CN117939086A - 一种数字建筑的智慧监控平台及方法 - Google Patents

Abstract

本发明涉及数字监控技术领域，尤指一种数字建筑的智慧监控平台及方法，包括蓝牙组网监控模块、视距计算模块、数字建筑模块以及人员定位模块，以蓝牙组网监控模块为基础，通过各监控摄像头内置的蓝牙单元构建起一个覆盖整个蓝牙组网。这不仅实现了对建筑内部空间的全面图像捕获，还收集了摄像头间的距离方位数据，视距计算模块利用这些距离方位数据对捕获的图像特征推算出详细的平面空间模型。同时，人员定位模块通过蓝牙网络实现了对建筑内人员的精确定位，并将定位结果集成到数字建筑模型中。数字建筑模块将这些信息综合起来，生成一个三维数字建筑模型，在实现三维数字监控的同时降低了构建模型人力和时间成本，同时提高了模型更新的灵活性。

Description

一种数字建筑的智慧监控平台及方法

技术领域

本发明涉及数字监控技术领域，尤指一种数字建筑的智慧监控平台及方法。

背景技术

在传统的建筑监控系统中，监控的重点主要集中于对固定视角下的实时视频监控，而对于楼内人员的分布情况和精确位置往往难以直观和实时地掌握。这种监控方式通常依赖于人工观看多个监控摄像头的视频，以推断人员位置，这个过程既耗时又效率低下。此外，这种方法无法提供楼内人员的三维位置信息，使得在紧急情况下的快速响应和有效管理变得更加困难。

数字建筑监控的作用在于提供一个高效、精确且直观的方式来监控和管理建筑空间及其中的人员动态。通过构建起数字化的三维建筑模型。相比于传统的二维监控系统，数字建筑监控提供了更加全面和立体的视角，使得管理人员可以从多个维度观察和理解建筑内部的情况。

现有技术中，传统的室内建筑模型构建通常需要人工对建筑内部的每个部分进行拍摄，然后再通过人为的方式进行模型的构建。这种方法不仅耗时，而且浪费大量人力资源。此外，这种传统方法在建筑结构变化或需要更新模型时，又必须重复整个繁琐的过程。

发明内容

为解决上述问题，本发明提供一种数字建筑的智慧监控平台及方法。

为实现上述目的，本发明采用的技术方案是：

一种数字建筑的智慧监控平台，包括蓝牙组网监控模块、视距计算模块、数字建筑模块和人员定位模块，所述蓝牙组网监控模块分别与所述视距计算模块和所述人员定位模块连接，所述视距计算模块与所述数字建筑模块连接，所述人员定位模块与所述数字建筑模块连接；

所述蓝牙组网监控模块用于获取建筑内部空间的图像数据，所述蓝牙组网监控模块包括若干个监控摄像头，所述监控摄像头中设置有蓝牙单元，若干个监控摄像头通过蓝牙单元进行连接构建蓝牙组网，所述蓝牙组网监控模块还用于通过蓝牙组网获取若干个监控摄像头之间的距离方位数据；

所述视距计算模块用于根据若干个监控摄像头之间的距离方位数据对图像数据进行特征提取，根据特征进行归类并推算平面空间模型；

所述人员定位模块用于使蓝牙组网连接预设范围内的移动端的信号，并根据若干个蓝牙单元对移动端进行定位，并将定位参数发送至数字建筑模块；

所述数字建筑模块用于接收建筑的层结构数据，并生成数字建筑框架，将若干个平面空间模型植入于数字建筑框架中，生成数字建筑；所述数字建筑模块还用于根据定位参数将人员定位显示于数字建筑中。

