The invention relates to an intelligent supervision and warning system for campus safety protection, which belongs to the technical field of safety guarantee. Including the center control and dispatch system, several intermediate control scheduling system and campus control scheduling system, the control and scheduling system are connected to each other through the Internet; and the middle center scheduling system including data control switches, decoder, server, management platform and application terminal, server and control platform through a decoder, data exchange and Internet connection, terminal connection and control application campus management platform; scheduling system including data exchange, decoder, server, control platform, application terminal, access control system, monitoring system, alarm system, inspection system, dynamic monitoring system, students training system, the system through the data transmission network and campus campus and campus management platform to connect the server. It has many advantages, such as wide coverage of security monitoring, high degree of system integration, multi-function and intelligentization, and can realize multilevel supervision and rapid response.
【技术实现步骤摘要】
一种校园安全保障智能化监管预警系统
本专利技术涉及一种校园安全保障监管系统,尤其是一种校园安全保障智能化监管预警系统,属于安全保障
技术介绍
近年来,针对校园安全问题的日益突出,教育主管部门及学校在保障学校安全方面加强了工作开展的力度与频率。学校作为责任主体部门,传统的巡更棒巡检技术远远达不到对巡检现场的图像图片的直观了解,学校日常的安全监管、隐患排查、安全演练等工作,均采用传统非智能化方式进行,缺乏科学性、系统性、可控性和预见性,且相关安全活动记录和管理痕迹主要采用手工录入报表或编写文档的形式做痕迹留存,缺乏科学有效的追踪与考证。一些学校虽然设有门禁系统和监控系统,但往往是各自孤立工作、功能单一,缺乏系统性和协同互动功能,各类安全设施或设备还缺乏有效的过期预警。尽管近年来也有一些新的校园安全系统技术的出现,但多数还是停留在简单的系统集成和的传统校园监控层面,仍然没有解决多元信息交换、协同互动和指令传递等问题,而且没有对学生安全演练培训系统的配置和对学生移动安全状态的监控功能,无法实时施掌握学生的动向,导致校园安全监控的不可靠等问题的出现。此外,现有校园安全监控技术主要针对各学校本身的层面,往往缺乏信息分析、自我学习、智能控制、数据上传和数据融合功能,更少有多级管控分析和安全预警功能,各级教育主管部门针对学校的抽查检查、监督管理、考核评价多采用传统的下去走访抽检的形式开展工作,由于人力、物力、财力的限制,远远达不到校园安全工作常态化、标准化、高效化和及时化的监督和管理,各级教育主管部门在制定校园安全的方针政策方面也缺乏大量有效的数据作为决策依据, ...
【技术保护点】
一种校园安全保障智能化监管预警系统,其特征在于:包括中心管控调度系统(1)、若干中间管控调度系统(2)、若干校园管控调度系统(3),中心管控调度系统(1)和各个中间管控调度系统(2)、各管控调度系统通过互联网相互连接;中心管控调度系统(1)包括中心数据交换机(1‑1)、中心解码器(1‑2)、中心服务器(1‑3)、中心管控平台(1‑4)和中心应用终端(1‑5),中心服务器(1‑3)和中心管控平台(1‑4)经中心解码器(1‑2)、中心数据交换机(1‑1)与互联网连接,中心应用终端(1‑5)与中心管控平台(1‑4)连接,系统各设备由中心管控配电柜(1‑6)提供电源;每个中间管控调度系统(2)包括中间数据交换机(2‑1)、中间解码器(2‑2)、中间服务器(2‑3)、中间管控平台(2‑4)和中间应用终端(2‑5),中间服务器(2‑3)经中间解码器(2‑2)、中间数据交换机(2‑1)与互联网连接,中间应用终端(2‑5)与中间服务器(2‑3)连接,系统由中间管控配电柜(2‑6)提供电源;每个校园管控调度系统(3)包括校园解码器(3‑1)、校园数据交换机(3‑2)、校园服务器(3‑3)、校园管控平台( ...
