[发明专利]一种预警信息筛选方法及系统

说明书

本发明公开了一种预警信息筛选方法及系统，涉及安防领域。本发明包括以下步骤：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；获取实时检测警情，将实时监测警情输入到CNN神经网络模型中；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。本发明提高了报警的准确性，避免了安防人员根据虚假警情进行处理导致浪费大量的人力物力和时间，改善了安防系统的稳定性和准确性。

技术领域

本发明涉及安防领域，更具体的说是涉及一种预警信息筛选方法及系统。

背景技术

随着科学信息技术的不断进步，数字化、网络化、智能化迅猛发展，新一代人工智能技术的应用在世界范围内快速崛起,从根本上改变了经济社会发展的模式，改变了人们的生产生活方式,改变了企业在社会中的竞争格局。近年来，人工智能在安防产业的应用日渐完整和成熟，促进了安防行业技术和效率的整体提升，给人民群众带来了安全感和幸福感，也因此受到人们的广泛关注。

安全防范是指在建筑物或建筑群内(包括周边地域)，或特定的场所、区域，通过采用人力防范、技术防范和物理防范等方式综合实现对人员、设备、建筑或区域的安全防范。但是，现有的安防系统中存在警情误报的现象，导致耗费大量人力物力，因此如何减少误报现象是本领域技术人员亟需解决的。

发明内容

有鉴于此，本发明提供了一种预警信息筛选方法及系统，以解决上述问题。

为了实现上述目的，本发明采用如下技术方案：

一种预警信息筛选方法，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；

获取实时检测警情，将实时监测警情输入到CNN神经网络模型中；

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。

可选的，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。

可选的，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。

可选的，获取实时警情的具体方法如下：

获取实时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。

以上技术方案具有以下有益效果：

通过对实时警情的预处理，提高预警信息的滤除精度，并降低神经网络的计算量。

可选的，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；