CN118227826A - 一种数据采集融合分析系统 - Google Patents
一种数据采集融合分析系统 Download PDFInfo
- Publication number
- CN118227826A CN118227826A CN202410294785.1A CN202410294785A CN118227826A CN 118227826 A CN118227826 A CN 118227826A CN 202410294785 A CN202410294785 A CN 202410294785A CN 118227826 A CN118227826 A CN 118227826A
- Authority
- CN
- China
- Prior art keywords
- event
- target
- events
- basic
- probability
- 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.)
- Pending
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 abstract description 10
- 239000000779 smoke Substances 0.000 description 20
- 230000002159 abnormal effect Effects 0.000 description 18
- 238000004378 air conditioning Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000000391 smoking effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Alarm Systems (AREA)
Abstract
本发明涉及一种数据采集融合分析系统,由基础信息采集模块统一对目标场所的多种基础因子的值进行采集,然后在一种或者多种基础因子的值满足触发条件时,由音视频采集模块采集目标场所的音视频数据,并由音视频识别模块进行识别。同时,融合分析模块将多种基础因子的值与预先构建的事件判定数据库进行对比,得到引起一种或者多种基础因子的值达到触发条件的一种或者多种事件的概率;并结合识别结果进行最终结果判断,从而得到准确结果。本申请采用一套系统对目标场所的门禁或者环境监测等事件进行统一监测和分析,并利用音视频进行验证,分析结果更加准确。同时具有低成本,高扩展性的优点。
Description
技术领域
本发明涉及监控技术领域,具体是一种数据采集融合分析系统。
背景技术
在机房、指挥室、重要的楼宇过道等场所,一般都会通过设置门禁系统、环境监测系统、视频监控系统、消防监控系统等来保证场所的安全。
但是现有的门禁系统、环境监控系统、视频监控系统、消防监控系统等设备都是相互独立的,这些系统会存在一些重复的设备,例如门禁系统和视频监控系统可能都设置有摄像头,环境监测系统和消防监控系统可能都设置有温度传感器等。这种情况下,重复的设备带来的购买成本的上升。同时,各系统之间采集的基础因子并不会相互交互,基础因子无法进行融合,对于一些场景容易出现误判。
发明内容
有鉴于此,本发明的目的是提供一种数据采集融合分析系统,以解决现有技术中目标场所设置多种监控系统时成本高以及容易出错的问题。
为了实现上述目的,本发明采用了如下技术方案:
本发明的一种数据采集融合分析系统,包括:
基础信息采集模块,用于采集目标场所的多种基础因子的值,其中,所述基础因子为环境基础因子、设备监测基础因子或者门禁监测基础因子;
音视频采集模块,用于在一种或者多种基础因子的值满足预设的触发条件时,采集目标场所的音视频数据;
音视频识别模块,用于对所述音视频数据进行识别,得到识别结果;
融合分析模块,用于在一种或者多种基础因子的值满足预设的触发条件时,将所述多种基础因子的值与预先构建的事件判定数据库进行对比,得到事件判定结果;并结合所述识别结果确定最终结果,其中,所述事件判定结果包括一种或者多种事件的概率,所述事件判定数据库包含多种基础因子的值与一种事件的发生概率的对应关系。
在本申请一实施例中,所述事件判定数据库的构建过程包括:
确定目标场所中存在发生可能的多种事件;
划定多种对应事件的目标基础因子以及目标基础因子的取值范围,其中,目标基础因子为对应事件发生时取值产生变化的基础因子,每种事件的目标基础因子为一种或者多种;
