当前位置: 首页 > 专利查询>孙力专利>正文

基于大数据的智慧楼宇安全监测方法技术

技术编号:36962263 阅读:24 留言:0更新日期:2023-03-22 19:22
本发明专利技术涉及一种基于大数据的智慧楼宇安全监测方法,包括:对目标楼宇中的各个内部场所做均匀化的网格处理以得到目标楼宇的若干网格分区,将目标楼宇的历史人流量数据引入目标楼宇的各个网格分区中得到对应历史时刻下各个网格分区的人员密度特征向量;基于所述人员密度特征向量对每个网格分区进行融合处理以形成目标楼宇的若干场所分区;对每个处于密集人流分区的行人的运动姿态进行连续监测以识别密集人流分区中的特殊人员;在特殊人员相邻区域内的人员间距大于预设阈值时,生成人群疏导指令发送给向导机器人。疏导指令发送给向导机器人。疏导指令发送给向导机器人。

【技术实现步骤摘要】
基于大数据的智慧楼宇安全监测方法


[0001]本专利技术涉及大数据和智慧楼宇领域,尤其涉及一种基于大数据的智慧楼宇安全监测方法。

技术介绍

[0002]大数据是信息化发展的新阶段。随着信息技术和人类生产生活交汇融合,互联网快速普及,全球数据呈现爆发增长、海量集聚的特点,对经济发展、社会治理、国家管理、人民生活都产生了重大影响。大数据系统是一个复杂的、提供数据生命周期(从数据的产生到消亡)的不同阶段数据处理功能的系统,其包括数据生成、数据获取、数据存储和数据分析四个连续的阶段。
[0003]近年来,作为现代服务业集聚化发展的主要载体,“楼宇经济”已成为发达城市中心区域经济发展的支柱产业,其产业聚能和辐射效应日益凸显。“楼宇经济”的出现,突破了城市中心城区土地资源匮乏的空间限制,成为城市经济科学持续发展的新增长点,但伴随着楼宇经济的迅速发展,安全管理却是相对的滞后,商务楼宇安全管理问题日益凸显。
[0004]由于楼宇中的人数众多,并且通常具有较多的公司组织。在日常的消防安全管理之外,往往会因为某些事件的出现导致局部区域的人流密度过大,形成潜在的安全风险。例如,在发生打架、人员跌倒和人员间的口角事件时,通常会造成人员聚集。因此,需要针对这种潜在的安全风险进行识别并响应。

技术实现思路

[0005]鉴于此,本专利技术提供了一种基于大数据的智慧楼宇安全监测方法,包括:
[0006]基于获取到的目标楼宇的内部环境监测图像的全局灰度特征对目标楼宇中的各个内部场所做均匀化的网格处理以得到目标楼宇的若干网格分区,将目标楼宇的历史人流量数据引入目标楼宇的各个网格分区中以得到对应历史时刻下各个网格分区的人员密度特征向量,其中,所述内部环境监测图像表征目标楼宇的内部办公场所处于空闲时期的环境状态;
[0007]基于所述人员密度特征向量对每个网格分区进行融合处理以形成目标楼宇的若干场所分区,并对每个场所分区进行编号;
[0008]基于实时获取到的人流监测图像对每个场所分区的人流密度进行分析以得到目标楼宇的若干密集人流分区,对每个处于密集人流分区的行人的运动姿态进行连续监测以识别密集人流分区中的特殊人员,其中,所述人流监测图像表征目标楼宇的内部办公场所处于非空闲时期的环境状态;
[0009]对特殊人员相邻区域内的人员间距进行分析,在所述人员间距大于预设阈值时,基于所述人员间距、密集人流分区的区域编号和特殊人员的位置信息生成相应的人群疏导指令,并将其发送给目标楼宇内部的向导机器人。
[0010]根据一个优选实施方式,所述特殊人员为行动不便的特殊群体,其包括病人、受伤
的人和意外跌倒的人。
[0011]根据一个优选实施方式,基于所述人员密度特征向量对每个网格分区进行融合处理以形成目标楼宇的若干场所分区包括:
[0012]获取每个网格分区在不同历史时刻下的人员密度特征向量,并根据每个网格分区在不同历史时刻下的人员密度特征向量确定各个网格分区的第一人员分布特征和第二人员分布特征,其中,所述第一人员分部特征用于表征对应网格分区在不同时空下人员分布的密度均值,所述第二人员分部特征用于表征对应网格分区在不同时空下人员分布的密度标准差;
[0013]将每个网格分区在不同时空下的第一人员分布特征和第二人员分布特征按序排列组成相应的人员密度特征矩阵,根据所述人员密度特征矩阵对各个网格分区的人流量的移动特征进行分析以得到对应网格分区的网格活跃度;
[0014]对网格活跃度低于预设的第一活跃度阈值的邻近网格分区进行融合以增大对应网格分区的区域面积,对网格活跃度高于预设的第二活跃度阈值的邻近网格分区进行再划分以减小对应网格分区的区域面积,将所有融合后的网格分区以及再划分后的网格分区作为目标楼宇的若干场所分区。
[0015]根据一个优选实施方式,基于实时获取到的人流监测图像对每个场所分区的人流密度进行分析以得到目标楼宇的若干密集人流分区包括:
[0016]基于实时获取到的人流监测图像的横向梯度信息和纵向梯度信息识别每个场所分区中的人体连通区域和人体非连通区域,根据人体非连通区域中各个边缘特征点的位置信息判断对应边缘特征点是否为区域端点;
[0017]对不为区域端点的边缘特征点,将所述边缘特征点与其邻域范围内所有不为区域端点的相邻边缘特征点进行连接得到所述边缘特征点的若干邻接线段,并提取每个邻接线段的线段特征将其与相邻邻接线段的线段特征进行比较,其中,所述线段特征用于表征对应邻接线段的斜率特征;
[0018]若存在任一邻接线段的线段特征与其相邻邻接线段的线段特征不同,将所述边缘特征点作为第一观测关键点,将为区域端点的边缘特征点作为第二观测关键点,并根据每个第一观测关键点对应的深度值和每个第二观测关键点对应的深度值为所述非连通区域建立相应的人体观测模型;
[0019]对人体连通区域内的行人进行计数以得到所述人体连通区域在连续图像帧中稳定存在的人员数量,基于所述人员数量以及所述人体观测模型在连续图像帧中反映的物体运动规律分析得到对应场所分区的人流密度,根据所述人流密度确定对应场所分区是否为目标楼宇的密集人流分区。
[0020]根据一个优选实施方式,根据每个第一观测关键点对应的深度值和每个第二观测关键点对应的深度值为所述非连通区域建立相应的人体观测模型包括:
[0021]根据对应第一观测关键点的深度值获取对应邻域范围内与所述第一观测关键点的深度差值最大的第一图像特征点,根据对应第二观测关键点的深度值获取对应邻域范围内与所述第二观测关键点的深度差值最大的第二图像特征点;
[0022]将所述第一观测关键点与对应的第一图像特征点进行连接得到第一连接线,将所述第二观测关键点与对应第二图像特征点进行连接得到第二连接线,基于所有第一连接线
和所有第二连接线构成的空间形状为所述非连通区域建立相应的人体观测模型。
[0023]根据一个优选实施方式,所述对每个处于密集人流分区的行人的运动姿态进行连续监测以识别密集人流分区中的特殊人员包括:
