[发明专利]物业服务平台管理系统及其方法

说明书

本申请涉及物业管理领域，其具体地公开了一种物业服务平台管理系统及其方法，其采用基于深度学习的人工智能监控技术，以捕捉由摄像头采集的配电室内人员的行为动作监控视频中配电室内人员的行为动作姿势特征的高维隐含特征表示，并进一步地进行基于行为动作姿势特征的高维隐含特征表示的全局上下文语义理解以关注到配电室内人员的行为动作姿势特征在时序维度上的，再基于此变化模式特征来进行配电室内人员的行为异常分析。这样，在检测到异常时，在后台产生行为动作异常预警提示以预防和避免配电室发生问题。

技术领域

本申请涉及物业管理领域，且更为具体地，涉及一种物业服务平台管理系统及其方法。

背景技术

在进行物业服务管理时，需要保障供电系统正常，而配电室作为供电中心，是维系供电系统正常运转的重要组成部分，其正常工作与安全运行不仅关乎供电系统的正常运转，更关系到配电室或社区是否能够正常运行。因此，配电室稳定安全的运行、出现异常和故障能够及时响应和处理是各电力相关部门重点需要关注的问题之一。

现有技术最常用的的解决方案是定期派遣人员进行维护保养及维修更换避免和减少故障和事故的发生，而这只能对于内部线路出现故障进行预防，但不能对由配电室内人员异常行为导致的故障进行预警。

因此，期待一种优化的用于配电室的物业服务平台管理方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种物业服务平台管理系统及其方法，其采用基于深度学习的人工智能监控技术，以捕捉由摄像头采集的配电室内人员的行为动作监控视频中配电室内人员的行为动作姿势特征的高维隐含特征表示，并进一步地进行基于行为动作姿势特征的高维隐含特征表示的全局上下文语义理解以关注到配电室内人员的行为动作姿势特征在时序维度上的，再基于此变化模式特征来进行配电室内人员的行为异常分析。这样，在检测到异常时，在后台产生行为动作异常预警提示以预防和避免配电室发生问题。

相应地，根据本申请的一个方面，提供了一种物业服务平台管理系统，其包括：监控数据采集模块，用于获取由摄像头采集的配电室内人员的行为动作监控视频；采样模块，用于从所述行为动作监控视频提取多个行为动作监控关键帧；行为特征提取模块，用于将所述多个行为动作监控关键帧分别通过作为过滤器的卷积神经网络模型以得到多个行为动作特征向量；行为理解模块，用于将所述多个行为动作特征向量通过基于转换器的动作语义理解模型以得到动作理解特征向量；行为监测模块，用于将所述动作理解特征向量通过分类器以得到分类结果，所述分类结果用于表示配电室内人员的行为是否异常；以及管理结果生成模块，用于基于所述分类结果，生成管理结果，所述管理结果用于表示是否产生行为动作异常预警提示。

在上述物业服务平台管理系统中，所述采样模块，用于以预定采样频率从所述行为动作监控视频中提取多个行为动作监控关键帧。

在上述物业服务平台管理系统中，所述行为特征提取模块，进一步用于：使用所述卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述卷积神经网络模型的最后一层的输出为所述行为动作特征向量，所述卷积神经网络模型的第一层的输入为所述行为动作监控关键帧。

在上述物业服务平台管理系统中，所述作为过滤器的卷积神经网络模型为金字塔网络。

在上述物业服务平台管理系统中，所述行为理解模块，包括：时序上下文理解单元，用于将所述多个行为动作特征向量输入所述基于转换器的动作语义理解模型以得到多个上下文行为动作特征向量；聚合度优化单元，用于对所述多个上下文行为动作特征向量进行向量间特征聚合度优化以得到多个优化后上下文行为动作特征向量；以及，级联单元，用于将所述多个优化后上下文行为动作特征向量进行级联以得到所述动作理解特征向量。