CN120223849A 一种智能楼宇视频监控设备自动化控制系统

地址100176北京市大兴区北京经济技术所(普通合伙)11816HO4N7/18(20GO6V20/HO4N23/611(2023.01)一种智能楼宇视频监控设备自动化控制系统21.一种智能楼宇视频监控设备自动化控制系统，其特征在于，包括：采集模块，用以实时采集楼宇内各监控楼层的噪声水平、各监控楼层内基于预设视频码率运行的摄像头监控的人流密度、人流速度以及摄像头的工作负载值；确定模块，其与所述采集模块连接，用以根据所述人流密度和预设密度阈值确定若干临时楼层；判定模块，其分别与所述采集模块和所述确定模块连接，用以根据各所述临时楼层的所述人流速度、所述噪声水平以及预设同步度阈值判定若干关注楼层；选择模块，其分别与所述采集模块和所述判定模块连接，用以根据各所述关注楼层的所述人流密度、与其物理距离最近的另一个关注楼层的所述人流速度以及两个关注楼层的所述工作负载值选择若干重点楼层；生成模块，其分别与所述采集模块和所述选择模块连接，用以根据各所述重点楼层的所述人流密度、所述人流速度以及所述预设视频码率生成若干调整视频码率；调整模块，其分别与所述采集模块、所述确定模块、所述判定模块以及所述生成模块连接，用以根据预设调整时长内的所述调整视频码率的出现次数调整所述预设密度阈值，得到调整密度阈值，或调整所述预设同步度阈值，得到调整同步度阈值；控制模块，其分别与所述生成模块和所述调整模块连接，用以控制所述摄像头以基于所述调整密度阈值或所述调整同步度阈值重新计算的调整视频码率运行。2.根据权利要求1所述的智能楼宇视频监控设备自动化控制系统，其特征在于，所述判定模块包括：第一速度波动计算单元，用以计算初始时刻到预设判定时长内各时刻的所述人流速度噪声波动计算单元，用以计算初始时刻到所述预设判定时长内各时刻的所述噪声水平判定单元，其分别与所述速度波动计算单元和所述噪声波动计算单元连接，用以根据全部所述第一速度波动值、全部所述噪声波动值以及预设同步度阈值判定若干关注楼层。3.根据权利要求2所述的智能楼宇视频监控设备自动化控制系统，其特征在于，所述判定单元包括：速度波动曲线绘制子单元，用以绘制所述预设判定时长内所述第一速度波动值随时间噪声波动绘制子单元，用以绘制所述预设判定时长内所述噪声波动值随时间变化的曲同步度计算子单元，其分别与所述速度波动曲线绘制子单元和所述噪声波动绘制子单元连接，用以计算所述速度波动曲线和所述噪声波动曲线的余弦相似度，以得到变化同步判定子单元，其与所述同步度计算子单元连接，用以在所述变化同步度大于所述预设同步度阈值时，判定所述临时楼层为所述关注楼层，以判定若干关注楼层。4.根据权利要求3所述的智能楼宇视频监控设备自动化控制系统，其特征在于，所述选择模块包括：密度波动计算单元，用以计算预设选择时长内所述人流密度的标准差，得到密度波动3第二速度波动计算单元，用以计算所述预设选择时长内所述人流速度的标准差，得到第二速度波动值；波动相似度计算单元，其分别与所述密度波动计算单元和所述第二速度波动计算单元连接，用以根据所述密度波动值和所述第二速度波动值计算波动相似度；选择单元，其与所述波动相似度计算单元连接，用以根据所述波动相似度、两个所述关注楼层的所述工作负载值选择若干所述重点楼层。5.根据权利要求4所述的智能楼宇视频监控设备自动化控制系统，其特征在于，所述波动相似度计算单元包括：波动归一计算子单元，用以根据预设密度波动归一范围对所述密度波动值进行归一化，得到密度波动归一值，以及，根据预设速度波动归一范围对所述第二速度波动值进行归相似度计算子单元，其与所述波动归一计算子单元连接，用以计算所述密度波动归一值和所述速度波动归一值的相关系数，得到波动相似度。6.