一种基于机器学习的视频安防巡检方法及系统与流程

本发明涉及智慧安防，具体为一种基于机器学习的视频安防巡检方法及系统。

背景技术：

1、智慧安防是以物联网、大数据和云计算等技术为基础，把人防、物防、技防紧密相结合，最终形成一套完整的安防体系。这套系统又可以分为：安防巡检、视频监控、防盗报警、智能分析、楼宇对讲、出入控制等等子类别，从而有效的保障我们的工作、学习、娱乐、交通等日常生活。

2、经检索，中国专利公开号为cn106303416a的专利公开了一种安防监控设备、安防监控系统以及安防监控方法。其中，该安防监控设备包括：副电源电路用于供电给mcu、wifi模块和pir人体红外传感器。mcu用于关闭主电源电路，安防监控设备处于休眠状态。pir人体红外传感器用于在警戒区检测到人体时，通知mcu开启主电源电路，主电源电路供电给视频信息获取模块，从休眠状态转换为唤醒状态。视频信息获取模块用于获取视频数据信息并将视频数据信息经wifi模块发送至外部。mcu还用于视频数据信息发送完成后，关闭主电源电路，从唤醒状态转换为休眠状态。当pir人体红外传感器检测到人体时实现休眠状态与唤醒状态的转换，达到了降低耗电量以及提升待机时长的技术效果。

3、上述专利存在以下不足：安防系统主要依赖人的视觉判断和感应器的自动感应，但是由于感应器工作原理以及安装位置的原因，会存在误报、漏报的情况；对于工厂、商场等大型场所，监控器需要有人轮流值守，而一个监控人员无法同时监看多个视频图像，并且无法长时间盯着监控电视，同时，安防系统只能完成时间内的视频存储记录，缺乏对视频内容的智能分析，仅可为事后分析提供证据。鉴于此，我们提出一种基于机器学习的视频安防巡检方法及系统。

技术实现思路

1、本发明的目的在于提供一种基于机器学习的视频安防巡检方法及系统，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：一种基于机器学习的视频安防巡检方法，包括以下步骤：

3、s1：接收巡检客户端发送的巡检请求，所述巡检请求包括巡检安防节点和巡检警示级别和巡检精度，制定布防计划；

4、s2：根据布防计划确定执行计划的机器人数量，并相应的分配具体布防任务，生成本次巡检系统；

5、s3：将巡检系统本身初始化，用于清除上次巡检计划，并执行根据本次布防计划制定的巡检系统；

6、s4：机器人进行智能安防巡检。

7、优选的，所述的方法还包括：

8、获取巡检安防节点的第一安防数据域，所述第一安防数据域包括第一判别数据和第一防护区数据；

9、根据第一判别数据分析巡检安防节点是否发生第一安防事件；

10、在发生第一安防事件时，根据第一防护区数据获取相邻安防节点的第二安防数据域，所述第二安防数据域包括第二判别数据和第二防护区数据；

11、根据第二判别数据分析相邻安防节点是否发生第二安防事件。

12、具体的，巡检请求用于指示智慧安防巡检平台对巡检安防节点和巡检安防节点的相邻安防节点所采集的数据进行处理以判断巡检安防节点附近区域是否有很大可能发生安防违规事件，并在发生安防违规事件时指派巡检机器人去目标巡检区域进一步排查。安防违规事件包括：盗窃、入侵和暴力破坏。

13、优选的，在发生第二安防事件时，根据第二判别数据对第一判别数据进行更新以得到安防巡检数据，并对所述安防巡检数据进行分析以得到防护警示级别；安防巡检模块获取所有发生第二安防事件的相邻安防节点的节点标识符，并根据所述节点标识符向对应的相邻安防节点发送更新请求指令；相邻安防节点响应于接收到的更新请求指令发送相应的第二安防数据域到安防巡检模块；安防巡检模块将第二安防数据域的第二判别数据与第一判别数据进行数据融合处理以得到安防巡检数据；在防护警示级别高于巡检警示级别时，结合环境因素和行为因素对安防巡检数据进行分析以得到目标巡检区域；根据目标巡检区域生成巡检指令并将其发送到巡检机器人，巡检机器人响应于接收到的巡检指令在目标巡检区域执行巡检操作。

14、进一步的，巡检警示级别为执行巡检操作的最低警示级别，即，本技术仅在防护警示级别大于巡检警示级别时才指派巡检机器人进行巡检操作，以避免无意义的巡检带来的人力物力资源的浪费。

15、巡检精度为目标巡检区域的最大半径，巡检精度越大，表示巡检范围越大，巡检结果越准确，但是由于巡检范围越大所消耗的人力物力资源也越大，因此巡检精度为管理人员根据实际需要进行设置。

16、优选的，所述第一安防数据域为巡检安防节点的安防数据域，所述第二安防数据域为巡检安防节点的相邻安防节点的安防数据域；所述安防数据域用于对安防节点的目标监测区域进行安全状态检测和事件分析，第一防护区数据用于标识巡检安防节点所在防护区内所有的安防节点，其包括巡检安防节点的节点标识符和相邻安防节点的节点标识符；所述巡检安防节点为目标安防节点；所述相邻安防节点为巡检安防节点所在防护区内除巡检安防节点外的安防节点。

17、具体的，安防数据域用于对安防节点进行安全状态检测和事件分析；第一判别数据包括视频流数据和传感数据。第一防护区数据用于标识巡检安防节点所在防护区内所有的安防节点，其包括巡检安防节点的节点标识符和相邻安防节点的节点标识符。

18、视频流数据由安防节点将目标监测区域内采集的原始视频图像数据通过视频压缩技术压缩编码得到。

19、优选的，所述的方法还包括：

20、接收机器人在执行具体布防任务过程中发送的异常信息，并将异常信息发送至安防人员进行审核；

21、接收安防人员对异常信息的审核结果，并根据审核结果按照预设的处理流程进行相应的处理；其中，处理流程包括忽略、复核和报警。

22、优选的，对所述布防计划执行中的布防数据进行归档，并通过机器学习算法对机器人的异常识别系统进行优化，其中，所述布防数据包括所述异常信息及异常信息的审核结果。

23、优选的，所述接收机器人在执行具体布防任务过程中发送的异常信息，并将所述异常信息发送至安防人员进行审核步骤中包括以下步骤：

24、控制机器人移动到预设的集合点，然后按照相应的具体布防任务执行；接收机器人在执行具体布防任务过程中发送的异常信息，并使机器人停在异常上报点；实时将所述异常信息显示在中控系统界面，以便安防人员审核确认。

25、具体的，例如某处有火情：

26、k1，控制机器人移动到预设的集合点，然后按照相应的具体布防任务执行。

27、进一步的，当机器人执行具体布防任务之前，对机器人发送自检指令，若出现软件、硬件与固件中的任意一种问题，通过自动或者人工介入方式修复。

28、k2，接收机器人在执行具体布防任务过程中发送的异常信息，并使机器人停在异常上报点。

29、当然在机器人发现异常信息并上报后也可按预设自行停在异常上报点，机器人在停留过程中，持续观察等待安防人员通过中央控制系统进一步确认下一步动作。此时机器人则需要在异常地点随时对自身初步认为存在的火势情况进行监控，并便于安防人员在后台及时调整处理方式。

30、基于机器学习的视频安防巡检系统，用于执行上述巡检方法，包括：中央处理器；

31、布防任务分配模块，用于根据布防计划确定执行计划的机器人数量，并相应的分配具体布防任务；

32、异常信息确认模块，用于接收机器人在执行具体布防任务过程中发送的异常信息，并将所述异常信息发送至安防人员进行审核；

33、异常信息处理模块，用于接收所述安防人员对所述异常信息的审核结果，并根据所述审核结果按照预设的处理流程进行相应的处理；

34、事件判别模块，用于结合环境因素和行为因素对安防巡检数据进行分析以得到目标巡检区域；

35、主控模块，用于控制整个巡检机器人。

36、优选的，所述主控模块包括：信息采集模块、信息分析处理模块、避撞模块、导航模块、运动控制模块，所述主控模块包括gpu处理器和arm处理器，所述gpu处理器和arm处理器进行双向数据连接。

37、优选的，所述信号采集模块设置在所述运动控制模块的前端，所述信号采集模块与所述gpu处理器进行双向数据连接，用于机器人巡检的信号发送、接收和采集工作；

38、所述信息分析处理模块与所述gpu处理器进行双向数据连接，用于根据采集到的数据信息进行判断设备是否存在异常，并进行双向处理和传输数据，进而实现智能巡检；

39、所述运动控制模块包括子控制单元、电机单元、升降单元、转向单元和爬坡单元，所述升降单元、转向单元、爬坡单元分别与所述电机单元连接，所述电机单元、升降单元、转向单元、爬坡单元分别与所述子控制单元连接，所述子控制单元与所述主控模块连接；

40、所述避撞模块、导航模块分别与所述子控制单元连接；

41、所述避撞模块、导航模块分别与所述arm处理器进行双向数据连接，所述避撞模块用于实时检测机器人的位置环境并及时避障，所述导航模块用于实时定位机器人位置并根据巡检任务规划最优路径。

42、与现有技术相比，本发明的有益效果是：

43、1、通过提升了机器人自动安防巡检过程中各个环节之间的联系，从而能够有效的对机器人的异常识别系统进行优化，提升了机器人对于异常情况识别的准确率，从而降低了误报率，最终提高了机器人自动安防巡检的能力；

44、2、通过分析安防节点的安防数据域确定目标巡检范围，使得巡检机器人的安防巡检工作具有针对性，避免了传统随机巡检方式出现漏巡检的情况。