[发明专利]基于区块链网络的校园隐患排查系统

说明书

本发明提出了一种基于区块链网络的校园隐患排查系统，包括：特征集生成单元，用于对异常图形集合进行条件筛选识别，根据关联性回归模型计算获取目标对象的特征参数，将计算后的特征参数形成巡检特征集；轨迹遍历单元，用于在巡检特征集中通过巡检轨迹函数进行遍历，从而筛选出校园安防巡检的异常图形。

技术领域

本发明涉及区块链数据领域，尤其涉及一种基于区块链网络的校园隐患排查系统。

背景技术

对学校安全进行全方位监控是这个社会永恒的主题，学校学生和教师的人身安全，财产安全都是应该纳入到安全监控范围之内，当学校中发生人为冲突，以及火 灾或者地质灾害过程中，人员的避难以及疏散和逃生能够快速进行处置，对于多个 地区以及所属的学校发生的安防问题，如何能够进行路线的规划以及预判都是本领 域技术人员需要解决的技术难题，现有技术中通过神经网络学习有一些解决方案， 但是数据的巡检和风险排查并不能提炼的更加准确，这就亟需本领域技术人员解决 相应的技术问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于区块链网络的校园隐患排查系统。

为了实现本发明的上述目的，本发明提供了一种基于区块链网络的校园隐患排查系统，包括：

特征集生成单元，用于对异常图形集合进行条件筛选识别，根据关联性回归模 型计算获取目标对象的特征参数，将计算后的特征参数形成巡检特征集；

轨迹遍历单元，用于在巡检特征集中通过巡检轨迹函数进行遍历，从而筛选出 校园安防巡检的异常图形。

优选的，所述特征集生成单元包括：

安全巡检单元提取异常图形时，所提取的异常图形也会存在于另一安全巡检单元中，这就需要对异常图形进行重复去噪处理，对重复的异常图形进行遍历去噪计 算，将异常图形集合B中的图形信息逐个放入筛选的条件概率中；对于集合B中分 为在n个安全巡检单元中收集的异常图形集合B_n，以及异常图形集合中j个重复的 异常图形B_j，C为异常图形集合B中异常图形的属性条件，满足筛选条件算法M为正整数异常图形数值，

其中，表示B_n的所有异常图形的属性条件C的条件概率的乘积，B_n和B_j以及C的联合概率分布为P(B_n,B_j|C)，以及遍历B_n和C得到条件概率分布 P(B_n|C)，遍历B_j和C得到条件概率分布P(B_j|C)。

优选的，所述特征集生成单元包括：

经过条件筛选之后去掉重复的异常图形，在异常图形中需要定位真正的安全风险目标对象，根据安全性信息判定条件进行关联性计算，

关联性计算回归模型函数为：

F_n＝I_n(u)+σ+J_n·ε+K_n·μ

F_n为目标对象关联预测值，ε为目标对象关联预测值F_n和J_n物体跌落输出图形 集合的回归系数，μ为目标对象关联预测值F_n和K_n人员聚集输出图形集合的回归 系数，σ为分布图形的调节系数，

I_n(u)为场所动态数据判断函数、通过异常图形中获取温度图形监测数据，u为温度图形数量，A_n为显示温度图形通信反馈超时阈值、b_n为通信中断阈值、h为综合判断场所温度图形的应力，λ为 判断参数，