根据权利要求4所述的智能楼宇视频监控设备自动化控制系统，其特征在于，所述选择单元包括：负载波动计算子单元，用以在所述波动相似度大于预设相似度阈值时，计算所述预设选择时长内单个所述关注楼层的所述工作负载值的标准差，得到负载波动值；波动偏差计算子单元，其与所述负载波动计算子单元连接，用以计算单个所述关注楼层的所述负载波动值和与其物理距离最近的另一个关注楼层的所述负载波动值的相对偏选择子单元，其与所述波动偏差计算子单元连接，用以在所述波动偏差值大于预设偏差值时，判定对应的两个所述关注楼层均为所述重点楼层，以选择若干重点楼层。7.根据权利要求6所述的智能楼宇视频监控设备自动化控制系统，其特征在于，所述生成模块包括：生成归一单元，用以根据预设密度归一范围对所述人流密度进行归一化，得到人流密度归一值，以及，根据预设速度归一范围对所述人流速度进行归一化，得到人流速度归一因子计算单元，其与所述生成归一单元连接，用以计算所述人流密度归一值和预设人流密度权重的乘积，得到人流密度因子，以及，计算所述人流速度归一值和预设人流速度权指数计算单元，其与所述因子计算单元连接，用以计算所述人流密度因子和所述人流生成单元，其与所述指数计算单元连接，用以在所述调整指数大于预设指数阈值时，根据调整指数和预设指数阈值的相对偏差以及预设调整系数增大所述预设视频码率，得到所述调整视频码率，以生成若干调整视频码率。8.根据权利要求7所述的智能楼宇视频监控设备自动化控制系统，其特征在于，所述调整模块包括：次数波动计算单元，用以计算所述调整视频码率的出现次数的标准差，得到次数波动4调整单元，其与所述次数波动计算单元连接，用以根据所述次数波动值和预设次数波动范围调整所述预设密度阈值，得到所述调整密度阈值，或调整所述预设同步度阈值，得到所述调整同步度阈值。9.根据权利要求8所述的智能楼宇视频监控设备自动化控制系统，其特征在于，所述调整单元包括：同步度阈值调整子单元，用以在所述次数波动值大于所述预设次数波动范围的最大值时，根据次数波动值和预设次数波动范围的最大值的相对偏差以及预设第一调整因子减小所述预设同步度阈值，得到所述调整同步度阈值；密度阈值调整子单元，用以在所述次数波动值小于所述预设次数波动范围的最小值时，根据预设次数波动范围的最小值和次数波动值的相对偏差以及预设第二调整因子增大所述预设密度阈值，得到所述调整密度阈值。10.根据权利要求1所述的智能楼宇视频监控设备自动化控制系统，其特征在于，所述确定模块包括：密度对比单元，用以对比所述人流密度和所述预设密度阈值，形成密度对比结果；确定单元，其与所述密度对比单元连接，用以在所述密度对比结果为所述人流密度大于所述预设密度阈值时，判定所述监控楼层为临时楼层，以确定若干临时楼层。5技术领域[0001]本发明涉及智能视频监控技术领域，尤其涉及一种智能楼宇视频监控设备自动化控制系统。背景技术[0002]随着城市化进程的不断加快，楼宇内的人员流动日益频繁，传统的楼宇视频监控系统在应对高密度、高频次的视频监控需求时，面临存储和数据处理的巨大压力。与此同时，安防领域对实时监控、即时响应以及异常事件处理的需求越来越迫切。如何提高监控系统的效率与灵活性，优化安防管理，成为了亟待解决的问题。在这种背景下，楼宇视频监控技术的自动化与智能化发展，尤其是针对人流密度和实时动态的响应机制，已成为提升楼宇安全管理的重要方向。[0003]公开号为CN114979575A的专利文献公开了一种楼宇视频监控系统，该系统包括：视频前端、数据平台、预警平台、视频终端和巡检平台；视频前端作为监控系统视频数据的采集端，通过安装在楼宇内各个位置的视频设备对人员视频数据进行采集，并对视频数据进行预处理；数据平台作为监控系统的数据库，用于对采集到的视频数据进行分析和储存，并提供可查询管理的通道；预警平台作为监控系统的安防中心，用于对进入监控范围内的人员身份进行识别，并按照人员身份预设权限对视频资源按需分配，同时发现异常情况时及时的报警；视频终端作为监控系统的管理中心，用于对数据平台和预警平台内的数据进行自由的管理、查看和调度，提供给管理人员进入视频监控系统的通道；巡检平台基于监控系统采集并分析后的视频数据，并结合预警平台发出的预警信号，制定楼宇日常异常情况的轮回巡检方案，对楼宇实现全面准确的安防效果。