CN116452379B - 一种基于大数据的智慧校园管理*** - Google Patents
一种基于大数据的智慧校园管理*** Download PDFInfo
- Publication number
- CN116452379B CN116452379B CN202211680263.2A CN202211680263A CN116452379B CN 116452379 B CN116452379 B CN 116452379B CN 202211680263 A CN202211680263 A CN 202211680263A CN 116452379 B CN116452379 B CN 116452379B
- Authority
- CN
- China
- Prior art keywords
- video monitoring
- information
- personnel
- monitoring data
- analysis
- 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
- 238000012544 monitoring process Methods 0.000 claims abstract description 228
- 238000004458 analytical method Methods 0.000 claims abstract description 162
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000007405 data analysis Methods 0.000 claims abstract description 34
- 238000004891 communication Methods 0.000 claims abstract description 10
- 238000012806 monitoring device Methods 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 13
- 238000010586 diagram Methods 0.000 claims description 13
- 238000000354 decomposition reaction Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012800 visualization Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000005206 flow analysis Methods 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000009432 framing Methods 0.000 claims description 2
- 230000005484 gravity Effects 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 102000037983 regulatory factors Human genes 0.000 claims description 2
- 108091008025 regulatory factors Proteins 0.000 claims description 2
- 230000001105 regulatory effect Effects 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 7
- 230000000875 corresponding effect Effects 0.000 description 50
- 230000006399 behavior Effects 0.000 description 29
- 238000005516 engineering process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 229940060587 alpha e Drugs 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- 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
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/604—Tools and structures for managing or administering access control systems
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/2141—Access rights, e.g. capability lists, access control lists, access tables, access matrices
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Multimedia (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Automation & Control Theory (AREA)
- Bioethics (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于大数据的智慧校园管理***,包括基本信息模块、视频监控模块和中央处理模块;基本信息模块用于获取智慧校园基本信息;视频监控模块用于与智慧校园各区域的视频监控设备建立通信连接,获取由视频监控设备采集的智慧校园各区域的视频监控数据,并将获取到的视频监控数据传输到中央处理模块;中央处理模块包括数据库模块和智能分析模块;数据库模块用于对智慧校园基本信息以及获取的视频监控数据进行分类存储管理,构建智慧校园监控数据库;智能分析模块用于根据得到的视频监控数据进行智能大数据分析,得到人员行为分析结果,并根据得到的人员行为分析结果输出相应的管理信息。本发明有助于提高了智慧校园管理的智能化水平。
Description
技术领域