[0024]基于获取到的人流监测图像提取对应场所分区中各个行人的肢体关键点,并对各个肢体关键点进行上下文检测以为每个行人构建相应的肢体关系树,并根据肢体关系树中各个肢体关键点之间的相对位置识别在相应人流监测图像中对应行人各肢体关节呈现的姿态角;
[0025]基于对应行人各肢体关节在不同视角下的人流监测图像中呈现的姿态角为不同视角下的人流监测图像建立相应的线性变换模型,并根据所述线性变换模型分析得到对应行人各肢体关节在不同视角下的投影关系;
[0026]基于所述投影关系将相应行人的各肢体关节在不同视角下的运动特征规范化至相同视角的特征空间中以得到对应行人各肢体关节的不变姿态特征,拼接融合对应行人各肢体关节的不变姿态特征以得到对应行人的人体姿态特征,将连续监测以获取到的每个行人的人体姿态序列与特殊人员的先验运动知识进行匹配以识别密集人流分区中的特殊人员,其中,所述人体姿态序列包括若干按序排列的本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的智慧楼宇安全监测方法,其特征在于,所述方法包括:基于获取到的目标楼宇的内部环境监测图像的全局灰度特征对目标楼宇中的各个内部场所做均匀化的网格处理以得到目标楼宇的若干网格分区,将目标楼宇的历史人流量数据引入目标楼宇的各个网格分区中以得到对应历史时刻下各个网格分区的人员密度特征向量,其中,所述内部环境监测图像表征目标楼宇的内部办公场所处于空闲时期的环境状态;基于所述人员密度特征向量对每个网格分区进行融合处理以形成目标楼宇的若干场所分区,并对每个场所分区进行编号;基于实时获取到的人流监测图像对每个场所分区的人流密度进行分析以得到目标楼宇的若干密集人流分区,对每个处于密集人流分区的行人的运动姿态进行连续监测以识别密集人流分区中的特殊人员,其中,所述人流监测图像表征目标楼宇的内部办公场所处于非空闲时期的环境状态;对特殊人员相邻区域内的人员间距进行分析,在所述人员间距大于预设阈值时,基于所述人员间距、密集人流分区的区域编号和特殊人员的位置信息生成相应的人群疏导指令,并将其发送给目标楼宇内部的向导机器人。2.根据权利要求1所述的方法,其特征在于,所述特殊人员为行动不便的特殊群体,其包括打架受伤以及意外跌倒的人。3.根据权利要求2所述的方法,其特征在于,基于所述人员密度特征向量对每个网格分区进行融合处理以形成目标楼宇的若干场所分区包括:获取每个网格分区在不同历史时刻下的的人员密度特征向量,并根据每个网格分区在不同历史时刻下的人员密度特征向量确定各个网格分区的第一人员分布特征和第二人员分布特征,其中,所述第一人员分部特征用于表征对应网格分区在不同时空下人员分布的密度均值,所述第二人员分部特征用于表征对应网格分区在不同时空下人员分布的密度标准差;将每个网格分区在不同时空下的第一人员分布特征和第二人员分布特征按序排列组成相应的人员密度特征矩阵,根据所述人员密度特征矩阵对各个网格分区的人流量的移动特征进行分析以得到对应网格分区的网格活跃度;对网格活跃度低于预设的第一活跃度阈值的邻近网格分区进行融合以增大对应网格分区的区域面积,对网格活跃度高于预设的第二活跃度阈值的邻近网格分区进行再划分以减小对应网格分区的区域面积,将所有融合后的网格分区以及再划分后的网格分区作为目标楼宇的若干场所分区。4.根据权利要求3所述的方法,其特征在于,基于实时获取到的人流监测图像对每个场所分区的人流密度进行分析以得到目标楼宇的若干密集人流分区包括:基于实时获取到的人流监测图像的横向梯度信息和纵向梯度信息识别每个场所分区中的人体连通区域和人体非连通区域,根据人体非连通区域中各个边缘特征点的位置信息判断对应边缘特征点是否为区域端点;对不为区域端点的边缘特征点,将所述边缘特征点与其邻域范围内所有不为区域端点的相邻边缘特征点进行连接得到所述边缘特征点的若干邻接线段,并提取每个邻接线段的线段特征将其与相邻邻接线段的线段特征进行比较,其中,所述线段特征用于表征对应邻
接线段的斜率特征;若存在任一邻接线段的线段特征与其相邻邻接线段的线段特征不同,将所述边缘特征点作为第一观测关键点,将为区域端点的边缘特征点作为第二观测关键点,并根据每个第一观测关键点对应的深度值和每个第二观测关键点对应的深度值为所述非连通区域建立相应的人体观测模型;对人体连通区域内的行人进行计数以得到所述人体连通区域...

【专利技术属性】
技术研发人员:孙力杨木兰
申请(专利权)人:孙力
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1