一种用于安防的智能分析预警平台及方法与流程

1.本发明涉及安防技术领域，特别涉及一种用于安防的智能分析预警平台及方法。


背景技术：

2.随着市场经济的发展，社会各行业在实际应用中对安全防范提出了更高的要求。而数字网络监控技术作为一种行之有效的安防和自动化管理，已被各个行业的安防监控系统所广泛采用。数字网络监控技术，一方面使单位管理部门能获取各个重要场所内的情况、更有利于加强对单位的安全的管理；另一方面又可提高安全防范效率。
3.但是，为了全面覆盖监控区域，需要安装大量的传感设备，这些传感设备会实时产生的大量数据，系统需要对大量数据进行有效分析，才能实时反映现场所发生的一切事件，了解现场人员的实际运作现状，以便及时处理突发事件。
4.为此，需要一种能够对监控视频进行快速分析处理的用于安防的智能分析预警平台及方法。


技术实现要素：

5.本发明的目的之一在于，提供一种用于安防的智能分析预警平台，能够对监控视频进行快速分析处理。
6.为了解决上述技术问题，本技术提供如下技术方案：
7.一种用于安防的智能分析预警平台，包括：
8.数据采集模块，用于接入摄像头，从摄像头获取监控视频；
9.设备管理模块，用于为每一路摄像头配置ai推理模型、配置检测区域以及设置检测时效；
10.推理模块，用于从数据采集模块获取监控视频，在检测时效内，使用配置的ai推理模型对监控视频的检测区域进行安全检测，判断是否存在告警事件，如果存在告警事件，将告警事件发送至报警事件管理模块；
11.报警事件管理模块，用于接收推理模块的告警事件，将接收的告警事件加入预设的告警事件列表。
12.基础方案原理及有益效果如下：
13.本方案可以根据工业厂区的需求，选择对应的ai推理模型对监控视频进行分析，实现厂区整体的安全生产风险的动态监控，及时发现告警事件，可以有效避免重大安全事故，防患于未然，为企业安全生产保驾护航。通过配置不同的ai推理模型，可以支持门禁、考勤、工业厂区人员安全、生产安全检测、人员违规作业等工业场景的使用需求。
14.通过配置检测区域以及设置检测时效，可以根据检测需求对待分析的监控视频的内容进行精确控制，以提高分析的准确性。
15.综上，本方案通过实时对监控视频进行快速分析处理，进行态势预警，可以有效避免重大安全事故。
16.进一步，还包括人员管理模块，用于录入人员信息，划分人员信息所属名单；名单包括黑名单、白名单，人员信息包括人员基本信息，以及对应的人员正脸头像信息。
17.进一步，所述ai推理模型包括人脸识别模型、行为识别模型和场景识别模型。
18.进一步，所述配置的ai推理模型为人脸识别模型时，人脸识别模型用于从监控视频的视频帧中进行人脸检测，得到人脸图像；将人脸图像对齐，从人脸图像中提取出人脸特征，将人脸特征与人员正脸头像信息中的人脸特征进行对比，确定是否匹配，如果匹配，确定对应的人员基本信息，判断是否属于黑名单人员，如果属于，生成告警事件并发送至报警事件管理模块。
19.进一步，所述配置的ai推理模型为行为识别模型时，行为识别模型用于从监控视频的视频帧中检测出所有的人体姿态和动作，对检测到的人体姿态和动作进行特征提取，将人体姿态和动作转化为一组特征向量，对特征向量进行分类，判断该行为是否为预设危险行为，如果是，生成告警事件并发送至报警事件管理模块。
20.进一步，所述配置的ai推理模型为场景识别模型时，场景识别模型用于从监控视频的视频帧中检测出所有物体，对检测到的物体进行特征提取，转化为特征向量，对特征向量进行分类，判断是否为预设的场景，如果是，生成告警事件并发送至报警事件管理模块。
21.进一步，所述报警事件管理模块还用于接收处置信息，基于处置信息对告警事件标注处置类型，处置类型包括正常事件和误告警事件。
22.进一步，还包括系统管理模块，用于根据告警事件生成统计数据，还用于在报警事件管理接收告警事件后，发出告警提醒。
23.本发明的目的之二在于，提供一种用于安防的智能分析预警方法，包括如下步骤：
24.s1、为每一路摄像头配置ai推理模型、检测区域以及检测时效；
25.s2、推理模块在检测时效内，使用配置的ai推理模型对监控视频的检测区域进行安全检测，判断是否存在告警事件，如果存在告警事件，将告警事件发送至报警事件管理模块；ai推理模型包括人脸识别模型、行为识别模型和场景识别模型；
26.s3、接收推理模块的告警事件，将接收的告警事件加入预设的告警事件列表，发出告警提醒；
27.s4、根据告警事件生成统计数据。
28.进一步，步骤s2中，具体包括：
29.当配置的ai推理模型为人脸识别模型时，从监控视频的视频帧中进行人脸检测，得到人脸图像；从人脸图像中提取出人脸特征，将人脸特征与人员正脸头像信息中的人脸特征进行对比，确定是否匹配，如果匹配，确定对应的人员基本信息，判断是否属于黑名单人员，如果属于，生成告警事件；
30.当配置的ai推理模型为行为识别模型时，从监控视频的视频帧中检测出所有的人体姿态和动作；对检测到的人体姿态和动作进行特征提取，将人体姿态和动作转化为一组特征向量，对特征向量进行分类，判断该行为是否为预设危险行为，如果是，生成告警事件并发送至报警事件管理模块；
31.当配置的ai推理模型为场景识别模型时，从监控视频的视频帧中检测出所有物体，对检测到的物体进行特征提取，转化为特征向量，对特征向量进行分类，判断是否为预设的场景，如果是，生成告警事件并发送至报警事件管理模块。
附图说明
32.图1为一种用于安防的智能分析预警平台实施例一的逻辑框图。
具体实施方式
33.下面通过具体实施方式进一步详细说明：
34.实施例一
35.如图1所示，本实施例的一种用于安防的智能分析预警平台，包括：摄像头、数据采集模块、推理模块、人员管理模块、系统管理模块、设备管理模块和告警事件模块。
36.数据采集模块用于接入摄像头，从摄像头获取监控视频。
37.人员管理模块用于录入人员信息，划分人员信息所属名单，名单包括黑名单、白名单等。还用于对人员信息进行修改、删除等操作；人员信息包括人员基本信息，以及对应的人员正脸头像信息；人员基本信息包括姓名、职务、部门等。
38.设备管理模块用于为每一路摄像头配置ai推理模型，设定ai推理模型的计算阈值，调整ai推理模型的检测灵敏度。通常情况下，计算阈值越高，检测结果越严格，漏检率也越高；灵敏度越高，ai推理模型检测的物体范围也越广，但同时也会增加误检率。本实施例中，ai推理模型包括人脸识别模型、行为识别模型和场景识别模型。
39.设备管理模块还用于为每一路摄像头配置检测区域以及设置检测时效。例如，配置检测区域时支持自定义四边形绘制，四边形可对四个角进行任意拖拽，本实施例中，一个画面最多支持三个四边形，以实现场景特殊地形检测时的覆盖。设置检测时效后，只有在设定的时间范围内检测功能才生效。
40.设备管理模块还用于查询接入的摄像头信息，以及用于管理接入的摄像头，管理内容包括添加、编辑、删除摄像头基本信息，视频流地址等。
41.推理模块用于从数据采集模块获取监控视频，在检测时效内，使用配置的ai推理模型对监控视频的检测区域进行安全检测，判断是否存在告警事件，如果存在告警事件，将告警事件发送至报警事件管理模块。
42.具体的，
43.当配置的ai推理模型为人脸识别模型时，人脸识别模型用于从监控视频的视频帧中进行人脸检测，得到人脸图像，也就是找到视频帧中的人脸位置；将人脸图像对齐，即将检测到的人脸调整为相同的尺寸、角度、位置等，以便后续处理；然后从人脸图像中提取出人脸特征，将人脸特征与人员正脸头像信息中的人脸特征进行对比，确定是否匹配，如果匹配，确定对应的人员基本信息，判断是否属于黑名单人员，如果属于，生成告警事件并发送至报警事件管理模块；
44.当配置的ai推理模型为行为识别模型时，行为识别模型用于从监控视频的视频帧中检测出所有的人体姿态和动作，例如手部的位置；对检测到的人体姿态和动作进行特征提取，将人体姿态和动作转化为一组特征向量，对特征向量进行分类，判断该行为是否为预设危险行为，如果是，生成告警事件并发送至报警事件管理模块；预设危险行为包括接打电话、抽烟等行为。
45.当配置的ai推理模型为场景识别模型时，场景识别模型用于从监控视频的视频帧中检测出所有物体，对检测到的物体进行特征提取，转化为特征向量，对特征向量进行分
类，判断是否为预设的场景，如果是，生成告警事件并发送至报警事件管理模块；预设的场景包括火灾、积水、漏油等。
46.在其他事实施例中，还可以进行是否佩戴安全帽、对讲机、氧气瓶等行为检测。
47.告警事件包括事件信息和事件截图，事件信息包括时间、类型和对应摄像头信息。
48.报警事件管理模块用于接收推理模块的告警事件，将接收的告警事件加入预设的告警事件列表；还支持监控管理人员按时间、事件类型、摄像头查询告警事件。
49.报警事件管理模块还用于接收处置信息，基于处置信息对告警事件标注处置类型，处置类型包括正常事件和误告警事件，本实施例中，处置信息为监控管理人员对告警事件的类型标注以及备注信息；报警事件管理模块还用于记录误告警事件的备注信息。
50.报警事件管理模块还用于接收人工录入的告警事件，监控管理人员在监控室发现问题后，人工记录到系统。
51.系统管理模块用于根据告警事件生成统计数据，例如实时统计当日产生的告警事件，按事件总数、处置总数、事件类型、处置类型。
52.系统管理模块还用于在报警事件管理接收告警事件后，发出告警提醒。本实施例中，告警提醒为告警铃声，支持手动关闭，或者在系统管理模块的配置中完全禁用。
53.基于上述平台，本实施例还提供一种用于安防的智能分析预警方法，包括如下内容：
54.s1、为每一路摄像头配置ai推理模型、检测区域以及检测时效；
55.s2、推理模块在检测时效内，使用配置的ai推理模型对监控视频的检测区域进行安全检测，判断是否存在告警事件，如果存在告警事件，将告警事件发送至报警事件管理模块。
56.具体的，ai推理模型包括人脸识别模型、行为识别模型和场景识别模型；
57.当配置的ai推理模型为人脸识别模型时，从监控视频的视频帧中进行人脸检测，得到人脸图像；将人脸图像对齐；然后从人脸图像中提取出人脸特征，将人脸特征与人员正脸头像信息中的人脸特征进行对比，确定是否匹配，如果匹配，确定对应的人员基本信息，判断是否属于黑名单人员，如果属于，生成告警事件；
58.当配置的ai推理模型为行为识别模型时，从监控视频的视频帧中检测出所有的人体姿态和动作；对检测到的人体姿态和动作进行特征提取，将人体姿态和动作转化为一组特征向量，对特征向量进行分类，判断该行为是否为预设危险行为，如果是，生成告警事件并发送至报警事件管理模块；预设危险行为包括接打电话、抽烟等。
59.当配置的ai推理模型为场景识别模型时，从监控视频的视频帧中检测出所有物体，对检测到的物体进行特征提取，转化为特征向量，对特征向量进行分类，判断是否为预设的场景，如果是，生成告警事件并发送至报警事件管理模块；预设的场景包括火灾、积水、漏油等。
60.s3、接收推理模块的告警事件，将接收的告警事件加入预设的告警事件列表，发出告警提醒；
61.s4、根据告警事件生成统计数据。
62.本方案的平台支持门禁、考勤、工业厂区人员安全、生产安全检测、人员违规作业等工业场景的使用需求，可以利用厂区自有摄像头(或增补部分摄像头)采集的监控视频，
然后通过ai推理模型对监控视频进行分析，实现厂区整体的安全生产风险的动态监控，及时发现告警事件，可以有效避免重大安全事故，防患于未然，为企业安全生产保驾护航。
63.实施例二
64.本实施例和实施例一的区别在于，本实施例的平台中，还包括移动端，移动端用于从报警事件管理模块接收推送的告警事件，以及时通知安全生产管理人员。还用于录入处置信息，查看统计数据。
65.实施例三
66.本实施例与实施例一的区别在于，本实施例的平台中，推理模块还用于在告警事件的处置类型为误告警事件时，对误告警事件对应的视频帧的全区域重新进行安全检测，判断是否存在告警事件；如果存在告警事件，生成检测区域异常信息并发送至设备管理模块；
67.如果不存在告警事件，推理模块还用于将对应的视频帧加入预设的训练图像集；记录误告警事件的告警类型、所属摄像头以及检测出的目标所在的视频帧区域；检测出的目标例如物体、人体等。目标所在的视频帧区域，例如将配置检测区域十字划分为4个小区域，目标所处的其中一个小区域即为目标所在的视频帧区域。
68.推理模块还用于在检测后再次产生与误告警事件相同告警类型的告警事件时，判断告警事件对应的所属摄像头以及检测出的目标所在的视频帧区域，与误告警事件对应的所属摄像头以及检测出的目标所在的视频帧区域是否相同，如果不相同，将告警事件发送至报警事件管理模块；如果相同，在告警事件对应视频帧所在时间范围内选取预设数量的其他视频帧，本实施例为1秒内再选取5帧；推理模块还用于根据当前负载预估重新选取的其他视频帧的处理时间，判断处理时间是否小于预设时间，预设时间为1-5秒；如果小于预设时间，使用配置的ai推理模型对其他视频帧进行安全检测，当至少一个检测结果存在告警事件时，将告警事件发送至报警事件管理模块；如果大于或等于预设时间，判断处理时间是否大于平均响应时间，如果大于或等于平均响应时间，将告警事件发送至报警事件管理模块；如果小于平均响应时间，判断误告警事件的备注信息的字符数量是否超过预设值，如果未超过预设值，将告警事件发送至报警事件管理模块，且使用配置的ai推理模型对其他视频帧进行安全检测，根据其他视频帧的检测结果对已发送的告警事件进行备注；如果超过预设值，将告警事件发送至报警事件管理模块，即不进行再次的检测。
69.本实施例的方案在出现误告警事件后，如果后续的告警事件与误告警时间类似，即告警类型、所属摄像头以及检测出的目标所在的视频帧区域相同，在重新检测的处理时间短(在预设时间内，对报警及时性影响小)时，对其他视频帧进行安全检测，以增加检测样本数量，提高检测准确性；在重新检测的处理时间长(超过预设时间)时，再根据平均响应时间(每一次接收告警事件与接收处置信息的间隔为响应时间，平均响应时间为响应时间的平均值)判断是否需要重新检测。如果处理时间超过平均响应时间，监控管理人员已经查看告警事件的概率高，在对误告警事件的原因描述不清楚(备注信息的字符数量未超过预设值)才重新检测，能节约算力，同时对告警事件进行充分的分析，降低监控管理人员的工作量。
70.以上的仅是本发明的实施例，该发明不限于此实施案例涉及的领域，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先
权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本技术给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本技术的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本技术要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

技术特征：
1.一种用于安防的智能分析预警平台，其特征在于，包括：数据采集模块，用于接入摄像头，从摄像头获取监控视频；设备管理模块，用于为每一路摄像头配置ai推理模型、配置检测区域以及设置检测时效；推理模块，用于从数据采集模块获取监控视频，在检测时效内，使用配置的ai推理模型对监控视频的检测区域进行安全检测，判断是否存在告警事件，如果存在告警事件，将告警事件发送至报警事件管理模块；报警事件管理模块，用于接收推理模块的告警事件，将接收的告警事件加入预设的告警事件列表。2.根据权利要求1所述的用于安防的智能分析预警平台，其特征在于：还包括人员管理模块，用于录入人员信息，划分人员信息所属名单；名单包括黑名单、白名单，人员信息包括人员基本信息，以及对应的人员正脸头像信息。3.根据权利要求2所述的用于安防的智能分析预警平台，其特征在于：所述ai推理模型包括人脸识别模型、行为识别模型和场景识别模型。4.根据权利要求3所述的用于安防的智能分析预警平台，其特征在于：所述配置的ai推理模型为人脸识别模型时，人脸识别模型用于从监控视频的视频帧中进行人脸检测，得到人脸图像；将人脸图像对齐，从人脸图像中提取出人脸特征，将人脸特征与人员正脸头像信息中的人脸特征进行对比，确定是否匹配，如果匹配，确定对应的人员基本信息，判断是否属于黑名单人员，如果属于，生成告警事件并发送至报警事件管理模块。5.根据权利要求4所述的用于安防的智能分析预警平台，其特征在于：所述配置的ai推理模型为行为识别模型时，行为识别模型用于从监控视频的视频帧中检测出所有的人体姿态和动作，对检测到的人体姿态和动作进行特征提取，将人体姿态和动作转化为一组特征向量，对特征向量进行分类，判断该行为是否为预设危险行为，如果是，生成告警事件并发送至报警事件管理模块。6.根据权利要求5所述的用于安防的智能分析预警平台，其特征在于：所述配置的ai推理模型为场景识别模型时，场景识别模型用于从监控视频的视频帧中检测出所有物体，对检测到的物体进行特征提取，转化为特征向量，对特征向量进行分类，判断是否为预设的场景，如果是，生成告警事件并发送至报警事件管理模块。7.根据权利要求6所述的用于安防的智能分析预警平台，其特征在于：所述报警事件管理模块还用于接收处置信息，基于处置信息对告警事件标注处置类型，处置类型包括正常事件和误告警事件。8.根据权利要求7所述的用于安防的智能分析预警平台，其特征在于：还包括系统管理模块，用于根据告警事件生成统计数据，还用于在报警事件管理接收告警事件后，发出告警提醒。9.一种用于安防的智能分析预警方法，其特征在于，包括如下步骤：s1、为每一路摄像头配置ai推理模型、检测区域以及检测时效；s2、推理模块在检测时效内，使用配置的ai推理模型对监控视频的检测区域进行安全检测，判断是否存在告警事件，如果存在告警事件，将告警事件发送至报警事件管理模块；ai推理模型包括人脸识别模型、行为识别模型和场景识别模型；
s3、接收推理模块的告警事件，将接收的告警事件加入预设的告警事件列表，发出告警提醒；s4、根据告警事件生成统计数据。10.根据权利要求9所述的一种用于安防的智能分析预警方法，其特征在于：步骤s2中，具体包括：当配置的ai推理模型为人脸识别模型时，从监控视频的视频帧中进行人脸检测，得到人脸图像；从人脸图像中提取出人脸特征，将人脸特征与人员正脸头像信息中的人脸特征进行对比，确定是否匹配，如果匹配，确定对应的人员基本信息，判断是否属于黑名单人员，如果属于，生成告警事件；当配置的ai推理模型为行为识别模型时，从监控视频的视频帧中检测出所有的人体姿态和动作；对检测到的人体姿态和动作进行特征提取，将人体姿态和动作转化为一组特征向量，对特征向量进行分类，判断该行为是否为预设危险行为，如果是，生成告警事件并发送至报警事件管理模块；当配置的ai推理模型为场景识别模型时，从监控视频的视频帧中检测出所有物体，对检测到的物体进行特征提取，转化为特征向量，对特征向量进行分类，判断是否为预设的场景，如果是，生成告警事件并发送至报警事件管理模块。

技术总结
本发明涉及安防技术领域，具体公开了一种用于安防的智能分析预警平台及方法，包括：数据采集模块，用于接入摄像头，从摄像头获取监控视频；设备管理模块，用于为每一路摄像头配置AI推理模型、配置检测区域以及设置检测时效；推理模块，用于从数据采集模块获取监控视频，在检测时效内，使用配置的AI推理模型对监控视频的检测区域进行安全检测，判断是否存在告警事件，如果存在告警事件，将告警事件发送至报警事件管理模块；报警事件管理模块，用于接收推理模块的告警事件，将接收的告警事件加入预设的告警事件列表。采用本发明的技术方案能够对监控视频进行快速分析处理，进行态势预警，可以有效避免重大安全事故。可以有效避免重大安全事故。可以有效避免重大安全事故。


技术研发人员：李浩澜 段勃 张杨 杨东鑫
受保护的技术使用者：中科计算技术西部研究院
技术研发日：2023.03.07
技术公布日：2023/6/12