CN110543497B - 一种高实时性布控解决方法及*** - Google Patents
一种高实时性布控解决方法及*** Download PDFInfo
- Publication number
- CN110543497B CN110543497B CN201910622978.4A CN201910622978A CN110543497B CN 110543497 B CN110543497 B CN 110543497B CN 201910622978 A CN201910622978 A CN 201910622978A CN 110543497 B CN110543497 B CN 110543497B
- Authority
- CN
- China
- Prior art keywords
- center
- data
- early warning
- deployment
- algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 3
- 235000006629 Prosopis spicigera Nutrition 0.000 claims 1
- 240000000037 Prosopis spicigera Species 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 6
- 230000004927 fusion Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011840 criminal investigation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
- G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
- G08B29/188—Data fusion; cooperative systems, e.g. voting among different detectors
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Fuzzy Systems (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Alarm Systems (AREA)
Abstract
一种高实时性布控解决方法及***,方法包括:各前端采集设备将采集的前端数据存入数据中心及对应的前端多算法引擎,所述数据中心通过前端数据基于大数据分析各前端采集设备之间的关联关系;将布控信息下发到各前端采集设备对应的前端多算法引擎;前端多算法引擎通过布控信息以及前端数据进行分析,判断是否达到预警条件,到达预警条件时,产生预警信息并上传到告警中心;对产生了预警信息的前端采集设备及其高关联的前端采集设备,通过对应的前端多算法引擎将采集的前端数据上传至高优先处理存储单元;算法中心调集算力优先处理高优先处理存储单元中的数据。
Description
技术领域
本发明涉及公安刑侦、大数据领域,具体涉及一种高实时性布控解决方法及***。
背景技术
随着公安信息化建设与人们对社会稳定性要求的提高,全国基于视屏侦察样板工程的建设,公安行业对图像处理技术(人脸识别、车辆识别)深化应用,显著的提高公安的工作效率,降低干警工作强度,加强了社会治安综合治理,在实践过程中公安用户对布控告警的实时性提出了更高的要求。现在布控***常采用传统数据中心模式,即前端数据到数据中心,算法服务器从数据中心取数据分析,该模式随着前端采集设备的数量急剧的增加,其布控告警的延时会显著的增加。
发明内容
为解决上述技术问题,本发明提供一种高实时性布控解决方法与***,能够提高告警实时性,并通过该机制有效的提高公安的工作效率,降低干警工作强度,加强了社会治安综合治理。本发明的技术方案如下:
作为本发明的第一方面,提供一种高实时性布控解决方法,所述方法包括:
S1:各前端采集设备将采集的前端数据存入数据中心及对应的前端多算法引擎,所述数据中心通过前端数据基于大数据分析各前端采集设备之间的关联关系;
S2:将布控信息下发到各前端采集设备对应的前端多算法引擎;
S3:前端多算法引擎通过布控信息以及前端数据进行分析,判断是否达到预警条件,到达预警条件时,产生预警信息并上传到告警中心;
S4:对产生了预警信息的前端采集设备及其高关联的前端采集设备,通过对应的前端多算法引擎将采集的前端数据上传至高优先处理存储单元;
S5:算法中心调集算力优先处理高优先处理存储单元中的数据。
进一步地,所述步骤1具体包括:
令A={a1,a2,...,am},其中,A是前端数据集合,a1,a2,...,am分别代表不同前端采集设备所产生的数据集,即存在
其中表示关联规则,表示计算关联规则的支持度,表示计算关联规则置信,support_count(ai∪aj)表示即出现在ai也出现在aj中的对象,support_count(ai)表示出现在ai中的对象总次数;
通过预先设置的最小出现次数、最小支持度和最小置信度,从而找到前端采集设备的强关联规则。
进一步地,所述方法还包括:步骤2中,还将布控信息下发到算法中心;步骤3中,算法中心还通过布控信息以及前端数据进行分析,产生预警信息并上传到告警中心。
进一步地,所述前端采集设备包括高清摄像机、人脸卡口和车辆卡口。
进一步地,所述布控信息包括布控对象的特征和阈值,所述前端多算法引擎将前端采集设备采集的前端数据与布控对象的特征进行比对,如比对结果超过阈值就产生预警信息。
