本發(fā)明屬于酒店安全,更具體地說,是涉及一種用于酒店的安全監(jiān)控方法及系統(tǒng)。
背景技術(shù):
1、隨著酒店行業(yè)的快速發(fā)展,酒店及旅客也越來越多,安全管理也愈發(fā)重要。酒店作為人員較為密集的區(qū)域,在一些特定的環(huán)境下,客人與客人之間或者客人與酒店員工會容易產(chǎn)生口角,甚至?xí)仙秊橹w沖突等事件。酒店的安全管理是酒店經(jīng)營中最重要的環(huán)節(jié)。
2、目前,酒店安全管理系統(tǒng),大多采用以監(jiān)控室為中心的模式,該種模式存在不利于動態(tài)管理,人為監(jiān)控做不到及時預(yù)警,另外對數(shù)據(jù)處理的手段也較為落后,數(shù)據(jù)處理效率較低,酒店安全管理效率較低。
技術(shù)實現(xiàn)思路
1、本發(fā)明的目的在于提供一種用于酒店的安全監(jiān)控方法及系統(tǒng),旨在解決現(xiàn)有技術(shù)中存在的以監(jiān)控室為中心的模式,該種模式存在人為監(jiān)控做不到及時預(yù)警,酒店安全管理效率較低的技術(shù)問題。
2、為實現(xiàn)上述目的,本發(fā)明采用的技術(shù)方案是:提供一種用于酒店的安全監(jiān)控方法,以下步驟:
3、采集酒店圖像;
4、構(gòu)建安全監(jiān)控模型;使用安全監(jiān)控模型對人群聚集情況、肢體動作進(jìn)行識別;
5、當(dāng)安全監(jiān)控模型識別到異常情況,將異常情況向相應(yīng)的設(shè)備進(jìn)行信息傳輸,以便及時采取措施,進(jìn)而保證客人的安全。
6、優(yōu)選地,所述構(gòu)建安全監(jiān)控模型包括以下步驟:
7、對圖像進(jìn)行預(yù)處理;
8、對客人的聚集情況進(jìn)行識別;
9、當(dāng)人群聚集情況滿足預(yù)設(shè)要求時,通過對人體動作進(jìn)行識別,進(jìn)而對是否存在安全問題進(jìn)行識別。
10、優(yōu)選地,所述對客人的聚集情況進(jìn)行識別包括以下步驟:
11、識別圖像中的客人數(shù)量的多少;
12、根據(jù)圖片中場景的實際面積,并結(jié)合客人數(shù)量的識別結(jié)果,對客人的聚集情況進(jìn)行識別計算;
13、在該步驟中,聚集情況的識別計算公式為:
14、其中,m為客人的密度大小,單位為個/平方米,j表示矯正系數(shù);s1表示單個客人對象在圖片中的面積;s2表示該客人的實際面積;s3表示圖片中的總面積;n表示圖中客人的個數(shù)。
15、優(yōu)選地,所述當(dāng)人群聚集情況滿足預(yù)設(shè)要求時,通過對人體動作進(jìn)行識別包括以下步驟:
16、確定輸入圖像;
17、將圖像輸入聚集識別模塊中進(jìn)行識別;所述聚集識別模塊包括:經(jīng)過第一卷積結(jié)構(gòu)處理,公式為:
18、xr=conv3d(x);
19、其中,xr表示降低通道數(shù)后的特征;維度特征為[n,c/r,t,w,h];r是降低通道數(shù)的比率;conv3d表示使用1×1×1的卷積核對特征通道進(jìn)行降維處理;x表示輸入特征,特征維度為[n,c,t,w,h]。
20、優(yōu)選地,所述聚集識別模塊包括以下步驟:
21、對降維后的特征向量xr先進(jìn)行通道變化,然后通過計算通道變換后的特征與相鄰特征之間的時間差來表征運動信息;
22、m(t)=conv(xr(t+1))-xr(t);
23、其中,m(t)表示t時刻的運動特征向量;維度特征為[n,c/r,w,h];t的取值范圍為(1,t-1);conv表示一個3×3×3的卷積核的3d卷積層;xr(t+1))對特征的每個通道進(jìn)行轉(zhuǎn)換;
24、通過全局平均池化層,利用全連接操作與激活函數(shù)得到通道級別的權(quán)重關(guān)系,最后利用元素相乘法融合權(quán)重和原始特征信息;
25、q=res(sigmoid(ql(p(ql(res(pc(m)))))));
26、其中,q表示特征向量中各通道的動作相關(guān)性權(quán)重;維度特征為[n,c,t,1,1];pc表示對特征向量進(jìn)行全局平均空間池化;res表示對特征向量進(jìn)行矩陣變換;ql表示全連接層;p表示relu激活函數(shù);
27、通過殘差連接的方式,在原有的特征信息中增加運動信息;
28、
29、其中,xm表示運動感知模塊的輸出;表示矩陣相乘。
30、優(yōu)選地,所述聚集識別模塊包括以下步驟:
