本发明属于安防预警领域，具体是一种基于多视频图像分析的安防预警系统。
背景技术：
1、随着时代的进步和科技的革新，安防预警系统能将监控设备的数据集中显示，实现实时监控。本发明通过人脸比对，确定进入小区的人员类别。通过安全隐患分析、限制未授权人员逗留时间，计算异常行为系数和危险行为系数并综合评估影响安全系数，根据影响安全系数生成预警信息并执行预警操作。实现了小区监控区域的实时预警，保障小区居民的生命财产安全，为小区居民提供安全的生活环境。
2、现有的安防预警系统，难以有效利用未授权人员逗留时间的比例数据，且无法整合分析各行为权重，导致无法准确计算其系数；同时，缺乏基于计算的各行为系数的综合评估小区影响安全系数，难以对潜在危险信息进行预警，导致预警措施响应不及时。
技术实现思路
1、本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种基于多视频图像分析的安防预警系统，用于解决现有安防预警系统难以有效利用未授权人员逗留时间的比例数据，且无法整合分析各行为权重，导致无法准确计算其系数；同时，缺乏基于计算的各行为系数的综合评估小区影响安全系数，难以对潜在危险信息进行预警，导致预警措施响应不及时的技术问题。
2、为解决上述问题，本发明的第一方面提供了一种基于多视频图像分析的安防预警系统，包括以下模块：
3、图像采集模块：用于实时采集监控区域的视频图像；
4、图像处理模块：用于对采集到的视频图像进行预处理，包括：去噪、图像增强；
5、图像分析模块：用于对预处理后的视频图像进行人脸比对，确定进入小区的人员类别；分析小区内的安全隐患，限定进入小区内的未授权人员逗留时间；通过未授权人员逗留时间的比例和异常行为、危险行为的行为权重，得到异常行为系数和危险行为系数；
6、预警模块：根据小区的异常行为系数和危险行为系数，综合评估小区的影响安全系数，并根据小区的影响安全系数生成预警信息执行预警操作。
7、作为本发明进一步的方案：对预处理后的视频图像进行人脸比对，确定进入小区的人员类别，包括以下步骤：
8、对预处理后的视频图像进行人脸比对检测，确定所述预处理后的视频图像中的人脸区域；
9、提取所述人脸区域的特征点；
10、对所述人脸区域的特征点进行特征描述，得到所述人脸区域的特征向量；
11、根据所述人脸区域的特征向量，采用乘积量化方法，在所述人脸区域的特征向量中检索与小区居民的特征向量进行比对，得到所述人脸区域对应的比对结果；
12、根据人脸比对结果，确定进入小区的人员的类别包括：居民和未授权人员，查询访问请求记录，确定未授权人员的类别包括访客和非访客。
13、作为本发明进一步的方案：分析小区内的安全隐患，包括以下步骤：
14、根据预处理的视频图像，通过深度学习模型对视频图像内小区的安全隐患进行分析；
15、标注小区内的安全隐患，其中，安全隐患包括n种异常行为和m种危险行为；
16、将标注的第i种异常行为与第j种危险行为输入深度学习模型的卷积神经网络中，进行自主学习与训练，其中，i∈(1,2,…,n)，j∈(1,2,…,m)；
17、通过安防预警系统实时采集处理后监控区域的视频图像，识别小区内的第i种异常行为和第j种危险行为。
18、作为本发明进一步的方案：n种异常行为和m种危险行为包括：
19、标注的异常行为包括：第一种出现未授权人员、第二种车辆乱停乱放和第三种乱扔垃圾；
20、标注的危险行为包括：第一种未授权人员逗留时间超过最大容许的逗留时间、第二种未授权人员翻越围墙或栅栏、第三种攀爬防盗窗、第四种发生肢体冲突和第五种高空抛物。
21、作为本发明进一步的方案：限定进入小区内的未授权人员逗留时间，包括以下步骤：
22、s1：基础逗留时间：进入小区内的未授权人员，在没有得到额外许可的情况下被允许在小区内停留的基础时间，由物业管理设定的基础时间为t基础；
23、s2：额外时间：在特殊情况下，进入小区内的未授权人员访问特定住户或进行业务活动，访客人员申请额外的逗留时间，由物业管理设定审批，将访客人员申请信息录入到访问请求记录中，额外申请批准的时间为t额外；
24、s3：总逗留时间：进入小区内的访客人员总逗留时间，进入小区内未授权人员的基础逗留时间和访客额外申请批准的时间的总和，t总＝t基础+t额外；
25、s4：最大容许逗留时间：进入小区内未授权人员的总逗留时间不应超过最大容许逗留时间，由物业管理设定最大容许逗留时间为tmax。
26、作为本发明进一步的方案：通过未授权人员逗留时间的比例和异常行为、危险行为的行为权重，得到异常行为系数和危险行为系数，包括以下步骤：
27、通过分析公式：
28、
29、得到小区的异常行为系数α，其中，t总表示进入小区内的访客人员总逗留时间,tmax表示进入小区内未授权人员的最大容许逗留时间,t实际表示非访客人员实际逗留时间,wi是第i种异常行为的权重，xi是标记为异常行为的指标包括车辆乱停乱放的车辆数量和乱扔垃圾的次数的异常行为情况；
30、通过分析公式：
31、得到小区的危险行为系数β，其中t未授权表示进入小区内未授权人员的超过最大容许逗留时间的实际逗留时间，tmax表示进入小区内未授权人员的最大容许逗留时间，vj是第j种危险行为的权重，yj是第j种危险行为的指标包括未授权人员翻越围墙或栅栏的次数、攀爬防盗窗的高度、发生肢体冲突的人员数量和高空抛物的楼层数。
32、作为本发明进一步的方案：根据小区的异常行为系数和危险行为系数，综合评估小区的影响安全系数，并根据小区的影响安全系数生成预警信息执行预警操作，包括以下步骤：
33、通过分析公式：
34、得到小区的影响安全系数q，其中α表示小区的异常行为系数、β表示小区的危险行为系数。
35、作为本发明进一步的方案：根据小区的影响安全系数生成预警信息执行预警操作，包括以下步骤：
36、根据影响安全系数q的值，设定不同级别的阈值，将预警分为一级预警、二级预警、三级预警三个级别；
37、当q<1时，预警分为一级预警，发出预警信号；
38、当1≤q<1.5时，预警分为二级预警，发出警告信号，提醒安保人员查看监控；
39、当q≥1.5时，预警分为三级预警，发出严重警告信号，召集安保人员进行安保检查。
40、与现有技术相比，本发明的有益效果是：
41、本发明解决了现有安防预警系统难以有效利用未授权人员逗留时间的比例数据，且无法整合分析各行为权重，导致无法准确计算其系数；同时，缺乏基于计算的各行为系数的综合评估小区影响安全系数，难以对潜在危险信息进行预警，导致预警措施响应不及时的技术问题。本发明包括以下几个模块：图像采集模块、图像处理模块、图像分析模块和预警模块。实现了根据异常行为系数和危险行为系数来计算得到影响安全系数，基于影响安全系数生成预警信息以此实现小区监控区域的实时预警。
1.一种基于多视频图像分析的安防预警系统，其特征在于，包括以下模块：
2.根据权利要求1所述的一种基于多视频图像分析的安防预警系统，其特征在于，对预处理后的视频图像进行人脸比对，确定进入小区的人员类别，包括以下步骤：
3.根据权利要求1所述的一种基于多视频图像分析的安防预警系统，其特征在于，分析小区内的安全隐患，包括以下步骤：
4.根据权利要求3所述的一种基于多视频图像分析的安防预警系统，其特征在于，n种异常行为和m种危险行为包括：
5.根据权利要求1所述的一种基于多视频图像分析的安防预警系统，其特征在于，限定进入小区内的未授权人员逗留时间，包括以下步骤：
6.根据权利要求1所述的一种基于多视频图像分析的安防预警系统，其特征在于，通过未授权人员逗留时间的比例和异常行为、危险行为的行为权重，得到异常行为系数和危险行为系数，包括以下步骤：
7.根据权利要求1所述的一种基于多视频图像分析的安防预警系统，其特征在于，根据小区的异常行为系数和危险行为系数，综合评估小区的影响安全系数，并根据小区的影响安全系数生成预警信息执行预警操作，包括以下步骤：
8.根据权利要求7所述的一种基于多视频图像分析的安防预警系统，其特征在于，根据小区的影响安全系数生成预警信息执行预警操作，包括以下步骤：