进一步地,所述方法还包括:在步骤3之后还包括:控制中心根据告警中心的预警信息进一步判断预警信息的真实性,对产生了预警信息的前端采集设备及其高关联的前端采集设备对应的前端多算法引擎下达仅对特定特征比对的指令,将产生的预警信息发给特定接收端。
作为本发明的第二方面,提供一种高实时性布控解决***,所述***包括数据中心、前端多算法引擎、告警中心、控制中心、算法中心以及多个前端采集设备;
所述数据中心用于存储前端采集设备采集的的前端数据;
每个前端采集设备配置一个前端多算法引擎,用以通过布控信息以及前端采集设备采集的前端数据进行分析,判断是否达到预警条件,到达预警条件时,产生预警信息并上传到告警中心;
所述告警中心用于存储并过滤重复预警信息;
所述控制中心用于处理预警信息,调度算力和对整个***的控制,对产生了预警信息的前端采集设备及其高关联的前端采集设备,通过对应的前端多算法引擎将采集的前端数据上传至高优先处理存储单元;
所述高优先处理存储单元用于存储需要有先处理前端采集数据;
所述算法中心用于提供支持算法服务,调集算力优先处理高优先处理存储单元中的数据;
其中,所述布控信息包括布控对象的特征和阈值,所述前端多算法引擎将前端采集设备采集的前端数据与布控对象的特征进行比对,如比对结果超过阈值就产生预警信息。
进一步地,所述控制中心还用于根据告警中心的预警信息进一步判断预警信息的真实性,对产生了预警信息的前端采集设备及其高关联的前端采集设备对应的前端多算法引擎下达仅对特定特征比对的指令,并将预警信息发给特定接收端。
进一步地,所述前端采集设备包括高清摄像机、人脸卡口和车辆卡口。
本发明具有以下有益效果:
对比现有技术,本发明在前端提出前端多算法引擎使用多家算法引擎采用数据融合技术降低仅依赖单独算法厂家因为算法不成熟产生的误报和漏报,同时采用数据挖掘技术,分析前端采集设备之间强关联关系,为告警人员追踪、抓获和优先处理的前端采集设备数据提供了依据,并提出了高优先处理存储单元用于存储有先处理数据。
附图说明
图1为本发明实施例提供的一种高实时性布控解决方法的流程图;
图2为本发明实施例提供的一种高实时性布控解决***的框架图。
附图标记说明,1、前端采集设备,2、前端多算法引擎,3、数据中心,4、告警中心,5、高优先处理存储单元,6、算法中心,7、控制中心。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,作为本发明的第一实施例,提供一种高实时性布控解决方法,所述方法包括:
S1:各前端采集设备1将采集的前端数据存入数据中心3及对应的前端多算法引擎2,所述数据中心3通过前端数据基于大数据分析各前端采集设备1之间的关联关系;
S2:将布控信息下发到各前端采集设备1对应的前端多算法引擎2;
S3:前端多算法引擎2通过布控信息以及前端数据进行分析,判断是否达到预警条件,到达预警条件时,产生预警信息并上传到告警中心4;
S4:对产生了预警信息的前端采集设备1及其高关联的前端采集设备1,通过对应的前端多算法引擎2将采集的前端数据上传至高优先处理存储单元5;
S5:算法中心6调集算力优先处理高优先处理存储单元5中的数据。
其中,所述前端采集设备1包括高清摄像机、人脸卡口和车辆卡口等视频流或图片流的前端采集设备1。
其中,所述布控信息包括布控对象的特征和阈值,所述布控对象可以是人或者车,所述前端多算法引擎2将前端采集设备1采集的前端数据与布控对象的特征进行比对,如比对结果超过预设阈值,即达到预警条件,产生预警信息。
其中,所述步骤1具体包括:
令A={a1,a2,...,am},其中,A是前端数据集合,a1,a2,...,am分别代表不同前端采集设备1所产生的数据集,即存在
其中表示关联规则,表示计算关联规则的支持度,表示计算关联规则置信,support_count(ai∪aj)表示即出现在ai也出现在aj中的对象,support_count(ai)表示出现在ai中的对象总次数;
通过预先设置的最小出现次数、最小支持度和最小置信度,从而找到前端采集设备1的强关联规则。
本发明在前端提出前端多算法引擎2使用多家算法引擎采用数据融合技术降低仅依赖单独算法厂家因为算法不成熟产生的误报和漏报,同时采用数据挖掘技术,分析前端采集设备1之间强关联关系,为告警人员追踪、抓获和优先处理的前端采集设备1数据提供了依据,并提出了高优先处理存储单元5用于存储有先处理数据。
优选地,所述方法还包括:步骤2中,还将布控信息下发到算法中心6;步骤3中,算法中心6还通过布控信息以及前端数据进行分析,产生预警信息并上传到告警中心4。
优选地,所述方法还包括:在步骤3之后还包括:控制中心7根据告警中心4的预警信息进一步判断预警信息的真实性,对产生了预警信息的前端采集设备1及其高关联的前端采集设备1对应的前端多算法引擎2下达仅对特定特征比对的指令,将产生的预警信息发给特定接收端。
上述实施例中,产生预警信息后,控制中心7根据告警中心4的预警信息进一步判断预警信息的真实性,防止误报,该判断可以是警察二次确认,例如判断预警信息不是误报,确认是布控的对象,就可以调集计算资源对最近出现的设备的关联设备进行分析提高实时性,在首次发现目标后,对产生了预警信息的前端采集设备1及其高关联的前端采集设备1对应的前端多算法引擎2下达仅对特定特征比对的指令,使周边的所有设备都仅针对特定目标搜索目标,并将产生的告警直接发给特定接收端,从而提高搜索的速度。
如图2所示,作为本发明的第二实施例,提供一种高实时性布控解决***,所述***包括数据中心3、前端多算法引擎2、告警中心4、控制中心7、算法中心6以及多个前端采集设备1;
所述数据中心3用于存储前端采集设备1采集的的前端数据;
每个前端采集设备1配置一个前端多算法引擎2,用以通过布控信息以及前端采集设备1采集的前端数据进行分析,判断是否达到预警条件,到达预警条件时,产生预警信息并上传到告警中心4;
所述告警中心4用于存储并过滤重复预警信息;
所述控制中心7用于处理预警信息,调度算力和对整个***的控制,对产生了预警信息的前端采集设备1及其高关联的前端采集设备1,通过对应的前端多算法引擎2将采集的前端数据上传至高优先处理存储单元5;
所述高优先处理存储单元5用于存储需要有先处理前端采集数据;
所述算法中心6用于提供支持算法服务,调集算力优先处理高优先处理存储单元5中的数据;
其中,所述前端多算法引擎2可以配置一个厂家或多个算法厂家的嵌入式设备,并通过数据融合技术,提高比对精度。
其中,所述前端采集设备1包括高清摄像机、人脸卡口和车辆卡口。
其中,所述布控信息包括布控对象的特征和阈值,所述前端多算法引擎2将前端采集设备1采集的前端数据与布控对象的特征进行比对,如比对结果超过阈值就产生预警信息。
优选地,所述控制中心7还用于根据告警中心4的预警信息进一步判断预警信息的真实性,对产生了预警信息的前端采集设备1及其高关联的前端采集设备1对应的前端多算法引擎2下达仅对特定特征比对的指令,并将预警信息发给特定接收端。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种高实时性布控解决方法,其特征在于,所述方法包括:
S1:各前端采集设备将采集的前端数据存入数据中心及对应的前端多算法引擎,所述数据中心通过前端数据基于大数据分析各前端采集设备之间的关联关系;
S2:将布控信息下发到各前端采集设备对应的前端多算法引擎;
S3:前端多算法引擎通过布控信息以及前端数据进行分析,判断是否达到预警条件,到达预警条件时,产生预警信息并上传到告警中心;
S4:对产生了预警信息的前端采集设备及其高关联的前端采集设备,通过对应的前端多算法引擎将采集的前端数据上传至高优先处理存储单元;
S5:算法中心调集算力优先处理高优先处理存储单元中的数据。
3.根据权利要求1所述的高实时性布控解决方法,其特征在于,所述方法还包括:步骤S2中,还将布控信息下发到算法中心;步骤S3中,算法中心还通过布控信息以及前端数据进行分析,产生预警信息并上传到告警中心。
4.根据权利要求1所述的高实时性布控解决方法,其特征在于,所述前端采集设备包括高清摄像机。
5.根据权利要求1所述的高实时性布控解决方法,其特征在于,所述布控信息包括布控对象的特征和阈值,所述前端多算法引擎将前端采集设备采集的前端数据与布控对象的特征进行比对,如比对结果超过阈值就产生预警信息。
6.根据权利要求5所述的高实时性布控解决方法,其特征在于,所述方法还包括:在步骤S3之后还包括:控制中心根据告警中心的预警信息进一步判断预警信息的真实性,对产生了预警信息的前端采集设备及其高关联的前端采集设备对应的前端多算法引擎下达仅对特定特征比对的指令。
7.一种高实时性布控解决***,其特征在于,所述***包括数据中心、前端多算法引擎、告警中心、控制中心、算法中心以及多个前端采集设备,
所述数据中心用于存储前端采集设备采集的前端数据;
每个前端采集设备配置一个前端多算法引擎,用以通过布控信息以及前端采集设备采集的前端数据进行分析,判断是否达到预警条件,到达预警条件时,产生预警信息并上传到告警中心;
所述告警中心用于存储并过滤重复预警信息;
所述控制中心用于处理预警信息,调度算力和对整个***的控制,对产生了预警信息的前端采集设备及其高关联的前端采集设备,通过对应的前端多算法引擎将采集的前端数据上传至高优先处理存储单元;
所述高优先处理存储单元用于存储需要优先处理前端采集数据;
所述算法中心用于提供支持算法服务,调集算力优先处理高优先处理存储单元中的数据;
其中,所述布控信息包括布控对象的特征和阈值,所述前端多算法引擎将前端采集设备采集的前端数据与布控对象的特征进行比对,如比对结果超过阈值就产生预警信息。
8.根据权利要求7所述的高实时性布控解决***,其特征在于,所述控制中心还用于根据告警中心的预警信息进一步判断预警信息的真实性,对产生了预警信息的前端采集设备及其高关联的前端采集设备对应的前端多算法引擎下达仅对特定特征比对的指令,并将预警信息发给特定接收端。
9.根据权利要求7所述的高实时性布控解决***,其特征在于,所述前端采集设备包括高清摄像机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910622978.4A CN110543497B (zh) | 2019-07-11 | 2019-07-11 | 一种高实时性布控解决方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910622978.4A CN110543497B (zh) | 2019-07-11 | 2019-07-11 | 一种高实时性布控解决方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110543497A CN110543497A (zh) | 2019-12-06 |
CN110543497B true CN110543497B (zh) | 2022-05-13 |
Family