【技术特征摘要】
1.一种校园安全保障智能化监管预警系统,其特征在于:包括中心管控调度系统(1)、若干中间管控调度系统(2)、若干校园管控调度系统(3),中心管控调度系统(1)和各个中间管控调度系统(2)、各管控调度系统通过互联网相互连接;中心管控调度系统(1)包括中心数据交换机(1-1)、中心解码器(1-2)、中心服务器(1-3)、中心管控平台(1-4)和中心应用终端(1-5),中心服务器(1-3)和中心管控平台(1-4)经中心解码器(1-2)、中心数据交换机(1-1)与互联网连接,中心应用终端(1-5)与中心管控平台(1-4)连接,系统各设备由中心管控配电柜(1-6)提供电源;每个中间管控调度系统(2)包括中间数据交换机(2-1)、中间解码器(2-2)、中间服务器(2-3)、中间管控平台(2-4)和中间应用终端(2-5),中间服务器(2-3)经中间解码器(2-2)、中间数据交换机(2-1)与互联网连接,中间应用终端(2-5)与中间服务器(2-3)连接,系统由中间管控配电柜(2-6)提供电源;每个校园管控调度系统(3)包括校园解码器(3-1)、校园数据交换机(3-2)、校园服务器(3-3)、校园管控平台(3-4)、校园应用终端(3-5)、校园门禁系统(3-6)、校园监控系统(3-7)、校园报警系统(3-8)、校园巡检系统(3-9)、学生动态监控系统(3-10)、培训演练系统(3-11),校园门禁系统(3-6)、校园监控系统(3-7)、校园报警系统(3-8)、校园巡检系统(3-9)、学生动态监控系统(3-10)、培训演练系统(3-11)分别经校园数据传输网络与校园服务器(3-3)和校园管控平台(3-4)连接,校园服务器(3-3)经校园数据交换机(3-2)与互联网连接,系统由校园管控配电柜(3-12)提供电源。2.根据权利要求1所述的校园安全保障智能化监管预警系统,其特征在于:所述中心应用终端(1-5)、中间应用终端(2-5)和校园应用终端(3-5)均包括若干计算机、显示器、移动网络通讯设备、多媒体播放设备和信息录入设备,各应用终端通过互联网或电缆分别与相应的服务器和管控平台连接,获取或录入相关信息,实现与服务器、管控平台之间的互动。3.根据权利要求1所述的校园安全保障智能化监管预警系统,其特征在于:所述校园门禁系统(3-6)包括行人闸机、车辆道闸、智能危险物品识别装置、门禁信号处理器、门禁监控计算机、门禁报警装置、数据交换器和监控亭,门禁信号处理器、门禁监控计算机、门禁报警装置、数据交换器置于监控亭中;所述行人闸机包括闸机主体、闸机摄像头、以及设于闸机主体上的IC卡读卡器和红外感应器,IC卡读卡器、红外感应器与闸机主体的闸门开闭控制系统连接而控制其闸门的开闭,闸机摄像头经门禁信号处理器与门禁监控计算机连接、将出入人员信息传送给门禁监控计算机;所述车辆道闸包括道闸主体和道闸摄像头,道闸摄像头经门禁信号处理器与门禁监控计算机连接,门禁监控计算机与道闸主体的道闸控制系统连接;所述智能危险物品识别装置包括X光机、图像采集装置、图像处理器,图像处理器一端与图像采集装置连接、另一端与门禁监控计算机连接,图像采集装置通过X光机采集待识别物体的图像并发送至图像处理器、通过其内嵌的深度学习算法模型对所采集的图像进行计算并获得识别结果发送至门禁监控计算机显示器显示;门禁监控计算机中存储有人脸识别程序和车辆牌照识别程序,通过相应的摄像头抓拍出入人员和车辆的人脸和牌照图片,再将抓拍到的图像经门禁信号处理器处理后传送给道门禁控计算机进行人脸识别和信息存储;所述图像处理器和门禁监控计算机与门禁报警装置电性连接,根据前端设备检测到的危险信息的向门禁报警装置发出报警指令,门禁报警装置包括指示灯和蜂鸣器;所述门禁监控计算机通过数据交换机和校园数据传输网络,将获取的门禁信息传送给校园服务器和校园管控平台。4.根据权利要求3所述的校园安全保障智能化监管预警系统,其特征在于:所述图像采集装置的图像处理器中内嵌的深度学习算法模型是具有多隐层的机器学习和图像数据训练模型,可对采集到的待识别物体的图像经过积卷神经网络算法进行多次训练计算,并不断调整所述积卷神经网络中的学习率和权重;所述采集到的待识别物体的图像包不同条件下采集的括枪支、管制刀具、危险液体和正...
【专利技术属性】
技术研发人员:郭睿,朱明明,汪林福,冯昆,林伟,刘宇,李海军,陈瑞雪,王全,孟继源,朱靖,
申请(专利权)人:长春北电软件有限公司,昆明君林科技有限公司,昆明苗苗科技有限公司,福建省华渔教育科技有限公司,
类型:发明
国别省市:吉林,22
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。