校园双重预防安全防控云平台及方法

技术领域

本发明涉及安防监控技术领域，尤其涉及一种校园双重预防安全防控云平台及方法。

背景技术

近年校园的安全越来越受到人们的重视，近年来由于扩招，学生密度增大，校园安全的保障压力越来越大，传统安防监控主要面向视频流数据挖掘，通过人力或自动监控校园园区环境，进而做出态势判断。然而，目前校园监控还存在以下问题：（1）主要是本地集中监控，对移动访问支持较弱，不利于执勤时访问，通知途径不够智能；（2）现有监控设备主要使用可见光图像，获取的信息具有局限性；（3）在对人员身份判定方面主要通过光学实现，存在一定的局限性；（4）没有充分利用收集到的数据，缺乏对数据的深度剖析、挖掘。

发明内容

针对传统安防监控对移动访问支持较弱的问题，本发明提供一种校园双重预防安全防控云平台及方法。

一方面，本发明提供一种校园双重预防安全防控云平台，包括：云服务器、本地计算核心集群和设置在校园内部的多个监控系统；所述校园由多个第一区域组成，每个所述第一区域均由多个第二区域组成；

每个所述监控系统均包括一个设置在第一区域内部的边缘节点，以及多个分别设置各个第二区域内部的采集设备，所述采集设备包括双光摄像头和RFID读取器；每个第二区域内部的采集设备均与对应的第一区域内部的边缘节点通信连接；

多个所述监控系统中的各个边缘节点通过校园内部网络与本地计算核心集群通信连接，所述本地计算核心集群与所述云服务器通信连接。

进一步地，所述本地计算核心集群包括：依次相连接的数据收集服务模块、数据存储服务模块和数据分析模块；

所述数据收集服务模块，用于接收各个边缘节点上传的数据；

所述数据存储服务模块，包括视频存储服务单元和视频相关记录存储服务单元；

所述数据分析模块，用于根据数据存储服务模块中所存储的数据进行分析，并对外提供API接口和云服务、访问及远程控制接口；

所述云服务器通过所述云服务、访问及远程控制接口与本地计算核心集群进行数据交互。

另一方面，本发明还提供一种基于上述的校园双重预防安全防控云平台的安全防控方法，包括：

采集设备采集人员和/车辆的红外成像数据、可见光数据和RFID标签数据，将采集到的数据发送至边缘节点；

边缘节点对采集设备发送的数据进行数据处理，将数据处理结果进行上传至本地计算核心集群；所述数据处理结果包括：混合标注的复合视频流图像、各个第二区域的区域安全评价指数、各个第一区域的区域安全评价指数和校园的总区域安全评价指数；

本地计算核心集群存储、分析各边缘节点上传的数据处理结果，并根据用户设置将存储的相关数据上传至云服务器；

本地计算核心集群和/或云服务器接收用户的访问控制请求，向用户提供相关访问控制服务。

进一步地，所述边缘节点对采集设备发送的数据进行数据处理，具体包括：

边缘节点将每个第二区域的红外热成像视频流和可见光视频流通过视频叠加算法形成RGBT双光复合视频流；

针对RGBT双光复合视频流的每个双光复合图像，边缘节点将所述双光复合图像与对应的RFID标签数据进行复合处理，得到原始图像、复合图像视频流、各个第二区域的区域安全指数、图像标注数据以及其他处理结果；

针对复合图像视频流中的每个复合图像，边缘节点通过图层叠加的方式将其对应的图像标注数据进行关联，形成混合标注的复合视频流图像；

边缘节点根据各个第二区域的区域安全指数，按照设定的汇总模型，对各个第二区域的区域安全指数进行汇总得到各个第一区域的区域安全指数，进而根据各个第一区域的区域安全指数汇总得到校园的总区域安全指数。

进一步地，所述边缘节点对采集设备发送的数据进行数据处理前，还包括对采集设备发送的数据进行初步预处理；所述初步预处理包括：图像变换、内容提取、压缩、格式转换、简单模型处理和模式判断。

进一步地，所述本地计算核心集群和/或云服务器接收用户的访问控制请求，向用户提供相关访问控制服务，具体包括：

本地计算核心集群和/或云服务器接收用户的态势展示请求，向用户提供态势展示的界面；所述态势展示的界面包括：区域风险指数信息、巡查建议信息、地图信息和复合视频墙。

进一步地，该方法还包括：

若边缘节点对采集设备发送的数据进行数据处理后识别到风险源或潜在风险源，则向本地计算核心集群节点提交风险；

本地计算核心集群节点接收到边缘节点提交的风险后发出告警；并根据用户设置向云服务器推送告警；

云服务器接收到本地计算核心集群节点推送的告警后，通过设定的告警通信方式将告警发送至相关人员和/或系统。

本发明的有益效果：

（1）在视频成像方面，通过红外热成像与可见光成像混合图像，提高视频信息量，针对人员、车辆做针对性处理，方便对数据进行分析评估；

（2）在人员车辆识别方面，通过视频与RFID结合的方式，实现对相关目标及状态的精确把握，为分析处理提供依据；

（3）通过云平台技术，提供远程访问支持，方便执勤人员及远程监控人员接入，同时通过消息沟通推送系统，预警规则，实现消息通知的智能化。

（4）根据传感器及云平台数据，实现对数据的分析挖掘，进而实现对安全态势的把握。

附图说明

图1为本发明实施例提供的采集设备采集数据的示意图；

图2为本发明实施例提供的监控系统的结构示意图；

图3为本发明实施例提供的校园双重预防安全防控云平台的部分结构示意图；

图4为本发明实施例提供的云服务器提供远程用户访问的示意图；

图5为本发明实施例提供的本地计算核心集群的结构示意图；

图6为本发明实施例提供的校园双重预防安全防控方法的流程示意图；

图7为本发明实施例提供的边缘节点进行数据处理的流程示意图；

图8为本发明实施例提供的图像标注数据示意图；

图9为本发明实施例提供的区域安全指数的融合示意图；

图10为本发明实施例提供的态势展示的示意图；

图11为本发明实施例提供的安全告警示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，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地描述，显然，所描述的实施例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。

结合图1至图5所示，本发明实施例提供一种校园双重预防安全防控云平台，包括：云服务器、本地计算核心集群和设置在校园内部的多个监控系统；所述校园由多个第一区域组成，每个所述第一区域均由多个第二区域组成；每个所述监控系统均包括一个设置在第一区域内部的边缘节点，以及多个分别设置各个第二区域内部的采集设备，所述采集设备包括双光摄像头和RFID读取器；每个第二区域内部的采集设备均与对应的第一区域内部的边缘节点通信连接；多个所述监控系统中的各个边缘节点通过校园内部网络与本地计算核心集群通信连接，所述本地计算核心集群与所述云服务器通信连接。

具体地，本地计算核心集群用于处理、存储边缘节点计算、采集到的数据，进行分析处理；并将关键数据传送至云服务器，同时接收云服务器的控制，向云服务器提供相应的服务，同时也接受本地访问及控制。

云服务器用于接受用户远程访问、向用户发出推送；也用于向本地提供额外的计算支持。云服务器可管理多个监控网络以进行集中式管理，也可以将本地计算核心集群的账户映射至云服务器上形成数字孪生，在用户脱离本地环境时，仍可获取到相应的信息。

采集设备与边缘节点通过网络接口进行互连，一方面，云服务器可以透过本地计算核心集群，实时访问各个边缘节点；另一方面，边缘节点可通过网络为云服务器提供数据及处理结果。

一个或多个本地计算核心集群连接至云服务器，与云服务器交换相关数据，外部设备通过互联网等方式连接至云服务器，享受云服务器提供的服务，进而实现对本地计算核心集群的访问。

本发明实施例提供的校园双重预防安全防控云平台，通过双光摄像头和RFID读写器进行联合采集，采集的目标为人员及车辆，采集的数据有红外热成像数据、可见光数据、RFID标签数据。可以理解，园区预先为人员和车辆颁发RFID标签，作为目标识别标签。通过网格化模式进行采集，即每组采集设备只负责某一网格区域，采集设备与区域对应。双光摄像头、RFID读写器将采集到的数据发至对应边缘节点做相应的处理。

若干个区域的采集设备由某一边缘节点做初步处理，主要是对RFID数据、红外热成像数据、可见光数据做一定的变换、内容提取、压缩、格式转换、简单模型处理、模式判断等工作。其中：变换指图像基本变换，包括放大、缩小、过滤、色彩影射、反相等图像基本变换；内容提取指背景剔除、目标增强、抠图等图像内容提取操作；压缩指将图像存储体积缩小的操作；格式转换指由一种图像标识格式转换成另一种图像标识格式的操作；简单模型处理指使用图像处理数学、机器学习模型实现降噪、画质提升、边缘增强、面部识别等操作；模式判断指使用模式算法针对性地对特定模式进行增强或削弱的操作；可以理解，所述变换、内容提取、压缩、格式转换、简单模型处理、模式判段等图像处理可以交由对应的现有插件完成。

需要说明的是，用户可根据需要，自行组织区域与边缘节点的关系，根据实际场景及需要，灵活地组织系统的结构。

在上述实施例的基础上，如图5所示，本发明实施例提供的本地计算核心集群的结构包括依次相连接的数据收集服务模块、数据存储服务模块和数据分析模块；其中，所述数据收集服务模块用于接收各个边缘节点上传的数据；所述数据存储服务模块包括视频存储服务单元和视频相关记录存储服务单元；所述数据分析模块用于根据数据存储服务模块中所存储的数据进行分析，并对外提供API接口和云服务、访问及远程控制接口；所述云服务器通过所述云服务、访问及远程控制接口与本地计算核心集群进行数据交互。

