[发明专利]一种预警信息筛选方法及系统

权利要求书

1.一种预警信息筛选方法，其特征在于，包括以下步骤：

获取历史警情，并对历史警情贴标签，所述标签为“0”和“1”；

搭建CNN神经网络，利用带有标签的历史警情对CNN神经网络训练；

多次循环训练，得到CNN神经网络模型；

获取实时监测警情，将实时监测警情输入到CNN神经网络模型中；所述实时监测警情包括使用人形识别摄像机在摄像机内设定时间内上传的人形信息，报警时可能出现的假信息有服装模特人形、汽车的灯光将室外的人影投入室内，近似人形的物品；

若CNN神经网络模型筛选结果为1，则触发警报；

若CNN神经网络模型筛选结果为0，则为虚假预警信息；

对历史警情贴标签的步骤如下：

对历史警情进行特征点提取，并对特征点进行检测；

去除异常特征点；

根据保留下的特征点构建尺度模型；

在尺度模型的基础上，确定特征点的特征向量；

根据特征向量确定特征点的方向；

根据特征点的方向确定历史警情的标签；

获取实时监测警情的具体方法如下：

获取实时监测警情的语音信息和图像信息；

对语音信息和图像信息进行预处理；

将预处理后的语音信息和图像信息根据预先设定的安全阈值进行分类，得到精准的语音信息和图像信息。

2.根据权利要求1所述的一种预警信息筛选方法，其特征在于，还包括对特征点的特征向量基于信息熵的项分布近似性的聚类方法进行降维。

3.根据权利要求1所述的一种预警信息筛选方法，其特征在于，对所述语音信息预处理的具体过程如下：

所述语音信息的分贝数是否小于预设阈值；

若否，利用高斯算法剔除噪声；

若是，对所述语音信息进行信号放大，并利用高斯算法剔除噪声。

4.根据权利要求1所述的一种预警信息筛选方法，其特征在于，对所述图像信息预处理包括：对图像的边缘进行切割，去除多余噪声点图像。

5.一种预警信息筛选系统，其特征在于，包括：

历史警情贴标签模块：用于获取历史警情，并对历史警情贴标签，所述标签为“0”和“1”；

神经网络训练模块：用于搭建CNN神经网络，利用带有标签的历史警情对CNN神经网络训练；

神经网络模型构建模块：用于多次循环训练，得到CNN神经网络模型；

实时警情获取模块：用于获取实时监测警情，将实时监测警情输入到CNN神经网络模型中；所述实时监测警情包括使用人形识别摄像机在摄像机内设定时间内上传的人形信息，报警时可能出现的假信息有服装模特人形、汽车的灯光将室外的人影投入室内，近似人形的物品；

预警信息筛选模块：用于筛选预警信息：若CNN神经网络模型筛选结果为1，则触发警报；若CNN神经网络模型筛选结果为0，则为虚假预警信息；

所述实时警情获取模块具体用于：获取实时监测警情的语音信息和图像信息；对语音信息和图像信息进行预处理；将预处理后的语音信息和图像信息根据预先设定的安全阈值进行分类，得到精准的语音信息和图像信息；

所述历史警情贴标签模块具体用于：对历史警情进行特征点提取，并对特征点进行检测；去除异常特征点；根据保留下的特征点构建尺度模型；在尺度模型的基础上，确定特征点的特征向量；根据特征向量确定特征点的方向；根据特征点的方向确定历史警情的标签。

6.根据权利要求5所述的一种预警信息筛选系统，其特征在于，所述实时警情获取模块通过摄像机，红外信息传感装置获取实时监测警情。