基于物联网的社区管理方法及系统技术方案

本发明专利技术公开了基于物联网的社区管理方法及系统，方法包括：S01、构建社区服务数据库；S02、实时获取社区公共区域范围内的监控影像数据，然后按预设条件对监控影像数据进行特征识别，生成影像特征数据；S03、将监控影像数据中同一影像监控区域在不同时间节点的影像特征数据进行汇集，生成影像特征数据集；S04、按预设时间频率获取影像特征数据集，再按预设条件对影像特征数据集中的特征数据进行判断，生成判断结果；S05、获取判断结果且对其进行识别，在判断结果不符合预设条件时，将该判断结果对应的数据设为异常数据且进行信息标记并生成预警信息输出，再按照预设条件播放倡议宣传数据；本方案实施可靠、响应灵活且成本低，具有较大的实施推广价值。有较大的实施推广价值。有较大的实施推广价值。

【技术实现步骤摘要】
基于物联网的社区管理方法及系统


[0001]本专利技术涉及物联网应用
，尤其涉及基于物联网的社区管理方法及系统。

技术介绍

[0002]社区是人们固定群居生活的重要场所，随着人们对生活质量、环境的要求越来越高，社区作为群体生活的环境，融洽和谐的社区人文环境和干净舒适的场地环境是社区工作者和管理部门的工作目标，由于当前的社区住户多为来自五湖四海的人员，其生活习惯、修养水平均有所不同，因此，对于社区管理人员而言，如何协调、倡议和谐的人文、生活环境是常见的难题，而随着物联网概念的提出，社区服务的硬件设备已经不像往日均是独立工作的状态，将各种硬件设备进行联合控制，实现最大化的利用和最优的配合已是当下热门的研究课题，然而在社区服务方面，当前采用物联网配合的硬件部分主要是社区监控系统和安保部门进行联合，实现远程警情监控，而其他方面则较为少见，因此，当前的社区管理多是事后管理或事后救济的方式，这种往往是不文明现象发生后才采取措施，若是能够在不文明行为由个例扩大至群体常态前进行干预，那么将会是非常具有现实意义的，在硬件支持层面上，由于物联网工程是一个庞大而耗费资金的项目，对于普通社区而言，其所需要的成本往往较为高昂，因此，如果对物联网设备的配合进行优化、降低本地硬件的布设成本和使用成本，亦是非常具有现实意义的课题。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提出一种实施可靠、响应灵活且成本低的基于物联网的社区管理方法及系统。
[0004]为了实现上述的技术目的，本专利技术所采用的技术方案为：
[0005]一种基于物联网的社区管理方法，其包括：
[0006]S01、构建社区服务数据库，该社区服务数据库内存储有社区监控数据和倡议宣传数据；
[0007]S02、实时获取社区公共区域范围内的监控影像数据，然后按预设条件对监控影像数据进行特征识别，生成影像特征数据；
[0008]S03、将监控影像数据中同一影像监控区域在不同时间节点的影像特征数据进行汇集，生成影像特征数据集；
[0009]S04、按预设时间频率获取影像特征数据集，再按预设条件对影像特征数据集中的特征数据进行判断，生成判断结果；
[0010]S05、获取判断结果且对其进行识别，在判断结果不符合预设条件时，将该判断结果对应的数据设为异常数据且进行信息标记并生成预警信息输出，同时，按照预设条件选择倡议宣传数据并下发至社区，由社区的公共媒体播放设备进行播放；
[0011]S06、构建管理评价模型，将其与社区进行一对一关联，然后设定评价元素及其权重值，再获取相应社区的异常数据和该异常数据的信息标记，将该信息标记或异常数据进
行识别分类，然后将识别分类结果与管理评价模型的评价元素进行对应后，对评价元素的权重值进行调整，在评价元素的权重值高于预设阈值时，按预设条件输出预警指令。
[0012]作为一种可能的实施方式，进一步，本方案S02还包括实时监测社区公共区域范围内的声音分贝值，对50或70分贝以上的声音进行记录保存，同时标记其发生的起始时间节点后，生成音频特征数据，然后将同一音频监测区域在不同时间节点的音频特征数据进行汇集，生成音频特征数据集；
