分以确定与所述位置标记图像关联的多个区域分割图像，并根据所述区域分割图像确定与所述区域分割图像关联的区域特征向量组，包括：

对所述位置标记图像进行区域划分以确定与所述位置标记图像关联的多个区域分割图像；

计算每个区域分割图像的目标密度信息，根据所述目标密度信息确定各个区域分割图像的区域特征向量；所述目标密度信息为区域分割图像内目标物数量与位置标记图像中目标物数量的比值；

将各个区域分割图像的区域特征向量进行组合以形成与位置标记图像关联的区域特征向量组。

6.如权利要求1所述的智慧校园的安全管理方法，其特征在于，所述将所述第二图像信息输入至异常检测模型，若所述第二图像信息中出现异常情况，则进行预警操作，包括：

按照时间序列将各个时刻的第二图像信息输入到动作识别模型来进行动作识别以确定各个时间点的动作特征信息；其中，所述动作特征信息为手臂动作信息以及身体转动信息；

对各个时间点的动作特征信息进行组合判断以确定相应的动作特征信息的危险系数；

当相应的动作特征信息的危险系数超过设定值时，则进一步获取与相应人物关联的持有物识别，若相应任务关联的持有物为危险物品，则进行一级预警提醒，若相应人物关联的持有物不为危险物品，则进行二级预警。

7.如权利要求1所述的智慧校园的安全管理方法，其特征在于，所述安全管理方法，还包括：

若所述当前时间信息为第三时间信息时，启动设置于校园围栏处的张力传感器以及设置于校园围栏处的围栏摄像机组；

当张力传感器检测到的数值超过设定数值，则启动围栏摄像机组来进行相应的图像获取以得到第四图像信息；

将所述第四图像信息输入至动作识别模型中来进行识别以确定各个时间点的行为特征信息，并所述行为特征信息来确定是否存在违规行为，所述行为特征信息为腿部动作信息。

8.一种智慧校园的安全管理系统，其特征在于，包括：

时间获取模块：用于根据时间模块获取当前时间信息，并根据所述当前时间信息来与预先设置的安全检测策略进行匹配以确定与所述当前时间信息关联的安全检测模式；

第一检测模块：用于若所述当前时间信息为第一时间信息，则根据所述第一时间信息确定与所述第一时间信息关联的第一安全检测模式；

摄像启动模块：用于在执行所述第一安全检测模式时，启动设置于校园门口处的第一摄像机组，并通过所述第一摄像机组获取第一安全检测区域内的第一图像信息组；

特征识别模块：用于对所述第一图像信息组中各个第一图像信息进行特征识别以得到第一图像信息中的第一目标物，并对识别到的第一目标物进行位置标记以得到与所述第一目标物关联的位置标记图像；

变化检测模块：用于对所述位置标记图像进行区域划分以确定与所述位置标记图像关联的多个区域分割图像，并根据所述区域分割图像确定与所述区域分割图像关联的区域特征向量组；

第一预警模块：用于将相邻两幅图像的区域特征向量组进行计算以确定区域向量变化，并根据所述区域向量变化来确定是否存在安全异常，若所述区域向量变化超过设定值，则进行预警操作；

第二检测模块：用于若所述当前时间信息为第二时间信息，则根据所述第二时间信息确定与所述第二时间信息关联的第二安全检测模式；

图像获取模块：用于在执行所述第二安全检测模式时，启动设置于校园门口处的第二摄像机组，并通过所述第二摄像机组获取第二安全检测区域内的第二图像信息；

异常检测模块：用于将所述第二图像信息输入至异常检测模型，若所述第二图像信息中出现异常情况，则进行预警操作。

9.一种电子设备，其特征在于，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，用于执行权利要求1至7任一项所述的智慧校园的安全管理方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机程序，其中，所述计算机程序使得计算机执行权利要求1至7任一项所述的智慧校园的安全管理方法。