一种基于大数据的智慧校园安防数据处理方法

文献发布时间：2023-06-19 10:00:31

技术领域

本发明属于校园安防管理技术领域，涉及到一种基于大数据的智慧校园安防数据处理方法。

背景技术

随着高等教育事业蓬勃发展,高校校园安全问题也日益突出,越来越需要人们的关注，由于高校校园是一个开放式的环境，一些社会上的外来人员很容易混进校园，进而混进学生宿舍，在学生安全意识薄弱的情况下，就会导致宿舍的入室盗窃、抢劫等安防事件，因此需要对安防事件进行处理，目前的处理手段就是通过询问其他人员是否有外来人员进入宿舍来调查其出现的安防事件是否是外来人员混进宿舍造成的，但这种人工询问方式具有调查效率低，且无法还原现场的特点，会导致事件处理进展缓慢，事件处理准确度不高，难以满足对校园宿舍安防事件的有效处理需求。为了解决上述问题，本发明提出一种基于大数据的智慧校园安防数据处理方法。

发明内容

本发明的目的在于提出一种基于大数据的智慧校园安防数据处理方法，通过在校园的各宿舍楼进出口安装监控摄像头，以识别外来人员，并对识别出的外来人员记录其人脸特征、进入宿舍楼的标号、进入宿舍楼的时间和离开宿舍楼的时间，进而将上述参数构建外来人员信息库，为安防事件调查处理提供可靠的参考依据，解决了背景技术中提到的问题。

本发明的目的可以通过以下技术方案来实现：

一种基于大数据的智慧校园安防数据处理方法，该智慧校园安防数据处理方法在具体实施过程中需要用到一种智慧校园安防管理系统，该智慧校园安防管理系统包括宿舍楼视频监控模块、视频图像处理模块、人脸识别模块、外来人员标记模块、安防事件处理调取模块、外来人员危险性分析模块、安防数据库、学生晚归统计模块、分析服务器和显示终端；

所述宿舍楼视频监控模块用于对校园内建造的宿舍楼数量进行统计，并对统计的各宿舍楼按照其宿舍楼标号进行标记，依次标记为1,2...i...n，同时对标记的各宿舍楼进出口安装视频监控摄像头，用于对进出宿舍楼的人员进行视频监控，进而从各宿舍楼的监控视频中对各宿舍楼存在人体的视频图像进行截取，并记录截取到的该存在人体视频图像所在宿舍楼编号，宿舍楼视频监控模块将截取到的存在人体的视频图像发送至视频图像处理模块，同时将截取到的该存在人体视频图像所在宿舍楼编号发送至人脸识别模块；

所述视频图像处理模块接收宿舍楼视频监控模块发送的存在人体的视频图像，并将接收的存在人体的视频图像进行去除噪声和高清滤波处理，得到处理后的存在人体的视频图像，进而在处理后的存在人体的视频图像上存在的人体个数进行统计，若统计的人体个数只有一个，则表明该视频图像上只存在一个人体，此时将该视频图像聚焦在该人体的人脸部位上，并进行放大，以此提取该人体的人脸特征，同时将提取的该人体的人脸特征发送至人脸识别模块，若统计的人体个数有多个，则表明该视频图像上存在多个人体，此时将该视频图像按照其存在的人体个数进行图像分割，得到各人体子图像，每个人体子图像与该视频图像存在的多个人体一一对应，这时将各人体子图像聚焦在该人体子图像对应的人体的人脸部位上，并进行放大，以此提取该各人体子图像对应人体的人脸特征，进而将其发送至人脸识别模块；