具体地，用户通过用户交互界面使用系统提供的相关服务，用户交互界面通过API、云平台等接口实现。

结合图6至图10所示，本发明实施例还提供一种校园双重预防安全防控云平台的安全防控方法，包括以下步骤：

S101：采集设备采集人员和/车辆的红外成像数据、可见光数据和RFID标签数据，将采集到的数据发送至边缘节点；

S102：边缘节点对采集设备发送的数据进行数据处理，将数据处理结果进行上传至本地计算核心集群；所述数据处理结果包括：混合标注的复合视频流图像、各个第二区域的区域安全评价指数、各个第一区域的区域安全评价指数和校园的总区域安全评价指数；

作为一种可实施方式，所述边缘节点对采集设备发送的数据进行数据处理，如图7至图9所示，具体包括：

边缘节点将每个第二区域的红外热成像视频流和可见光视频流通过视频叠加算法形成RGBT双光复合视频流；

具体地，本步骤侧重于流合并，指单帧合并或前后帧基于某种特征（如时域、频域、光流、热特征、光特征）相关的合并。视频叠加算法指基于红外热成像与可见光图像的共有特征，将二者的图像信号以特定方式混合，形成同时具有红外热成像与可见光图像信息的一个图像的算法。可以理解，可以根据用户需要选择相应的视频叠加插件进行叠加。

针对RGBT双光复合视频流的每个双光复合图像，边缘节点将所述双光复合图像与对应的RFID标签数据进行复合处理，得到原始图像、复合图像视频流、各个第二区域的区域安全指数、图像标注数据以及其他处理结果；

具体地，本步骤侧重于单帧处理。复合处理指利用相关源数据，根据用户设置（如视频处理流程图），调用用户选购的处理插件，将相关数据并行或串行处理，最终根据用户设置，输出对应形式结果的处理流程，处理流程可递归嵌套。

在实际应用中，可以采用现有的能够根据图像包含的特征信息且通过面向场景设计得到的与场景相关的机器学习模型对数据进行评价得到区域安全指数。面向的场景可以包括：人的数量，人的密度，人的行为方式，倒地检测，热量异常检测等场景。由各个面向不同场景的模型所求出的相关度，经过加权、平均等措施得到一系列如危险指数、人群安全指数、踩踏指数等区域安全指数，以供管理者快速发现问题。

针对复合图像视频流中的每个复合图像，边缘节点通过图层叠加的方式将其对应的图像标注数据进行关联，形成混合标注的复合视频流图像；

边缘节点根据各个第二区域的区域安全指数，按照设定的汇总模型，对各个第二区域的区域安全指数进行汇总得到各个第一区域的区域安全指数，进而根据各个第一区域的区域安全指数汇总得到校园的总区域安全指数。

S103：本地计算核心集群存储、分析各边缘节点上传的数据处理结果，并根据用户设置将存储的相关数据上传至云服务器；

S104：本地计算核心集群和/或云服务器接收用户的访问控制请求，向用户提供相关访问控制服务。

作为一种可实施方式，所述本地计算核心集群和/或云服务器接收用户的访问控制请求，向用户提供相关访问控制服务，具体包括：

本地计算核心集群和/或云服务器接收用户的态势展示请求，向用户提供态势展示的界面；如图10所示，所述态势展示的界面包括：区域风险指数信息、巡查建议信息、地图信息和复合视频墙。

具体地，区域风险指数信息用于及时发现风险；巡查建议信息用于方便巡查人员巡查；地图信息用于通过地图的方式展示校园全景；复合视频墙用于直接查看校园各个区域的实际情况以及视频处理后的结果。

在上述实施例的基础上，作为一种可实施方式，所述边缘节点对采集设备发送的数据进行数据处理前，还包括对采集设备发送的数据进行初步预处理。所述初步预处理包括：图像变换、内容提取、压缩、格式转换、简单模型处理和模式判断。

在上述各实施例的基础上，如图11所示，本发明实施例提供的安全防控方法还包括：

若边缘节点对采集设备发送的数据进行数据处理后识别到风险源或潜在风险源，则向本地计算核心集群节点提交风险；

本地计算核心集群节点接收到边缘节点提交的风险后发出告警；并根据用户设置向云服务器推送告警；

具体地，用户设置指与推送告警相关的设置，如通知方式、通知频率、通知内容、可通知时间等。

云服务器接收到本地计算核心集群节点推送的告警后，通过设定的告警通信方式将告警发送至相关人员和/或系统。

本发明提供的校园双重预防安全防控云平台及方法，通过双光视频及RFID标签技术，感知人员位置及密度，用于安全事故预防分析，为预防校园安全事故提供感知方案，对校园安全防控有一定的参考意义。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。