[0004]由此可见，所述楼宇视频监控系统存在以下问题：该系统依赖于数据平台对视频数据的分析和存储，但对于高频繁、高实时性的视频监控场景，视频数据的存储和分析在高密度监控环境下会导致延迟，影响安防效率；该系统仅依靠人员身份识别和异常报警来处理安防事件，面对突发性人流密度过大等异常情况响应速度低。发明内容[0005]为此，本发明提供一种智能楼宇视频监控设备自动化控制系统，用以通过实时动态调度和动态阈值调整来克服现有技术中由于关于依赖数据存储和分析延迟导致面对突发异常人群情况响应速度慢和监控质量低的问题。[0006]为实现上述目的，本发明提供一种智能楼宇视频监控设备自动化控制系统，包括：采集模块，用以实时采集楼宇内各监控楼层的噪声水平、各监控楼层内基于预设视频码率运行的摄像头监控的人流密度、人流速度以及摄像头的工作负载值；确定模块，其与所述采集模块连接，用以根据所述人流密度和预设密度阈值确定若干临时楼层；判定模块，其分别与所述采集模块和所述确定模块连接，用以根据各所述临时楼6层的所述人流速度、所述噪声水平以及预设同步度阈值判定若干关注楼层；选择模块，其分别与所述采集模块和所述判定模块连接，用以根据各所述关注楼层的所述人流密度、与其物理距离最近的另一个关注楼层的所述人流速度以及两个关注楼层的所述工作负载值选择若干重点楼层；生成模块，其分别与所述采集模块和所述选择模块连接，用以根据各所述重点楼层的所述人流密度、所述人流速度以及所述预设视频码率生成若干调整视频码率；调整模块，其分别与所述采集模块、所述确定模块、所述判定模块以及所述生成模块连接，用以根据预设调整时长内的所述调整视频码率的出现次数调整所述预设密度阈控制模块，其分别与所述生成模块和所述调整模块连接，用以控制所述摄像头以基于所述调整密度阈值或所述调整同步度阈值重新计算的调整视频码率运行。第一速度波动计算单元，用以计算初始时刻到预设判定时长内各时刻的所述人流速度的标准差，得到若干第一速度波动值；噪声波动计算单元，用以计算初始时刻到所述预设判定时长内各时刻的所述噪声判定单元，其分别与所述速度波动计算单元和所述噪声波动计算单元连接，用以根据全部所述第一速度波动值、全部所述噪声波动值以及预设同步度阈值判定若干关注楼层。速度波动曲线绘制子单元，用以绘制所述预设判定时长内所述第一速度波动值随时间变化的曲线，得到速度波动曲线；噪声波动绘制子单元，用以绘制所述预设判定时长内所述噪声波动值随时间变化同步度计算子单元，其分别与所述速度波动曲线绘制子单元和所述噪声波动绘制子单元连接，用以计算所述速度波动曲线和所述噪声波动曲线的余弦相似度，以得到变化判定子单元，其与所述同步度计算子单元连接，用以在所述变化同步度大于所述预设同步度阈值时，判定所述临时楼层为所述关注楼层，以判定若干关注楼层。密度波动计算单元，用以计算预设选择时长内所述人流密度的标准差，得到密度波动值；第二速度波动计算单元，用以计算所述预设选择时长内所述人流速度的标准差，得到第二速度波动值；波动相似度计算单元，其分别与所述密度波动计算单元和所述第二速度波动计算单元连接，用以根据所述密度波动值和所述第二速度波动值计算波动相似度；选择单元，其与所述波动相似度计算单元连接，用以根据所述波动相似度、两个所述关注楼层的所述工作负载值选择若干所述重点楼层。7波动归一计算子单元，用以根据预设密度波动归一范围对所述密度波动值进行归一化，得到密度波动归一值，以及，根据预设速度波动归一范围对所述第二速度波动值进行相似度计算子单元，其与所述波动归一计算子单元连接，用以计算所述密度波动归一值和所述速度波动归一值的相关系数，得到波动相似度。