[0013]S04还包括获取音频特征数据集，按预设条件对音频特征数据集中的音频特征数据进行判断，生成判断结果；
[0014]其中，S05中所获取的判断结果包括音频特征数据的判断结果和影像特征数据的判断结果。
[0015]作为一种较优的选择实施方式，优选的，S02中，按预设条件对监控影像数据进行特征识别，生成影像特征数据的具体方法为：
[0016]S0201、按预设时间间隔获取监控影像对应监控范围内的影像，然后将其导入到定位神经网络中进行元素定位，再将定位获得的元素导入到检测神经网络中进行特征识别，获得所定位元素的信息标签，将其设为参照标签，其中，所定位元素之间的定位区域不重合；
[0017]S0202、将社区公共区域范围内实时获取的监控影像数据以1秒为时间间隔单位进行提取监控影像数据中的图像帧，然后将图像帧导入到定位神经网络中进行元素定位，再将定位获得的元素导入到检测神经网络中进行特征识别，获得所定位元素的信息标签，将其设为实时标签；
[0018]S0203、将实时标签与参照标签进行并集处理后，再排除减去实时标签与参照标签的交集部分，获得差异标签，将差异标签与其在图像帧中对应的元素进行提取关联后，获得影像特征数据。
[0019]作为一种较优的选择实施方式，优选的，S03包括：将监控影像数据中同一影像监控区域在不同时间节点的影像特征数据进行汇集，然后将实时标签相同且元素相似度大于90％以上影像特征数据进行择一保存，其余删除，生成影像特征数据集。
[0020]作为一种较优的选择实施方式，优选的，S04包括：
[0021]S0411、按10～20s每次的时间频率获取影像特征数据集，然后对同一影像特征数据集中的特征数据进行分类为人物、动物、车辆和其他；
[0022]S0412、对分类为人物的特征数据进行进一步对其手部区域所携带的物品进行识别，在识别结果为非空时，将所识别的物品与同一影像特征数据集中分类为其他的影像特征数据进行二次匹配，当匹配概率大于80％以上时，输出物品遗弃作为判断结果，并将该判断结果对应的影像特征数据一并输出；
[0023]对分类为动物的特征数据进行进一步对其颈部区域进行物品识别，在识别为空时，输出未约束动物作为判断结果，并将该判断结果对应的影像特征数据一并输出；
[0024]对分类为车辆的特征数据进行进一步对其进行车牌识别，当车牌识别为空时，输出异常交通工具作为判断结果，并将该判断结果对应的影像特征数据一并输出。
[0025]作为一种较优的选择实施方式，优选的，S04还包括：S0421、将音频特征数据集中的音频特征数据导入加载有经训练的时延神经网络
‑
隐马尔可夫模型对音频特征数据进行
识别处理，并输出音频识别结果，将其设为判断结果，所述音频识别结果包括异常生活噪音、异常动物噪音中的至少一项；
[0026]其中，时延神经网络
‑
隐马尔可夫模型训练过程包括：
[0027]获得训练音频的每个信息帧，以及每个信息帧的梅尔倒谱特征、声调特征和当前说话人特征；
[0028]以一当前信息帧的梅尔倒谱特征、声调特征和当前说话人特征，以及所述当前信息帧之前的连续多个历史信息帧和所述当前信息帧之后的连续多个未来信息帧为输入，对所述语音识别模型进行训练，直至所述语音识别模型收敛。
[0029]作为一种较优的选择实施方式，优选的，S06中，所述评价元素包括废弃物异常处置、动物异常行动、车辆异常行驶、异常生活噪音、异常动物噪音中的一项以上；
[0030]当识别分类结果与管理评价模型的评价元素对应时，所述评价元素的权重值遵循如下公式调整：
[0031]X＝X1+Y1(一)
