本发明涉及智慧园区领域，具体而言，涉及基于3d建模的智慧园区风险预警方法、系统、设备及介质。
背景技术：
1、目前，在园区管理领域中，随着园区安全管理的重要性不断提升，园区运行时所面临的突发事件的可能性与类型也日益复杂和多样化。为了提高园区运行的安全性，通常会针对可能发生的突发事件对园区中的部分可能存在使用风险的区域，或者是承担着应急救援任务的设备和区域进行使用限制，从而实现对园区安全的有效管理。
2、现有技术中，在对园区风险区域进行使用限制时，通常是设置若干园区巡检人员在园区中进行巡逻，当巡检人员发现有人有擅自进入风险区域或者使用应急救援设备的意向时，上前进行警告或者阻止，以实现对园区风险进行预警；或者当发现有人已擅自进入风险区域或者使用应急救援设备时，手动触发风险警报。但是在研究中发现，在通过上述方式对人进入风险区域或者使用应急救援设备的意向进行分析判断时，依赖巡检人员进行主观分析和经验判断，容易受到主观因素的影响，增加了决策的不确定性，从而降低针对智慧园区进行的风险预警的有效性和稳定性。除此之外，由于在发现有人已擅自进入风险区域或者使用应急救援设备时需由巡检人员手动触发风险警报，而人工触发风险警报通常需要多级人工的层层审批和传达，需要跨部门、跨区域地进行协同处理，从而会导致对风险预警的响应速度慢、效率等问题出现。
技术实现思路
1、有鉴于此，本发明的目的在于提供基于3d建模的智慧园区风险预警方法、系统、设备及介质，以提高针对智慧园区进行的风险预警的有效性和稳定性，同时提高对风险预警的响应速度和响应效率。
2、第一方面，本技术实施例提供了一种基于3d建模的智慧园区风险预警方法，应用于基于3d建模的智慧园区风险预警系统，所述系统包括信息采集模块，3d建模模块、风险评估模块和风险警报模块，所述风险警报模块包括园区警报装置和远程警报装置，所述方法包括：
3、所述信息采集模块获取智慧园区内各建筑物的建筑物信息和所述智慧园区内各道路的道路信息，其中，所述建筑物信息包括各建筑构件的构件信息和各建筑构件之间的第一拓扑关系，所述道路信息包括各道路的道路类型和各道路与各建筑物之间的第二拓扑关系；
4、所述3d建模模块基于各建筑物中各建筑构件的构件信息和各建筑构件之间的第一拓扑关系对各建筑物进行3d建模得到各建筑物的建筑物3d模型，并基于各建筑物的建筑物3d模型、各道路的道路类型和各道路与各建筑物之间的第二拓扑关系对所述智慧园区进行3d建模，得到所述智慧园区的园区3d模型；
5、所述信息采集模块根据各建筑构件的构件信息和各道路的道路类型对所述智慧园区的园区3d模型进行区域划分得到风险区域和非风险区域，并实时获取各风险区域的风险区域图像和各非风险区域的非风险区域图像；
6、所述3d建模模块基于各非风险区域图像对位于各非风险区域内的非风险人员进行3d建模得到各非风险人员的人员3d模型，并基于不同时刻下各非风险人员的人员3d模型对各非风险人员在目标时刻的人员3d模型进行预测，得到各非风险人员的预测3d模型；
7、所述风险评估模块将各非风险人员的预测3d模型与所述园区3d模型进行整合，根据整合结果判断各非风险人员的预测3d模型是否出现在所述园区3d模型的风险区域内；
8、若存在预测3d模型出现在所述园区3d模型的风险区域内的目标非风险人员，所述风险警报模块则针对该目标非风险人员和该风险区域通过所述园区警报装置进行园区风险预警；
9、在所述目标时刻下，所述风险评估模块基于各风险区域的风险区域图像确定出各风险区域内的风险人员的身份信息，并根据各风险人员的身份信息对该目标非风险人员进行身份验证，根据身份验证结果确定出该目标非风险人员是否为各风险人员中的一员；
10、若该目标非风险人员为各风险人员中的一员，所述风险警报模块则针对该目标非风险人员和该风险区域通过所述远程警报装置进行园区风险警报。
11、可选地，所述基于各建筑物中各建筑构件的构件信息和各建筑构件之间的第一拓扑关系对各建筑物进行3d建模得到各建筑物的建筑物3d模型，包括：
12、对于各建筑物，根据该建筑物中各建筑构件的构件信息和各建筑构件之间的第一拓扑关系确定出该建筑物内各建筑构件和连通空间的坐标；
13、根据该建筑物内各建筑构件和连通空间的坐标构件该建筑物的室内路网模型；
14、根据该建筑物的室内路网模型、所述室内路网模型的缩放比例和各建筑构件的类型构建该建筑物的建筑物3d模型。
15、可选地，所述基于各建筑物的建筑物3d模型、各道路的道路类型和各道路与各建筑物之间的第二拓扑关系对所述智慧园区进行3d建模，得到所述智慧园区的园区3d模型，包括：
16、对各建筑物的建筑物3d模型的缩放比例进行调整，使得各建筑物的建筑物3d模型具有相同的目标缩放比例；
17、根据各道路的道路类型和各道路与各建筑物之间的第二拓扑关系生成所述智慧园区的室外路网模型；
18、根据各建筑物的建筑物3d模型、所述室外路网模型和所述目标缩放比例构建所述智慧园区的园区3d模型。
19、可选地，所述构件信息包括构件类型，所述构件类型为应急设备或非应急设备，所述道路类型为安全通道或非安全通道；所述根据各建筑构件的构件信息和各道路的道路类型对所述智慧园区的园区3d模型进行区域划分得到风险区域和非风险区域，包括：
20、判断各建筑构件的构件类型是否为应急设备，且判断各道路的道路类型是否为安全通道；
21、以各应急建筑构件所在的位置为中心点进行区域扩展得到若干风险子区域，并对各应急道路进行区域扩展得到若干风险子道路，其中，所述应急建筑构件为构件类型为应急设备的建筑构件，所述应急道路为道路类型为安全通道的道路；
22、将各风险子区域和各风险子道路在所述园区3d模型中进行标注得到所述风险区域，将所述园区3d模型中除所述风险区域以外的区域标注为所述非风险区域。
23、可选地，所述基于各非风险区域图像对位于各非风险区域内的非风险人员进行3d建模得到各非风险人员的人员3d模型，包括：
24、对于各非风险区域图像，利用特征提取模型对该非风险区域图像的静态特征数据进行提取，得到该非风险区域图像的人体特征数据和背景特征数据；
25、分别基于该非风险区域图像的人体特征数据和背景特征数据生成该非风险区域图像的人体子图像和背景子图像；
26、根据该非风险区域图像的背景子图像的图像边界像素值对该非风险区域图像的人体子图像的图像边界进行平滑处理得到该非风险区域图像的目标人体子图像；
27、对各目标人体子图像进行人体关键点识别，得到各目标人体子图像的人体建模数据；
28、基于各目标人体子图像的人体建模数据进行3d建模，得到各目标人体子图像对应的各非风险人员的人员3d模型。
29、可选地，所述基于不同时刻下各非风险人员的人员3d模型对各非风险人员在目标时刻的人员3d模型进行预测，得到各非风险人员的预测3d模型，包括：
30、对于各风险人员，基于不同时刻下该非风险人员的人员3d模型确定出该非风险人员的当前动作和动作变化信息；
31、根据该非风险人员的当前动作和动作变化信息确定出目标时刻下该非风险人员的预测动作；
32、根据目标时刻下该非风险人员的预测动作构建该非风险人员的预测3d模型。
33、可选地，所述基于各风险区域的风险区域图像确定出各风险区域内的风险人员的身份信息，并根据各风险人员的身份信息对该目标非风险人员进行身份验证，包括：
34、对于各风险区域，对该风险区域的风险区域图像进行人脸识别，确定出识别到的人脸的人脸特征值，将识别到的人脸的人脸特征值作为该风险区域内与该人脸对应的风险人员的身份信息；
35、获取该目标非风险人员的人脸特征值，判断各风险人员的人脸特征值与该目标非风险人员的人脸特征值是否相同，根据判断结果对该目标非风险人员进行身份验证。
36、第二方面，本技术实施例提供了一种基于3d建模的智慧园区风险预警系统，所述系统包括信息采集模块，3d建模模块、风险评估模块和风险警报模块，所述风险警报模块包括园区警报装置和远程警报装置；
37、所述信息采集模块，用于获取智慧园区内各建筑物的建筑物信息和所述智慧园区内各道路的道路信息，其中，所述建筑物信息包括各建筑构件的构件信息和各建筑构件之间的第一拓扑关系，所述道路信息包括各道路的道路类型和各道路与各建筑物之间的第二拓扑关系；
38、所述3d建模模块，用于基于各建筑物中各建筑构件的构件信息和各建筑构件之间的第一拓扑关系对各建筑物进行3d建模得到各建筑物的建筑物3d模型，并基于各建筑物的建筑物3d模型、各道路的道路类型和各道路与各建筑物之间的第二拓扑关系对所述智慧园区进行3d建模，得到所述智慧园区的园区3d模型；
39、所述信息采集模块，用于根据各建筑构件的构件信息和各道路的道路类型对所述智慧园区的园区3d模型进行区域划分得到风险区域和非风险区域，并实时获取各风险区域的风险区域图像和各非风险区域的非风险区域图像；
40、所述3d建模模块，用于基于各非风险区域图像对位于各非风险区域内的非风险人员进行3d建模得到各非风险人员的人员3d模型，并基于不同时刻下各非风险人员的人员3d模型对各非风险人员在目标时刻的人员3d模型进行预测，得到各非风险人员的预测3d模型；
41、所述风险评估模块，用于将各非风险人员的预测3d模型与所述园区3d模型进行整合，根据整合结果判断各非风险人员的预测3d模型是否出现在所述园区3d模型的风险区域内；
42、所述风险警报模块，用于若存在预测3d模型出现在所述园区3d模型的风险区域内的目标非风险人员，则针对该目标非风险人员和该风险区域通过所述园区警报装置进行园区风险预警；
43、所述风险评估模块，用于在所述目标时刻下，基于各风险区域的风险区域图像确定出各风险区域内的风险人员的身份信息，并根据各风险人员的身份信息对该目标非风险人员进行身份验证，根据身份验证结果确定出该目标非风险人员是否为各风险人员中的一员；
44、若该目标非风险人员为各风险人员中的一员，所述风险警报模块则针对该目标非风险人员和该风险区域通过所述远程警报装置进行园区风险警报。
45、可选地，所述基于各建筑物中各建筑构件的构件信息和各建筑构件之间的第一拓扑关系对各建筑物进行3d建模得到各建筑物的建筑物3d模型，包括：
46、对于各建筑物，根据该建筑物中各建筑构件的构件信息和各建筑构件之间的第一拓扑关系确定出该建筑物内各建筑构件和连通空间的坐标；
47、根据该建筑物内各建筑构件和连通空间的坐标构件该建筑物的室内路网模型；
48、根据该建筑物的室内路网模型、所述室内路网模型的缩放比例和各建筑构件的类型构建该建筑物的建筑物3d模型。
49、可选地，所述基于各建筑物的建筑物3d模型、各道路的道路类型和各道路与各建筑物之间的第二拓扑关系对所述智慧园区进行3d建模，得到所述智慧园区的园区3d模型，包括：
50、对各建筑物的建筑物3d模型的缩放比例进行调整，使得各建筑物的建筑物3d模型具有相同的目标缩放比例；
51、根据各道路的道路类型和各道路与各建筑物之间的第二拓扑关系生成所述智慧园区的室外路网模型；
52、根据各建筑物的建筑物3d模型、所述室外路网模型和所述目标缩放比例构建所述智慧园区的园区3d模型。
53、可选地，所述构件信息包括构件类型，所述构件类型为应急设备或非应急设备，所述道路类型为安全通道或非安全通道；所述根据各建筑构件的构件信息和各道路的道路类型对所述智慧园区的园区3d模型进行区域划分得到风险区域和非风险区域，包括：
54、判断各建筑构件的构件类型是否为应急设备，且判断各道路的道路类型是否为安全通道；
55、以各应急建筑构件所在的位置为中心点进行区域扩展得到若干风险子区域，并对各应急道路进行区域扩展得到若干风险子道路，其中，所述应急建筑构件为构件类型为应急设备的建筑构件，所述应急道路为道路类型为安全通道的道路；