负载波动计算子单元，用以在所述波动相似度大于预设相似度阈值时，计算所述预设选择时长内单个所述关注楼层的所述工作负载值的标准差，得到负载波动值；波动偏差计算子单元，其与所述负载波动计算子单元连接，用以计算单个所述关注楼层的所述负载波动值和与其物理距离最近的另一个关注楼层的所述负载波动值的相选择子单元，其与所述波动偏差计算子单元连接，用以在所述波动偏差值大于预设偏差值时，判定对应的两个所述关注楼层均为所述重点楼层，以选择若干重点楼层。生成归一单元，用以根据预设密度归一范围对所述人流密度进行归一化，得到人流密度归一值，以及，根据预设速度归一范围对所述人流速度进行归一化，得到人流速度归一值；因子计算单元，其与所述生成归一单元连接，用以计算所述人流密度归一值和预设人流密度权重的乘积，得到人流密度因子，以及，计算所述人流速度归一值和预设人流速指数计算单元，其与所述因子计算单元连接，用以计算所述人流密度因子和所述生成单元，其与所述指数计算单元连接，用以在所述调整指数大于预设指数阈值时，根据调整指数和预设指数阈值的相对偏差以及预设调整系数增大所述预设视频码率，得到所述调整视频码率，以生成若干调整视频码率。次数波动计算单元，用以计算所述调整视频码率的出现次数的标准差，得到次数波动值；调整单元，其与所述次数波动计算单元连接，用以根据所述次数波动值和预设次数波动范围调整所述预设密度阈值，得到所述调整密度阈值，或调整所述预设同步度阈值，得到所述调整同步度阈值。同步度阈值调整子单元，用以在所述次数波动值大于所述预设次数波动范围的最大值时，根据次数波动值和预设次数波动范围的最大值的相对偏差以及预设第一调整因子减小所述预设同步度阈值，得到所述调整同步度阈值；密度阈值调整子单元，用以在所述次数波动值小于所述预设次数波动范围的最小值时，根据预设次数波动范围的最小值和次数波动值的相对偏差以及预设第二调整因子增大所述预设密度阈值，得到所述调整密度阈值。8密度对比单元，用以对比所述人流密度和所述预设密度阈值，形成密度对比结果；确定单元，其与所述密度对比单元连接，用以在所述密度对比结果为所述人流密度大于所述预设密度阈值时，判定所述监控楼层为临时楼层，以确定若干临时楼层。[0016]与现有技术相比，本发明的有益效果在于，通过实时采集和分析多种关键数据(人流密度、人流速度、噪声水平及摄像头工作负载值),并依据这些数据之间的逻辑关联性进行智能调整，从而优化楼宇内的监控效果。具体而言，系统通过预设的密度阈值和同步度阈值对临时楼层进行筛选，并结合人流密度与噪声水平来判定关注楼层。这些数据相互关联，确保了选择的楼层具有较高的监控优先级，同时避免了资源过度集中于某些区域，确保监控资源合理分配。进一步，通过人流密度和速度等信息的加权计算，系统根据重点楼层的调整视频码率来动态优化摄像头的工作负载。这一过程不仅提高了监控效率，还能根据环境变化进行实时响应。例如，当某些楼层的密度波动较大时，系统会自动调整密度阈值，以适应更高的人流密度，避免监控死角或信息失真。同时，系统通过调整同步度阈值和视频码率，使摄像头在不同楼层的工作负荷达到平衡，既保证了监控质量，又避免了过度的资源消耗。通过这些关联性调整，系统实现了监控资源的高效配置，提升了楼宇管理的智能化水平，降低了人工干预的需求，有效解决了由于关于依赖数据存储和分析延迟导致面对突发异常人群情况响应速度慢和监控质量低的问题。[0017]进一步地，通过将人流速度的波动和噪声水平的波动进行关联分析，判定出楼层是否存在异常情况。若两者波动趋势相似，表明该楼层可能存在较高的动态变化或不稳定的情况，需要特别关注。通过结合速度波动与噪声波动的同步度，系统能够更精确地识别出那些存在潜在安全风险或管理问题的楼层，能够从多维度对楼层状态进行分析，从而避免传统监控仅通过单一指标的判断所可能带来的误判。