确定引起每种目标基础因子的值在取值范围内的对应事件以及对应事件的概率,得到事件判定数据库。
在本申请一实施例中,划定多种对应事件的目标基础因子以及目标基础因子的取值范围,包括:
对于存在历史数据的事件,从所述历史数据中提取多个事件发生时间点t对应的基础因子i的历史值计算每种基础因子i的历史值/>的方差/>并将方差/>小于预设阈值,且取值产生变化的基础因子作为目标基础因子,并构建目标基础因子的取值范围(Ai-nσi,Ai+nσi),其中,Ai为目标基础因子的历史值/>的平均值,n为比例因子;
对于不存在历史数据的事件,手动划定事件的目标基础因子以及目标基础因子的取值范围。
在本申请一实施例中,确定引起每种目标基础因子的值在取值范围内的对应事件以及对应事件的概率,包括:
对于存在历史数据的目标基础因子,从所述历史数据中提取引起目标基础因子的值落入至所述取值范围内的对应事件E以及事件概率P(E),P(E)=T(E)/T,其中,T(E)为目标基础因子的值落入至所述取值范围内时,事件E的发生次数;T为目标基础因子的值落入至所述取值范围内时,发生的事件总次数;
对于不存在历史数据的目标基础因子,手动分配引起目标基础因子的值落入至所述取值范围内时的事件以及事件发生概率。
在本申请一实施例中,将所述多种基础因子的值与预先构建的事件判定数据库进行对比,得到事件判定结果,包括:
将所述多种基础因子的值与所述事件判定数据库中的对应取值范围进行对比;
在基础因子的值落入至对应取值范围时,判定目标场所存在与所述取值范围对应的事件E的概率为P(E);
将目标场所的所有事件E以及事件E的概率为P(E),对所述事件E的概率为P(E)进行归一化后输出,归一化后的事件E的概率为P'(E)为P'(E)=P(E)/∑P(E)。
在本申请一实施例中,所述音视频识别模块通过预先构建音频识别模型和图像识别模型对所述音视频数据进行识别;
所述音频识别模型由包含多种事件的音频特征的训练数据对神经网络训练得到,所述图像识别模型由包含多种事件的图像特征的训练数据对神经网络训练得到。
在本申请一实施例中,结合所述识别结果确定最终结果,包括:
在所述识别结果包含所述事件判定结果中的其中一种事件的事件特征时,将所述其中一种事件的概率修改为100%,并将所述事件判定结果中的其他事件的概率修改为0%;
在所述识别结果不包含所述事件判定结果中任一事件的事件特征时,将所述事件判定结果作为最终结果。
在本申请一实施例中,还包括:
反馈模块,用于在每一次输出事件判定结果以及事件判定结果的概率时,获取来自外部用户的事件反馈信息,并根据所述事件反馈信息调节所述事件判定数据库,以使得所述事件判定数据库的输出概率更接近外部用户的意图,其中,所述事件反馈信息基于所述事件判定结果以及事件判定结果的概率生成。
在本申请一实施例中,所述事件反馈信息包括事件选择,其中,根据所述事件反馈信息调节所述事件判定数据库,包括:
将所述事件选择对应的事件作为确定事件,调整所述事件判定数据库中所述确定事件引起目标基础因子落入至对应取值范围的概率,调整量为+n%;并调整事件判定结果中其他事件引起目标基础因子落入至对应取值范围的概率,调整量为-n%,其中所述事件判定数据库中,n为正整数。
在本申请一实施例中,还包括:
输出模块,用于将所述最终结果输出至目标对象以及对应的执行设备。
本发明的有益效果是:本发明的一种数据采集融合分析系统,包括基础信息采集模块、音视频采集模块、音视频识别模块和融合分析模块;本申请由基础信息采集模块统一对目标场所的多种基础因子的值进行采集,然后在一种或者多种基础因子的值满足触发条件时,由音视频采集模块采集目标场所的音视频数据,并由音视频识别模块进行识别。同时,融合分析模块将多种基础因子的值与预先构建的事件判定数据库进行对比,得到引起一种或者多种基础因子的值达到触发条件的一种或者多种事件的概率;并结合识别结果进行最终结果判断,从而得到准确结果。本申请采用一套系统对目标场所的门禁或者环境监测等事件进行统一监测和分析,并利用音视频进行验证,分析结果更加准确。同时具有低成本,高扩展性的优点。
附图说明
下面结合附图和实施例对本发明作进一步描述:
图1为本发明一实施例中的一种数据采集融合分析系统的应用场景图;
图2为本发明一实施例中的一种数据采集融合分析系统的结构图;
图3为本申请一实施例中的事件判定数据库的示意图;
图4为本申请一实施例中的火灾事件判定数据库的示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的层而非按照实际实施时的层数目、形状及尺寸绘制,其实际实施时各层的型态、数量及比例可为一种随意的改变,且其层布局型态也可能更为复杂。
在下文描述中,探讨了大量细节,以提供对本发明实施例的更透彻的解释,然而,对本领域技术人员来说,可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的。
本申请中的一种数据采集融合分析系统,应用在计算机管理领域,执行对象可以为计算机、移动终端或者服务器。
图1为本申请中的一种数据采集融合分析系统的应用场景图,如图1所示,本申请中可以对机房、指挥室等重要场所进行数据采集以及融合分析,集环境监测、门禁、视频监控等系统为一体。具体包括基础信息采集模块、音视频采集模块、音视频识别模块和融合分析模块;
其中,基础信息采集模块中集成了多种传感器110,例如设置在室内的温湿度传感器、烟雾传感器、光线强度传感器等,设置在电力设备或者电缆上的电压互感器、电流互感器等,设置在门口用于探查是否有人靠近的红外测距仪、读取信息的NFC读取器等,除了上述这些常规的传感器,还可以根据一些特殊事件来进行传感器的增加,例如需要分析目标场所生物入侵事件,则还需要增加红外温度探测仪。
音视频采集模块即为摄像头120和麦克风130,用于采集目标场所的视频和音频数据。
音视频识别模块和融合分析模块均集成在一台PC主机140中,PC主机140内部构建图像识别模型和音频识别模型,从而对音视频数据进行识别,此外,PC主机140内部构建事件判定数据库,以根据多种传感器110采集的多种基础因子的值来判定目标场所可能存在的事件。
图2是本申请一实施例中示出的一种数据采集融合分析系统的结构,如图2所示:本实施例的一种数据采集融合分析系统,包括:
基础信息采集模块210,用于采集目标场所的多种基础因子的值,其中,所述基础因子为环境基础因子、设备监测基础因子或者门禁监测基础因子;
其中,环境基础因子可以是环境温湿度、光线强度、烟雾浓度、空气质量、有害气体含量等,基于目标场所的用途采集不同的环境基础因子,例如机房,就需要重点采集环境温湿度、光线强度和烟雾浓度;如果是生成场所,就可以采集环境温湿度、烟雾浓度、有害气体含量等。设备监测基础因子也是视场所而定,可以采集设备的工作电流、工作电压、瞬间功率等参数。而在本实施例中,门禁监测基础因子指的是红外测距仪测量的距离值,从而反应门口是否有人靠近。
音视频采集模块220,用于在一种或者多种基础因子的值满足预设的触发条件时,采集目标场所的音视频数据;
触发条件是指,当一种或者多种基础因子的值变化至特征的取值范围内时,说明环境或者设备产生一些变化。例如,红外测距仪测量的距离值变化至50cm,环境温度值变化至40℃等。本申请将这些变化特征作为事件分析的触发条件。本实施例中,需要用到视音频数据来作为事件分析的佐证,因此,在满足触发条件时,摄像头和麦克风被触发,开始采集一段时间的环境视音频数据。
音视频识别模块230,用于对所述音视频数据进行识别,得到识别结果;
本申请中的音视频识别模块230通过预先构建音频识别模型和图像识别模型对所述音视频数据进行识别;
所述音频识别模型由包含多种事件的音频特征的训练数据对神经网络训练得到,所述图像识别模型由包含多种事件的图像特征的训练数据对神经网络训练得到。
在本实施例中,音频识别模型的构建方法可以包括:
搜集有多种事件发生时的音频数据,例如,火灾时音频、有人闯入时的音频、门窗破碎的音频等等;
提取音频数据的特征,特征可以是音频PCM波形特征,并构造标签,得到训练数据集;
利用训练数据集对CNN卷积神经网络进行训练,在拟合之后,得到音频识别模型。
图像识别模型的构建方法可以包括:
搜集带有多种事件发生时的图像数据,例如,火焰图像(火灾事件)、人脸图像(访客来访事件)、烟雾图像等等;
提取图像数据的特征,一般为轮廓特征,并构造标签,得到训练数据集;
利用训练数据集对CNN卷积神经网络进行训练,在拟合之后,得到图像识别模型。
融合分析模块240,用于在一种或者多种基础因子的值满足预设的触发条件时,将所述多种基础因子的值与预先构建的事件判定数据库进行对比,得到事件判定结果;并结合所述识别结果确定最终结果,其中,所述事件判定结果包括一种或者多种事件的概率,所述事件判定数据库包含多种基础因子的值与一种事件的发生概率的对应关系。
在一种或者多种基础因子的值满足预设的触发条件时,融合分析模块240自动开始执行事件分析任务。本申请中的事件分析任务依赖于提前构建的事件判定数据库,事件判定数据库中记载了各种基础因子的值落入至特定取值范围的原因可能是什么,也就是哪些事件可以引起基础因子的值落入至特定取值范围,对应的概率是多少。
图3为本申请一实施例中的事件判定数据库的示意图,如图3所示,事件判定数据库采用树形结构,根部节点为多种基础因子,每种基础因子对应多个取值范围,每个取值范围对应一种事件以及该事件的概率。
图4为本申请一实施例中的火灾事件判定数据库的示意图,如图4所示,本实施例中,以火灾事件为例,火灾事件在发生时,会出现烟雾、温度、光线强度等基础因子的变化,具体地,例如,环境温度可能会达到60℃以上(以远离火灾源的位置为基准),烟雾浓度会达到15%OBS/M以上,光线强度可能会增加(原环境光线较暗),也可能降低(原照明系统损坏)。因此选择环境温度和烟雾浓度作为火灾事件的目标基础因子,构建火灾事件判定数据库。但是在目标场所中,并不是只有火灾才会引起环境温度上升,以及烟雾浓度上升,也有可能是空调系统损坏事件导致温度上升,机房设备异常运行事件导致温度上升,抽烟事件引起烟雾浓度上升,机房设备异常运行事件导致烟雾浓度上升,等等。因此,构建数据库时,不能够仅凭借环境温度上升以及烟雾浓度上升判定存在火灾事件,还需要将具体值代入至各事件引起的环境温度上升范围以及烟雾浓度范围中,计算对应概率。从而融合分析得到更加准确的结果。
在执行判定时,将当前时间点采集的多种基础因子的值与数据库进行对比,符合范围的,执行事件判定并对概率进行求和,便可以得到多种可能事件以及对应的概率。例如,当前时间的环境温度值为50℃,烟雾浓度为7%OBS/M。此时由火灾事件引起的环境温度值落入对应范围的概率为20%,空调系统损坏事件:60%,设备异常运行事件:30%。火灾事件引起的烟雾浓度落入对应范围的概率为0%,抽烟事件:5%,设备异常运行事件:10%;
最后对每种事件进行求和,得到火灾事件总概率:20%,空调系统损坏事件总概率:60%,抽烟事件总概率:5%,设备异常运行事件总概率:40%。
上述概率综合并不等于1,为了便于使用者理解,最后将上述概率进行归一化输出,得到:
火灾事件概率:20%/(20%+60%+5%+40%)=16%;
空调系统损坏事件概率:60%/(20%+60%+5%+40%)=48%;
抽烟事件概率:5%/(20%+60%+5%+40%)=4%;
设备异常运行事件概率:40%/(20%+60%+5%+40%)=32%;
上述结果输出至目标对象,提供参考。
由上述过程可以看出,本实施例的关键是如何构建事件判定数据库,下文中将详细介绍事件判定数据库的构建过程。
在本申请一实施例中,所述事件判定数据库的构建过程包括:
S310,确定目标场所中存在发生可能的多种事件;多种事件可以是历史发生过的事件,也可以是管理人员觉得可能会发生的事件。
S320,划定多种对应事件的目标基础因子以及目标基础因子的取值范围,其中,目标基础因子为对应事件发生时取值产生变化的基础因子,每种事件的目标基础因子为一种或者多种;
为了便于理解,以前文中火灾事件判定数据库为例,温度和烟雾浓度便是火灾事件的目标基础因子,火灾事件引起的温度取值范围是≥60℃,烟雾浓度取值范围是≥15%OBS/M。
具体地,本申请划定多种对应事件的目标基础因子以及目标基础因子的取值范围的过程如下:
S321,对于存在历史数据的事件,从所述历史数据中提取多个事件发生时间点t对应的基础因子i的历史值计算每种基础因子i的历史值/>的方差/>并将方差/>小于预设阈值,且取值产生变化的基础因子作为目标基础因子,并构建目标基础因子的取值范围(Ai-nσi,Ai+nσi),其中,Ai为目标基础因子的历史值/>的平均值,n为比例因子;
其中,存在历史数据的事件,通过统计方法来统计基础因子i的历史值然后通过方差来反应在对应事件发生时,基础因子i的稳定性,如果对应事件发生时基础因子i的取值产生变化,且变化后的稳定性较强(方差小),则说明基础因子i为事件的目标基础因子。反之,则不是。例如前文所述的光照,在火灾发生时,光照强度的变化较大,可能不存在稳定的规律,因此无法作为评判火灾的标准,因此无法作为火灾事件的目标基础因子。
S322,对于不存在历史数据的事件,手动划定事件的目标基础因子以及目标基础因子的取值范围。
对于不存在历史数据的事件,直接人为指定即可,例如,可以常识性地认为闯入事件的目标基础因子是大门收到外部敲击时产生的振动,振动幅值范围也可以对应设置。
