校园安全防控预警系统及方法与流程

本发明属于校园，具体涉及校园安全防控预警系统及方法。

背景技术：

1、在当前校园管理体制下，摄像头被广泛用于监控学校各个区域。然而，监控人员需要实时监视多个摄像头的画面，以便及时发现潜在的安全问题。尽管这种监控方式在某种程度上提高了校园的安全性，但监控人员往往难以迅速察觉到异常行为，也无法及时赶到现场制止，因此监控效率相对较低。这种传统监控方式在处理校园不安全问题上存在一定的局限性。

技术实现思路

1、针对现有技术的不足，本发明提出校园安全防控预警系统及方法，解决监控死角的安全问题，解决校园安全管理的问题，校园安全事件的公共关系处理。

2、为实现上述目的，本发明提供了如下方案：

3、校园安全防控预警系统，包括：雷达检测模块、视频监控模块、烟雾检测模块、显示模块以及功能模块；

4、所述雷达检测模块，用于基于配备dbscan+minpts算法的毫米波雷达，进行校园室内人体检测，获得人员聚集情况；并基于异常的人员聚集情况，发出异常聚集警报信号；

5、所述视频监控模块，用于基于所述异常聚集警报信号，采用配备flexicascade算法的高清监控摄像头，记录聚集人员人脸图像；

6、所述烟雾检测模块，用于基于烟雾探测器检测校园空气中的烟雾颗粒，并发出烟雾异常警报信号；

7、所述显示模块，用于建立校园房间的三维模型，并显示雷达检测模块、视频监控模块以及烟雾检测模块的设备状态、监控人员位置以及警报信息；

8、所述功能模块，用于进行设备管理、告警管理以及楼层管理，完成校园安全防控预警。

9、优选的，所述雷达检测模块包括毫米波雷达传感器、数据处理单元以及警报单元；

10、所述毫米波雷达传感器，用于进行室内人体检测，获得检测数据；

11、所述数据处理单元，用于基于dbscan+minpts算法对所述检测数据进行分析，获得分析结果；

12、所述警报单元，用于基于所述分析结果，发出所述异常聚集警报信号。

13、优选的，所述数据处理单元包括：

14、局部密度估计子单元，用于基于k最近邻算法，计算所述检测数据的每个数据点在预设邻域半径ε内的邻居数量，获得所述数据点的局部密度估计；

15、参数自适应调整子单元，用于基于所述局部密度估计，自适应调整所述预设邻域半径ε以及最小点数minpts；

16、聚类子单元，用于基于自适应调整后的所述预设邻域半径ε以及最小点数minpts，通过dbscan+minpts算法对所述检测数据进行聚类，识别出簇并过滤噪声点，获得识别结果；基于所述识别结果以及预设聚集阈值，获得所述分析结果。

17、优选的，所述视频监控模块包括高清监控摄像头以及图像处理单元；

18、所述高清监控摄像头，用于基于所述异常聚集警报信号，采集异常聚集人员的高分辨率视频流；

19、所述图像处理单元，用于基于flexicascade算法分析所述高分辨率视频流，识别异常聚集的人员的人脸图像。

20、优选的，所述图像处理单元中所述flexicascade算法为通过动态级联结构改进的cascade r-cnn，改进过程如下：

21、在cascade r-cnn算法的级联结构中，获取预设级联阶段的前一级联阶段的人脸图像识别检测结果；

22、基于所述人脸图像识别检测结果，动态调整所述级联结构以及级联阶段数量；

23、使用动态正负样本采样比例反馈函数，基于动态调整后的所述级联结构中预设级联阶段的前一级联阶段的平均置信度动态调整下一级联阶段的正负样本采样比例；

24、基于所述正负样本采样比例，在下一级联阶段中对视频流样本进行采样和训练，获得基于flexicascade算法的人脸检测模型，完成对异常聚集人员人脸图像的识别。

25、本发明还提供校园安全防控预警方法，方法基于所述校园安全防控预警系统实现，包括以下步骤：

26、基于配备dbscan+minpts算法的毫米波雷达，进行校园室内人体检测，获得人员聚集情况；并基于异常的人员聚集情况，获得异常聚集警报信号；

27、基于所述异常聚集警报信号，采用配备flexicascade算法的高清监控摄像头，记录聚集人员人脸图像；

28、基于烟雾探测器检测校园空气中的烟雾颗粒，并获得烟雾异常警报信号；

29、建立校园房间的三维模型，并显示毫米波雷达、高清监控摄像头以及烟雾探测器的设备状态、监控人员位置以及警报信息；

30、对用到的设备进行设备管理，对所述异常聚集警报信号以及所述烟雾异常警报信号进行告警管理，并进行楼层管理，完成校园安全防控预警。

31、优选的，获得异常聚集警报信号的方法为：

32、基于毫米波雷达传感器进行室内人体检测，获得检测数据；

33、基于dbscan+minpts算法对所述检测数据进行分析，获得分析结果；

34、基于所述分析结果，获得所述异常聚集警报信号。

35、优选的，获得所述分析结果的方法为：

36、基于k最近邻算法，计算所述检测数据的每个数据点在预设邻域半径ε内的邻居数量，获得所述数据点的局部密度估计；

37、基于所述局部密度估计，自适应调整所述预设邻域半径ε以及最小点数minpts；

38、基于自适应调整后的所述预设邻域半径ε以及最小点数minpts，通过dbscan+minpts算法对所述检测数据进行聚类，识别出簇并过滤噪声点，获得识别结果；基于所述识别结果以及预设聚集阈值，获得所述分析结果。

39、优选的，识别异常聚集的人员的人脸图像的方法为：

40、基于所述异常聚集警报信号，采集异常聚集人员的高分辨率视频流；

41、基于flexicascade算法分析所述高分辨率视频流，识别异常聚集的人员的人脸图像。

42、优选的，所述flexicascade算法为通过动态级联结构改进的cascade r-cnn，改进方法如下：

43、在cascade r-cnn算法的级联结构中，获取预设级联阶段的前一级联阶段的人脸图像识别检测结果；

44、基于所述人脸图像识别检测结果，动态调整所述级联结构以及级联阶段数量；

45、使用动态正负样本采样比例反馈函数，基于动态调整后的所述级联结构中预设级联阶段的前一级联阶段的平均置信度动态调整下一级联阶段的正负样本采样比例；

46、基于所述正负样本采样比例，在下一级联阶段中对视频流样本进行采样和训练，获得基于flexicascade算法的人脸检测模型，完成对异常聚集人员人脸图像的识别。

47、与现有技术相比，本发明的有益效果为：

48、弥补学校监控设备无法覆盖的特殊区域，例如公共卫生间、洗手间、隐蔽角落、教学楼顶部入口和学生宿舍等，以更好地配合学校已有的监控系统，为学生提供更全面的技术保障；

49、校园安全防控预警系统旨在事前、事中及时干预和处理监察校内不文明情况的发生。通过该系统，可以及时制止破坏校园环境卫生的不文明现象和可能出现的不安全事件，并进行及时的教育工作；

50、系统还致力于提高学生的安全防护意识，传授相关安全知识，对可能发生的不安全事件起到震慑和监护作用，有效保障学生的身心安全；

51、这一创新系统的目标是为学校建设智慧校园提供有力支持，成为安全示范校园的重要组成部分。通过丰富原有的基础安防系统，系统将为学校打造智慧校园安防的试点学校，为校园安全管理注入新的活力。