最终，能够提高监控精度、资源利用效[0018]进一步地，通过将速度波动曲线与噪声波动曲线的同步性进行比较，系统能够精准识别出人流活动与噪声变化同步的楼层，这通常代表着该楼层存在较大的动态变化或异常状况。余弦相似度作为一种计算同步度的方法，可以有效地衡量两者变化趋势的匹配度，进一步提高了判断的准确性。当同步度大于预设的阈值时，系统能够快速、智能地确定需要重点监控的楼层，避免了传统监控方法可能忽视的潜在风险。[0019]进一步地，通过引入波动相似度计算，选择模块能够综合考虑人流密度波动与人流速度波动的变化情况，从而识别出具有相似波动模式的关注楼层，帮助系统在多个监控楼层之间进行合理的资源分配。这种波动相似度分析方法提升了楼宇监控的精度和灵活性，能够有效地筛选出需要重点关注的楼层，从而优化监控系统的响应时间和资源利用效率。此外，结合工作负载值的考量，有助于在负载较重的楼层提供更多的处理资源，确保监控效果达到最佳。[0020]进一步地，通过归一化处理，使得不同范围和单位的波动值可以在统一的尺度下进行比较，消除了因尺度差异带来的影响，确保了波动相似度计算的准确性和公正性。计算出的波动相似度能够有效反映密度波动与速度波动之间的同步程度，帮助系统精准识别出具有相似波动特征的楼层，为后续楼层重点选择提供可靠的依据。[0021]进一步地，通过计算负载波动值和相对偏差，能够筛选出那些存在较大工作负载波动的楼层，并将其优先作为重点关注的目标楼层，不仅能够准确识别出最需要关注的楼9层，还能通过物理距离的关联性考虑楼层之间的影响，避免了单独考量楼层负载波动可能带来的误判，提升了整个监控系统的精准度和响应能力。[0022]进一步地，通过多层次的计算过程，可以根据实际监控情况动态调整视频码率，以提高监控精度和响应速度。归一化处理确保了不同楼层和区域之间的数据可比性，使得人流密度和人流速度的变化能够被准确捕捉。因子计算和指数计算则合理地加权了不同参数对监控调整的影响，从而提升了整体判断的科学性和稳定性。根据调整指数和预设阈值的偏差来增大视频码率，能够在高密度人流或速度变化较大的情况下提供更细致的监控数据，有效应对高动态环境中的监控需求，提高系统对突发事件的响应能力。[0023]进一步地，通过对调整视频码率的出现次数波动进行计算，能够精确了解调整操作的稳定性。次数波动值的计算能够及时捕捉到系统中可能存在的波动和不稳定因素，从而通过调整预设密度阈值和预设同步度阈值，避免因不稳定的调整引发系统误判或响应滞后。调整阈值的动态调整可以提高系统的灵活性和响应能力，确保在不同工作状态下系统能够更加精准地适应环境变化，优化操作效果，进而提升整体系统的可靠性和精度。[0024]进一步地，当波动较大时，减小同步度阈值有助于提高系统对快速变化的响应能力，及时发现并处理异常情况。相反，当波动较小时，增大密度阈值可以减少不必要的敏感反应，从而避免系统频繁调整，保持稳定运行。这种基于相对偏差和调整因子的动态调整方式，能够更精准地应对不同场景的需求，优化系统的资源分配和响应策略，从而提升整体效率和可靠性。[0025]进一步地，通过判定大于预设密度阈值的楼层为临时楼层，系统能够及时响应人流密度的波动，对于需要临时加强监控的楼层进行动态识别，有效应对突发的高密度人流，避免资源浪费并提高管理效率，确保了对楼层的动态监控，提升了监控系统的灵活性和精附图说明[0026]图1为本实施例智能楼宇视频监控设备自动化控制系统的示意图；图2为本实施例判定子单元判定关注楼层的判定逻辑图；图3为本实施例选择子单元判定重点楼层的判定逻辑图；图4为本实施例调整单元调整预设同步度阈值或预设密度阈值的判定逻辑图。具体实施方式[0027]为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用[0028]下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。[0029]请参阅图1所示，其为本实施例智能楼宇视频监控设备自动化控制系统的示意图；本实施例提供一种智能楼宇视频监控设备自动化控制系统，包括：采集模块，用以实时采集楼宇内各监控楼层的噪声水平、各监控楼层内基于预设视频码率运行的摄像头监控的人流密度、人流速度以及摄像头的工作负载值；确定模块，其与所述采集模块连接，用以根据所述人流密度和预设密度阈值确定若干临时楼层；判定模块，其分别与所述采集模块和所述确定模块连接，用以根据各所述临时楼层的所述人流速度、所述噪声水平以及预设同步度阈值判定若干关注楼层；选择模块，其分别与所述采集模块和所述判定模块连接，用以根据各所述关注楼层的所述人流密度、与其物理距离最近的另一个关注楼层的所述人流速度以及两个关注楼层的所述工作负载值选择若干重点楼层；生成模块，其分别与所述采集模块和所述选择模块连接，用以根据各所述重点楼层的所述人流密度、所述人流速度以及所述预设视频码率生成若干调整视频码率；调整模块，其分别与所述采集模块、所述确定模块、所述判定模块以及所述生成模块连接，用以根据预设调整时长内的所述调整视频码率的出现次数调整所述预设密度阈控制模块，其分别与所述生成模块和所述调整模块连接，用以控制所述摄像头以基于所述调整密度阈值或所述调整同步度阈值重新计算的调整视频码率运行。[0030]采集模块是智能楼宇视频监控设备自动化控制系统的核心组件之一，负责实时采集楼宇内各监控楼层的关键数据，以便进行后续的分析与决策。具体来说，采集模块获取以下几类参数：噪声水平表示楼宇内各监控楼层的环境噪音强度，通常用分贝(dB)作为单位来表示。通过安装的噪声传感器(如声学传感器、麦克风阵列等)实时检测各楼层的环境噪音。这些传感器通过与系统的数据接口连接，将实时的噪声强度值反馈到采集模块。噪声数据可根据具体楼层或区域划分进行精确采集，帮助判定楼层的环境噪音是否超出预设标准。层中的监控摄像头获取视频数据，结合图像处理算法(如目标检测、行为识别等)计算特定时间段内，摄像头视野范围内的人员数量。通过分析视频流中的像素变化，结合楼层的面积信息，系统可以估算出当前的人员密度。[0032]人流速度是指楼层内人群的移动速实时视频流数据来计算人群的移动速度。系统通过分析视频帧中的人物移动轨迹，计算单位时间内人群的移动距离。基于算法(光流法、运动检测),系统能够精确判断人流的平均速[0033]摄像头的工作负载值是指在单位时间内，摄像头执行视频采集与处理任务所产生的系统资源占用程度，其数值由CPU占用率、内存使用率、视频码率和数据上传速率多个维度加权计算而得，具体通过设定各资源项的权重并归一化处理后综合计算，得到一个用于衡量摄像头当前工作强度的标准化数值指标。该标准化数值指标为无量纲的归一化值(0至1),通过采集并归一化多个资源使用指标后加权计算得到，W=a×(C/Cmax)+β×(M/Mmax)+γ×(F/Fmax)+8×(T/Tmax),其中，W为工作负载值(无量纲，范围[0,1]),C为CPU占用率(%),C/Cmax∈[0,1],M为内存使用率(%),M/Mmax∈[0,1],F为视频码率(Mbps),F/Fmax∈像头处理模块最大内存容量，Fmax为设备支持的最高视频码率，Tmax为摄像头最大上行带11[0034]本实施例中，在办公楼中，采集模块通过分布在各个楼层的智能传感器和摄像头，实时获取楼层内的噪声水平和人流数据。系统通过这些数据评估该楼层的监控需求，需要调整摄像头的视频码率以应对过多的人员活动，或者通过调整该楼层的噪声控制设备来降低环境干扰。[0035]预设视频码率是指摄像头在正常监控状态下所使用的初始视频数据传输速率，通常以比特率(Mbps)为单位来衡量，取决于网络带宽容量、存储系统写入速度以及监控画面的清晰度需求，通常设置在512kbps～8Mbps之间；本实施例中将预设视频码率设置为2Mbps,能够在保证监控画面清晰度的同时，有效控制网络传输延迟和存储压力，实现高效的实时监控和快速响应。[0036]预设密度阈值是指在监控过程中，系统用来判断楼层人流密度的标准值。当楼层的人流密度超过该值时，系统会触发相应的监控调整或警报，一般依据楼宇的使用性质和通行情况来设定，通常设置在0.5人/平方米至2人/平方米之间。本实施例中设置为1.5人/平方米，能够准确识别出人流密集区域，及时进行视频码率调整或进一步的监控措施。[0037]预设同步度阈值是指系统用来衡量楼层内的噪声波动与人流速度波动的同步性。同步度越高，说明楼层的人流速度与噪声变化趋势越一致，意味着该楼层的监控需求更为迫切，通常设定在0.7至0.9之间，本实施例中设置为0.8,能够有效判断楼层的动态变化，及时响应并调整监控策略，避免漏掉潜在的安全隐患区域。[0038]通过多个模块协同工作，实时监测楼宇内各楼层的噪声水平、人流密度、人流速度和摄像头工作负载等信息。首先，采集模块获取各楼层的相关数据，确定模块基于人流密度和预设的密度阈值，判断出临时楼层。然后，判定模块根据临时楼层的速度、噪声和同步度阈值，进一步判定出关注楼层。选择模块根据各关注楼层的人流密度、相对人流速度及工作负载，选定出重点楼层。接着，生成模块根据重点楼层的情况调整视频码率，调整模块根据视频码率的变化频次调整密度阈值或同步度阈值，最终通过控制模块对摄像头进行动态控[0039]通过实时采集和分析多种关键数据(人流密度、人流速度、噪声水平及摄像头工作负载值),并依据这些数据之间的逻辑关联性进行智能调整，从而优化楼宇内的监控效果。具体而言，系统通过预设的密度阈值和同步度阈值对临时楼层进行筛选，并结合人流密度与噪声水平来判定关注楼层。这些数据相互关联，确保了选择的楼层具有较高的监控优先级，同时避免了资源过度集中于某些区域，确保监控资源合理分配。进一步，通过人流密度和速度等信息的加权计算，系统根据重点楼层的调整视频码率来动态优化摄像头的工作负载。这一过程不仅提高了监控效率，还能根据环境变化进行实时响应。例如，当某些楼层的密度波动较大时，系统会自动调整密度阈值，以适应更高的人流密度，避免监控死角或信息失真。同时，系统通过调整同步度阈值和视频码率，使摄像头在不同楼层的工作负荷达到平衡，既保证了监控质量，又避免了过度的资源消耗。通过这些关联性调整，系统实现了监控资源的高效配置，提升了楼宇管理的智能化水平，降低了人工干预的需求，有效解决了由于关于依赖数据存储和分析延迟导致面对突发异常人群情况响应速度慢和监控质量低的问第一速度波动计算单元，用以计算初始时刻到预设判定时长内各时刻的所述人流速度的标准差，得到若干第一速度波动值；噪声波动计算单元，用以计算初始时刻到所述预设判定时长内各时刻的所述噪声水平的标准差，得到若干噪声波动值；判定单元，其分别与所述速度波动计算单元和所述噪声波动计算单元连接，用以根据全部所述第一速度波动值、全部所述噪声波动值以及预设同步度阈值判定若干关注楼层。[0041]预设判定时长是指用于计算人流速度和噪声波动的时间段，取决于楼宇内活动的特点以及监控需求。通常设置在10分钟到1小时之间，以适应不同的实时监控场景和楼层活动的变化周期。在本实施例中设置为30分钟，这个时长能够有效捕捉到楼层内人流和噪声的波动变化，确保能够对可能出现的异常情况进行准确识别与及时响应。[0042]首先，第一速度波动计算单元根据预设的判定时长，计算从初始时刻开始的每一时刻的人流速度标准差，得到若干第一速度波动值；接着，噪声波动计算单元根据相同的时间段，计算每一时刻的噪声水平的标准差，得到若干噪声波动值；最后，判定单元综合考虑所有的第一速度波动值和噪声波动值，并结合预设的同步度阈值，通过对比分析判断是否存在人流和噪声波动同步的情况，从而确定若干需要特别关注的楼层。