31、對輸入圖像進(jìn)行全局平均池化層;
32、xq=pc(x);pc表示對特征向量進(jìn)行全局平均空間池;x表示輸入特征向量;特征維度為[n,c,t,w,h];xq表示空間池化后的特征向量;特征維度為[n,c,t,1,1];
33、v=sigmoid(conv1(p(conv1(x,k,j),1,c)));
34、其中,v表示學(xué)習(xí)的重要性圖;conv1表示時間卷積;參數(shù)是輸入張量、核大小和輸出通道數(shù);p表示激活函數(shù);k表示卷積核的大?。籧表示輸入特征的通道數(shù);j表示第一個conv1后通道的數(shù)量;j<c;
35、
36、z表示增強后的特征圖;表示矩陣相乘。
37、優(yōu)選地,所述聚集識別模塊包括以下步驟:
38、采用并聯(lián)方式將yd模塊與sj模塊連接:
39、其中,x表示殘差塊的輸入,維度為[n,c,t,w,h];yd表示運動感知模塊;sj表示時間注意力模塊;表示元素相加;xl表示第一殘差卷積神經(jīng)模塊的輸出;維度為[n,c,t,w,h]。
40、優(yōu)選地,所述聚集識別模塊包括以下步驟:
41、對輸入進(jìn)行下采樣得到;
42、獲得輸出,輸出輸出xs為:
43、xs=x3+xs。
44、本發(fā)明還提供一種用于酒店的安全監(jiān)控系統(tǒng),用于執(zhí)行如上文任一項所述的一種用于酒店的安全監(jiān)控方法。
45、優(yōu)選地,包括:
46、采集模塊,用于采集酒店圖像;
47、模型模塊,用于構(gòu)建安全監(jiān)控模型;使用安全監(jiān)控模型對人群聚集情況、肢體動作進(jìn)行識別;
48、識別模塊,用于當(dāng)安全監(jiān)控模型識別到異常情況,將異常情況向相應(yīng)的設(shè)備進(jìn)行信息傳輸,以便及時采取措施,進(jìn)而保證客人的安全。
49、本發(fā)明提供的一種用于酒店的安全監(jiān)控方法及系統(tǒng)的有益效果在于:與現(xiàn)有技術(shù)相比,本發(fā)明一種用于酒店的安全監(jiān)控方法及系統(tǒng),能快速的識別對人群是否聚集進(jìn)行識別,當(dāng)人群密度大于預(yù)設(shè)數(shù)值時,可被認(rèn)為人群產(chǎn)生聚集并容易產(chǎn)生安全風(fēng)險,且需要對該信息進(jìn)行預(yù)警上報,且此時還會對聚集的人群進(jìn)行肢體動作的識別,當(dāng)識別出預(yù)設(shè)的危險肢體動作時,會向有關(guān)人員發(fā)送“存在安全風(fēng)險需安保人員介入”的信息,并將一段時間內(nèi)的視頻發(fā)送給有關(guān)人員,以便有關(guān)人員及時介入制止。在酒店活動中,需要人群聚集在一起的情況不少,所以該用于酒店的安全監(jiān)控方法及系統(tǒng)通過先識別人群聚集,然后再識別肢體動作兩個階段對“安全風(fēng)險事件(如群架、斗毆事件等)”進(jìn)行識別,能有效的提高對“安全風(fēng)險事件(如群架、斗毆事件等)”的識別精度。
1.一種用于酒店的安全監(jiān)控方法,其特征在于,包括以下步驟:
2.如權(quán)利要求1所述的一種用于酒店的安全監(jiān)控方法,其特征在于,所述構(gòu)建安全監(jiān)控模型包括以下步驟:
3.如權(quán)利要求2所述的一種用于酒店的安全監(jiān)控方法,其特征在于,所述對客人的聚集情況進(jìn)行識別包括以下步驟:
4.如權(quán)利要求3所述的一種用于酒店的安全監(jiān)控方法,其特征在于,所述當(dāng)人群聚集情況滿足預(yù)設(shè)要求時,通過對人體動作進(jìn)行識別包括以下步驟:
5.如權(quán)利要求4所述的一種用于酒店的安全監(jiān)控方法,其特征在于,所述聚集識別模塊包括以下步驟:
6.如權(quán)利要求5所述的一種用于酒店的安全監(jiān)控方法,其特征在于,所述聚集識別模塊包括以下步驟:
7.如權(quán)利要求6所述的一種用于酒店的安全監(jiān)控方法,其特征在于,所述聚集識別模塊包括以下步驟:
8.如權(quán)利要求7所述的一種用于酒店的安全監(jiān)控方法,其特征在于,所述聚集識別模塊包括以下步驟:
9.一種用于酒店的安全監(jiān)控系統(tǒng),其特征在于,用于執(zhí)行如權(quán)利要求1至8任一項所述的一種用于酒店的安全監(jiān)控方法。
10.如權(quán)利要求9所述的一種用于酒店的安全監(jiān)控系統(tǒng),其特征在于,包括: