一种校园异常行为的分析系统及方法技术方案

本发明专利技术公开了一种校园异常行为的分析系统及方法，属于计算机视觉技术领域，包括监控采集设备、边缘计算设备、中心存储系统和中心服务器，中心服务器运行异常检测智能算法，利用异常检测智能算法对校园异常行为数据进行分析，得到具体的异常类型，将异常行为预警上报。为了解决全数据检测所带来的巨大成本开销及计算代价，缺乏定制化的策略配置以适应各种复杂情况的技术问题，本发明专利技术的校园异常行为的分析系统及方法，通过边缘计算设备预处理，过滤掉绝大部分无效数据，减少带宽占用及中心服务器计算开销，降低部署和运维成本，智能策略的配置生成，使得中心服务器可针对各种场景制定灵活且有针对性的策略，提升异常分析的泛化性和准确性。性和准确性。性和准确性。

【技术实现步骤摘要】
一种校园异常行为的分析系统及方法


[0001]本专利技术涉及计算机视觉
，特别涉及一种校园异常行为的分析系统及方法。

技术介绍

[0002]随着人工智能技术的发展，各行业内不同场景下的异常行为的智能识别成为可能，但现今仍缺乏面向一些特殊场景的异常行为智能管控系统，公开号为CN113065500A的中国专利公开了面向一类特殊动作的异常行为管控系统，该系统由软件系统和硬件设备组成。其中硬件设备包括音视频收集设备、服务器、客户机；软件系统由综合态势与风险评估、异常行为检测、应急预案管理三个模块组成。本专利技术能够完成异常行为监测识别、展示综合态势、评估风险并发出警报，能迅速应对各类紧急情况，维护社会稳定，该专利笼统介绍异常检测的软件和硬件系统流程；
[0003]公开号为CN109657626A的中国专利公开了一种通过程序识别人体行为的分析方法，包括中央处理器、摄像模块、传感模块、信息传输模块、接收模块、信息处理模块、信息库、简易行为分析、行为对比模块、行为信息反馈模块、终端设备和警报模块，所述摄像模块的输出端与传感模块的输入端电性连接。本专利技术专利技术通过该种方法具有速度快、性能稳定、可扩展性强等诸多特性，可对政务人员的诸多不良行为，如擅自离岗、睡觉、闲聊、玩手机等进行实时检测与定位，及时给上级管理部门提供有效的数据，从而规范窗口服务，减少懒政、乱政，不断提高公共部门的服务质量，同时还能够实时监控司机行为，减少交通事故，该专利结合人体行为分析给出了异常人体异常行为的检测方法；
[0004]公开号为CN202111453407.6的中国专利公开了一种基于边缘计算的安全监控方法及系统，方法包括如下步骤：步骤S10、边缘计算盒子从监控服务器获取加密的授权图像集并进行解密；步骤S20、边缘计算盒子从FTP服务器获取实时采集并加密的最新人脸图像集，并对所述最新人脸图像集进行解密；步骤S30、边缘计算盒子基于人脸算法，利用所述授权图像集对最新人脸图像集进行校验，并生成校验结果；步骤S40、边缘计算盒子将所述校验结果加密后上传监控服务器，进行安全告警；本专利技术的优点在于：极大的提升了监控的安全性，该专利是用作边缘设备解密和授权管理的。上述专利存在以下缺陷：
[0005]全数据检测所带来的巨大成本开销及计算代价，缺乏定制化的策略配置以适应各种复杂情况。

技术实现思路

[0006]本专利技术的目的在于提供一种校园异常行为的分析系统及方法，通过边缘计算设备预处理，过滤掉绝大部分无效数据，减少带宽占用及中心服务器计算开销，降低部署和运维成本，智能策略的配置生成，使得中心服务器可针对各种场景制定灵活且有针对性的策略，提升异常分析的泛化性和准确性，以解决上述
技术介绍
中提出的问题。
[0007]为实现上述目的，本专利技术提供如下技术方案：
[0008]一种校园异常行为的分析系统，包括监控采集设备、边缘计算设备、中心存储系统和中心服务器，其中
[0009]监控采集设备用于实时采集校园中的音视频数据，监控采集设备为多个，多个监控采集设备分布在与监控采集设备对应的校园中的各个区域内，通过分布在校园中的各个监控采集设备采集校园中各自区域的音视频数据，且将实时采集的音视频数据传输给边缘计算设备进行预处理；
[0010]边缘计算设备用于对采集的音视频数据进行预处理，边缘计算设备运行异常预检测算法，利用异常预检测算法对采集的音视频数据进行预筛选，过滤掉绝大部分的无效数据，保留下来校园异常行为的有效数据，且将校园异常行为的有效数据传输给中心存储系统；
[0011]中心存储系统用于对接收的校园异常行为的有效数据进行压缩整合存储，且将存储的校园异常行为的有效数据传输给中心服务器进行详细分析；
[0012]中心服务器用于对预检测筛选后的校园异常行为的有效数据进行详细地分析，中心服务器运行异常检测智能算法，利用异常检测智能算法对校园异常行为的有效数据进行详细地分析，得到具体的异常类型，且将异常行为预警上报。
[0013]进一步地，所述边缘计算设备为监控采集设备本身或为部署连接在监控采集设备内的微型嵌入式计算芯片。
[0014]进一步地，所述边缘计算设备运行异常预检测算法，执行以下操作：
[0015]结合校园场景、时间、地点及目的信息，使用视频帧数据差异性计算方法得出异常分布行为；
[0016]异常帧分析需基于一段连续视频帧进行，连续视频帧的长度使用滑动窗口S进行表示，根据一段连续视频帧进行视频差异性计算，计算出一段连续视频中存在的异常帧，其中视频帧差异性计算方法包括但不限于差分、感知哈希、特征点、encoder
‑
decoder；
[0017]对异常帧进行视频差异性分析，根据各滑动窗口中的视频差异度，确定出异常行为走势图，根据异常行为走势图进行分析，基于阈值或梯度的数学特征，发现异常走势，基于异常走势进行预警。
[0018]进一步地，所述中心服务器运行异常检测智能算法，执行以下操作：
[0019]中心服务器接收到各个监控采集设备发送的音视频数据，这些音视频数据已经经过边缘计算设备预筛选，其存在为异常事件的可能性；
[0020]中心服务器根据音视频数据的来源地点、事件、设备ID信息，利用智能策略生成器智能生成分析策略；
[0021]根据生成的分析策略，调用具体的智能分析方法，判断是否存在异常；
[0022]根据生成的异常分析结果上报预警。
[0023]根据本专利技术的另一个方面，提供了一种校园异常行为的分析系统的分析方法，包括如下步骤：
[0024]S10：通过分布在校园中的各个监控采集设备采集校园中各自区域的音视频数据，且将实时采集的音视频数据传输给边缘计算设备进行预处理；
[0025]S20：边缘计算设备运行异常预检测算法，利用异常预检测算法对采集的音视频数据进行预筛选，过滤掉绝大部分的无效数据，保留下来校园异常行为的有效数据，且将校园
异常行为的有效数据传输给中心存储系统；
[0026]S30：中心存储系统对接收的校园异常行为的有效数据进行压缩整合，将压缩整合后的校园异常行为的有效数据进行分类存储，其按照校园场景、时间、地点及目的进行存放，且将存储的校园异常行为的有效数据传输给中心服务器进行详细分析；
[0027]S40：中心服务器运行异常检测智能算法，利用异常检测智能算法对校园异常行为的有效数据进行详细地分析，得到具体的异常类型，且将异常行为预警上报。
[0028]进一步地，对异常帧进行视频差异性分析时，执行以下操作：
[0029]获取一段连续视频内的各个视频帧，利用视频对比单元对前后两个视频帧进行反复比对，其中比对内容为对前后两个视频帧进行音频和图像之间的关联对比；
[0030]针对前后两个视频帧比对一致的情形，则表明各滑动窗口中的视频无差异，获取的连续视频中不存在校园异常行为；
[0031]针对前后两个视频帧比对不一致的情形，则表明各滑动窗口中的视频有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种校园异常行为的分析系统，其特征在于，包括监控采集设备、边缘计算设备、中心存储系统和中心服务器，其中监控采集设备用于实时采集校园中的音视频数据，监控采集设备为多个，多个监控采集设备分布在与监控采集设备对应的校园中的各个区域内，通过分布在校园中的各个监控采集设备采集校园中各自区域的音视频数据，且将实时采集的音视频数据传输给边缘计算设备进行预处理；边缘计算设备用于对采集的音视频数据进行预处理，边缘计算设备运行异常预检测算法，利用异常预检测算法对采集的音视频数据进行预筛选，过滤掉绝大部分的无效数据，保留下来校园异常行为的有效数据，且将校园异常行为的有效数据传输给中心存储系统；中心存储系统用于对接收的校园异常行为的有效数据进行压缩整合存储，且将存储的校园异常行为的有效数据传输给中心服务器进行详细分析；中心服务器用于对预检测筛选后的校园异常行为的有效数据进行详细地分析，中心服务器运行异常检测智能算法，利用异常检测智能算法对校园异常行为的有效数据进行详细地分析，得到具体的异常类型，且将异常行为预警上报。2.如权利要求1所述的一种校园异常行为的分析系统，其特征在于，所述边缘计算设备为监控采集设备本身或为部署连接在监控采集设备内的微型嵌入式计算芯片。3.如权利要求1所述的一种校园异常行为的分析系统，其特征在于，所述边缘计算设备运行异常预检测算法，执行以下操作：结合校园场景、时间、地点及目的信息，使用视频帧数据差异性计算方法得出异常分布行为；异常帧分析需基于一段连续视频帧进行，连续视频帧的长度使用滑动窗口S进行表示，根据一段连续视频帧进行视频差异性计算，计算出一段连续视频中存在的异常帧，其中视频帧差异性计算方法包括但不限于差分、感知哈希、特征点、encoder
‑
decoder；对异常帧进行视频差异性分析，根据各滑动窗口中的视频差异度，确定出异常行为走势图，根据异常行为走势图进行分析，基于阈值或梯度的数学特征，发现异常走势，基于异常走势进行预警。4.如权利要求1所述的一种校园异常行为的分析系统，其特征在于，所述中心服务器运行异常检测智能算法，执行以下操作：中心服务器接收到各个监控采集设备发送的音视频数据，这些音视频数据已经经过边缘计算设备预筛选，其存在为异常事件的可能性；中心服务器根据音视频数据的来源地点、事件、设备ID信息，利用智能策略生成器智能生成分析策略；根据生成的分析策略，调用具体的智能分析方法，判断是否存在异常；根据生成的异常分析结果上报预警。5.一种如权利要求1...

【专利技术属性】
技术研发人员：张晓华，
申请(专利权)人：江苏经贸职业技术学院，
类型：发明
国别省市：