本发明涉及智慧校园管理技术领域,特别是一种基于大数据的智慧校园管理***。
背景技术
智慧校园是以物联网为基础的智慧化的校园工作、学习和生活一体化环境,将教学、科研、管理和校园生活进行充分融合。随着科技的发展,信息技术与教育教学之间的融合越来越密切,原先的数字教学在信息技术的支持下,也逐渐转变为智慧校园。
现有技术中,也有一些针对智慧校园的治理平台或管理***投入使用。但是,现有的智慧校园管理***,没有形成体系化的数据库搭建,仅仅是针对校园中的单项监控指标进行独立的分析和管理,功能单一,而且扩展性水平低,不能满足现代智慧校园管理智能化和信息化的要求。
发明内容
针对上述问题,本发明旨在提供一种基于大数据的智慧校园管理***。
本发明的目的采用以下技术方案来实现:
本发明提出一种基于大数据的智慧校园管理***,包括基本信息模块、视频监控模块和中央处理模块;其中,
基本信息模块用于获取智慧校园基本信息,其中智慧校园基本信息包括设备基本信息和人员基本信息;
视频监控模块用于与设置在智慧校园各区域的视频监控设备建立通信连接,获取由视频监控设备采集的智慧校园各区域的视频监控数据,并将获取到的视频监控数据传输到中央处理模块;
中央处理模块包括数据库模块和智能分析模块;其中,
数据库模块用于对智慧校园基本信息以及获取的视频监控数据进行分类存储管理,构建智慧校园监控数据库;
智能分析模块用于根据得到的视频监控数据进行智能大数据分析,得到人员行为分析结果,并根据得到的人员行为分析结果输出相应的管理信息。
一种实施方式中,该***还包括权限管理模块;
权限管理模块用于对登录***的用户进行身份验证,并赋予用户相应的访问权限,供用户从中央处理模块中获取相应的管理信息。
一种实施方式中,基本信息模块包括设备绑定单元和人员信息录入单元;其中,
设备绑定单元用于录入视频监控设备的设备基本信息,完成视频监控设备与***的绑定;其中设备基本信息包括视频监控设备的唯一身份编号和监控位置;
人员信息录入单元用于录入人员基本信息,包括人员身份信息、人员预留身份识别信息和课程信息。
一种实施方式中,视频监控模块包括无线网关单元;
无线网关单元用于分别与绑定的视频监控设备建立通信连接,接收由视频监控设备采集并回传的视频监控数据,并对接收到的视频监控数据进行预处理,包括数据清洗和标准化的预处理,得到预处理后的视频监控数据并传输到中央处理模块。
一种实施方式中,智能分析模块包括基础分析单元和大数据分析单元;其中,
基础分析单元用于根据获取的视频监控数据进行身份识别分析,提取并识别视频监控数据中出现的人员以及对应的身份信息,并在视频监控数据中对出现人员的身份信息进行标记,将视频监控数据和其中出现的人员身份信息进行关联,对视频监控数据中出现的人员进行跟踪和轨迹分析,得到视频监控数据基础分析结果;
大数据分析单元用于根据得到的视频监控数据基础分析结果联合数据库模块中的智慧校园基本信息进行智能大数据分析,得到人员行为分析结果,并根据得到的人员行为分析结果输出相应的管理信息,将管理信息发送到相应的管理终端。
一种实施方式中,大数据分析单元包括考勤分析单元;其中,
考勤分析单元用于根据从教学区域获取的视频监控数据的基础分析结果,结合该教学区域对应课程的学生名单信息,进行学生考勤分析,得到相应课程的考勤分析结果并生成考勤记录,将考勤记录发送到管理终端;其中所述教学区域对应课程的学生名单信息为根据视频监控数据当前的时间信息和对应的教学区域信息匹配相应的课程,根据课程信息获取相应的课程学生名单信息;其中教学区域包括课室、体育场、实验室等课程开设的场所。
一种实施方式中,大数据分析单元包括安全分析单元;其中,
安全分析单元用于根据获取的视频监控数据基础分析结果,针对视频数据中不能正常识别身份的人员进行进一步的人脸识别分析,基于外接和/或内部预设的可疑人员人脸数据库,匹配分析是否出现可疑人员,当出现可疑人员时,则标记该可疑人员并提取相应的视频监控数据生成安全警示信息发送到管理终端。
一种实施方式中,大数据分析单元包括人流量分析单元;其中,
人流量分析单元用于根据获取的视频监控数据基础分析结果,对目标区域不同时间段的人流量变化特征进行分析,得到目标区域的人流量特征分析结果,并根据目标区域周边区域的人流量数据,结合目标区域的人流量特征和事件信息,对目标区域的人流量变化趋势进行预测,得到目标区域的人流量预测结果,并根据各目标区域的人流量预测结果生成校园人流量预测热力图,并将目标区域的人流量预测结果和校园人流量预测热力图发送到管理终端。
一种实施方式中,该管理终端包括可视化单元和警示单元;
可视化单元用于根据管理者的指令显示智慧校园各区域的视频监控数据的基础分析结果和人员行为分析结果及对应的管理信息,其中人员行为分析结果包括课程考勤分析结果、可疑人员分析结果和人流量预测结果;管理信息包括课程考勤记录、安全警示信息和校园的人流量预测热力图;
警示单元用于人员行为分析结果和对应的管理信息出现异常时,发出警示消息。
本发明的有益效果为:
1)本发明***以设置于校园中的智能监控设备为基础,对校园中的人员(例如学生、教职工、外来人员等)行为信息进行智能采集、监控和分析,并根据分析结果提供相应的管理信息,协助校园管理者对智慧校园进行准确、合理的管理,有助于提高了智慧校园管理的智能化水平。
2)本发明***构建专门的数据库来对得到的视频监控数据进行集中、统一的管理,构建智慧校园监控数据库,能够根据不同的分析需求提供数据分析基础,有助于提高智慧校园监控数据的信息化管理水平。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明实施例所示一种基于大数据的智慧校园管理***的框架结构图;
图2为本发明图1实施例的具体模块结构示意图。
附图标记:
基本信息模块1、视频监控模块2、中央处理模块3、数据库模块4、智能分析模块5、权限管理模块6、设备绑定单元11、人员信息录入单元12、无线网关单元21、基础分析单元51、大数据分析单元52、图像增强单元511、人员识别单元512、轨迹分析单元513、考勤分析单元521、安全分析单元522、人流量分析单元523
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1实施例所示一种基于大数据的智慧校园管理***,包括基本信息模块1、视频监控模块2和中央处理模块3;其中,
基本信息模块1用于获取智慧校园基本信息,其中智慧校园基本信息包括设备基本信息和人员基本信息;
视频监控模块2用于与设置在智慧校园各区域的视频监控设备建立通信连接,获取由视频监控设备采集的智慧校园各区域的视频监控数据,并将获取到的视频监控数据传输到中央处理模块3;
中央处理模块3包括数据库模块4和智能分析模块5;
数据库模块4用于对智慧校园基本信息以及获取的视频监控数据进行分类存储管理,构建智慧校园监控数据库;
智能分析模块5用于根据得到的视频监控数据进行智能大数据分析,得到人员行为分析结果,并根据得到的人员行为分析结果输出相应的管理信息。
本发明上述实施方式,提出一种基于大数据的智慧校园管理***,其中该智慧校园管理***以设置于校园中的智能监控设备为基础,对校园中的人员(例如学生、教职工、外来人员等)行为信息进行智能采集、监控和分析,并根据分析结果提供相应的管理信息,协助校园管理者对智慧校园进行准确、合理的管理,有助于提高了智慧校园管理的智能化水平。其中,基于视频监控的方式对校园内的人员行为进行分析,相比于传统的基于智能手环等方式进行的人员行为分析技术,一方面能够降低硬件设备的成本投入;另一方面能够提高人员行为分析的适应性(适应不同分析场景的需求)和准确性(避免人-设备不合一的情况),有助于提高智慧校园智能分析管理的效果。
同时,构建专门的数据库来对得到的视频监控数据进行集中、统一的管理,构建智慧校园监控数据库,能够根据不同的分析需求提供数据分析基础,有助于提高智慧校园监控数据的信息化管理水平。
一种实施方式中,智慧校园管理***能够基于云服务器搭建,也能够基于设置于校园中的本地服务器搭建,智慧校园管理***通过无线网络与设置在校园中的视频监控设备建立通信连接并获取视频监控设备采集的数据,基于得到的视频监控数据进行分析,得到的分析结果能够通过被动访问***或者由***主动传输的方式发送给管理者或者校园内的人员,有助于提高智慧校园管理的信息化水平。
一种实施方式中,基本信息模块1包括设备绑定单元11和人员信息录入单元12;其中,
设备绑定单元11用于录入视频监控设备的设备基本信息,完成视频监控设备与***的绑定;其中设备基本信息包括视频监控设备的唯一身份编号和监控位置等;
人员信息录入单元12用于录入人员基本信息,包括人员身份信息、人员预留身份识别信息、课程信息等。
在***搭建的过程中或者当有视频监控设备更新的时候,通过设备绑定单元11录入视频监控设备的基本信息,完成***与视频监控设备的绑定,以使得***能够正常接收视频监控设备采集的视频监控数据。
一种场景中,每个视频监控设备都设置有唯一身份编号,根据视频监控设备的设置位置和具体监控区域位置信息,与设备的唯一身份编号进行关联。在视频监控设备采集视频监控数据的过程中,将设备的唯一身份编号整合到回传的视频监控数据中,有助于实现视频监控数据的准确关联,提高针对大量视频监控设备的管理水平。
其中视频监控设备包括设置在校园各个监控区域的高清摄像头、网络摄像头、红外摄像头等。
一种场景中,基于校园人员注册***,在学生进行注册的时候,同步将学生的基本信息(例如是学生姓名、学号、班级、标准人脸图像等)录入到***中,并从学生所在班级的课程编排和学生选课***中获取学生对应的课程信息,包括课程名称、上课地点和上课时间等信息,将得到的课程信息等与对应的人员进行关联并保存在***中,形成与学生对应的基本信息库,有助于后续进一步根据视频监控数据对校园内学生的行为进行分析奠定基础。
一种实施方式中,视频监控模块2包括无线网关单元21;
无线网关单元21用于分别与绑定的视频监控设备建立通信连接,接收由视频监控设备采集并回传的视频监控数据,并对接收到的视频监控数据进行预处理,包括数据清洗和标准化等预处理,得到预处理后的视频监控数据并传输到中央处理模块3。
通过无线网关单元21,基于物联网、4g/5g等通信技术,实时接收由各个视频监控设备采集的视频监控数据,有助于提高数据传输的质量和实时性,同时基于无线网关单元21对接收到的视频监控数据进行初步的数据清洗和标准化等预处理,有助于提高***获取到的视频监控数据的质量,为提升大数据分析处理的效果奠定基础。
一种实施方式中,智能分析模块5包括基础分析单元51和大数据分析单元52;其中,
基础分析单元51用于根据获取的视频监控数据进行身份识别分析,提取并识别视频监控数据中出现的人员以及对应的身份信息,并在视频监控数据中对出现人员的身份信息进行标记,将视频监控数据和其中出现的人员身份信息进行关联,对视频监控数据中出现的人员进行跟踪和轨迹分析,得到视频监控数据基础分析结果;
大数据分析单元52用于根据得到的视频监控数据基础分析结果联合数据库模块4中的智慧校园基本信息进行智能大数据分析,得到人员行为分析结果,并根据得到的人员行为分析结果输出相应的管理信息,将管理信息发送到相应的管理终端。
在智能分析模块5中,特别设置有针对视频监控数据进行统一化分析处理的基础分析单元51,通过基础分析单元51来对视频监控数据中出现的人员进行自动识别和身份提取,并进一步针对视频监控数据中的人员进行跟踪,得到人员的移动轨迹。将根据视频监控数据得到的人员身份识别结果和轨迹分析结果作为视频监控数据的基础分析结果和相应的视频监控数据进行关联保存,通过集中的基础分析的方式,也能够有助于提高整体数据分析的效率,为后续进一步根据视频监控数据进行针对性的大数据分析奠定基础。同时,智能分析模块5中还设置有大数据分析单元52,能够根据不同场景、不同分析需求来基于得到的视频监控数据进行准确的人员行为分析,得到相应的人员行为分析结果,能够满足智慧校园管理中针对不同场景下的智慧管理需求。
一种实施方式中,数据库模块4还用于对智能分析模块5得到的人员行为分析结果和相应的管理信息进行分类存储管理。将得到的人员行为分析结果和管理信息也同步存储到数据库模块4中形成有效的记录。
通过数据库模块4对智慧校园管理***的数据进行集中的分类存储管理,构建体系化的数据库,能够提高针对海量数据的管理水平。
一种场景中,视频监控数据基础分析结果包括视频监控数据,以及视频监控数据中出现人员的身份标记信息,视频监控数据中出现的人员的移动轨迹信息,以及视频监控数据对应区域的人流量信息;其中移动轨迹信息包括移动路径信息和移动方向信息;人流量信息根据当前视频数据中出现的人员数量和人员的移动轨迹信息计算所得。
一种实施方式中,基础分析单元51中搭载有专用的图像分析引擎,来对获取的视频监控数据进行分析处理,包括人员身份识别和轨迹分析。
一种实施方式中,基础分析单元51包括图像增强单元511、人员识别单元512和轨迹分析单元513;其中,
图像增强单元511用于对获取的视频监控数据继续增强处理,提高视频监控数据的清晰度,得到增强后的视频监控数据;
人员识别单元512用于根据增强后的视频监控数据,提取视频监控数据中的人员信息,并基于人脸识别引擎,根据提取的人员信息中的人脸信息进行身份识别,得到身份识别结果;并根据得到的身份识别结果对视频监控数据中出现的人员进行标记;其中,针对不能识别身份的人员,则标记为外来人员;
轨迹分析单元513用于根据视频监控数据中的人员位姿变化,对人员的移动轨迹进行识别,得到人员轨迹分析结果。
上述实施方式,考虑到在校园内采集到的视频监控数据容易受到环境、设备、人员等因素的影响,容易导致视频监控数据清晰度不足的情况,影响后续人员识别和人员轨迹识别的准确性,因此,基础分析单元51中设置有图像增强单元511来首先对获取的视频监控数据继续统一的增强处理,能够提高视频监控数据的清晰度,提高数据分析的准确性。基于增强后的视频监控数据,通过图像识别引擎来提取图像中存在的人员,并基于人脸识别算法,将视频监控数据中出现的人员人脸信息与数据库模块4中预存的标准人脸信息进行匹配比对,得到人员的身份识别结果并继续标记,其中针对不能识别身份的人员,则标记为外来人员,并将标记信息关联和整合到视频监控数据中,为后续进一步的分析提供依据。同时,基于得到的视频监控数据,根据其中出现人员随时间的位姿变化信息,对人员的移动轨迹进行识别,并将人员轨迹分析结果整合和标记到视频监控数据中,为后续进一步的分析提供依据。通过针对视频监控数据进行统一的基础分析处理,能够得到视频监控数据中包含的人员行为基础信息(人员身份信息和轨迹分析结果),其中人员行为基础信息能够根据后续不同场景下的人员行为分析进行调用,有助于避免数据的重复处理,提升了数据分析处理效率。
一种实施方式中,图像增强单元511对获取的视频监控数据继续增强处理,提高视频监控数据的清晰度,得到增强后的视频监控数据,具体包括:
根据获取的视频监控数据进行分帧处理,得到各个视频监控帧画面;
按顺序依次对得到的各个视频监控帧画面进行增强处理,具体包括:
1)根据当前视频监控帧画面X(t)进行小波包分解,得到视频监控帧画面的小波包系数;针对得到的小波包系数进行阈值增强处理:
式中,表示阈值增强后的第j分解尺度第k个小波包系数,wj,k表示小波包分解得到的第j分解尺度第k个小波包系数,T表示设定的阈值,其中/>med(w(k))表示当前分解尺度小波包系数的中位数,L表示小波包系数的长度,j表示当前分解尺度;α和b分别表示调节因子,其中α∈[0.9,2],b∈[0.8,2];
根据阈值增强后的小波包系数进行小波包逆变换,得到阈值增强后的视频监控帧画面X′(t);
2)根据阈值增强后的视频监控帧画面X′(t),检测画面中的信息密集区域:
依次遍历阈值增强后的视频监控帧画面X′(t)中各个像素点,分别计算各个像素点的信息特征值:
式中,M(x,y)表示像素点(x,y)的信息特征值,表示以像素点(x,y)为中心的邻域范围(如3×3、5×5、7×7邻域范围等),/>表示像素点(a,b)为/>中的像素点,/>表示邻域范围内各像素点的平均灰度值,h(a,b)表示像素点(a,b)的灰度值,ht-1(a,b)表示前一帧视频监控帧画面中像素点(a,b)的灰度值,h(x,y)表示像素点(x,y)的灰度值,N表示邻域范围内像素点的总数,σX′表示阈值增强后的视频监控帧画面X′(t)中各像素点灰度值的标准差,c和d分别表示设定的比重因子,其中c∈[1,2],d∈[1,2],e表示设定的归一调节因子,其大小根据邻域范围与画面的尺寸比值获得,f表示变化调节因子,其中f∈[0.1,1];
将得到的像素点的信息特征值M(x,y)与设定的特征阈值MT进行比较,当M(x,y)>MT,则标记该像素点(x,y)为信息特征像素点,否则当M(x,y)≤MT,则标记该像素点(x,y)为一般像素点;将画面中各个信息特征像素点组成的区域标记为信息密集区域δ;
3)根据阈值增强后的视频监控帧画面X′(t),将视频监控帧画面转换到Lab颜色空间,得到视频监控帧画面的亮度通道L和颜色通道a、颜色通道b;
根据得到的颜色通道L进行亮度增强处理:
式中,L′(x,y)表示亮度增强处理后像素点(x,y)的亮度通道值,L(x,y)表示亮度通道中像素点(x,y)的亮度通道值,LT表示设定的标准亮度通道值,其中LT∈[60,70],τ表示像素点所在的由连续的信息特征像素点连成的信息密集区域,max(x,y)∈τ(Lτ)和min(x,y)∈τ(Lτ)分别表示像素点(x,y)所在的连续信息密集区中各像素点的亮度通道值的最大值和最小值,Sτ表示像素点(x,y)所在的连续信息密集区的面积,SX表示视频监控帧画面的面积,στ表示像素点(x,y)所在的连续信息密集区中各像素点的亮度通道值的标准差,σT表示设定的亮度通道值标准差阈值,p和q分别表示设定的调节因子,其中p∈[0.4,0.6],q∈[0.4,0.6],p+q=[0.9,1.05],r表示设定的亮度增强因子,其中r∈[0.1,0.2];g表示幅度调节因子,其中g∈[0.1,10];u和v分别表示设定的调节因子,其中u∈[0.4,0.6],v∈[0.4,0.6],u+v=[0.9,1.05];
根据亮度增强处理后的个像素点组成增强后的亮度通道L′,并进一步根据增强后的亮度通道L′和颜色通道a、颜色通道b继续颜色空间逆变换,得到增强处理后的视频监控帧画面;
根据各个增强处理后的视频监控帧画面重新组合,得到增强处理后的视频监控数据。
考虑到校园内采集到的视频监控数据,涉及的场景(如图书馆、校道、树林、食堂等)和环境(如天气,室内外,早晚等)变化较多,因此容易受到场景或者环境特定情况下各种因素的影响,从而导致视频监控数据容易出现清晰度不足的情况,影响后续人员识别和人员轨迹识别的准确性。本发明上述实施方式,提出了一种针对视频监控数据进行适应性增强处理的技术方案,其中首先通过基于小波包分解的阈值增强处理,来去除视频监控画面中的噪声干扰,通过提出的小波包系数阈值处理函数,能够特别贴近小波包系数的变化特性,对其中包含的噪声因素进行自适应的抑制,有效消除视频监控画面中的噪声像素,适应不同场景下的图像去噪增强需求;同时,基于噪声像素消除后的视频监控画面,进一步检测画面中的信息密集区域,通过提出的信息特征值计算函数,通过像素点的区域局部灰度变化,时间灰度变化和像素点灰度纹理特征来自适应地检测图像中特征信息聚集的区域,能够有助于针对信息聚集的区域进行检测并进一步地进行针对性的增强处理,突出视频监控画面中的关键信息部分。根据检测到的信息密集区域,采用基于Lab颜色空间的亮度通道的亮度增强处理方案来对图像的亮度水平进行分区域的增强,其中针对一般区域进行整体的亮度提高,能够适应不同亮度环境下的画面提升整体亮度效果;针对信息密集区域,特别根据像素点得亮度通道值以及像素点所在信息密集区范围进行综合得亮度增强,提高信息密集区中像素点得亮度水平,有助于提高视频监控画面中关键监控部分(如人员聚集的区域,或者树林、图书馆场景中背景较为复杂的区域)的清晰度,从而提高针对视频监控画面中关键监控部分中人脸部分的特征对比度,为后续进一步根据视频监控画面提取人员行为信息和人员特征信息提供优质的视频监控数据支持。
根据智慧校园不同场景的大数据分析需求,大数据分析单元52中能够根据需求设置不同的分析单元,来基于得到的视频监控数据和视频监控数据的基础分析结果进行进一步的分析,来满足相应的数据分析需求,提高智慧校园智能数据分析的多样性。
一种实施方式中,大数据分析单元52包括考勤分析单元521;其中,
考勤分析单元521用于根据从教学区域获取的视频监控数据的基础分析结果,结合该教学区域对应课程的学生名单信息,进行学生考勤分析,得到相应课程的考勤分析结果并生成考勤记录,将考勤记录发送到管理终端;其中所述教学区域对应课程的学生名单信息为根据视频监控数据当前的时间信息和对应的教学区域信息匹配相应的课程,根据课程信息获取相应的课程学生名单信息;其中教学区域包括课室、体育场、实验室等课程开设的场所。
一种场景中,考勤分析单元521根据从教室获取的视频监控数据进行分析,首先根据该教室当前时间段对应的课程编排信息得到对应的课程,并根据课程信息得到该课程的学生名单信息;同时根据视频监控数据的基础分析结果,将视频监控数据中检测到的人员身份信息和该课程的学生名单信息进行比对,得到相应的考勤结果,有助于基于视频监控数据完成课堂的考勤,提高课堂考勤的准确性和效果。
另一种场景中,考勤分析单元521根据校园中公共区域(如饭堂、体育场)的视频监控数据,获取当前该公共区域的人员信息,根据得到的人员信息,分析相应的人员在当前时间段是否有对应的课程安排,如果出现人员有课程安排但该人员不在指定的课程上课区域,则标记该人员的考勤异常信息,例如学生A在早上10:00-11:00点有安排的课程,但是通过视频监控数据分析得到该学生A在10:15出现在食堂内,则标记该学生A的异常考勤信息。
一种实施方式中,大数据分析单元52包括安全分析单元522;其中,
安全分析单元522用于根据获取的视频监控数据基础分析结果,针对视频数据中不能正常识别身份的人员进行进一步的人脸识别分析,基于外接和/或内部预设的可疑人员人脸数据库,匹配分析是否出现可疑人员,当出现可疑人员时,则标记该可疑人员并提取相应的视频监控数据生成安全警示信息发送到管理终端。
一种场景中,安全分析单元522根据当前视频监控数据的基础分析结果,将未被身份识别的外来人员的人脸信息与外接的公安***的可疑人员人脸数据库中的可疑人员人脸信息进行匹配比对,当识别到外来人员中存在可疑人员时,则标记该可疑人员,并发出相应的安全警示信息到管理终端,提醒校园中出现的可疑人员,有助于提高智慧校园管理的安全水平。
一种实施方式中,大数据分析单元52包括人流量分析单元523;其中,
人流量分析单元523用于根据获取的视频监控数据基础分析结果,对目标区域不同时间段的人流量变化特征进行分析,得到目标区域的人流量特征分析结果,并根据目标区域周边区域的人流量数据,结合目标区域的人流量特征和事件信息,对目标区域的人流量变化趋势进行预测,得到目标区域的人流量预测结果,并根据各目标区域的人流量预测结果生成校园人流量预测热力图,并将目标区域的人流量预测结果和校园人流量预测热力图发送到管理终端。
一种场景中,人流量分析单元523根据获取的视频监控数据基础分析结果,分别对食堂A和食堂B的人流量变化特征进行分析,分别得到食堂A和食堂B的人流量特征分析结果(例如是统计周一至周五午饭时段食堂A和食堂B的平均人流量数据),有助于根据统计结果合理安排食堂A和食堂B开放的窗口和工作人员,以提高食堂的管理水平。
另一种场景中,结合当前午饭时间食堂A和食堂B周边区域的人员轨迹,预测分别到达食堂A和食堂B的人流量生成食堂人流量预测热力图,同时根据预测的食堂人流量预测热力图和该食堂的平均人流量数据进行比对分析,得到人流量预测变化结果,有助于根据变化结果及时安排人手或进行相应的人员调度管理,以维持食堂的有序、正常运作,提高食堂管理的管理水平。
一种实施方式中,还包括权限管理模块6;其中,
权限管理模块6用于对登录***的用户进行身份验证,并赋予用户相应的访问权限,供用户从中央处理模块3中获取相应的管理信息。
其中,校园的注册学生、教职工和管理者能够通过智能设备访问智慧校园管理***,来获取相应的信息,其中***设置有权限管理模块6,能够对不同的用户进行信息访问权限的区分,以满足智慧校园管理***的权限管理要求。
一种场景中,学生通过登录智慧校园管理***,能够访问与自身相关的考勤信息或者公共区域(如食堂、体育场)的人流量预测信息等;管理者能够通过智慧校园管理***获取全部的数据以满足不同的管理场景需求。
一种实施方式中,管理终端包括可视化单元和警示单元;
可视化单元用于根据管理者的指令显示智慧校园各区域的视频监控数据的基础分析结果和人员行为分析结果及对应的管理信息,其中人员行为分析结果包括课程考勤分析结果、可疑人员分析结果和人流量预测结果;管理信息包括课程考勤记录、安全警示信息和校园的人流量预测热力图;
警示单元用于人员行为分析结果和对应的管理信息出现异常时,发出警示消息。
其中,智慧校园管理***也能够主动将人员行为分析结果和对应的管理信息发送到管理终端中进行展示,以对管理者做出相应的警示,有助于管理者能够及时根据当前的警示信息做出相应的管理决策,有助于提高智慧校园的管理水平。
需要说明的是,在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中,也可以是各个单元/模块单独物理存在,也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现,也可以采用软件功能单元/模块的形式实现。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解应当理解,可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现,处理器可以在一个或多个下列单元中实现:专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现,实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时,可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当分析,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (5)
1.一种基于大数据的智慧校园管理***,其特征在于,包括基本信息模块、视频监控模块和中央处理模块;其中,
基本信息模块用于获取智慧校园基本信息,其中智慧校园基本信息包括设备基本信息和人员基本信息;
其中,基本信息模块包括设备绑定单元和人员信息录入单元;其中,
设备绑定单元用于录入视频监控设备的设备基本信息,完成视频监控设备与***的绑定;其中设备基本信息包括视频监控设备的唯一身份编号和监控位置;
人员信息录入单元用于录入人员基本信息,包括人员身份信息、人员预留身份识别信息和课程信息;
视频监控模块用于与设置在智慧校园各区域的视频监控设备建立通信连接,获取由视频监控设备采集的智慧校园各区域的视频监控数据,并将获取到的视频监控数据传输到中央处理模块;
其中,视频监控模块包括无线网关单元;
无线网关单元用于分别与绑定的视频监控设备建立通信连接,接收由视频监控设备采集并回传的视频监控数据,并对接收到的视频监控数据进行预处理,包括数据清洗和标准化的预处理,得到预处理后的视频监控数据并传输到中央处理模块;
中央处理模块包括数据库模块和智能分析模块;其中,
数据库模块用于对智慧校园基本信息以及获取的视频监控数据进行分类存储管理,构建智慧校园监控数据库;
智能分析模块用于根据得到的视频监控数据进行智能大数据分析,得到人员行为分析结果,并根据得到的人员行为分析结果输出相应的管理信息;
其中,智能分析模块包括基础分析单元和大数据分析单元;其中,
基础分析单元用于根据获取的视频监控数据进行身份识别分析,提取并识别视频监控数据中出现的人员以及对应的身份信息,并在视频监控数据中对出现人员的身份信息进行标记,将视频监控数据和其中出现的人员身份信息进行关联,对视频监控数据中出现的人员进行跟踪和轨迹分析,得到视频监控数据基础分析结果;
大数据分析单元用于根据得到的视频监控数据基础分析结果联合数据库模块中的智慧校园基本信息进行智能大数据分析,得到人员行为分析结果,并根据得到的人员行为分析结果输出相应的管理信息,将管理信息发送到相应的管理终端;
其中,大数据分析单元包括考勤分析单元;其中,
考勤分析单元用于根据从教学区域和公共区域获取的视频监控数据的基础分析结果,结合教学区域对应课程的学生名单信息,进行学生考勤分析,得到相应课程的考勤分析结果并生成考勤记录,将考勤记录发送到管理终端;其中所述教学区域对应课程的学生名单信息为根据视频监控数据当前的时间信息和对应的教学区域信息匹配相应的课程,根据课程信息获取相应的课程学生名单信息;其中教学区域包括课室、体育场、实验室的课程开设的场所;
其中,所述基础分析单元包括图像增强单元、人员识别单元和轨迹分析单元;其中,
图像增强单元用于对获取的视频监控数据继续增强处理,提高视频监控数据的清晰度,得到增强后的视频监控数据;
人员识别单元用于根据增强后的视频监控数据,提取视频监控数据中的人员信息,并基于人脸识别引擎,根据提取的人员信息中的人脸信息进行身份识别,得到身份识别结果;并根据得到的身份识别结果对视频监控数据中出现的人员进行标记;
轨迹分析单元用于根据视频监控数据中的人员位姿变化,对人员的移动轨迹进行识别,得到人员轨迹分析结果;
其中,图像增强单元对获取的视频监控数据继续增强处理,提高视频监控数据的清晰度,得到增强后的视频监控数据,具体包括:
根据获取的视频监控数据进行分帧处理,得到各个视频监控帧画面;
按顺序依次对得到的各个视频监控帧画面进行增强处理,具体包括:
1)根据当前视频监控帧画面X(t)进行小波包分解,得到视频监控帧画面的小波包系数;针对得到的小波包系数进行阈值增强处理:
式中,表示阈值增强后的第j分解尺度第k个小波包系数,wj,k表示小波包分解得到的第j分解尺度第k个小波包系数,T表示设定的阈值,其中/>med(w(k))表示当前分解尺度小波包系数的中位数,Lw表示小波包系数的长度,j表示当前分解尺度;αw和bw分别表示调节因子,其中αw∈[0.9,2],bw∈[0.8,2];
根据阈值增强后的小波包系数进行小波包逆变换,得到阈值增强后的视频监控帧画面X′(t);
2)根据阈值增强后的视频监控帧画面X′(t),检测画面中的信息密集区域:
依次遍历阈值增强后的视频监控帧画面X′(t)中各个像素点,分别计算各个像素点的信息特征值:
式中,M(x,y)表示像素点(x,y)的信息特征值,表示以像素点(x,y)为中心的邻域范围,/>表示像素点(a,b)为/>中的像素点,/>表示邻域范围内各像素点的平均灰度值,h(a,b)表示像素点(a,b)的灰度值,ht-1(a,b)表示前一帧视频监控帧画面中像素点(a,b)的灰度值,h(x,y)表示像素点(x,y)的灰度值,N表示邻域范围内像素点的总数,σX′表示阈值增强后的视频监控帧画面X′(t)中各像素点灰度值的标准差,c和d分别表示设定的比重因子,其中c∈[1,2],d∈[1,2],e表示设定的归一调节因子,其大小根据邻域范围与画面的尺寸比值获得,f表示变化调节因子,其中f∈[0.1,1];
将得到的像素点的信息特征值M(x,y)与设定的特征阈值MT进行比较,当M(x,y)>MT,则标记该像素点(x,y)为信息特征像素点,否则当M(x,y)≤MT,则标记该像素点(x,y)为一般像素点;将画面中各个信息特征像素点组成的区域标记为信息密集区域δ;
3)根据阈值增强后的视频监控帧画面X′(t),将视频监控帧画面转换到Lab颜色空间,得到视频监控帧画面的亮度通道L和颜色通道a、颜色通道b;
根据得到的亮度通道L进行亮度增强处理:
式中,L′(x,y)表示亮度增强处理后像素点(x,y)的亮度通道值,L(x,y)表示亮度通道中像素点(x,y)的亮度通道值,LT表示设定的标准亮度通道值,其中LT∈[60,70],τ表示像素点所在的由连续的信息特征像素点连成的信息密集区域,和/>分别表示像素点(x,y)所在的连续信息密集区中各像素点的亮度通道值的最大值和最小值,Sτ表示像素点(x,y)所在的连续信息密集区的面积,SX表示视频监控帧画面的面积,στ表示像素点(x,y)所在的连续信息密集区中各像素点的亮度通道值的标准差,σT表示设定的亮度通道值标准差阈值,p和q分别表示当(x,y)∈δ情况下设定的调节因子,其中p∈[0.4,0.6],q∈[0.4,0.6],p+q=[0.9,1.05],r表示设定的亮度增强因子,其中r∈[0.1,0.2];g表示幅度调节因子,其中g∈[0.1,10];u和v分别表示当/>情况下设定的调节因子,其中u∈[0.4,0.6],v∈[0.4,0.6],u+v=[0.9,1.05];
根据亮度增强处理后的各像素点组成增强后的亮度通道L′,并进一步根据增强后的亮度通道L′和颜色通道a、颜色通道b继续颜色空间逆变换,得到增强处理后的视频监控帧画面;
根据各个增强处理后的视频监控帧画面重新组合,得到增强处理后的视频监控数据。
2.根据权利要求1所述的一种基于大数据的智慧校园管理***,其特征在于,还包括权限管理模块;
权限管理模块用于对登录***的用户进行身份验证,并赋予用户相应的访问权限,供用户从中央处理模块中获取相应的管理信息。
3.根据权利要求1所述的一种基于大数据的智慧校园管理***,其特征在于,大数据分析单元包括安全分析单元;其中,
安全分析单元用于根据获取的视频监控数据基础分析结果,针对视频数据中不能正常识别身份的人员进行进一步的人脸识别分析,基于外接和/或内部预设的可疑人员人脸数据库,匹配分析是否出现可疑人员,当出现可疑人员时,则标记该可疑人员并提取相应的视频监控数据生成安全警示信息发送到管理终端。
4.根据权利要求1所述的一种基于大数据的智慧校园管理***,其特征在于,大数据分析单元包括人流量分析单元;其中,
人流量分析单元用于根据获取的视频监控数据基础分析结果,对目标区域不同时间段的人流量变化特征进行分析,得到目标区域的人流量特征分析结果,并根据目标区域周边区域的人流量数据,结合目标区域的人流量特征和事件信息,对目标区域的人流量变化趋势进行预测,得到目标区域的人流量预测结果,并根据各目标区域的人流量预测结果生成校园人流量预测热力图,并将目标区域的人流量预测结果和校园人流量预测热力图发送到管理终端。
5.根据权利要求1所述的一种基于大数据的智慧校园管理***,其特征在于,所述管理终端包括可视化单元和警示单元;
可视化单元用于根据管理者的指令显示智慧校园各区域的视频监控数据的基础分析结果和人员行为分析结果及对应的管理信息,其中人员行为分析结果包括课程考勤分析结果、可疑人员分析结果和人流量预测结果;管理信息包括课程考勤记录、安全警示信息和校园的人流量预测热力图;
警示单元用于人员行为分析结果和对应的管理信息出现异常时,发出警示消息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211680263.2A CN116452379B (zh) | 2022-12-26 | 2022-12-26 | 一种基于大数据的智慧校园管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211680263.2A CN116452379B (zh) | 2022-12-26 | 2022-12-26 | 一种基于大数据的智慧校园管理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116452379A CN116452379A (zh) | 2023-07-18 |
CN116452379B true CN116452379B (zh) | 2024-02-13 |
Family
ID=87127811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211680263.2A Active CN116452379B (zh) | 2022-12-26 | 2022-12-26 | 一种基于大数据的智慧校园管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116452379B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116935315B (zh) * | 2023-07-21 | 2024-05-28 | 浙江远图技术股份有限公司 | 一种病房环境的监控方法、装置、设备和介质 |
CN117197749B (zh) * | 2023-09-21 | 2024-05-24 | 广东博惠建安科技有限公司 | 一种校园安全监控*** |
CN117408847B (zh) * | 2023-12-15 | 2024-04-02 | 环球数科集团有限公司 | 基于5g核心网的校务智慧管理*** |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102236888A (zh) * | 2011-07-22 | 2011-11-09 | 清华大学 | 基于双树离散小波包的图像去噪方法 |
CN109376675A (zh) * | 2018-11-01 | 2019-02-22 | 廖芳婧 | 一种远距离人脸识别签到***及方法 |
CN110072085A (zh) * | 2019-04-25 | 2019-07-30 | 深圳市商汤科技有限公司 | 视频监控方法及装置 |
CN210469390U (zh) * | 2019-12-04 | 2020-05-05 | 青岛联合创智科技有限公司 | 一种智慧校园安防*** |
CN111612664A (zh) * | 2020-05-22 | 2020-09-01 | 河南智慧云大数据有限公司 | 基于大数据的智慧校园平台 |
CN112418091A (zh) * | 2020-11-23 | 2021-02-26 | 单昂 | 一种基于大数据的智慧校园安防数据处理方法 |
CN113504432A (zh) * | 2021-07-08 | 2021-10-15 | 广西电网有限责任公司电力科学研究院 | 一种变电站接地网监控*** |
CN113507588A (zh) * | 2021-06-03 | 2021-10-15 | 山西三友和智慧信息技术股份有限公司 | 一种基于人工智能的智慧校园人流量监测*** |
CN114170713A (zh) * | 2021-11-22 | 2022-03-11 | 浙江省邮电工程建设有限公司 | 一种基于物联网校园管理的信息推送方法及*** |
CN114596684A (zh) * | 2022-01-10 | 2022-06-07 | 嘉兴琥珀科技有限公司 | 基于公共安全的高清视频监控方法、监控装置及*** |
CN115223100A (zh) * | 2022-08-02 | 2022-10-21 | 上海三力信息科技有限公司 | 一种智慧园区异常人员识别方法、***、设备及存储介质 |
-
2022
- 2022-12-26 CN CN202211680263.2A patent/CN116452379B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102236888A (zh) * | 2011-07-22 | 2011-11-09 | 清华大学 | 基于双树离散小波包的图像去噪方法 |
CN109376675A (zh) * | 2018-11-01 | 2019-02-22 | 廖芳婧 | 一种远距离人脸识别签到***及方法 |
CN110072085A (zh) * | 2019-04-25 | 2019-07-30 | 深圳市商汤科技有限公司 | 视频监控方法及装置 |
CN210469390U (zh) * | 2019-12-04 | 2020-05-05 | 青岛联合创智科技有限公司 | 一种智慧校园安防*** |
CN111612664A (zh) * | 2020-05-22 | 2020-09-01 | 河南智慧云大数据有限公司 | 基于大数据的智慧校园平台 |
CN112418091A (zh) * | 2020-11-23 | 2021-02-26 | 单昂 | 一种基于大数据的智慧校园安防数据处理方法 |
CN113507588A (zh) * | 2021-06-03 | 2021-10-15 | 山西三友和智慧信息技术股份有限公司 | 一种基于人工智能的智慧校园人流量监测*** |
CN113504432A (zh) * | 2021-07-08 | 2021-10-15 | 广西电网有限责任公司电力科学研究院 | 一种变电站接地网监控*** |
CN114170713A (zh) * | 2021-11-22 | 2022-03-11 | 浙江省邮电工程建设有限公司 | 一种基于物联网校园管理的信息推送方法及*** |
CN114596684A (zh) * | 2022-01-10 | 2022-06-07 | 嘉兴琥珀科技有限公司 | 基于公共安全的高清视频监控方法、监控装置及*** |
CN115223100A (zh) * | 2022-08-02 | 2022-10-21 | 上海三力信息科技有限公司 | 一种智慧园区异常人员识别方法、***、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116452379A (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116452379B (zh) | 一种基于大数据的智慧校园管理*** | |
WO2022121059A1 (zh) | 一种基于5g物联网及ai智能门禁综合管理*** | |
US10812761B2 (en) | Complex hardware-based system for video surveillance tracking | |
JP6474919B2 (ja) | 混雑状況監視システム及び混雑状況監視方法 | |
WO2019104949A1 (zh) | 一种实现人员大数据采集分析的住宅门禁*** | |
CN110910549A (zh) | 基于深度学习和人脸识别特征的校园人员安全管理*** | |
CN105913037A (zh) | 基于人脸识别与射频识别的监控跟踪*** | |
US20210357649A1 (en) | Systems and methods of enforcing distancing rules | |
CN103258191A (zh) | 基于人脸识别的小区门禁*** | |
CN112418091B (zh) | 一种基于大数据的智慧校园安防数据处理方法 | |
Mohottige et al. | Role of campus WiFi infrastructure for occupancy monitoring in a large university | |
CN110244574A (zh) | 智能家居控制方法、装置、***和存储介质 | |
CN115079609A (zh) | 基于物联网多场景管理人员行为和设备工况行为***及方法 | |
Kak et al. | Smart home management system based on face recognition index in real-time | |
US20180181841A1 (en) | Method, system and apparatus for providing access to videos | |
KR100814510B1 (ko) | 출입 관리 시스템 및 그 방법 | |
Mohottige et al. | Modeling classroom occupancy using data of WiFi infrastructure in a university campus | |
CN112333434B (zh) | 一种智能视频分析*** | |
CN112183380B (zh) | 基于人脸识别的客流量分析方法和***、电子设备 | |
CN115409654B (zh) | 一种无人化酒店管理方法及*** | |
CN109871456B (zh) | 一种看守所人员关系分析方法、装置和电子设备 | |
CN110544334B (zh) | 门禁管理的数据处理方法、装置、电子设备与存储介质 | |
CN113128452A (zh) | 一种基于图像识别的绿化满意度采集方法和*** | |
CN113206935A (zh) | 校园双重预防安全防控云平台及方法 | |
AU2020202221A1 (en) | Privacy preserving visitor recognition and movement pattern analysis based on computer vision |
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 |