56、将各风险子区域和各风险子道路在所述园区3d模型中进行标注得到所述风险区域，将所述园区3d模型中除所述风险区域以外的区域标注为所述非风险区域。
57、可选地，所述基于各非风险区域图像对位于各非风险区域内的非风险人员进行3d建模得到各非风险人员的人员3d模型，包括：
58、对于各非风险区域图像，利用特征提取模型对该非风险区域图像的静态特征数据进行提取，得到该非风险区域图像的人体特征数据和背景特征数据；
59、分别基于该非风险区域图像的人体特征数据和背景特征数据生成该非风险区域图像的人体子图像和背景子图像；
60、根据该非风险区域图像的背景子图像的图像边界像素值对该非风险区域图像的人体子图像的图像边界进行平滑处理得到该非风险区域图像的目标人体子图像；
61、对各目标人体子图像进行人体关键点识别，得到各目标人体子图像的人体建模数据；
62、基于各目标人体子图像的人体建模数据进行3d建模，得到各目标人体子图像对应的各非风险人员的人员3d模型。
63、可选地，所述基于不同时刻下各非风险人员的人员3d模型对各非风险人员在目标时刻的人员3d模型进行预测，得到各非风险人员的预测3d模型，包括：
64、对于各风险人员，基于不同时刻下该非风险人员的人员3d模型确定出该非风险人员的当前动作和动作变化信息；
65、根据该非风险人员的当前动作和动作变化信息确定出目标时刻下该非风险人员的预测动作；
66、根据目标时刻下该非风险人员的预测动作构建该非风险人员的预测3d模型。
67、可选地，所述基于各风险区域的风险区域图像确定出各风险区域内的风险人员的身份信息，并根据各风险人员的身份信息对该目标非风险人员进行身份验证，包括：
68、对于各风险区域，对该风险区域的风险区域图像进行人脸识别，确定出识别到的人脸的人脸特征值，将识别到的人脸的人脸特征值作为该风险区域内与该人脸对应的风险人员的身份信息；
69、获取该目标非风险人员的人脸特征值，判断各风险人员的人脸特征值与该目标非风险人员的人脸特征值是否相同，根据判断结果对该目标非风险人员进行身份验证。
70、第三方面，本技术实施例提供了一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第二方面中任一种可选地实施方式中所述的基于3d建模的智慧园区风险预警方法的步骤。
71、第四方面，本技术实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第二方面中任一种可选地实施方式中所述的基于3d建模的智慧园区风险预警方法的步骤。
72、本技术提供的技术方案包括但不限于以下有益效果：
73、首先，本技术通过信息采集模块获取智慧园区内各建筑物的建筑物信息和智慧园区内各道路的道路信息，由3d建模模块基于各建筑物中各建筑构件的构件信息和各建筑构件之间的第一拓扑关系对各建筑物进行3d建模得到各建筑物的建筑物3d模型，并基于各建筑物的建筑物3d模型、各道路的道路类型和各道路与各建筑物之间的第二拓扑关系对智慧园区进行3d建模得到智慧园区的园区3d模型，能够针对智慧园区进行3d建模得到园区3d模型，将智慧园区的结构形状组成等进行计算机抽象处理，得到量化的建模结果，便于后续以量化建模结果为分析基础对智慧园区中的风险行为进行量化分析和预测。
74、然后，通过信息采集模块根据各建筑构件的构件信息和各道路的道路类型对智慧园区的园区3d模型进行区域划分得到风险区域和非风险区域，并实时获取各风险区域的风险区域图像和各非风险区域的非风险区域图像；由3d建模模块基于各非风险区域图像对位于各非风险区域内的非风险人员进行3d建模得到各非风险人员的人员3d模型，并基于不同时刻下各非风险人员的人员3d模型对各非风险人员在目标时刻的人员3d模型进行预测，得到各非风险人员的预测3d模型；由风险评估模块将各非风险人员的预测3d模型与园区3d模型进行整合，根据整合结果判断各非风险人员的预测3d模型是否出现在园区3d模型的风险区域内；通过上述步骤，针对位于非风险区域的人员进行3d建模，量化分析预测其是否存在进入风险区域的趋势，避免人为经验的分析判断可能带来的不确定性和不稳定性，提高人员行为预测的准确性。
75、接着，若存在预测3d模型出现在园区3d模型的风险区域内的目标非风险人员，由风险警报模块则针对该目标非风险人员和该风险区域通过园区警报装置进行园区风险预警，能够实现在存在潜在园区风险的情况下提前通过园区警报装置进行园区风险预警，尽可能的提前阻止和避免风险事件的发生，确保智慧园区的安全运行。
76、最后，在目标时刻下，由风险评估模块基于各风险区域的风险区域图像确定出各风险区域内的风险人员的身份信息，并根据各风险人员的身份信息对该目标非风险人员进行身份验证，根据身份验证结果确定出该目标非风险人员是否为各风险人员中的一员；若该目标非风险人员为各风险人员中的一员，由风险警报模块则针对该目标非风险人员和该风险区域通过远程警报装置进行园区风险警报；通过上述步骤，根据人员身份验证结果针对无法提前避免的风险事件通过远程警报装置进行园区风险警报，能够实现将现场事件的发生及时同步至远程管理端，提高风险警报的响应速度和响应效率，进一步提高园区风险管理的及时性和有效性。
77、为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
1.一种基于3d建模的智慧园区风险预警方法，其特征在于，应用于基于3d建模的智慧园区风险预警系统，所述系统包括信息采集模块，3d建模模块、风险评估模块和风险警报模块，所述风险警报模块包括园区警报装置和远程警报装置，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于各建筑物中各建筑构件的构件信息和各建筑构件之间的第一拓扑关系对各建筑物进行3d建模得到各建筑物的建筑物3d模型，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于各建筑物的建筑物3d模型、各道路的道路类型和各道路与各建筑物之间的第二拓扑关系对所述智慧园区进行3d建模，得到所述智慧园区的园区3d模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述构件信息包括构件类型，所述构件类型为应急设备或非应急设备，所述道路类型为安全通道或非安全通道；所述根据各建筑构件的构件信息和各道路的道路类型对所述智慧园区的园区3d模型进行区域划分得到风险区域和非风险区域，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于各非风险区域图像对位于各非风险区域内的非风险人员进行3d建模得到各非风险人员的人员3d模型，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于不同时刻下各非风险人员的人员3d模型对各非风险人员在目标时刻的人员3d模型进行预测，得到各非风险人员的预测3d模型，包括：
7.根据权利要求1所述的方法，其特征在于，所述基于各风险区域的风险区域图像确定出各风险区域内的风险人员的身份信息，并根据各风险人员的身份信息对该目标非风险人员进行身份验证，包括：
8.一种基于3d建模的智慧园区风险预警系统，其特征在于，所述系统包括信息采集模块，3d建模模块、风险评估模块和风险警报模块，所述风险警报模块包括园区警报装置和远程警报装置；
9.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7中任一所述的基于3d建模的智慧园区风险预警方法的步骤。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7中任意一项所述的基于3d建模的智慧园区风险预警方法的步骤。
