[发明专利]基于智慧社区的人员徘徊预警方法及系统

权利要求书

1.一种基于智慧社区的人员徘徊预警方法，其特征在于，包括：

服务器周期性向监控网络获取监控图像，所述监控网络包括至少一个摄像头，所述摄像头设置在社区任意区域；

所述服务器将所述监控图像输入第一分析网络，所述第一分析网络由预置的卷积特征提取结构和全连接层连接形成，所述第一分析网络输出所述监控图像中候选人员的选定结果以及被选定为候选人员所对应的位置框体；

所述服务器实时计算所述候选人员所对应的位置框体的位置信息变化，并周期性的判定所述位置信息变化的变化总量是否符合预置的徘徊人员的特征，若是，将所述候选人员定义为所述徘徊人员，并将所述徘徊人员所对应的位置信息和对应图像向预置的物业管理中心发送。

2.根据权利要求1所述的基于智慧社区的人员徘徊预警方法，其特征在于，所述卷积特征提取结构为由十五个卷积层与五个池化层交织形成，其中，卷积层所使用的卷积核为3*3的结构。

3.根据权利要求1所述的基于智慧社区的人员徘徊预警方法，其特征在于，所述全连接层设置为二分类结构。

4.根据权利要求2所述的基于智慧社区的人员徘徊预警方法，其特征在于，所述服务器将所述监控图像输入第一分析网络，所述第一分析网络由预置的卷积特征提取结构和全连接层连接形成，所述第一分析网络输出所述监控图像中候选人员的选定结果以及被选定为候选人员所对应的位置框体的步骤包括：

所述服务器根据所述监控图像的排列的像素点所对应的像素值形成像素值矩阵，输入至所述第一分析网络；

所述像素值矩阵首先输入至所述第一分析网络中的卷积特征提取结构，所述像素值矩阵与所述卷积核进行积和运算，生成第二矩阵，所述第二矩阵再经由池化层进行处理，形成第三矩阵，所述第三矩阵被所述卷积特征提取结构输出值所述全连接层；

所述全连接层对接收到所述第三矩阵后，将所述第三矩阵与预置的权重系数进行求和运算，得到所述最终得分，判断所述最终得分是否大于预设阈值，若是，则源输入图像中包含人体特征，并利用回归函数输出图像中被选定为人体的候选人员图像及其所对应的位置框体。

5.根据权利要求4所述的基于智慧社区的人员徘徊预警方法，其特征在于，所述被选定为候选人员所对应的位置框体为矩形，其边角点为w,x,y,z，所述位置框体用所述边角点进行表征，所述位置框体坐标为(w,x,y,z)。

6.根据权利要求5所述的基于智慧社区的人员徘徊预警方法，其特征在于，所述服务器实时计算所述候选人员所对应的位置框体的位置信息变化的步骤包括：

所述服务器实时计算位置框体的中心点B的坐标，得到中心点B坐标的数值数组，所述数值数组对应表征所述位置框体的位置信息变化。

7.根据权利要求6所述的基于智慧社区的人员徘徊预警方法，其特征在于，所述周期性的判定所述位置信息变化的变化总量是否符合阈值的徘徊人员的特征，若是，将所述候选人员定义为所述徘徊人员，并将所述徘徊人员所对应的位置信息和对应图像向预置的物业管理中心发送的步骤包括：

所述服务器将所述数值数组相邻元素进行相减运算，得到第二数值数组，将所述第二数值数组中所有元素相加，得到元素和，判断所述元素和是否大于预设阈值，若是，则将所述候选人员定义为所述徘徊人员，并将所述徘徊人员所对应的位置信息和对应图像向预置的物业管理中心发送。

8.一种人员徘徊预警系统，其特征在于，包括：

获取模块，用于周期性向监控网络获取监控图像，所述监控网络包括至少一个摄像头，所述摄像头设置在社区任意区域；

分析模块，用于将所述监控图像输入第一分析网络，所述第一分析网络由预置的卷积特征提取结构和全连接层连接形成，所述第一分析网络输出所述监控图像中候选人员的选定结果以及被选定为候选人员所对应的位置框体；

预警模块，用于实时计算所述候选人员所对应的位置框体的位置信息变化，并周期性的判定所述位置信息变化的变化总量是否符合预置的徘徊人员的特征，若是，将所述候选人员定义为所述徘徊人员，并将所述徘徊人员所对应的位置信息和对应图像向预置的物业管理中心发送。