一种适用于中小学生的校园非安全行为检测及预警方法与流程

本发明涉及校园公共安全技术领域，具体为一种适用于中小学生的校园非安全行为检测及预警方法。

背景技术：

近几年来，随着社会形势的发展及高等教育事业改革的进一步深入，影响校园安全的因素日趋复杂，学校虽然不断在人防和技防等方面加大投入，如增加校卫，由学生组织校卫队，加高围墙，在学生宿舍的窗户上安装钢筋护栏等。这些措施产生了一定的效果，但也存在一些弊端，如校园安保工作带来持续的支出，宿舍安装门禁、护栏不符合消防要求。

传统的校园安全监控系统往往仅以学校为独立的建设主体，系统上也只能简单实现视频监控和录像，不仅不能及时防范突发事件，甚至事件发生了也不能及时获知或者获知了也无法应对，视频监控系统能做的只是在事后提供录像，并且很多模拟监控的录像图像质量也极差，根本无法获取有效信息。因此目前，并没有一种有效的适用于中小学生的校园非安全行为检测及预警方法，传统的校园安全监控系统，对校园非安全行为，没有预警和防范功能，应对效果差。

技术实现要素：

本发明的目的在于：提供一种适用于中小学生的校园非安全行为检测及预警方法，以解决以上缺陷。

为了实现上述目的，本发明提供如下技术方案：

一种适用于中小学生的校园非安全行为检测及预警方法，包括如下步骤：

s1、视频图像数据的采集：通过校园内的设置的若干个摄像头/摄像机，实时采集摄像头监控区域内的视频图像数据；

s2、行人目标识别：将采集到的视频图像数据传递给经过训练的行人检测模型进行行人的检测，从视频图像中识别行人目标，若出现行人将继续下一步骤，若没有识别到行人，将返回上一个步骤a1并继续进行视频图像数据的采集；

s3、非安全行为检测：将上一步骤中识别到的行人目标的视频图像数据，通过行为检测算法进行处理，利用目标跟踪实现多目个行人的判定，并对多个行人目标分别进行非安全行为及姿态判定，若目标行人出现非安全行为，则继续下一步骤；若目标行人没有出现非安全行为，则返回s1步骤并继续进行视频图像数据的采集；

s4、非安全行为预警与处置：对上一步骤中检测到的目标行人的非安全行为，通过管理客户端进行联动预警与处置，并保存非安全行为记录。

优选地，在s2步骤中，所述行人检测模型，包括预处理层、卷积层、池化层、全连接层；所述行人检测模型，基于卷积神经网络结构技术，并加入包括常规的行人素材、以及常规中小学生学生素材在内的行人检测模型的训练素材，有效地识别常规行人及中小学生。

优选地，在s3步骤中，所述行为检测算法，包括多目标跟踪算法模块、行为判定算法模块、姿态判定算法模块，利用多目标跟踪算法模块，对多个行人目标及位置进行跟踪；利用行为判定算法模块、姿态判定算法模块，对跟踪的多个行人目标进行行为和姿态计算，根据预设值参数，对计算的结果进行判定否为非安全行为。

优选地，所述非安全行为，包括：

a1、走廊、楼梯道、操场区域人员的聚集；

a2、走廊、楼梯道、操场区域人员的摔倒；

a3、走廊栏杆、校园花坛、校园围墙的攀爬；

a4、非教学时间校园区域的人员越界；

a5、非教学时间校园区域的人员停留。

优选地，所述联动预警的方式，包括：

b1、切换对应的视频监控到主显示屏，并显示非安全行为视频图像；

b2、发出声光报警信息，提示值班安保人员处置；

b3、记录非安全行为的发生时间及视频图像。

优选地，所述行为检测算法，为采用基于机器视觉深度学习技术、gpu图像处理技术、视频图像大数据人工智能解析及判定技术的智能视频分析方法。

优选地，所述若干个摄像头/摄像机通过以太网均连接在硬盘录像机上，所述硬盘录像机、以及管理客户端均通过以太网连接在安全行为检测服务器上，所述行人检测模型、行为检测算法均设置在安全行为检测服务器内。

本发明的有益效果在于：

本发明一种适用于中小学生的校园非安全行为检测及预警方法，利用当前校园监控的网络架构进行安装部署，提高系统集成度，实现智能化校园安全管理模式，通过对安全行为的监测与分析，不仅可以及时获知非安全行为的发生，还可以对突发安全事故起到有效的防范作用，以将安全事故带来的损害降到最低。本发明一种适用于中小学生的校园非安全行为检测及预警方法，反应灵敏，对校园非安全行为检测智能化、效率高、预警快，可以有效的提高非安全行为应急响应能力，预警及时，防范效果好。

附图说明

图1：本发明流程图。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更加全面的描述，附图中给出了本发明的若干实施例，但是本发明可以通过不同的形式来实现，并不限于文本所描述的实施例，相反的，提供这些实施例是为了使对本发明公开的内容更加透彻全面。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常连接的含义相同，本文中在本发明的说明书中所使用的术语知识为了描述具体的实施例的目的，不是旨在于限制本发明，本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

结合附图1，对本发明的具体实施方式作如下说明：

如图1所示，一种适用于中小学生的校园非安全行为检测及预警方法，包括如下步骤：

s1、视频图像数据的采集：通过校园内的设置的若干个摄像头/摄像机，实时采集摄像头监控区域内的视频图像数据。

s2、行人目标识别：将采集到的视频图像数据传递给经过训练的行人检测模型进行行人的检测，从视频图像中识别行人目标，若出现行人将继续下一步骤，若没有识别到行人，将返回上一个步骤a1并继续进行视频图像数据的采集。

其中，上述行人检测模型，包括预处理层、卷积层、池化层、全连接层，利用预处理层，对采集到的数据进行预处理，实现对视频图像进行统一的尺寸转换；利用卷积层，在整幅视频图片对每一个特征进行局部感知，从而获得高层次的特征；利用池化层，对通过卷积层获得的特征进行降维，压缩数据和参数的数量，减小过拟合，同时提高模型的容错性；利用全连接层，对图像进行分类处理。

其中，行人检测模型，是基于卷积神经网络结构技术，并加入包括常规的行人素材、以及常规中小学生学生素材在内的行人检测模型的训练素材，在行人目标识别过程中，对目标识别结果进行目标概率判定及目标位置回归处理，可有效地识别常规行人及中小学生。

s3、非安全行为检测：将上一步骤中识别到的行人目标的视频图像数据，通过行为检测算法进行处理，利用目标跟踪实现多目个行人的判定，并对多个行人目标分别进行非安全行为及姿态判定，若目标行人出现非安全行为，则继续下一步骤；若目标行人没有出现非安全行为，则返回s1步骤并继续进行视频图像数据的采集。

其中，所述非安全行为，包括：

a1、走廊、楼梯道、操场区域人员的聚集；

a2、走廊、楼梯道、操场区域人员的摔倒；

a3、走廊栏杆、校园花坛、校园围墙的攀爬；

a4、非教学时间校园区域的人员越界；

a5、非教学时间校园区域的人员停留。

其中行为检测算法，为采用基于机器视觉深度学习技术、gpu图像处理技术、视频图像大数据人工智能解析及判定技术的智能视频分析方法，包括多目标跟踪算法模块、行为判定算法模块、姿态判定算法模块，利用多目标跟踪算法模块，对多个行人目标及位置进行跟踪；利用行为判定算法模块、姿态判定算法模块，对跟踪的多个行人目标进行行为和姿态计算，根据预设值参数，对计算的结果进行判定否为非安全行为。

s4、非安全行为预警与处置：对上一步骤中检测到的目标行人的非安全行为，通过管理客户端进行联动预警与处置，并保存非安全行为记录。

联动预警主要为了对实时发生的非安全行为进行预警，从而使值班安保人员进行及时的有效的处理，联动预警的方式，包括：

b1、切换对应的视频监控到主显示屏，并显示非安全行为视频图像；

b2、发出声光报警信息，提示值班安保人员处置；

b3、记录非安全行为的发生时间及视频图像。

其中，若干个摄像头/摄像机通过以太网均连接在硬盘录像机上，硬盘录像机、以及管理客户端均通过以太网连接在安全行为检测服务器上，行人检测模型、行为检测算法均设置在安全行为检测服务器内。安全行为检测服务器通过网络获取多路安防监控摄像头或摄像机的视频图像，通过对多路视频图像进行24小时不间断的算法处理，通过中心管理客户端接入多台安全行为检测服务器，安全行为检测服务器将预警信号通过网络传递给中心管理服务端，中心管理服务端接收到预警信号后存储非安全行为记录及图像，并联动显示器显示实时视频图像、声光报警器发出声光预警提示，值班安保人员可通过声光报警提示及视频图像及时处理非安全行为。

本发明基于机器视觉深度学习技术并结合gpu图像处理技术开发的新一代智能视频分析方法，针对校园安全行为视频图像大数据进行人工智能解析及判定。通过各类视频图像数据输入，执行行为内容解析，人群异常聚集监测，防摔倒预警，管制刀具等行事件检测的智能化应用，同时也是一款集鲁棒性、智能性于一体的视频大数据处理平台。

本发明一种适用于中小学生的校园非安全行为检测及预警方法，利用当前校园监控的网络架构进行安装部署，提高系统集成度，实现智能化校园安全管理模式，通过对安全行为的监测与分析，不仅可以及时获知非安全行为的发生，还可以对突发安全事故起到有效的防范作用，以将安全事故带来的损害降到最低。

本发明一种适用于中小学生的校园非安全行为检测及预警方法，基于实时视频图像进行检测，可设置检测时间、检测区域、检测安全行为类型，并且提供进行预警推送，反应灵敏，对校园非安全行为检测智能化、效率高、预警快，可以有效的提高非安全行为应急响应能力，预警及时，防范效果好。

上述是对发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的这种非实质改进，或未经改进将发明的构思和技术方案直接应用于其他场合的，均在本发明的保护范围之内。