[发明专利]一种基于人工智能的智慧物业预警提醒管理系统及方法有效

专利信息
申请号: 202211535950.5 申请日: 2022-12-01
公开(公告)号: CN115862267B 公开(公告)日: 2023-10-13
发明(设计)人: 朱耘希 申请(专利权)人: 深圳市特区建发科技园区发展有限公司
主分类号: G08B21/04 分类号: G08B21/04;G06Q10/0635;G06Q50/16;G06V20/52;G06V20/40
代理公司: 深圳市特讯知识产权代理事务所(普通合伙) 44653 代理人: 黄彧
地址: 518000 广东省深圳市南山区西丽*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 人工智能 智慧 物业 预警 提醒 管理 系统 方法
【权利要求书】:

1.一种基于人工智能的智慧物业预警提醒管理系统,其特征在于:该系统包括小区道路获取模块、小区道路监控模块、小区视频分析模块、骑行儿童筛选模块、儿童视频调取模块、儿童轨迹分析模块、物业预警终端和物业信息库;

所述小区道路获取模块,用于从物业信息库中调取目标小区对应的建筑图纸,进而根据目标小区对应的建筑图纸进而得到目标小区对应的道路信息;

所述小区道路监控模块,用于将目标小区的各高清摄像头按照预设顺序进行编号,并同时获取各高清摄像头对应的位置,根据目标小区布设的各高清摄像头对目标小区的各骑行儿童进行视频监控;

所述小区视频分析模块,用于根据目标小区的各骑行儿童监控视频,进而分析得出目标小区的各骑行儿童对应的骑行危险指数;

所述骑行儿童筛选模块,用于根据目标小区各骑行儿童对应的骑行危险指数从中筛选出目标小区的各危险骑行儿童,进而从目标小区的各危险骑行儿童中选取目标危险骑行儿童;

所述儿童视频调取模块,用于根据目标小区布设的各高清摄像头进而对目标危险骑行儿童历史骑行视频进行调取;

所述儿童轨迹分析模块,用于根据目标危险骑行儿童对应的历史骑行视频,进而对目标危险骑行儿童对应的初始轨迹进行分析,进而分析得到目标危险骑行儿童对应的户号;

所述物业预警终端,用于根据目标危险骑行儿童对应的户号进而进行预警提醒;

所述物业信息库,用于存储目标小区对应的建筑图纸和目标小区对应的楼层户号位置平面图纸,还用于存储各户号对应的户主信息、各楼栋号对应的内部楼层监控视频和儿童骑行参考安全系数。

2.根据权利要求1所述的一种基于人工智能的智慧物业预警提醒管理系统,其特征在于:所述目标小区对应的道路信息包括道路数目、各道路对应的位置和各道路对应的坡度。

3.根据权利要求2所述的一种基于人工智能的智慧物业预警提醒管理系统,其特征在于:所述分析得出目标小区的各骑行儿童对应的骑行危险指数,具体分析过程如下:

A1、将目标小区的各骑行儿童监控视频按照预设时间间隔进行分割,进而得到目标小区各骑行儿童对应各预设时间段的骑行距离,进而利用分析公式计算得出目标小区的各骑行儿童对应的骑行速度危险系数ωk,其中,Lkp表示为第k个骑行儿童对应第p个预设时间段对应的骑行距离,Tp表示为第p个预设时间段对应的时长,v′表示为设定的儿童参考骑行速度,k表示为各骑行儿童对应的编号,k=1,2,......d,p表示为各预设时间段对应的编号,p=1,2,.......q,q表示为预设时间段的总数目;

A2、根据目标小区布设的各高清摄像头的拍摄范围将目标小区进行依次划分,根据目标小区布设的各高清摄像头采集的各骑行儿童图像,进而根据各高清摄像头对应的位置进而获取各骑行儿童对应的位置,将各骑行儿童对应的位置导入目标小区对应的电子平面图中,进而提取各骑行儿童对应位置所在的道路信息,进而获取各骑行儿童位置对应的道路坡度;

A3、进而利用计算公式计算得出目标小区的各骑行儿童对应的骑行危险指数/其中,Pk表示为第k个骑行儿童位置对应的道路坡度,P'表示为设定的儿童骑行安全标准坡度值,a1和a2分别表示为设定的骑行速度和骑行坡度对应的影响因子。

4.根据权利要求3所述的一种基于人工智能的智慧物业预警提醒管理系统,其特征在于:所述从目标小区的各骑行儿童中筛选出目标小区的各危险骑行儿童,具体筛选过程如下:

将目标小区的各骑行儿童对应的骑行危险指数与物业信息库存储的儿童骑行参考安全系数进行比对,若目标小区的某骑行儿童对应的骑行危险指数大于物业信息库存储的儿童骑行参考安全系数,则将该骑行儿童标记为危险骑行儿童,进而综合得到目标小区的各危险骑行儿童。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市特区建发科技园区发展有限公司,未经深圳市特区建发科技园区发展有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211535950.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top