[0032]其中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网的社区管理方法，其特征在于，其包括：S01、构建社区服务数据库，该社区服务数据库内存储有社区监控数据和倡议宣传数据；S02、实时获取社区公共区域范围内的监控影像数据，然后按预设条件对监控影像数据进行特征识别，生成影像特征数据；S03、将监控影像数据中同一影像监控区域在不同时间节点的影像特征数据进行汇集，生成影像特征数据集；S04、按预设时间频率获取影像特征数据集，再按预设条件对影像特征数据集中的特征数据进行判断，生成判断结果；S05、获取判断结果且对其进行识别，在判断结果不符合预设条件时，将该判断结果对应的数据设为异常数据且进行信息标记并生成预警信息输出，同时，按照预设条件选择倡议宣传数据并下发至社区，由社区的公共媒体播放设备进行播放。2.如权利要求1所述的基于物联网的社区管理方法，其特征在于，S02还包括实时监测社区公共区域范围内的声音分贝值，对50或70分贝以上的声音进行记录保存，同时标记其发生的起始时间节点后，生成音频特征数据，然后将同一音频监测区域在不同时间节点的音频特征数据进行汇集，生成音频特征数据集；S04还包括获取音频特征数据集，按预设条件对音频特征数据集中的音频特征数据进行判断，生成判断结果；其中，S05中所获取的判断结果包括音频特征数据的判断结果和影像特征数据的判断结果。3.如权利要求2所述的基于物联网的社区管理方法，其特征在于，所述社区管理方法还包括：S06、构建管理评价模型，将其与社区进行一对一关联，然后设定评价元素及其权重值，再获取相应社区的异常数据和该异常数据的信息标记，将该信息标记或异常数据进行识别分类，然后将识别分类结果与管理评价模型的评价元素进行对应后，对评价元素的权重值进行调整，在评价元素的权重值高于预设阈值时，按预设条件输出预警指令。4.如权利要求3所述的基于物联网的社区管理方法，其特征在于，S02中，按预设条件对监控影像数据进行特征识别，生成影像特征数据的具体方法为：S0201、按预设时间间隔获取监控影像对应监控范围内的影像，然后将其导入到定位神经网络中进行元素定位，再将定位获得的元素导入到检测神经网络中进行特征识别，获得所定位元素的信息标签，将其设为参照标签，其中，所定位元素之间的定位区域不重合；S0202、将社区公共区域范围内实时获取的监控影像数据以1秒为时间间隔单位进行提取监控影像数据中的图像帧，然后将图像帧导入到定位神经网络中进行元素定位，再将定位获得的元素导入到检测神经网络中进行特征识别，获得所定位元素的信息标签，将其设为实时标签；S0203、将实时标签与参照标签进行并集处理后，再排除减去实时标签与参照标签的交集部分，获得差异标签，将差异标签与其在图像帧中对应的元素进行提取关联后，获得影像特征数据。5.如权利要求4所述的基于物联网的社区管理方法，其特征在于，S03包括：将监控影像
数据中同一影像监控区域在不同时间节点的影像特征数据进行汇集，然后将实时标签相同且元素相似度大于90％以上影像特征数据进行择一保存，其余删除，生成影像特征数据集。6.如权利要求5所述的基于物联网的社区管理方法，其特征在于，S04包括：S0411、按10～20s每次的时间频率获取影像特征数据集，然后对同一影像特征数据集中的特征数据进行分类为人物、动物、车辆和其他；S0412、对分类为人物的特征数据进行进一步对其手部区域所携带的物品进行识别，在识别结果为非空时，将所识别的物品与同一影像特征数据集中分类为其他的影像特征数据进行二次匹配，当匹配概率大于80％以上时，输出物品遗弃作为判断结果，并将该判断结果对应的影像特征数据一并输出；对分类为动物的特征数据进行进一步对其颈部区域进行物品识别，在识别为空时，输出未约束动物作为判断结果，并将该判断结果对应的影像特征数据一并输出；对分类为车辆的特征数据进行进一步对其进行车牌识别，当车牌识别为空时，输出异常交通工具作为判断结...

【专利技术属性】
技术研发人员：林晓艳，蔡彬清，燕学博，
申请(专利权)人：福建工程学院，
类型：发明
国别省市：