S330,确定引起每种目标基础因子的值在取值范围内的对应事件以及对应事件的概率,得到事件判定数据库。
在得到了每种事件的目标基础因子和目标基础因子的取值范围后,还需要注意的是,并不是目标基础因子的取值落入至取值范围时,就一定意味着发生了对应的事件。例如,火灾的目标基础因子是环境温度,对应的取值范围是≥60℃,但是设备异常运行也可能导致环境温度≥60℃。因此,还需要确定引起每种目标基础因子的值在取值范围内的对应事件以及对应事件的概率,具体包括:
S331,对于存在历史数据的目标基础因子,从所述历史数据中提取引起目标基础因子的值落入至所述取值范围内的对应事件E以及事件概率P(E),P(E)=T(E)/T,其中,T(E)为目标基础因子的值落入至所述取值范围内时,事件E的发生次数;T为目标基础因子的值落入至所述取值范围内时,发生的事件总次数;
对于存在历史数据的目标基础因子,利用统计法统计在目标基础因子的值落入至取值范围时,发生了多少事件,每种事件的对应比例是多少,从而得到引起目标基础因子的值落入至取值范围的多种事件的概率。
S332,对于不存在历史数据的目标基础因子,手动分配引起目标基础因子的值落入至所述取值范围内时的事件以及事件发生概率。
同样地,对于不存在历史数据的目标基础因子,手动配置即可,也可以等概率配置,也可以凭借直觉。然后在后续的使用过程中进行更新迭代,具体过程在下文中介绍。
上述过程中,通过历史数据或者常识来构建了事件判定数据库,下文继续介绍如何利用事件判定数据库进行事件判定:
在本申请一实施例中,将所述多种基础因子的值与预先构建的事件判定数据库进行对比,得到事件判定结果,包括:
S410,将所述多种基础因子的值与所述事件判定数据库中的对应取值范围进行对比;
S420,在基础因子的值落入至对应取值范围时,判定目标场所存在与所述取值范围对应的事件E的概率为P(E);
S430,将目标场所的所有事件E以及事件E的概率为P(E),对所述事件E的概率为P(E)进行归一化后输出,归一化后的事件E的概率为P'(E)为P'(E)=P(E)/∑P(E)。
结合前文,可以比较容易地理解步骤S410-步骤S430,通过查询数据库,得到多种事件以及多种事件的概率,然后分别求和以及归一化,便可以得到多种事件的概率。以提供给使用者进行参考。
但是输出的结果中,仅包含多种事件的概率,使用者也无法自行进行判断,为了进一步帮助使用者快速判定,本申请还利用前文中得到的识别结果来进行确定,具体过程如下:
在本申请一实施例中,结合所述识别结果确定最终结果,包括:
S510,在所述识别结果包含所述事件判定结果中的其中一种事件的事件特征时,将所述其中一种事件的概率修改为100%,并将所述事件判定结果中的其他事件的概率修改为0%;
S520,在所述识别结果不包含所述事件判定结果中任一事件的事件特征时,将所述事件判定结果作为最终结果。
以前文的事件判定结果为例,前文的事件判定结果为:
火灾事件:16%;
空调系统损坏事件:48%;
抽烟事件:4%;
设备异常运行事件:32%;
如果识别结果中,存在了设备异常运行的特征,如异常工作的声音,设备的异常指示灯亮起等特征,就直接将结果修改为:
火灾事件:0%;
空调系统损坏事件:0%;
抽烟事件:0%;
设备异常运行事件:100%;
输出时,仅输出设备异常运行事件,即可。
如果识别结果中,并没有发现任何与事件判定结果匹配的特征,那么还是按照原有的事件判定结果进行输出即可。
前文中构建的事件判定数据中,一些事件仅凭借常识进行配置,在实际分析过程中,可能会存在分析结果不准确的情况,为了在使用过程中去修正,本申请还设置:
反馈模块,用于在每一次输出事件判定结果以及事件判定结果的概率时,获取来自外部用户的事件反馈信息,并根据所述事件反馈信息调节所述事件判定数据库,以使得所述事件判定数据库的输出概率更接近外部用户的意图,其中,所述事件反馈信息基于所述事件判定结果以及事件判定结果的概率生成。
所述事件反馈信息包括事件选择,其中,根据所述事件反馈信息调节所述事件判定数据库,包括:
将所述事件选择对应的事件作为确定事件,调整所述事件判定数据库中所述确定事件引起目标基础因子落入至对应取值范围的概率,调整量为+n%;并调整事件判定结果中其他事件引起目标基础因子落入至对应取值范围的概率,调整量为-n%,其中所述事件判定数据库中,n为正整数。
以上述事件判定结果为例,上述事件判定结果为:
火灾事件:16%;
空调系统损坏事件:48%;
抽烟事件:4%;
设备异常运行事件:32%;
最终的反馈信息中,选择了设备异常运行事件作为确定事件,那么环境温度对应的火灾事件:20%-n%,空调系统损坏事件:60%-n%,设备异常运行事件:30%+n%。烟雾浓度对应火灾事件:70%(不调整,因为不落入对应的范围中),抽烟事件:5%-n%,设备异常运行事件:10%+n%;
n的取值可以是0.1-0.5,本系统使用越频繁n的取值可以越小,从而使得最后的修正结果更加准确。
在本申请一实施例中,还包括:
输出模块,用于将所述最终结果输出至目标对象以及对应的执行设备。
本申请作为分析系统,还直接与一些执行设备连接,例如门禁设备,在最终结果为门禁访客事件时,将事件信息发送至门禁设备,从而进行人脸采集或者门禁卡信息比对,进而执行开闸或者其他动作。在最终结果为设备异常事件时,将事件信息传递至报警器,执行报警。最终结果和执行设备通过预先构建的对应关系表来确定对应关系。
本系统还具有较强的可扩展性,如果还需要扩展其他的一些事件,直接加装对应的传感器,并在数据库中进行配置即可。或者在现有的传感器硬件基础上扩展功能,则直接在数据库中进行配置即可。具有极强的扩展性和复用性,也十分有利于对目标场所进行统一监控和管理。
本发明的一种数据采集融合分析系统,包括基础信息采集模块、音视频采集模块、音视频识别模块和融合分析模块;本申请由基础信息采集模块统一对目标场所的多种基础因子的值进行采集,然后在一种或者多种基础因子的值满足触发条件时,由音视频采集模块采集目标场所的音视频数据,并由音视频识别模块进行识别。同时,融合分析模块将多种基础因子的值与预先构建的事件判定数据库进行对比,得到引起一种或者多种基础因子的值达到触发条件的一种或者多种事件的概率;并结合识别结果进行最终结果判断,从而得到准确结果。本申请采用一套系统对目标场所的门禁或者环境监测等事件进行统一监测和分析,并利用音视频进行验证,分析结果更加准确。同时具有低成本,高扩展性的优点。
本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本实施例中的任一项方法,其中,所述方法即为本系统的执行逻辑。
本实施例还提供一种电子终端,包括:处理器及存储器;
存储器用于存储计算机程序,处理器用于执行存储器存储的计算机程序,以使终端执行本实施例中任一项方法。
本实施例中的计算机可读存储介质,本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例提供的电子终端,包括处理器、存储器、收发器和通信接口,存储器和通信接口与处理器和收发器连接并完成相互间的通信,存储器用于存储计算机程序,通信接口用于进行通信,处理器和收发器用于运行计算机程序,使电子终端执行如上方法的各个步骤。
在本实施例中,存储器可能包含随机存取存储器(Random Access Memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称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。
在上述实施例中,尽管已经结合了本发明的具体实施例对本发明进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变形对本领域普通技术人员来说将是显而易见的。本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种数据采集融合分析系统,其特征在于,包括:
基础信息采集模块,用于采集目标场所的多种基础因子的值,其中,所述基础因子为环境基础因子、设备监测基础因子或者门禁监测基础因子;
音视频采集模块,用于在一种或者多种基础因子的值满足预设的触发条件时,采集目标场所的音视频数据;
音视频识别模块,用于对所述音视频数据进行识别,得到识别结果;
融合分析模块,用于在一种或者多种基础因子的值满足预设的触发条件时,将所述多种基础因子的值与预先构建的事件判定数据库进行对比,得到事件判定结果;并结合所述识别结果确定最终结果,其中,所述事件判定结果包括一种或者多种事件的概率,所述事件判定数据库包含多种基础因子的值与一种事件的发生概率的对应关系。
2.根据权利要求1所述的一种数据采集融合分析系统,其特征在于,所述事件判定数据库的构建过程包括:
确定目标场所中存在发生可能的多种事件;
划定多种对应事件的目标基础因子以及目标基础因子的取值范围,其中,目标基础因子为对应事件发生时取值产生变化的基础因子,每种事件的目标基础因子为一种或者多种;
