本發(fā)明涉及人工智能領(lǐng)域，具體是指集成視頻監(jiān)控與巡邏路徑優(yōu)化的智能安保系統(tǒng)。

背景技術(shù)：

1、隨著人工智能的發(fā)展，逐步應(yīng)用到了安保系統(tǒng)中，但未優(yōu)化的巡邏路徑可能導(dǎo)致巡邏人員和設(shè)備調(diào)度不合理，無法及時發(fā)現(xiàn)并應(yīng)對突發(fā)事件，影響活動安全，傳統(tǒng)的路徑規(guī)劃方法存在效率低下、能耗高的問題，容易陷入局部最優(yōu)解，導(dǎo)致巡邏路徑不夠高效，增加了巡邏時間和路徑長度，降低巡邏效率，未優(yōu)化的路徑會導(dǎo)致巡邏設(shè)備在不必要的路徑上消耗更多的能量，縮短設(shè)備的使用壽命和工作時間，增加維護和運營成本；普通的路徑規(guī)劃方法存在收斂速度慢、全局搜索、局部搜索能力不足的問題，沒有增強因子的全局搜索能力，算法在搜索過程中容易陷入局部最優(yōu)解，難以找到全局最優(yōu)解，降低了算法的有效性和路徑規(guī)劃的質(zhì)量，缺少r1、r2增強因子的全局搜索，算法的搜索范圍有限，難以在全局范圍內(nèi)進行充分探索，影響了算法的全局搜索性能和最優(yōu)解的發(fā)現(xiàn)。

技術(shù)實現(xiàn)思路

1、針對上述情況，本發(fā)明提供了集成視頻監(jiān)控與巡邏路徑優(yōu)化的智能安保系統(tǒng)，針對傳統(tǒng)的路徑規(guī)劃方法存在效率低下、能耗高的問題，本發(fā)明在巡邏路徑優(yōu)化模塊中，使用雙增強黑猩猩優(yōu)化算法進行初始路徑規(guī)劃并進行優(yōu)化，有效避免局部最優(yōu)解問題，找到更加全局最優(yōu)的路徑，巡邏路線更加高效，能夠覆蓋更多的關(guān)鍵區(qū)域，通過優(yōu)化后的巡邏路徑，減少巡邏時間和路徑長度，提高巡邏效率，使得安保系統(tǒng)能夠在更短的時間內(nèi)完成巡邏任務(wù)，通過添加雙增強技術(shù)，動態(tài)調(diào)整巡邏路徑，增強系統(tǒng)應(yīng)對環(huán)境變化和潛在威脅的能力，確保巡邏任務(wù)的靈活性和及時性；針對普通的路徑規(guī)劃方法存在收斂速度慢、全局搜索、局部搜索能力不足的問題，本發(fā)明通過在雙增強黑猩猩優(yōu)化算法中引入兩個增強因子，通過引入增強因子r1進行全局搜索增強，擴大搜索空間，通過引入增強因子r2進行局部搜索增強，在搜索空間的局部區(qū)域進行更細致的探索，優(yōu)化已有解的質(zhì)量，提高局部搜索的精度和效率。

2、本發(fā)明提供的集成視頻監(jiān)控與巡邏路徑優(yōu)化的智能安保系統(tǒng)，包括視頻收集模塊、巡邏路徑優(yōu)化模塊、數(shù)據(jù)分析與預(yù)測模塊、控制與通訊模塊，具體包括以下內(nèi)容：

3、所述視頻收集模塊使用攝像設(shè)備進行視頻采集，進行基本處理，包括圖像增強、畫面穩(wěn)定和去噪，得到分析結(jié)果；

4、所述巡邏路徑優(yōu)化模塊使用雙增強黑猩猩優(yōu)化算法進行初始路徑規(guī)劃并進行優(yōu)化；

5、所述數(shù)據(jù)分析與預(yù)測模塊根據(jù)基本處理后的視頻和分析結(jié)果進行行為分析；

6、所述控制與通訊模塊實現(xiàn)各模塊之間的數(shù)據(jù)傳輸和信息共享。

7、進一步的，在巡邏路徑優(yōu)化模塊中，使用雙增強黑猩猩優(yōu)化算法進行初始路徑規(guī)劃并進行優(yōu)化，具體包括以下步驟：

8、步驟s1：初始化，確定巡邏區(qū)域的大小，使用網(wǎng)格地圖表示巡邏區(qū)域，定義需要巡邏的關(guān)鍵節(jié)點；

9、步驟s2：生成初始種群，隨機生成一組初始路徑，每條路徑代表一個巡邏路線，巡邏路線由需要巡邏的關(guān)鍵節(jié)點組成，節(jié)點順序表示巡邏順序；

10、步驟s3：路徑評價，選擇出參與優(yōu)化的路徑個體；

11、步驟s4：優(yōu)化階段；

12、步驟s5：局部搜索，應(yīng)用局部搜索算法進行路徑調(diào)整；

13、步驟s6：應(yīng)用雙增強技術(shù)。

14、進一步的，步驟s3，具體包括以下步驟：

15、步驟s31：確定關(guān)鍵節(jié)點，確定一條路徑中的所有關(guān)鍵節(jié)點，并計算各關(guān)鍵節(jié)點之間的距離總和，所用公式如下：

