[发明专利]防盗通讯网络报警方法、装置设备及存储介质在审
申请号: | 201910065505.9 | 申请日: | 2019-01-24 |
公开(公告)号: | CN109697815A | 公开(公告)日: | 2019-04-30 |
发明(设计)人: | 郑庆彬 | 申请(专利权)人: | 广州市天河区保安服务公司 |
主分类号: | G08B13/196 | 分类号: | G08B13/196 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 510630 广东省广*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 报警终端 通讯网络 报警 防盗 存储介质 监控录像 监控平台 检测结果 装置设备 网络通信协议 网点 安全防护 报警信号 可疑行为 分析 发送 监控 检测 | ||
1.一种防盗通讯网络报警方法,其特征在于,所述防盗通讯网络报警方法包括以下步骤:
步骤S10:获取网点报警终端的数量,并根据所述报警终端的数量与监控平台建立网络通信协议;
步骤S20:所述监控平台获取监控录像并实时对网点进行监控;
步骤S30:对所述监控录像进行分析识别,并根据分析识别的结果进行检测,得到检测结果;
步骤S40:若从所述检测结果反映出有可疑行为,则根据所述报警终端的数量,生成并向所述报警终端发送报警信号。
2.如权利要求1所述的防盗通讯网络报警方法,其特征在于,在所述步骤S40之前,所述防盗通讯网络报警方法还包括以下步骤:
步骤S41:检测服务器集群的性能指标;
步骤S42:若检测到该服务器集群的性能指标超过容量阈值,则向所述监控平台发送样本库拆分请求;
步骤S43:若获取到所述样本库拆分条件信息,对所述样本库进行拆分,得到样本子库;
步骤S44:将特征值从所述样本子库中进行提取,得到所述特征值库;
步骤S45:若在提取所述特征值库后,检测服务器集群资源负载情况,若检测到资源负载情况超过预设的阈值,则发送增加服务器集群请求。
3.如权利要求2所述的防盗通讯网络报警方法,其特征在于,所述步骤S44包括以下步骤:
步骤S441:根据所述样本子库的数量,建立所述特征值库;
步骤S442:从所述样本子库中提取所述特征值,存入特征值表,并将特征值表存入对应的特征值库;
步骤S443:对所述样本子库中的样本容量进行监控,若检测到所述样本容量超过预设的阈值,则对所述样本子库和对应的所述特征值库进行进一步地拆分。
4.如权利要求1所述的防盗通讯网络报警方法,其特征在于,所述步骤S30包括:
步骤S301:识别所述监控录像中的人脸画面,根据所述人脸画面,将所述监控录像作为检测视频;
步骤S302:将所述检测视频输入至视频监测模型进行检测,得到所述检测结果。
5.如权利要求4所述的防盗通讯网络报警方法,其特征在于,在所述步骤S302之前,所述防盗通讯网络报警方法还包括:
步骤S3021:根据历史监控录像,将所述历史盗窃作为样本视频;
步骤S3022:逐个从所述样本视频选取连续N帧监控画面,并根据所述样本视频进行分组,得到所述训练图像集,其中N为正整数;
步骤S3023:将所述训练图像集输入到卷积神经网络模型CNN中,对该所述训练图像集进行下采样、卷积和池化操作,得到与所有所述训练图像集对应的监控特征向量;
步骤S3024:使用LSTM网络对所述训练图像集的所述监控特征向量进行训练,得到对应的所述视频检测模型。
6.一种防盗通讯网络报警装置,其特征在于,所述防盗通讯网络报警装置包括:
通信建立模块,用于获取网点报警终端的数量,并根据所述报警终端的数量与监控平台建立网络通信协议;
监控模块,用于所述监控平台获取监控录像并实时对网点进行监控;
识别模块,用于对所述监控录像进行分析识别,并根据分析识别的结果进行检测,得到检测结果;
报警模块,用于若从所述检测结果反映出有可疑行为,则根据所述报警终端的数量,生成并向所述报警终端发送报警信号。
7.如权利要求6所述的防盗通讯网络报警装置,其特征在于,所述防盗通讯网络报警装置还包括:
检测模块,用于检测服务器集群的性能指标;
拆分请求发送模块,用于若检测到该服务器集群的性能指标超过容量阈值,则向所述监控平台发送样本库拆分请求;
拆分模块,用于若获取到所述样本库拆分条件信息,对所述样本库进行拆分,得到样本子库;
特征提取模块,用于将特征值从所述样本子库中进行提取,得到所述特征值库;
消息发送模块,用于若在提取所述特征值库后,检测服务器集群资源负载情况,若检测到资源负载情况超过预设的阈值,则发送增加服务器集群请求。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州市天河区保安服务公司,未经广州市天河区保安服务公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910065505.9/1.html,转载请声明来源钻瓜专利网。