确定引起每种目标基础因子的值在取值范围内的对应事件以及对应事件的概率,得到事件判定数据库。
3.根据权利要求2所述的一种数据采集融合分析系统,其特征在于,划定多种对应事件的目标基础因子以及目标基础因子的取值范围,包括:
对于存在历史数据的事件,从所述历史数据中提取多个事件发生时间点t对应的基础因子i的历史值计算每种基础因子i的历史值/>的方差/>并将方差/>小于预设阈值,且取值产生变化的基础因子作为目标基础因子,并构建目标基础因子的取值范围(Ai-nσi,Ai+nσi),其中,Ai为目标基础因子的历史值/>的平均值,n为比例因子;
对于不存在历史数据的事件,手动划定事件的目标基础因子以及目标基础因子的取值范围。
4.根据权利要求2所述的一种数据采集融合分析系统,其特征在于,确定引起每种目标基础因子的值在取值范围内的对应事件以及对应事件的概率,包括:
对于存在历史数据的目标基础因子,从所述历史数据中提取引起目标基础因子的值落入至所述取值范围内的对应事件E以及事件概率P(E),P(E)=T(E)/T,其中,T(E)为目标基础因子的值落入至所述取值范围内时,事件E的发生次数;T为目标基础因子的值落入至所述取值范围内时,发生的事件总次数;
对于不存在历史数据的目标基础因子,手动分配引起目标基础因子的值落入至所述取值范围内时的事件以及事件发生概率。
5.根据权利要求2所述的一种数据采集融合分析系统,其特征在于,将所述多种基础因子的值与预先构建的事件判定数据库进行对比,得到事件判定结果,包括:
将所述多种基础因子的值与所述事件判定数据库中的对应取值范围进行对比;
在基础因子的值落入至对应取值范围时,判定目标场所存在与所述取值范围对应的事件E的概率为P(E);
将目标场所的所有事件E以及事件E的概率为P(E),对所述事件E的概率为P(E)进行归一化后输出,归一化后的事件E的概率为P'(E)为P'(E)=P(E)/∑P(E)。
6.根据权利要求1所述的一种数据采集融合分析系统,其特征在于,所述音视频识别模块通过预先构建音频识别模型和图像识别模型对所述音视频数据进行识别;
所述音频识别模型由包含多种事件的音频特征的训练数据对神经网络训练得到,所述图像识别模型由包含多种事件的图像特征的训练数据对神经网络训练得到。
7.根据权利要求1所述的一种数据采集融合分析系统,其特征在于,结合所述识别结果确定最终结果,包括:
在所述识别结果包含所述事件判定结果中的其中一种事件的事件特征时,将所述其中一种事件的概率修改为100%,并将所述事件判定结果中的其他事件的概率修改为0%;
在所述识别结果不包含所述事件判定结果中任一事件的事件特征时,将所述事件判定结果作为最终结果。
8.根据权利要求2所述的一种数据采集融合分析系统,其特征在于,还包括:
反馈模块,用于在每一次输出事件判定结果以及事件判定结果的概率时,获取来自外部用户的事件反馈信息,并根据所述事件反馈信息调节所述事件判定数据库,以使得所述事件判定数据库的输出概率更接近外部用户的意图,其中,所述事件反馈信息基于所述事件判定结果以及事件判定结果的概率生成。
9.根据权利要求8所述的一种数据采集融合分析系统,其特征在于,所述事件反馈信息包括事件选择,其中,根据所述事件反馈信息调节所述事件判定数据库,包括:
将所述事件选择对应的事件作为确定事件,调整所述事件判定数据库中所述确定事件引起目标基础因子落入至对应取值范围的概率,调整量为+n%;并调整事件判定结果中其他事件引起目标基础因子落入至对应取值范围的概率,调整量为-n%,其中所述事件判定数据库中,n为正整数。
10.根据权利要求1所述的一种数据采集融合分析系统,其特征在于,还包括:
输出模块,用于将所述最终结果输出至目标对象以及对应的执行设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410294785.1A CN118227826A (zh) | 2024-03-15 | 2024-03-15 | 一种数据采集融合分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410294785.1A CN118227826A (zh) | 2024-03-15 | 2024-03-15 | 一种数据采集融合分析系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118227826A true CN118227826A (zh) | 2024-06-21 |
Family
ID=91505829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410294785.1A Pending CN118227826A (zh) | 2024-03-15 | 2024-03-15 | 一种数据采集融合分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118227826A (zh) |
-
2024
- 2024-03-15 CN CN202410294785.1A patent/CN118227826A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109871401B (zh) | 一种时间序列异常检测方法及装置 | |
US10713934B2 (en) | Detecting of patterns of activity based on identified presence detection | |
US7158022B2 (en) | Automated diagnoses and prediction in a physical security surveillance system | |
US10424175B2 (en) | Motion detection system based on user feedback | |
US8253564B2 (en) | Predicting a future location of a moving object observed by a surveillance device | |
KR102058452B1 (ko) | IoT 융합 지능형 영상분석 플랫폼 시스템 | |
CN110717358B (zh) | 访客人数统计方法、装置、电子设备及存储介质 | |
CN109872491A (zh) | 火灾监控方法、装置、电子设备及系统 | |
CN110412524A (zh) | 一种风廓线雷达标准输出控制器系统 | |
KR20180098181A (ko) | 복합 이벤트 처리 및 상황 인지 기반 지능형 관제 플랫폼 및 지능형 관제 방법 | |
CN114338585A (zh) | 消息推送方法、装置、存储介质及电子装置 | |
CN112115882A (zh) | 用户在线检测方法、装置、电子设备及存储介质 | |
CN115103157A (zh) | 基于边云协同的视频分析方法、装置、电子设备及介质 | |
CN116453247A (zh) | 基于物联网技术的智能锁控制系统 | |
CN114064427A (zh) | 机房运维监控数据的处理方法、装置及设备 | |
CN118227826A (zh) | 一种数据采集融合分析系统 | |
US11758307B2 (en) | Sensor device, background noise data transmission method, and background noise data transmission program | |
CN112949442B (zh) | 一种异常事件预识别方法、装置、电子设备及监控系统 | |
CN115294709A (zh) | 一种光纤振动监测模型、防范系统、电子设备及存储介质 | |
CN114821428A (zh) | 一种智能火灾识别方法、装置、计算机设备及存储介质 | |
US11941959B2 (en) | Premises monitoring using acoustic models of premises | |
KR20190023544A (ko) | IoT 센서와 연계된 사운드 기반의 디지털 영상저장 장치 및 방법 | |
EP2784733A1 (en) | A method for tracking a person | |
CN115264821A (zh) | 监控方法、监控装置、空调及电子设备 | |
KR101142849B1 (ko) | 목조 건축물의 화재 예방 방법 및 그 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |