【技术实现步骤摘要】
本专利技术涉及大数据管理系统，具体为一种街区智慧安防大数据管理系统。
技术介绍
1、大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯，在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法(抽样调查)这样捷径，而采用所有数据进行分析处理。大数据的5v特点(ibm提出)：volume(大量)、velocity(高速)、variety(多样)、value(低价值密度)、veracity(真实性)。
2、对于“大数据”(big data)研究机构gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。
3、
4、
5、现有技术的街区智慧安防常采用保安站岗等方式进行人工服务不便于实现询问工作，而且在人流量较大时，像垃圾桶、卫生间等处理的具体位置也不便于查找，并且在出现物品丢失时，还需要去申请调取监控录像，严重影响街区安防管理的高效性，针对这个问题，提供了一种街区智慧安防大数据管理系统。
技术实现思路
1、本专利技术的目的
2、步骤一，数据收集，通过大数据分析，可以发现新的安防隐患，提高街道安全指数，优化街道治安环境；
3、步骤二，视频监控分析，通过视频分析技术对数据收集得到的图像信心进行处理和分析；
4、步骤三，预测性维护，通过分析安防数据来预测安防事故发生的事件以及原因，从而可提前进行维护；
5、步骤四，安全风险评估，通过评估系统中存在的安全风险，可以有效的预放和应对安全威胁；
6、步骤五，人员行为分析，通过对人员的行为进行分析，可以及时发现异常行为，预放和减少安防事故的发生；
7、步骤六，资源优化配置，通过大数据分析，可以对安防资源进行优化配置，提高安防效率，减少资源的浪费；
8、步骤七，数据可视化，选择合适的数据可视化类型更好的展示数据，提高数据的可读性和易理解性；
9、步骤八，安全事件响应，在街道发生安防事故之后，采取一系列的措施以减少安防事故的影响。
10、优选的，所述数据收集的内容包括移动通讯、交通信息采集、互联网媒体资讯、城市治安监控、生物信息采集以及空间遥感卫星。
11、优选的，所述图像分析的内容包括：
12、颜色特征，提取图像的颜色信息；
13、纹理特征，提取图像的纹理信息；
14、形状特征，提取图像的形状信息；
15、运动特征，提取图像的运动信息。
16、优选的，所述图像信息处理包括：
17、步骤一，视频图像处理，通过图像处理技术提高视频图像的质量，为后续的分析提供更加清晰和准确的图像；
18、步骤二，运动目标检测，通过运动目标检测技术实现对视频中的目标进行自动识别和提取；
19、步骤三，目标识别与跟踪，通过目标的外观、形状以及运动等特征对目标进行准确的识别与跟踪，实现对目行为的分析和异常检测；
20、步骤四，行为分析与行为识别，通过行为分析与行为识别技术可以实现对目标的运动轨迹、行为习惯和异常行为的识别和分析。
21、优选的，所述运动目标检测的方法包括背景建模法、光流法以及形态学运算法等。
22、优选的，所述背景建模法包括：
23、步骤一，利用侦查法基于前帧与前一帧之间的差异来提取前景物体；
24、步骤二，利用混合高斯模型对背景进行建模，处理光照和物体位移的问题；
25、步骤三，利用基于限速选择的背景模型通过对每个像素位置进行分析，通过计算橡塑灰度值频率来确定前景和背景；
26、步骤四，利用基于背景改变的自适应背景匹配来分析前景物体的运动区域来更新背景模型；
27、步骤五，利用基于像素邻域的背景模型建模来对每个像素位置的邻域像素进行分析来判断当前像素是前景还是背景；
28、步骤六，利用基于纹理特征的背景建模通过对每个像素位置的纹理特征进行分析前景以及背景。
29、优选的，所述帧差法包括以下步骤：
30、步骤一，信号的定义，有三组信号，分别是vdma0和vdma1的输入，以及输出到vdma2这样的三组信号。
31、步骤二，信号缓存了，对vdma0来的数据到user来临时就开始存；然后当vdma1的user来临时就开始从fo中读数据，vdma1的数据延迟2clk来同比。
32、步骤三，定义按键检测和滤波信号，控制输出的阈值大小和图像类型；
33、步骤四，对读出的两组信号将rgb图像转换成灰度图像，之后在把两张灰度图像进行帧差，最后注意ffo读用了两个ck、转灰度用了3ck、帧差用了1ck，握手信号要延迟6ck，经过这些操作后，flag信号就是代表帧差的结果，提取出所有flag在图像上的范围和边边界。
34、优选的，所述混合高斯模型的建立包括：
35、步骤一，初始化均值、协方差以及权重参数，每个类的分数是指特定数据点属于每个类的可能性，这对所有的类簇都是相同的，假设用三个分量拟合gmm，每个组件的权重参数可能设置为三分之一，导致概率分布均为三分之一；
36、步骤二，期望步骤，对每个数据点使用等式计算数据点计算分布个数，其结果是数值的集合，集合中每个值代表每个数据点和每个高斯分布的责任大小，责任用于更新模型参数估计；
37、步骤三，最大化，使用高斯分布的责任来跟新模型参数的估计值，并重复此步骤直到算法收敛，模型参数从一次迭代到下一次迭代没有显著变化。
38、优选的，所述权重是指机器学习模型史每个输入特征所对应的变量，这些变量用于调整模型的预测结果，每个变量都有一个县体的数值代表着该特征在模型预测结n史的熏要性，机器学习中的权重通常是由模型自动调整的，即模型会根据训练数据中的每个输入特征和相应的输出结果来计算权重值，权重的大小和变化程度取决于这些数据。
39、优选的，所述协方差表示的是两个变量的总体的误差，表示一个变量误差的方差不同，两个变量的变化趋势一致，其中一个大于自身的期望值，另外一个也大于自身的期望值，两个变量之间的协方差是正值，两个变量的变化趋势相反，其中一个大于自身的期望值，另外一个却小于自身的期望值本文档来自技高网...
【技术保护点】
1.一种街区智慧安防大数据管理系统，其特征在于，街区智慧安防大数据管理方法包括：
2.根据权利要求1所述的一种街区智慧安防大数据管理系统，其特征在于：所述数据收集的内容包括移动通讯、交通信息采集、互联网媒体资讯、城市治安监控、生物信息采集以及空间遥感卫星。
3.根据权利要求1所述的一种街区智慧安防大数据管理系统，其特征在于：所述图像分析的内容包括：
4.根据权利要求1所述的一种街区智慧安防大数据管理系统，其特征在于：所述图像信息处理包括：
5.根据权利要求4所述的一种街区智慧安防大数据管理系统，其特征在于：所述运动目标检测的方法包括背景建模法、光流法以及形态学运算法等。
6.根据权利要求5所述的一种街区智慧安防大数据管理系统，其特征在于：所述背景建模法包括：
7.根据权利要求6所述的一种街区智慧安防大数据管理系统，其特征在于：所述帧差法包括以下步骤：
8.根据权利要求1所述的一种街区智慧安防大数据管理系统，其特征在于：所述混合高斯模型的建立包括：
9.根据权利要求8所述的一种街区智慧安
10.根据权利要求8所述的一种街区智慧安防大数据管理系统，其特征在于：所述协方差表示的是两个变量的总体的误差，表示一个变量误差的方差不同，两个变量的变化趋势一致，其中一个大于自身的期望值，另外一个也大于自身的期望值，两个变量之间的协方差是正值，两个变量的变化趋势相反，其中一个大于自身的期望值，另外一个却小于自身的期望值，两个变量之间的协方差就是负值。
...【技术特征摘要】
1.一种街区智慧安防大数据管理系统，其特征在于，街区智慧安防大数据管理方法包括：
2.根据权利要求1所述的一种街区智慧安防大数据管理系统，其特征在于：所述数据收集的内容包括移动通讯、交通信息采集、互联网媒体资讯、城市治安监控、生物信息采集以及空间遥感卫星。
3.根据权利要求1所述的一种街区智慧安防大数据管理系统，其特征在于：所述图像分析的内容包括：
4.根据权利要求1所述的一种街区智慧安防大数据管理系统，其特征在于：所述图像信息处理包括：
5.根据权利要求4所述的一种街区智慧安防大数据管理系统，其特征在于：所述运动目标检测的方法包括背景建模法、光流法以及形态学运算法等。
6.根据权利要求5所述的一种街区智慧安防大数据管理系统，其特征在于：所述背景建模法包括：
7.根据权利要求6所述的一种街区智慧安防大数据管理系统，其特征在于：所述帧差法包括以下步骤：
...【专利技术属性】
技术研发人员：陈岸青，李金湖，刘庆胜，谢驰，包志艳，吴燊星，许梓明，马汉斌，王斌，
申请(专利权)人：国网信通亿力科技有限责任公司，
类型：发明
国别省市：
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。