一种智能安防监控方法及系统与流程

本发明涉及安防，具体为一种智能安防监控方法及系统。

背景技术：

1、随着社会的发展和科技的进步，人们对于安全防范的需求越来越高，智能安防监控系统的发展背景是随着人们对安全需求的提高和技术的不断进步而逐渐形成的，在传统的安防监控系统的基础上，智能安防监控系统采用了人工智能、大数据、云计算等先进技术，实现了更加智能化、高效化的监控和管理。

2、在申请公布号为cn116761049b的中国发明申请中，公开了一种家用智能安防监控方法及系统，所述方法包括以下步骤：利用预设的远程监控摄像机按照预设的时间间隔进行家庭环境拍摄，从而获取第一传输图像；对第一传输图像进行关键帧提取处理，获得第一关键帧集；基于所述的远程监控摄像机中的处理模块对第一关键帧集进行帧图像重合处理，生成环境模糊图像；对环境模糊图像进行图像切割处理，生成环境切割图像；对环境切割图像进行图像预处理，生成标准环境切割图像；对标准环境切割图像进行色深检测处理，生成环境色深图像。

3、在申请公布号为cn110012271a的中国发明申请中，公开了一种智能监控安防系统及其使用方法，包括监控图像采集模块、数据处理系统、联网大数据库和安保中心报警监控系统，所述监控图像采集模块的输出端与数据处理系统的输入端电性连接，且联网大数据库与数据处理系统实现双向无线连接。

4、结合以上发明，现有技术存在以下不足：

5、1、传统的分析方法通常直接对大量的多源数据进行处理和分析，由于数据量庞大，现有的技术需要强大的计算资源(如高性能计算机或服务器)来完成分析任务，这导致了计算资源的过度占用，增加了计算成本，并可能导致分析效率低下；

6、2、在安防监控或类似的场景中，如果声音和振动来源于安防区域之外，可能会被误判为异常情况，这可能导致不必要的警报或误报，影响系统的准确性和可靠性，有时环境中的正常声音和振动(如风、动物、交通等)可能会被误认为是异常信号，导致误判，这不仅降低了系统的可靠性，还可能引发不必要的应对措施。

技术实现思路

1、(一)解决的技术问题

2、针对现有技术的不足，本发明提供了一种智能安防监控方法及系统，实时监测空气流动情况，采集声音信号和振动信号数据，通过不同位置的风速和单点位置的风速变化，对风速数据离散程度进行分析，获得室内风速波动指数和单点风速波动指数，进一步关联形成空气流动异常系数，当空气流动异常系数大于或等于风速波动阈值时，通过vmd算法将单点位置的声音信号和振动信号分别分解成若干个imf分量，并进行重构，将重构后的声音信号和振动信号融合成新信号，并与正常特征库中的正常特征信号进行比对，计算融合后的新信号与所有正常特征信号的相关度系数，将所有相关度系数中的最大值作为声振异常系数，预先设置声振异常阈值，通过将声振异常阈值与声振异常系数进行比对，根据比对结果作出相应的措施，解决了背景技术中提到的技术问题。

3、(二)技术方案

4、为实现以上目的，本发明通过以下技术方案予以实现：一种智能安防监控方法，包括以下步骤：

5、实时监测空气流动情况，采集声音信号和振动信号数据；

6、通过不同位置的风速和单点位置的风速变化，对风速数据离散程度进行分析，获得室内风速波动指数和单点风速波动指数，进一步关联形成空气流动异常系数；

7、当空气流动异常系数大于或等于风速波动阈值时，通过vmd算法将单点位置的声音信号和振动信号分别分解成若干个imf分量，并进行重构；

8、将重构后的声音信号和振动信号融合成新信号，并与正常特征库中的正常特征信号进行比对，计算融合后的新信号与所有正常特征信号的相关度系数，将所有相关度系数中的最大值作为声振异常系数；

9、预先设置声振异常阈值，通过将声振异常阈值与声振异常系数进行比对，根据比对结果作出相应的措施。

10、进一步的，在安防区域的不同位置安装空气流动传感器，实时监测空气流动情况；在空气流动传感器周边布置传感器采集声音信号和振动信号以及图像数据，传感器包括声音传感器、振动传感器以及摄像头。

11、进一步的，将空气流动传感器所在位置标记为i，i＝1,2,…,n，n为正整数；

12、获取不同位置的空气流动实时数据，通过不同位置的风速，对室内风速数据的离散程度进行分析，评估室内空气流动的波动状况，获得室内风速波动指数，计算公式如下：

13、

14、其中，isf表示室内风速波动指数，vi表示不同位置的风速，表示不同位置的平均风速，n表示空气流动传感器的数量。

15、进一步的，获取单点位置不同时刻的空气流动变化数据，通过单点位置的风速变化，对单点位置的风速数据离散程度进行分析，评估单点位置空气流动的波动情况，获得单点风速波动指数，计算公式如下：

16、

17、其中，psfi表示位置i的风速波动指数，t表示不同时刻的数量，t表示不同时刻的标记，表示位置i在t时刻的风速，表示位置i的平均风速。

18、进一步的，获取室内风速波动指数和单点风速波动指数，进一步关联形成空气流动异常系数，计算公式如下：

19、

20、其中，afc表示空气流动异常系数，isf表示室内风速波动指数，psfi表示位置i的风速波动指数，n表示空气流动传感器的数量，k1、k2表示权重系数，0<k1<1，0<k2<1，且k1+k2＝1。

21、进一步的，预先设置风速波动阈值，当空气流动异常系数小于风速波动阈值时，不做任何处理，当空气流动异常系数大于或等于风速波动阈值时，获取单点风速波动指数最大值所在的单点位置，并标记为异常点；

22、获取异常点声音信号数据和振动信号数据，通过vmd算法将声音信号和振动信号数据分别分解成若干个imf分量；

23、计算每个imf分量和原信号之间的相关系数，并将相关系数低于预设相关阈值的imf分量剔除；

24、将剩余的imf分量进行重构，得到重构后的声音和振动信号。

25、进一步的，获取重构后的声音信号和振动信号，并将重构后的声音信号和振动信号进行归一化处理，使数据映射到[0,1]范围；

26、将重构后的声音信号和振动信号融合成新信号，新信号对应的计算公式如下：

27、v(t′)＝x(t′)+y(t′)

28、其中，v(t')表示融合后的新信号，x(t')表示重构后的声音信号，y(t')表示重构后的振动信号，t'表示时间点。

29、进一步的，将融合后的新信号与正常特征库中的正常特征信号进行比对，计算融合后的新信号与正常特征信号的相关度系数，将所有相关度系数中的最大值作为声振异常系数，相关度系数的计算公式如下：

30、

31、其中，γ表示相关度系数，t'表示时间点，m表示时间点的数量，表示融合后新信号v(t')的平均值，表示正常特征信号c(t')的平均值。

32、进一步的，预先设置声振异常阈值，通过将声振异常阈值与声振异常系数进行比对，根据比对结果作出相应的措施，具体为：

33、当声振异常系数大于或等于声振异常阈值时，不做任何处理；当声振异常系数小于声振异常阈值时，自动发出警报，并将采集的数据上传至存储端。

34、一种智能安防监控系统，包括数据收集模块、空气流动检测模块、声振信号处理模块、声振信号融合模块以及预警模块；其中，

35、数据收集模块，在安防区域的不同位置安装空气流动传感器，实时监测空气流动情况，在空气流动传感器周边布置传感器采集声音信号和振动信号数据；

36、空气流动检测模块，通过不同位置的风速和单点位置的风速变化，对风速数据离散程度进行分析，获得室内风速波动指数和单点风速波动指数，将室内风速波动指数和单点风速波动指数，进一步关联形成空气流动异常系数；

37、声振信号处理模块，当空气流动异常系数大于或等于风速波动阈值时，获取单点风速波动指数最大值所在的单点位置，通过vmd算法将该单点位置的声音信号和振动信号分别分解成若干个imf分量，计算每个imf分量和原信号之间的相关系数，并将相关系数低于预设相关阈值的imf分量剔除，将剩余的imf分量进行重构，得到重构后的声音和振动信号；

38、声振信号融合模块，将重构后的声音信号和振动信号进行归一化处理，并融合成新信号，将融合后的新信号与正常特征库中的正常特征信号进行比对，计算融合后的新信号与所有正常特征信号的相关度系数，将所有相关度系数中的最大值作为声振异常系数；

39、预警模块，预先设置声振异常阈值，通过将声振异常阈值与声振异常系数进行比对，根据比对结果作出相应的措施。

40、(三)有益效果

41、本发明提供了一种智能安防监控方法及系统，具备以下有益效果：

42、(1)通过综合考虑室内整体和特定位置的风速波动情况，更全面地评估空气流动异常状况，室内风速波动指数反映室内整体空气流动的波动状况，而单点风速波动指数则关注特定位置的风速波动情况，结合两者可以更准确地判断异常流动模式。

43、(2)通过计算每个imf分量和原信号的相关系数，将相关系数低于预设阈值的imf分量剔除后，减少了特征空间的维度，使得后续的模式识别或分类任务更加高效，经过vmd算法的处理和重构，信号中的噪声和无关成分得到了抑制，数据质量得到提高。

44、(3)将重构后的声音信号和振动信号融合成新信号，综合利用这两种信号的特点，提取出更全面、更准确的信息，提高了信号处理的效率和准确性，进一步增强信号的特征表达能力和识别性能。

45、(4)通过先判断空气是否存在异常流动，再对声音和振动信号进行分析，减少不必要的数据处理工作，有助于提高数据利用效率，降低分析成本，避免由于安防区域外部的因素导致异常预警，缩小了监控范围，提高了预警的准确性，减少了异常情况的误判。