ID=68709732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910622978.4A Active CN110543497B (zh) | 2019-07-11 | 2019-07-11 | 一种高实时性布控解决方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110543497B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114116849A (zh) * | 2021-12-01 | 2022-03-01 | 南威软件股份有限公司 | 一种针对人像预警信息的二次研判方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102510478A (zh) * | 2011-10-28 | 2012-06-20 | 唐玉勇 | 一种用于“平安城市”工程的智能布控***及方法 |
US20140078304A1 (en) * | 2012-09-20 | 2014-03-20 | Cloudcar, Inc. | Collection and use of captured vehicle data |
CN108364438A (zh) * | 2017-12-28 | 2018-08-03 | 武汉烽火众智数字技术有限责任公司 | 基于前端感知数据的预警方法及装置 |
CN109299642A (zh) * | 2018-06-08 | 2019-02-01 | 嘉兴弘视智能科技有限公司 | 基于人像识别的逻辑布控预警***及方法 |
CN109739905A (zh) * | 2019-01-10 | 2019-05-10 | 吉林建筑大学 | 一种综合管廊火灾预警方法及*** |
CN109886204A (zh) * | 2019-02-25 | 2019-06-14 | 武汉烽火众智数字技术有限责任公司 | 一种基于大数据警务应用的多维感知*** |
-
2019
- 2019-07-11 CN CN201910622978.4A patent/CN110543497B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110543497A (zh) | 2019-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11568723B2 (en) | Video surveillance and object recognition | |
CN108090458B (zh) | 人体跌倒检测方法和装置 | |
JP7040463B2 (ja) | 解析サーバ、監視システム、監視方法及びプログラム | |
CN107016322B (zh) | 一种尾随人员分析的方法及装置 | |
US9761248B2 (en) | Action analysis device, action analysis method, and action analysis program | |
CN108564052A (zh) | 基于mtcnn的多摄像头动态人脸识别***与方法 | |
CN108364374A (zh) | 基于深度学习的人脸门禁控制装置及方法 | |
CN110414459A (zh) | 建立人车关联的方法及装置 | |
CN108288025A (zh) | 一种车载视频监控方法、装置及设备 | |
CN210666820U (zh) | 一种基于dsp边缘计算的行人异常行为检测*** | |
CN110543497B (zh) | 一种高实时性布控解决方法及*** | |
CN112419639A (zh) | 一种视频信息的获取方法及装置 | |
KR101547255B1 (ko) | 지능형 감시 시스템의 객체기반 검색방법 | |
CN113627321A (zh) | 基于人工智能的图像识别方法、装置及计算机设备 | |
CN112836557A (zh) | 一种人像识别方法及*** | |
CN112613396B (zh) | 一种任务紧急程度处理方法及*** | |
KR101747212B1 (ko) | 영상 감시 시스템 및 그의 동작 방법 | |
CN115641701A (zh) | 一种事件提醒方法、装置、设备及存储介质 | |
CN110519562B (zh) | 移动侦测方法、装置和*** | |
WO2013173994A1 (en) | Embedded system board, method, front device, backend server and system for video surveillance | |
CN111753756A (zh) | 基于对象识别的布控报警方法、装置及存储介质 | |
CN113591620A (zh) | 一种基于一体式移动采集设备的预警方法、装置及*** | |
KR102569379B1 (ko) | 특정 이미지 탐색 기반 비식별화 처리 시스템 및 그 방법 | |
US20240129497A1 (en) | Reduced Video Stream Resource Usage | |
KR102643330B1 (ko) | 에지 네트워크 클라우드 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |