[发明专利]一种基于深度学习的安保巡检预测方法

权利要求书

1.一种基于深度学习的安保巡检预测方法，其特征在于，所述方法的步骤如下：

S101,获取巡检区域的地图信息，并将其存储在数据库中，用于明确安保的范围；

S102,在巡检区域上设置多个巡检点，每个巡检点附近设有对应的人流量监测点，将巡检点和人流量监测点关联对应起来；

S103,通过训练好的LSTM人流量模型获得各个巡检点单位时间内预测的人流量；

S104,根据各个巡检点单位时间内预测的人流量确定各个巡检点单位时间内的安保人员数，各个巡检点单位时间内预测的人流量与各个巡检点单位时间内的安保人员数的关系如下公式：

；

其中，是第j个安保巡检点的单位时间内的安保人员数，的结果采用四舍五入取整，是第j个安保巡检点的单位时间内预测的人流量，是总的安保人员数，是单位时间内所有安保巡检点预测总的人流量，n是为在巡检区域内设置的安保巡检点的数量，1≤j≤n。

2.根据权利要求1所述的一种基于深度学习的安保巡检预测方法，其特征在于，所述LSTM人流量模型的训练生成步骤如下：

S201，数据收集，将区域内各人流量监测点内各单位时间内的人流量、时间特征数据和气候数据进行收集，并存入到数据库中；

S202，数据清洗和数据预处理，对空值采用直接删除法对数据进行清洗；

S203，LSTM人流量模型训练，将单位时间内的时间特征数据和气候数据作为特征模型特征数据，以各个安保巡检点对应的人流量监测点的人流量数据作为目标数据，采用多个多层LSTM模型对进行训练，经过10000到50000次迭代后当损失误差值趋于平稳时结束训练；

S204，将多个训练完成的LSTM人流量模型进行保存，用于预测各个安保巡检点单位时间内的人流量的预测。

3.根据权利要求2所述的一种基于深度学习的安保巡检预测方法，其特征在于，所述的人流量监测点内各单位时间内的人流量数据通过人流量监控装置收集数据，所述人流量监控装置包括流量计(2)，流量计(2)分为上流量计和下流量计，所述流量计(2)包括流量计主体(3)和反光板(4)，其中，上流量计离地面(1)的高度为100-120cm，下流量计离地面(1)的高度为30-50cm，为了能将高个和矮个的人进行准确计算，人流量监测数据的处理方法为：

；

其中L为实际人员流量，L1为上流量计的人员出/入流量读数，L2为下流量计的人员出/入流量读数。

4.根据权利要求2所述的一种基于深度学习的安保巡检预测方法，其特征在于，所述的时间特征数据为日期、节日、工作日数据，气候数据分别为气温、湿度和天气数据。

5.根据权利要求4所述的一种基于深度学习的安保巡检预测方法，其特征在于，所述的步骤S202的数据预处理方法为，将日期、节日、工作日、天气和人流量数据这些类型数据进行独热编码处理，独热编码处理的方法可以将类型数据转换为数值特征，加快训练和预测的速度；将气温、湿度，以及人流量这些数值数据采用最大最小值进行归一化法处理。

6.根据权利要求2所述的一种基于深度学习的安保巡检预测方法，其特征在于，所述的LSTM人流量模型的损失函数为均方误差损失函数,激活函数为ReLU函数。

7.根据权利要求2所述的一种基于深度学习的安保巡检预测方法，其特征在于，所述的LSTM人流量模型的层数设为三层，第一层有128个隐含神经元，第二层有64个隐含神经元，第三层有16个隐含神经元。