16、；

17、其中，為距離總和，為關(guān)鍵節(jié)點總數(shù)量，、是第個關(guān)鍵節(jié)點在網(wǎng)格地圖內(nèi)的坐標(biāo)，、是第個關(guān)鍵節(jié)點在網(wǎng)格地圖內(nèi)的坐標(biāo)；

18、步驟s32：覆蓋率計算，覆蓋率為一條路徑中的關(guān)鍵點數(shù)量與總關(guān)鍵點數(shù)量的比值；

19、步驟s33：能耗計算，根據(jù)路徑長度計算能耗，設(shè)定能耗因子，能耗為路徑長度和能耗因子的乘積；

20、步驟s34：適應(yīng)度函數(shù)計算，定義適應(yīng)度函數(shù)，所用公式如下：

21、；

22、其中，為適應(yīng)度函數(shù)，是路徑長度的權(quán)重，是覆蓋率的權(quán)重，是覆蓋率，是能耗的權(quán)重，是能耗；

23、步驟s35：計算每條路徑的適應(yīng)度，選擇適應(yīng)度高的作為當(dāng)前路徑；

24、進一步的，步驟s4，具體包括以下步驟：

25、步驟s41：初始化參數(shù)，定義種群大小、最大迭代次數(shù)和初始路徑位置，種群大小為參與優(yōu)化的路徑個體數(shù)量，初始位置為初始路徑個體的位置；

26、步驟s42：位置更新，對于每條路徑，根據(jù)以下公式更新關(guān)鍵節(jié)點順序：

27、；

28、其中，為第條路徑個體更新后的種群，為初始路徑位置，、是隨機向量；

29、步驟s43：位置更新后的擾動，在中隨機選擇一個路徑，進行反轉(zhuǎn)操作，所用公式如下：

30、；

31、其中，為第條路徑個體進行反轉(zhuǎn)操作后的種群，為第條路徑的起點，為第條路徑的終點；

32、步驟s44：隨機交換關(guān)鍵節(jié)點，在每條路徑中隨機選擇兩個關(guān)鍵節(jié)點，交換他們的位置，所用公式如下：

33、；

34、其中，為第條路徑個體交換關(guān)鍵節(jié)點后的種群，為交換操作的函數(shù)，為兩個關(guān)鍵節(jié)點；

35、步驟s45：交換后的擾動，在中隨機選擇一條路徑，再次進行反轉(zhuǎn)操作，得到；

36、進一步的，步驟s6，具體包括以下步驟：

37、步驟s61：計算增強因子，設(shè)置增強因子并進行計算，所用公式如下：

38、；

39、；

40、其中，、是增強因子，、是在[0,1]區(qū)間內(nèi)的隨機數(shù)；

41、步驟s62：全局搜索增強，對每條路徑個體進行全局搜索增強，使用增強因子進行全局搜索調(diào)整，所用公式如下：

42、；

43、其中，為第條路徑個體全局增強后的路徑，代表當(dāng)前第條路徑個體的路徑位置，為當(dāng)前種群中最優(yōu)路徑個體；

44、步驟s63：局部搜索增強，對每條路徑個體進行局部搜索增強：

45、使用增強因子對當(dāng)前路徑進行局部搜索調(diào)整，所用公式如下：

46、；

47、；

48、其中，為第條路徑個體局部增強后的路徑，是當(dāng)前路徑個體的鄰近路徑個體；

49、步驟s64：選擇最優(yōu)路徑，使用適應(yīng)度函數(shù)評估第條路徑個體全局增強的路徑和第條路徑個體局部增強后的路徑，選擇適應(yīng)度高的路徑作為最優(yōu)路徑。

50、采用上述方案本發(fā)明取得的有益效果如下：

51、（1）本發(fā)明在巡邏路徑優(yōu)化模塊中，使用雙增強黑猩猩優(yōu)化算法進行初始路徑規(guī)劃并進行優(yōu)化，有效避免局部最優(yōu)解問題，找到更加全局最優(yōu)的路徑，巡邏路線更加高效，能夠覆蓋更多的關(guān)鍵區(qū)域，通過優(yōu)化后的巡邏路徑，減少巡邏時間和路徑長度，提高巡邏效率，使得安保系統(tǒng)能夠在更短的時間內(nèi)完成巡邏任務(wù)，通過添加雙增強技術(shù)，動態(tài)調(diào)整巡邏路徑，增強系統(tǒng)應(yīng)對環(huán)境變化和潛在威脅的能力，確保巡邏任務(wù)的靈活性和及時性；

52、（2）本發(fā)明通過在雙增強黑猩猩優(yōu)化算法中引入兩個增強因子，通過引入增強因子r1進行全局搜索增強，擴大搜索空間，通過引入增強因子r2進行局部搜索增強，在搜索空間的局部區(qū)域進行更細致的探索，優(yōu)化已有解的質(zhì)量，提高局部搜索的精度和效率。