(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210000655.3 (22)申请日 2022.01.03 (71)申请人 严丽娜 地址 610081 四川省成 都市成华区站北东 街云景豪庭 (72)发明人 不公告发明人 　 (51)Int.Cl. G06Q 50/26(2012.01) G06V 20/40(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 40/10(2022.01) (54)发明名称 基于智慧校园的校园安全管理方法 (57)摘要 本发明涉及一种基于智慧校园的校园安全 管理方法， 其包括： 各学生管理设备对采集到的 监控视频标注监控区域和监控时间以得到学生 管理视频， 并将其发送到智慧校园云平台。 智慧 校园云平台对学生管理视频进行处理以得到若 干个学生子图像序列， 每个学生子图像序列对应 唯一的学生。 智慧校园云平台对 学生子图像序列 中的每个学生子图像进行处理以得到每个学生 子图像对应的学生行为。 智慧校园云平台根据学 生子图像序列中每个学生子图像对应的学生行 为进行事件判断以确定是否发生特定事件， 并在 发生特定事件时发送紧急提示信息到学生管理 终端。 权利要求书2页 说明书8页 附图1页 CN 114266688 A 2022.04.01 CN 114266688 A 1.一种基于智慧校园的校园安全管理方法， 其特征在于， 各学生管理设备对采集到的 监控视频 标注监控区域和监控时间以得到学生管理视频， 并将其发送到智慧校园云平台； 智慧校园云平台对学生管理视频进行处理以得到学生视频图像序列， 并对学生视频图 像序列进 行处理以得到学生管理图像序列， 然后对学生管理图像序列进 行处理以得到若干 个学生子图像序列； 每 个学生子图像序列对应唯一的学生； 将学生子图像平均划分为若干个学生子区域， 并为每个学生子区域设置不同的特征识 别系数； 根据特征约束条件得到不同尺度的特征识别窗口， 并将不同尺度的特征识别窗口在每 个学生子区域滑动以获取若干个特 征识别单 元； 从所有特征识别单元中获取分布在第一数量的特征识别通道的第二数量的特征识别 单元， 并根据所述特 征识别单 元组成特 征识别器； 根据特征识别器得到每 个学生子图像的目标检测区域； 对学生图像序列中的每个学生图像进行动作识别以获取学生图像序列中每个学生子 图像的学生身体部位分布； 根据学生子图像的学生身体部位分布得到学生子图像对应的学生行为； 根据学生子图像序列中每个学生子图像对应的学生行为判断是否发生特定事件， 并在 发生特定事 件时发送紧急提 示信息到学生管理终端。 2.根据权利要求1所述的方法， 其特征在于， 对学生管理视频进行处理得到学生视频图 像序列包括： 在时间维度上按照预设时间步长将学生管理视频分割为若干个学生视频图像并为每 个学生视频图像标注时间信息； 按照时间顺序将所有学生视频图像进行排序以得到学生视频图像序列。 3.根据权利要求1或2所述的方法， 其特征在于， 对学生视频图像序列进行处理得到学 生管理图像序列包括： 遍历学生视频图像的所有像素点， 将当前遍历的像素点作为目标像素点； 获取以目标像素点 为圆心以预设 半径为半径的目标圆形面积内所有像素点的像素值； 获取目标圆形面积内所有像素点的像素均值， 并将目标像素点的像素值用像素均值替 换； 将学生视频图像中所有的像素点进行替换处 理后得到学生管理图像； 将所有学生管理图像按照时间顺序进行排序得到学生管理图像序列。 4.根据权利要求3所述的方法， 其特征在于， 根据 特征识别器得到学生子图像的目标检 测区域包括： 通过特征识别器获取每 个学生子区域在每 个特征识别通道的特 征响应值； 根据学生子图像中每个学生子区域在每个特征识别通道的特征响应值定位相应学生 在相应学生子图像中的若干个初始位置； 根据初始位置、 预设长度和预设宽度得到若干个学生检测区域， 并获取每个学生检测 区域的学生检测值。 5.根据权利要求4所述的方法， 其特征在于， 所述根据特征识别器得到学生子图像的目 标检测测区域包括：权　利　要　求　书 1/2 页 2 CN 114266688 A 2将所有学生检测区域按照学生检测值从高到低 排序， 并将学生检测值最高的学生检测 区域作为 最佳检测区域， 然后将除了最佳检测区域外的学生检测区域作为待选检测区域； 获取最佳检测区域与每个待选检测区域间的区域面积重合率并删除区域面积重合率 低于区域 面积重合阈值的待选检测区域； 将区域面积重合率高于区域面积重合阈值的待选检测区域作为候选检测区域， 并获取 所有候选检测区域对应的初始位置的均值以得到目标位置， 然后根据目标位置、 预设长度 和预设宽度得到目标检测区域。 6.根据权利要求5所述的方法， 其特征在于， 对学生图像进行动作识别获取学生子图像 的学生身体部位分布包括： 将学生子图像中的学生身体分为头、 躯干、 左手、 右手、 左腿和右腿六个身体部位以生 成学生身体部位 集； 根据学生的每 个身体部位能实现的最大动作建立每 个身体部位的动作约束条件； 根据每个身体部位的动作约束条件、 学生子 图像的目标检测区域、 每个身体部位间的 相对位置和每个身体部位在特定位置时呈现的局部特征得到学生的每个身体部位出现在 特定位置的概 率； 根据学生子图像的目标检测区域获取头部与目标检测区域的相对位置和头部与躯干 的相对位置 。 7.根据权利要求1至6之一所述的方法， 其特征在于， 对学生图像进行动作识别获取学 生子图像的学生身体部位分布包括： 根据学生的每个部位出现在特定位置的概率、 头部与目标检测区域的相对位置、 头部 与躯干的相对位置以及躯干与除头部外的其他身体部位间的相对位置获取每个学生子图 像中学生的身体部位分布； 获取学生子图像中学生的每个身体部位的像素覆盖率， 并通过每个像素覆盖率对所述 身体部位分布进行 更新以得到学生子图像的学生身体部位分布。 8.根据权利要求7所述的方法， 其特征在于， 所述特定行为包括： 下蹲、 出拳、 拍击和翻 越。权　利　要　求　书 2/2 页 3 CN 114266688 A 3