所述人脸识别模块接收视频图像处理模块发送的人脸特征，并接收宿舍楼视频监控模块发送的该存在人体视频图像所在宿舍楼编号，根据接收的宿舍楼标号从安防数据库中筛选出该宿舍楼标号对应的所有学生的人脸特征，进而将接收的人脸特征与该宿舍楼标号对应的所有学生人脸特征进行匹配，若匹配成功，则表明该人脸特征对应的人体即为该宿舍楼的一名学生，此时不做处理，若匹配失败，则表明该人脸特征对应的人体即为外来人员，此时记录该外来人员进入宿舍楼的时间、离开宿舍楼的时间和进入宿舍楼的标号，并将该外来人员人脸特征、进入宿舍楼的标号、进入宿舍楼的时间和离开宿舍楼的时间发送至外来人员标记模块；

所述安防数据库用于存储各宿舍楼标号对应的所有学生的人脸特征，存储各种外来危险等级对应的外来人员来往频次及各种外来危险等级对应的外来危险系数，存储各晚归时间段对应的晚归危险系数，并存储外来人员、学生晚归对宿舍楼综合安防危险系数的影响因子；

所述外来人员标记模块接收人脸识别模块发送的外来人员人脸特征、进入宿舍楼的标号、进入宿舍楼的时间和离开宿舍楼的时间，并将接收的外来人员人脸特征、进入宿舍楼的标号、进入宿舍楼的时间和离开宿舍楼的时间构成一条外来人员来往记录，进而将其存放在外来人员信息库内该宿舍楼标号对应的外来人员信息子库中；

所述安防事件处理调取模块用于对当某宿舍楼发生安防事故时，记录该发生安防事故的宿舍楼标号及发生安防事故的时间段，并根据该发生安防事故的宿舍楼标号从外来人员信息库中筛选出该发生安防事故的宿舍楼标号对应的外来人员信息子库，再根据发生安防事故的时间段从该发生安防事故的宿舍楼标号对应的外来人员信息子库中查询处于该发生安防事故的时间段内的外来人员来往记录，进而从中调取符合条件的外来人员人脸特征，作为该安防事故的调查取证；

所述外来人员危险性分析模块用于从外来人员信息库内存储的各宿舍楼标号对应的外来人员信息子库中，按照预设的时间段筛选预设时间段内各宿舍楼对应的各外来人员来往记录，并将筛选的各宿舍楼对应的各外来人员来往记录按照其外来人员进入宿舍楼的时间先后顺序进行编号，分别标记为1,2...j...m，同时对筛选的各宿舍楼对应的各外来人员来往记录从中提取各外来人员的人脸特征，进而将提取的同一宿舍楼内各外来人员来往记录中各外来人员的人脸特征进行互相对比，进而统计各宿舍楼内出现的各外来人员来往的频次，以此将统计的各宿舍楼内出现的各外来人员来往频次与安防数据库中各种外来危险等级对应的外来人员来往频次进行对比，筛选得出各宿舍楼内出现的各外来人员对应的外来危险等级，进而将各宿舍楼内出现的各外来人员对应的外来危险等级与安防数据库中各种外来危险等级对应的外来危险系数进行对比，筛选得到各宿舍楼内出现的各外来人员的外来危险等级对应的外来危险系数，综合以上统计各宿舍楼对应的总外来危险系数，并发送至分析服务器；

所述学生晚归统计模块用于在晚上十一点至凌晨六点之间设置各晚归时间段，并对设置的各晚归时间段按照时间先后顺序进行编号，分别标记为1,2...t...k,以此统计各宿舍楼各晚归时间段内回到宿舍楼的学生人数，构成宿舍楼学生晚归人数集合P

所述分析服务器接收外来人员危险性分析模块发送的各外来宿舍楼对应的总外来危险系数，并接收学生晚归统计模块发送的宿舍楼学生晚归人数集合，将宿舍楼学生晚归人数集合内的各晚归时间段与安防数据库中各晚归时间段对应的晚归危险系数进行对比，得到各晚归时间段对应的晚归危险系数，以此统计各宿舍楼对应的总晚归危险系数，通过以上，分析服务器根据各宿舍楼对应的总外来危险系数和各宿舍楼对应的总晚归危险系数统计各宿舍楼的综合安防危险系数，并发送至显示终端；

所述显示终端接收分析服务器发送的各宿舍楼的综合安防危险系数，并显示；

所述基于大数据的智慧校园安防数据处理方法，包括以下步骤：

S1.校园宿舍楼标记：对校园内建造的宿舍楼数量进行统计，进而进行标记；

S2.宿舍楼视频监控：对标记的各宿舍楼进出口安装视频监控摄像头，用于对进出宿舍楼的人员进行视频监控；

S3.人体视频图像截取：从各宿舍楼的监控视频中对存在人体的视频图像进行截取，并记录截取到的该存在人体视频图像所在宿舍楼编号；

S4.视频图像处理：对存在人体的视频图像进行图像处理，进而提取视频图像中人体的人脸特征；

S5.人脸识别：对提取的视频图像中人体的人脸特征与安防数据库中对应宿舍楼标号内所有学生的人脸特征进行匹配，识别出是否为对应宿舍楼标号内的学生，若是，则不进行处理，如不是，则记录该外来人员进入宿舍楼的时间、离开宿舍楼的时间和进入宿舍楼的标号，并执行S6；

S6.外来人员标记：对记录的外来人员人脸特征、进入宿舍楼的标号、进入宿舍楼的时间和离开宿舍楼的时间构成一条外来人员来往记录，进而将其存放在外来人员信息库内该宿舍楼标号对应的外来人员信息子库中；

S7.外来人员危险性分析：从外来人员信息库内存储的各宿舍楼标号对应的外来人员信息子库中，按照预设的时间段筛选预设时间段内各宿舍楼对应的各外来人员来往记录，进而统计各宿舍楼内出现的各外来人员来往的频次，以此计算各宿舍楼对应的总外来危险系数；

S8.学生晚归统计：通过在晚上十一点至凌晨六点之间设置各晚归时间段，以统计各宿舍楼各晚归时间段内回到宿舍楼的学生人数，构成宿舍楼学生晚归人数集合；

S9.总晚归危险系数统计：根据宿舍楼学生晚归人数集合统计各宿舍楼对应的总晚归危险系数；

S10.综合安防危险系数统计：根据各宿舍楼对应的总外来危险系数和各宿舍楼对应的总晚归危险系数统计各宿舍楼的综合安防危险系数。

更具体地，所述宿舍楼视频监控模块对各宿舍楼存在人体的视频图像进行截取的过程包括以下两个步骤：

H1：将人体红外传感器设置在视频监控摄像头旁边；

H2：当人体红外传感器感应到有人体出现时，则启动视频监控摄像头进行此时存在人体的视频图像截取，当人体红外传感器未感应到有人体出现时，则不进行视频图像截取。

更具体地，所述外来人员危险性分析模块筛选预设时间段内各宿舍楼对应的各外来人员来往记录的具体筛选过程执行以下步骤：

W1：根据预设的时间段，确定开始筛选时间和结束筛选时间；

W2：从外来人员信息库内存储的各宿舍楼标号对应的外来人员信息子库中获取每条外来人员来往记录对应的外来人员进入宿舍楼的时间；

W3：将获取的各宿舍楼标号对应的每条外来人员来往记录对应的外来人员进入宿舍楼的时间与开始筛选时间和结束筛选时间进行对比，查看其是否处在开始筛选时间和结束筛选时间之间，若处在，则保留该宿舍楼标号对应的该条外来人员来往记录，若不处在，则放弃该宿舍楼标号对应的该条外来人员来往记录，以此保留下的各宿舍楼标号对应的各条外来人员来往记录即为预设时间段内的各宿舍楼对应的各外来人员来往记录。

更具体地，所述各宿舍楼内出现的各外来人员来往频次的统计方法为将同一宿舍楼内各外来人员来往记录中各外来人员的人脸特征进行互相对比，分析是否存在相同的外来人员人脸特征，若存在相同的外来人员人脸特征，即表明存在相同的外来人员，此时统计相同外来人员个数和不同外来人员个数，对相同外来人员，分别统计各相同外来人员对应在外来人员来往记录中出现的次数，即为各相同外来人员出现的频次，对不同的外来人员，表明其只在对应的外来人员来往记录中出现过一次，其出现的频次即为一次。

更具体地，所述各宿舍楼对应的总外来危险系数计算方法为将各宿舍楼内出现的各外来人员的外来危险等级对应的外来危险系数进行累加。

更具体地，所述各晚归时间段对应的晚归危险系数的大小顺序分别为λ

更具体地，所述各宿舍楼对应的总晚归危险系数的计算公式为

更具体地，所述各宿舍楼的综合安防危险系数的计算公式为

本发明的有益效果如下：

1.本发明通过对在校园的各宿舍楼进出口安装监控摄像头，以识别外来人员，并对识别出的外来人员记录其人脸特征、进入宿舍楼的标号、进入宿舍楼的时间和离开宿舍楼的时间，进而将上述参数构建外来人员信息库，当某宿舍楼发生安防事件时，其外来人员信息库为安防事件处理提供可靠的参考依据，弥补了目前对校园宿舍安防事件的人工询问处理方式的弊端，提高了安防事件的调查处理效率，且外来人员信息库实现了现场真实还原的功能，进而提高了安防事件处理的准确度，满足了现在对校园宿舍安防事件有效处理的需求。

2.本发明通过设置外来人员危险性分析模块和学生晚归统计模块，进以分析得出各宿舍楼对应的总外来危险系数和总晚归危险系数，以此得出各宿舍楼的综合安防危险系数，其得出的综合安防危险系数实现了各宿舍楼的综合安防危险状况的量化展示，方便宿舍管理人员直观了解，便于宿舍管理人员针对综合安防危险系数采取相应的安防措施进行处理。

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为本发明的流程图；

图2为本发明需要用到的智慧校园安防管理系统的模块示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参照图1-2所示，一种基于大数据的智慧校园安防数据处理方法，该智慧校园安防数据处理方法在具体实施过程中需要用到一种智慧校园安防管理系统，该智慧校园安防管理系统包括宿舍楼视频监控模块、视频图像处理模块、人脸识别模块、外来人员标记模块、安防事件处理调取模块、外来人员危险性分析模块、安防数据库、学生晚归统计模块、分析服务器和显示终端，其中宿舍楼视频监控模块分别与视频图像处理模块和人脸识别模块连接，视频图像处理模块与人脸识别模块连接，人脸识别模块与外来人员标记模块连接，外来人员标记模块分别与安防事件处理调取模块和外来人员危险性分析模块连接，分析服务器分别与外来人员危险性分析模块、学生晚归统计模块和显示终端连接。

宿舍楼视频监控模块用于对校园内建造的宿舍楼数量进行统计，并对统计的各宿舍楼按照其宿舍楼标号进行标记，依次标记为1,2...i...n，同时对标记的各宿舍楼进出口安装视频监控摄像头，用于对进出宿舍楼的人员进行视频监控，进而从各宿舍楼的监控视频中对各宿舍楼存在人体的视频图像进行截取，其截取的过程包括以下两个步骤：

H1：将人体红外传感器设置在视频监控摄像头旁边；

并记录截取到的该存在人体视频图像所在宿舍楼编号，宿舍楼视频监控模块将截取到的存在人体的视频图像发送至视频图像处理模块，同时将截取到的该存在人体视频图像所在宿舍楼编号发送至人脸识别模块。

本实施例通过在校园宿舍各宿舍楼进出口安装视频监控摄像头对各宿舍楼进出的人员进行视频监控，并以人体红外传感器进行人体感应设备，进而截取出存在人体的视频图像，为后面进行人脸识别提供有用的视频图像，同时也避免了对监控视频中存在的大量图像均进行处理造成的降低处理效率的问题。

视频图像处理模块接收宿舍楼视频监控模块发送的存在人体的视频图像，并将接收的存在人体的视频图像进行去除噪声和高清滤波处理，得到处理后的存在人体的视频图像，进而在处理后的存在人体的视频图像上存在的人体个数进行统计，若统计的人体个数只有一个，则表明该视频图像上只存在一个人体，此时将该视频图像聚焦在该人体的人脸部位上，并进行放大，以此提取该人体的人脸特征，同时将提取的该人体的人脸特征发送至人脸识别模块，若统计的人体个数有多个，则表明该视频图像上存在多个人体，此时将该视频图像按照其存在的人体个数进行图像分割，得到各人体子图像，每个人体子图像与该视频图像存在的多个人体一一对应，这时将各人体子图像聚焦在该人体子图像对应的人体的人脸部位上，并进行放大，以此提取该各人体子图像对应人体的人脸特征，进而将其发送至人脸识别模块。

本实施例通过在视频图像处理中对截取的视频图像上存在的人体个数进行统计，进而得出该截取的视频图像是单人图像还是多人图像，根据得出的结果对不同图像采取不同图像的处理措施，避免采用同一种图像处理措施造成的人脸识别遗漏，影响后面对外来人员的标记。

人脸识别模块接收视频图像处理模块发送的人脸特征，并接收宿舍楼视频监控模块发送的该存在人体视频图像所在宿舍楼编号，根据接收的宿舍楼标号从安防数据库中筛选出该宿舍楼标号对应的所有学生的人脸特征，进而将接收的人脸特征与该宿舍楼标号对应的所有学生人脸特征进行匹配，若匹配成功，则表明该人脸特征对应的人体即为该宿舍楼的一名学生，此时不做处理，若匹配失败，则表明该人脸特征对应的人体即为外来人员，此时记录该外来人员进入宿舍楼的时间、离开宿舍楼的时间和进入宿舍楼的标号，并将该外来人员人脸特征、进入宿舍楼的标号、进入宿舍楼的时间和离开宿舍楼的时间发送至外来人员标记模块。

安防数据库用于存储各宿舍楼标号对应的所有学生的人脸特征，存储各种外来危险等级对应的外来人员来往频次及各种外来危险等级对应的外来危险系数，存储各晚归时间段对应的晚归危险系数，其中越靠后的晚归时间段对应的晚归危险系数越高，各晚归时间段对应的晚归危险系数的大小顺序分别为λ

影响因子。

外来人员标记模块接收人脸识别模块发送的外来人员人脸特征、进入宿舍楼的标号、进入宿舍楼的时间和离开宿舍楼的时间，并将接收的外来人员人脸特征、进入宿舍楼的标号、进入宿舍楼的时间和离开宿舍楼的时间构成一条外来人员来往记录，进而将其存放在外来人员信息库内该宿舍楼标号对应的外来人员信息子库中。

安防事件处理调取模块用于对当某宿舍楼发生安防事故时，其中安防事件包括偷盗、抢劫、伤人等，记录该发生安防事故的宿舍楼标号及发生安防事故的时间段，并根据该发生安防事故的宿舍楼标号从外来人员信息库中筛选出该发生安防事故的宿舍楼标号对应的外来人员信息子库，再根据发生安防事故的时间段从该发生安防事故的宿舍楼标号对应的外来人员信息子库中查询处于该发生安防事故的时间段内的外来人员来往记录，进而从中调取符合条件的外来人员人脸特征，作为该安防事故的调查取证，其为安防事件的调查处理提供可靠的参考依据，弥补了目前对校园宿舍安防事件的人工询问处理方式的弊端，提高了安防事件的调查处理效率，且构建的外来人员信息库实现了现场真实还原的功能，进而提高了安防事件处理的准确度，满足了现在对校园宿舍安防事件有效处理的需求。

外来人员危险性分析模块用于从外来人员信息库内存储的各宿舍楼标号对应的外来人员信息子库中，按照预设的时间段筛选预设时间段内各宿舍楼对应的各外来人员来往记录，其具体筛选过程执行以下步骤：

W1：根据预设的时间段，确定开始筛选时间和结束筛选时间；

W2：从外来人员信息库内存储的各宿舍楼标号对应的外来人员信息子库中获取每条外来人员来往记录对应的外来人员进入宿舍楼的时间；

并将筛选的各宿舍楼对应的各外来人员来往记录按照其外来人员进入宿舍楼的时间先后顺序进行编号，分别标记为1,2...j...m，同时对筛选的各宿舍楼对应的各外来人员来往记录从中提取各外来人员的人脸特征，进而将提取的同一宿舍楼内各外来人员来往记录中各外来人员的人脸特征进行互相对比，进而统计各宿舍楼内出现的各外来人员来往的频次，其具体统计方法为将同一宿舍楼内各外来人员来往记录中各外来人员的人脸特征进行互相对比，分析是否存在相同的外来人员人脸特征，若存在相同的外来人员人脸特征，即表明存在相同的外来人员，此时统计相同外来人员个数和不同外来人员个数，对相同外来人员，分别统计各相同外来人员对应在外来人员来往记录中出现的次数，即为各相同外来人员出现的频次，对不同的外来人员，表明其只在对应的外来人员来往记录中出现过一次，其出现的频次即为一次，以此将统计的各宿舍楼内出现的各外来人员来往频次与安防数据库中各种外来危险等级对应的外来人员来往频次进行对比，筛选得出各宿舍楼内出现的各外来人员对应的外来危险等级，进而将各宿舍楼内出现的各外来人员对应的外来危险等级与安防数据库中各种外来危险等级对应的外来危险系数进行对比，筛选得到各宿舍楼内出现的各外来人员的外来危险等级对应的外来危险系数，综合以上统计各宿舍楼对应的总外来危险系数，其计算方法为将各宿舍楼内出现的各外来人员的外来危险等级对应的外来危险系数进行累加，外来人员危险性分析模块将统计的各宿舍楼对应的总外来危险系数发送至分析服务器。

本实施例通过根据各宿舍楼对应的外来人员信息子库，进而从中分析得出各宿舍楼内对应的总外来危险系数，其总外来危险系数反映了宿舍楼的外来人员对应的危险状况，总外来危险系数越大，表明外来人员对宿舍楼安防的危险程度越高，为后期统计各宿舍楼的综合安防危险系数提供外人危险的相关系数。

学生晚归统计模块用于在晚上十一点至凌晨六点之间设置各晚归时间段，并对设置的各晚归时间段按照时间先后顺序进行编号，分别标记为1,2...t...k,以此统计各宿舍楼各晚归时间段内回到宿舍楼的学生人数，构成宿舍楼学生晚归人数集合P

分析服务器接收外来人员危险性分析模块发送的各外来宿舍楼对应的总外来危险系数，并接收学生晚归统计模块发送的宿舍楼学生晚归人数集合，将宿舍楼学生晚归人数集合内的各晚归时间段与安防数据库中各晚归时间段对应的晚归危险系数进行对比，得到各晚归时间段对应的晚归危险系数，以此统计各宿舍楼对应的总晚归危险系数

通过以上，分析服务器根据各宿舍楼对应的总外来危险系数和各宿舍楼对应的总晚归危险系数统计各宿舍楼的综合安防危险系数

本实施例得出的综合安防危险系数实现了各宿舍楼的综合安防危险状况的量化展示，其综合安防危险系数越大，表明该宿舍楼所处的综合危险程度越高。

显示终端接收分析服务器发送的各宿舍楼的综合安防危险系数，并显示，方便宿舍管理人员直观了解，便于宿舍管理人员针对综合安防危险系数采取相应的安防措施进行处理，有利于提高处理效率。