进一步地，所述获取建筑内部空间的图像数据包括通过监控摄像头获取若干个不同角度的建筑内部空间的图像数据。

进一步地，所述根据若干个监控摄像头之间的距离方位数据对图像数据进行特征提取包括：

根据距离方位数据确定相同平面的图像数据；

基于相同平面的图像数据，提取图像数据的特征。

进一步地，所述图像数据的特征包括空间结构特征和静物特征。

进一步地，所述提取图像数据的特征包括：

通过卷积神经网络模型提取图像数据的特征。

进一步地，所述根据特征进行归类并推算平面空间模型包括：

根据图像数据的特征进行分组；

根据同一组内的图像数据还原局部空间模型；

基于距离方位数据对局部空间模型进行拼接，推算平面空间模型。

进一步地，所述基于距离方位数据对局部空间模型进行拼接包括以下步骤：

确定若干个监控摄像头之间的距离方位数据；

根据距离方位数据确定若干个监控摄像头之间的相对位置关系；

根据相对位置关系将若干个局部空间模型进行拼接，形成平面空间模型。

进一步地，所述根据若干个蓝牙单元对移动端进行定位包括：

根据若干个蓝牙单元反馈的移动端位置进行重合度计算，根据重合度确定移动端的定位。

进一步地，所述建筑的层结构数据包括建筑内部层数目及层连接关系。

一种数字建筑的智慧监控方法，包括：

获取建筑内部空间的图像数据，在摄像头中设置蓝牙单元，通过蓝牙单元进行连接构建蓝牙组网，通过蓝牙组网获取若干个监控摄像头之间的距离方位数据；

根据若干个监控摄像头之间的距离方位数据对图像数据进行特征提取，根据特征进行归类并推算平面空间模型；

使蓝牙组网连接预设范围内的移动端的信号，并根据若干个蓝牙单元对移动端进行定位；

接收建筑的层结构数据，并生成数字建筑框架，将若干个平面空间模型植入于数字建筑框架中，生成数字建筑；

根据定位参数将人员定位显示于数字建筑中。

本发明的有益效果在于：本发明通过蓝牙组网监控模块，利用若干个装有蓝牙单元的监控摄像头收集建筑内部的图像数据，通过这些摄像头之间的蓝牙连接构建起蓝牙组网。利用蓝牙组网，能够精确获取各摄像头之间的距离和方位数据，从而通过视距计算模块根据若干个监控摄像头之间的距离方位数据对图像数据进行特征提取，根据特征进行归类并推算平面空间模型，通过数字建筑模块接收建筑的层结构数据，并生成数字建筑框架，再通过若干个平面空间模型植入于数字建筑框架中，得到数字模型，通过人员定位模块用于使蓝牙组网连接收移动端的信号，并根据若干个蓝牙单元对移动端进行定位，并将定位参数发送至数字建筑模块，实现人员的定位监控。与传统需要人工拍摄每个角落再人为构建模型的繁琐过程相比，本发明显著降低了人力和时间成本，同时提高了模型更新的灵活性。这对于建筑结构频繁变更或需要定期更新模型的场景提供便利。

附图说明

图1 是本发明中一种数字建筑的智慧监控平台的结构示意图。

图2 是本发明中根据特征进行归类并推算平面空间模型的步骤流程图。

具体实施方式

请参阅图1-2所示，本发明关于一种数字建筑的智慧监控平台，包括蓝牙组网监控模块、视距计算模块、数字建筑模块和人员定位模块，所述蓝牙组网监控模块分别与所述视距计算模块和所述人员定位模块连接，所述视距计算模块与所述数字建筑模块连接，所述人员定位模块与所述数字建筑模块连接；

所述蓝牙组网监控模块用于获取建筑内部空间的图像数据，所述蓝牙组网监控模块包括若干个监控摄像头，所述监控摄像头中设置有蓝牙单元，若干个监控摄像头通过蓝牙单元进行连接构建蓝牙组网，所述蓝牙组网监控模块还用于通过蓝牙组网获取若干个监控摄像头之间的距离方位数据；

所述视距计算模块用于根据若干个监控摄像头之间的距离方位数据对图像数据进行特征提取，根据特征进行归类并推算平面空间模型；

所述人员定位模块用于使蓝牙组网连接预设范围内的移动端的信号，并根据若干个蓝牙单元对移动端进行定位，并将定位参数发送至数字建筑模块；

所述数字建筑模块用于接收建筑的层结构数据，并生成数字建筑框架，将若干个平面空间模型植入于数字建筑框架中，生成数字建筑；所述数字建筑模块还用于根据定位参数将人员定位显示于数字建筑中。

需要说明的是，蓝牙组网监控模块核心是一系列高性能监控摄像头，每个摄像头内嵌有蓝牙单元。这些摄像头通过蓝牙技术进行相互连接，形成一个覆盖整个建筑的蓝牙组网结构。例如，每个楼层可以部署多个这样的摄像头，确保全覆盖。每个摄像头不仅捕捉视觉图像，还通过蓝牙单元收集与其他摄像头的距离和方位信息，从而为整个建筑提供一个三维的视觉和数据网络。例如，在一条蛇形通道中，单个摄像头的视线可能受限，但通过与最近的摄像头相连，每个摄像头都可以确定自己相对于其他摄像头的位置。这种相对定位信息对于建立一个准确的空间模型是至关重要的。当所有摄像头通过蓝牙单元组网并互相定位后，就能够获取整个建筑层的详细空间数据。这些数据随后被送入视距计算模块，该模块根据摄像头之间的相对位置关系，对图像数据进行深入分析和特征提取。通过这种方法，即便是在复杂的建筑结构中，也能准确地推算出每个区域的平面空间模型，视距计算模块接收来自蓝牙组网监控模块的数据，并利用这些数据对图像进行深度分析。具体来说，模块分析监控摄像头之间的距离和方位信息，然后根据这些信息对捕获的图像进行特征提取和归类。例如，如果两个相邻的摄像头捕捉到了部分重叠的图像，这个模块就可以通过比对和分析这些图像来推断出空间的三维结构。数字建筑模块主要负责接收和整合来自视距计算模块的空间模型数据，以及建筑的层结构数据，这些数据通过人工简单进行输入获取。它利用这些信息生成和维护数字建筑框架，这是一个详细的三维建筑模型，展示了建筑的内部结构和布局。使用图形处理硬件和软件用于渲染这些复杂的三维模型，确保它们在可视化时的精确性和真实感。人员定位模块通过蓝牙单元接收的移动端设备（如智能手机或蓝牙标签）发出的蓝牙信号，单独负责方位计算，计算出移动端设备的位置。

进一步地，所述获取建筑内部空间的图像数据包括通过监控摄像头获取若干个不同角度的建筑内部空间的图像数据；

需要说明的是，在数字建筑的智慧监控平台中，获取建筑内部空间的图像数据是一个关键步骤，它依赖于布置的监控摄像头，这些摄像头从不同的角度捕捉建筑内部的详细视觉信息。每个摄像头均配备高分辨率传感器和广角镜头，确保收集到的图像清晰且视野广阔。

在一些实施例中，例如，在一个多层办公大楼中，监控摄像头被安置在走廊、大厅、楼梯间和关键公共区域。每个摄像头都被精心配置，以覆盖尽可能广的区域并捕捉到从不同角度看到的空间布局。有的摄像头被设置在较高位置，以俯视角度捕获空间的全貌；而有的则可以安置在人眼高度，提供与人类视角相近的图像。这种多角度的布置方法使得监控系统能够获取到从各个方向看到的建筑内部空间的详细图像数据。

进一步地，所述根据若干个监控摄像头之间的距离方位数据对图像数据进行特征提取包括：

根据距离方位数据确定相同平面的图像数据；

基于相同平面的图像数据，提取图像数据的特征。

需要说明的是，蓝牙定位通常使用接收信号强度指示器（RSSI）来估算距离。RSSI是衡量蓝牙设备之间信号强度的指标，通过测量信号强度，系统可以估算出用户设备与蓝牙信标（Beacons）或其他蓝牙设备之间的距离。通过AOA（角度到达）确定无线信号源的位置，对比GPS定位存在虽然范围较小，但是精度更高的特点。

在一些实施例中，通过分析各监控摄像头间的距离和方位信息，能够识别出哪些图像数据是从相同的平面或者视角捕捉的。例如，如果两个监控摄像头在空间中相对位置接近且方向相似，它们捕捉的图像很可能属于同一平面或相邻区域。这一步骤是通过精密的算法完成的，它能够分析和比较来自不同摄像头的图像数据，然后将这些数据按照所属的平面或区域进行分组。一旦确定了相同平面的图像数据，接下来的步骤是对这些图像进行深入的特征提取。这包括识别图像中的关键元素，如墙壁、门窗、家具以及其他静态和动态物体。为了实现这一目标，系统通常会使用先进的图像处理和计算机视觉技术，如卷积神经网络（CNN）。这些技术能够从图像中自动识别和分类各种视觉特征，并将其转换为可以用于进一步分析和建模的数据。

进一步地，所述图像数据的特征包括空间结构特征和静物特征。

进一步地，所述提取图像数据的特征包括：

通过卷积神经网络模型提取图像数据的特征。

需要说明的是，空间结构特征指的是建筑内部空间的布局和构造，如墙壁、天花板、地板的位置和形态，门窗的尺寸和位置，以及楼梯、走廊等的布局。这些特征对于理解和重现建筑内部的三维结构至关重要。静物特征则涉及建筑内部的非活动元素，如家具、装饰物、办公设备等。这些特征有助于增加数字建筑模型的详细度和真实感，使模型更加生动和准确。为了从图像数据中提取这些特征，利用卷积神经网络模型。CNN是一种深度学习算法，擅长处理图像数据。它通过多个卷积层自动提取和学习图像的重要特征，无需人工干预。在每个卷积层，网络会应用一组过滤器来检测图像中的特定模式，如边缘、颜色变化和纹理。例如，当CNN处理一张办公室的图像时，它可能首先识别出基本形状和边缘，然后逐步识别出更复杂的元素，如桌子、椅子和门。通过这种分层和逐渐深入的学习过程，CNN能够构建一个包含空间结构和静物特征的全面特征集，这些特征随后被用于生成和更新数字建筑模型。

进一步地，所述根据特征进行归类并推算平面空间模型包括：

根据图像数据的特征进行分组；

根据同一组内的图像数据还原局部空间模型；

基于距离方位数据对局部空间模型进行拼接，推算平面空间模型。

在一些实施例中，如果考虑一个S型的通道，这个通道会被系统划分为多个小的空间单元，例如5个区域。这种划分基于从各个监控摄像头收集到的图像数据的特征，如空间布局、光线条件和图像中的视觉线索。系统通过分析这些特征，能够识别出通道中的不同段落，每个段落代表一个独立的局部。例如，S型通道的每个转弯点可能被视为一个单独的局部空间，因为这些转弯点在视觉和结构上与直线段有所不同。系统将从每个角度拍摄的图像进行比对和分析，以确定这些转弯点的确切位置和范围。一旦这些区域被确定，它们就会被标记为单独的组，在后续的步骤中分别处理。

考虑一个长廊区域，其不同部分的图像被分配到同一组中。首先识别出这些图像中的关键元素，如墙壁、地板、天花板、门窗以及廊道中的任何家具或装饰物。接下来，利用计算机视觉算法，特别是三维重建技术，系统分析这些元素在空间中的相对位置和方向。这一过程通常涉及对图像数据进行深度学习分析，例如使用卷积神经网络（CNN）来识别和解析空间特征。CNN能够处理图像中的复杂模式，并从中提取出有用的结构信息。CNN可能会识别出长廊中的门窗位置、走道的宽度和墙面的纹理等细节。此外，还会应用立体视觉分析来估计图像中对象的深度和三维结构。这意味着不仅能够识别出长廊的平面布局，还能够理解其高度和体积，从而构建出一个准确的三维模型。这个模型包含了所有重要的空间属性，如长度、宽度、高度以及内部结构的细节。一旦局部空间模型被构建，它就可以用于更新数字建筑模型的对应部分。这确保了数字模型不仅在视觉上与实际空间相符，而且在结构上也是精确的。

进一步地，所述基于距离方位数据对局部空间模型进行拼接包括以下步骤：

确定若干个监控摄像头之间的距离方位数据；

根据距离方位数据确定若干个监控摄像头之间的相对位置关系；

根据相对位置关系将若干个局部空间模型进行拼接，形成平面空间模型。

首先，这一步骤侧重于获取和分析监控摄像头之间的精确距离和方位数据。通过在每个监控摄像头中嵌入的蓝牙单元，系统可以精确地计算出每个摄像头与周围摄像头之间的距离和相对方位。例如，如果两个摄像头在一个直线走廊的两端，系统会测量并记录这两个点之间的直线距离以及它们相对于走廊方向的方位。接下来，系统根据测量到的距离方位数据来确定监控摄像头之间的相对位置关系。这一步骤是构建准确空间模型的关键，因为它允许系统了解每个摄像头捕获的图像数据所对应的具体位置和视角。例如，在一组环形布局的监控摄像头中，系统会根据每个摄像头与其他摄像头的相对位置来确定它们各自捕获的图像数据如何相互关联。最后，将这些相对位置关系用于指导局部空间模型的拼接，以形成一个连贯且完整的平面空间模型。在这个过程中，系统利用先前确定的摄像头位置关系来确保各个局部模型正确地对齐和融合。例如，在一个多楼层的建筑中，每个楼层的局部模型（如办公室、会议室、走廊）将根据摄像头的位置数据被准确地组合在一起，形成该楼层的完整模型。

进一步地，所述根据若干个蓝牙单元对移动端进行定位包括：

根据若干个蓝牙单元反馈的移动端位置进行重合度计算，根据重合度确定移动端的定位。

在一些实施例中，首先，分布于建筑内的蓝牙单元不断地扫描并捕捉移动端设备发出的蓝牙信号。每个蓝牙单元能够检测到设备的信号强度，并据此估计设备与蓝牙单元之间的大致距离。例如，在一个办公区域内，若干个蓝牙单元可能分别位于不同的办公室和走廊，它们各自捕捉到同一部智能手机的信号。接下来，系统进行重合度计算。这一过程基于多个蓝牙单元捕捉到的信号数据，通过比对和分析这些数据，来确定信号在空间上的交汇点。重合度计算是一种三角定位方法，它考虑了从多个方向接收到的信号数据，并通过这些数据的交集来确定设备的准确位置。在我们的例子中，如果某个智能手机位于两个办公室之间的走廊，那么邻近的蓝牙单元将捕捉到该设备的信号，并通过重合度计算精确地定位其在走廊中的位置。通过这种方法，数字建筑智慧监控平台能够实现建筑内部的高精度人员定位。这对于增强建筑的安全监控、优化空间管理，以及在紧急情况下快速定位人员至关重要。这一定位系统的准确性和效率对于实现建筑内部的高级监控和智能管理提供了强有力的支持。

进一步地，所述建筑的层结构数据包括建筑内部层数目及层连接关系。

需要说明的是，建筑的层结构数据包括了建筑的每一层的基本信息，如层数目、每层的平面布局、层间的垂直关系和连接方式。这些数据为数字建筑模型提供了基本的骨架和结构参考。例如，对于一个多层办公楼，层结构数据不仅包括楼层的总数，还包括层与层之间连接的位置，如设置于中部的电梯和设置于电梯一侧的楼梯，其用于搭建数字建筑框架，以实现更精准的平面空间模型匹配。

本发明一种数字建筑的智慧监控方法，包括：

获取建筑内部空间的图像数据，在摄像头中设置蓝牙单元，通过蓝牙单元进行连接构建蓝牙组网，通过蓝牙组网获取若干个监控摄像头之间的距离方位数据；

根据若干个监控摄像头之间的距离方位数据对图像数据进行特征提取，根据特征进行归类并推算平面空间模型；

使蓝牙组网连接预设范围内的移动端的信号，并根据若干个蓝牙单元对移动端进行定位；

接收建筑的层结构数据，并生成数字建筑框架，将若干个平面空间模型植入于数字建筑框架中，生成数字建筑；

根据定位参数将人员定位显示于数字建筑中。

通过若干个装有蓝牙单元的监控摄像头收集建筑内部的图像数据，通过这些摄像头之间的蓝牙连接构建起蓝牙组网。利用蓝牙组网，能够精确获取各摄像头之间的距离和方位数据，根据若干个监控摄像头之间的距离方位数据对图像数据进行特征提取，根据特征进行归类并推算平面空间模型，通过接收建筑的层结构数据，并生成数字建筑框架，再通过若干个平面空间模型植入于数字建筑框架中，得到数字模型，通过使蓝牙组网连接收移动端的信号，并根据若干个蓝牙单元对移动端进行定位，并将定位参数呈现于数字模型中，实现人员的定位监控。

以上实施方式仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通工程技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。

Claims (10)

1.一种数字建筑的智慧监控平台，其特征在于，包括蓝牙组网监控模块、视距计算模块、数字建筑模块和人员定位模块，所述蓝牙组网监控模块分别与所述视距计算模块和所述人员定位模块连接，所述视距计算模块与所述数字建筑模块连接，所述人员定位模块与所述数字建筑模块连接；

所述蓝牙组网监控模块用于获取建筑内部空间的图像数据，所述蓝牙组网监控模块包括若干个监控摄像头，所述监控摄像头中设置有蓝牙单元，若干个监控摄像头通过蓝牙单元进行连接构建蓝牙组网，所述蓝牙组网监控模块还用于通过蓝牙组网获取若干个监控摄像头之间的距离方位数据；

所述视距计算模块用于根据若干个监控摄像头之间的距离方位数据对图像数据进行特征提取，根据特征进行归类并推算平面空间模型；

所述人员定位模块用于使蓝牙组网连接预设范围内的移动端的信号，并根据若干个蓝牙单元对移动端进行定位，并将定位参数发送至数字建筑模块；

所述数字建筑模块用于接收建筑的层结构数据，并生成数字建筑框架，将若干个平面空间模型植入于数字建筑框架中，生成数字建筑；所述数字建筑模块还用于根据定位参数将人员定位显示于数字建筑中。

2.根据权利要求1所述的一种数字建筑的智慧监控平台，其特征在于，所述获取建筑内部空间的图像数据包括通过监控摄像头获取若干个不同角度的建筑内部空间的图像数据。

3.根据权利要求2所述的一种数字建筑的智慧监控平台，其特征在于，所述根据若干个监控摄像头之间的距离方位数据对图像数据进行特征提取包括：

根据距离方位数据确定相同平面的图像数据；

基于相同平面的图像数据，提取图像数据的特征。

4.根据权利要求3所述的一种数字建筑的智慧监控平台，其特征在于，所述图像数据的特征包括空间结构特征和静物特征。

5.根据权利要求4所述的一种数字建筑的智慧监控平台，其特征在于，所述提取图像数据的特征包括：

通过卷积神经网络模型提取图像数据的特征。

6.根据权利要求3所述的一种数字建筑的智慧监控平台，其特征在于，所述根据特征进行归类并推算平面空间模型包括：

根据图像数据的特征进行分组；

根据同一组内的图像数据还原局部空间模型；

基于距离方位数据对局部空间模型进行拼接，推算平面空间模型。

7.根据权利要求6所述的一种数字建筑的智慧监控平台，其特征在于，所述基于距离方位数据对局部空间模型进行拼接包括以下步骤：

确定若干个监控摄像头之间的距离方位数据；

根据距离方位数据确定若干个监控摄像头之间的相对位置关系；

根据相对位置关系将若干个局部空间模型进行拼接，形成平面空间模型。

8.根据权利要求1所述的一种数字建筑的智慧监控平台，其特征在于，所述根据若干个蓝牙单元对移动端进行定位包括：

根据若干个蓝牙单元反馈的移动端位置进行重合度计算，根据重合度确定移动端的定位。

9.根据权利要求1所述的一种数字建筑的智慧监控平台，其特征在于，所述建筑的层结构数据包括建筑内部层数目及层连接关系。

10.一种数字建筑的智慧监控方法，其特征在于，应用于权利要求1至9任一项所述的一种数字建筑的智慧监控平台，包括：

获取建筑内部空间的图像数据，在摄像头中设置蓝牙单元，通过蓝牙单元进行连接构建蓝牙组网，通过蓝牙组网获取若干个监控摄像头之间的距离方位数据；

根据若干个监控摄像头之间的距离方位数据对图像数据进行特征提取，根据特征进行归类并推算平面空间模型；

使蓝牙组网连接预设范围内的移动端的信号，并根据若干个蓝牙单元对移动端进行定位；

接收建筑的层结构数据，并生成数字建筑框架，将若干个平面空间模型植入于数字建筑框架中，生成数字建筑；

根据定位参数将人员定位显示于数字建筑中。