[0043]通过将人流速度的波动和噪声水平的波动进行关联分析，判定出楼层是否存在异常情况。若两者波动趋势相似，表明该楼层可能存在较高的动态变化或不稳定的情况，需要特别关注。通过结合速度波动与噪声波动的同步度，系统能够更精确地识别出那些存在潜在安全风险或管理问题的楼层，能够从多维度对楼层状态进行分析，从而避免传统监控仅通过单一指标的判断所可能带来的误判。最终，能够提高监控精度、资源利用效率，确保楼宇的安全管理更加智能、及时和精准。[0044]请继续参阅图2所示，其为本实施例判定子单元判定关注楼层的判定逻辑图；所述判定单元包括：速度波动曲线绘制子单元，用以绘制所述预设判定时长内所述第一速度波动值随时间变化的曲线，得到速度波动曲线；噪声波动绘制子单元，用以绘制所述预设判定时长内所述噪声波动值随时间变化同步度计算子单元，其分别与所述速度波动曲线绘制子单元和所述噪声波动绘制子单元连接，用以计算所述速度波动曲线和所述噪声波动曲线的余弦相似度，以得到变化判定子单元，其与所述同步度计算子单元连接，用以在所述变化同步度大于所述预设同步度阈值时，判定所述临时楼层为所述关注楼层，以判定若干关注楼层。[0045]首先，速度波动曲线绘制子单元会根据预设的判定时长，绘制出人流速度波动值随时间变化的曲线，得到速度波动曲线；接着，噪声波动绘制子单元也会根据相同的时间段，绘制出噪声波动值随时间变化的曲线，得到噪声波动曲线；随后，同步度计算子单元将这两条曲线进行分析，计算其余弦相似度，以衡量它们的变化同步度；最后，判定子单元通过与预设的同步度阈值进行比较，当变化同步度大于该阈值时，判定该楼层为关注楼层，从而识别出若干需要关注的楼层，通过同时对人流速度波动和环境噪声波动进行对比，系统能够区分出真正由人员活动引起的动态变化与单一因素的干扰。人群快速移动(速度波动密度波动计算单元，用以计算预设选择时长内所述人第二速度波动计算单元，用以计算所述预设选择时长内所述人流速度的标准差，波动相似度计算单元，其分别与所述密度波动计算单[0052]预设选择时长是指在选择模块中用于计算人流密度和人流速度波动的时间区间，两者波动趋势的相似程度；最后，选择单元依据波动相似度以及两个关注楼层的工作值，确定若干重点楼层，以便对这些楼层进行更加精细化的监控和资源调配。[0054]通过引入波动相似度计算，选择模块能够综合考虑人流密度波动与人流速度波动的变化情况，从而识别出具有相似波动模式的关注楼层，帮助系统在多个监控楼层之间进行合理的资源分配。这种波动相似度分析方法提升了楼宇监控的精度和灵活性，能够有效地筛选出需要重点关注的楼层，从而优化监控系统的响应时间和资源利用效率。此外，结合工作负载值的考量，有助于在负载较重的楼层提供更多的处理资源，确保监控效果达到最波动归一计算子单元，用以根据预设密度波动归一范围对所述密度波动值进行归一化，得到密度波动归一值，以及，根据预设速度波动归一范围对所述第二速度波动值进行相似度计算子单元，其与所述波动归一计算子单元连接，用以计算所述密度波动归一值和所述速度波动归一值的相关系数，得到波动相似度。[0056]预设密度波动归一范围是指将人流密度波动值线性映射至统一量纲区间的基准范围，其设定取决于历史监控数据的统计分布特性及场景物理空间限制，针对办公楼通常设置在[0人/m²,5人/m²]之间(表示映射关系),本实施例中设置为[0人/m²,4.2人/m²],能够消除不同摄像头覆盖面积差异带来的量纲干扰。[0057]预设速度波动归一范围是对人流速度波动值线性映射至统一量纲区间的基准区间，其范围取决于行人移动模式及传感器精度。通常设置在[0m/s,2m/s]之间，本实施例中设置为[0m/s,1.8m/s],能够抑制传感器噪声引起的速度跳变误差。[0058]归一化采用的是最大最小值归一法，根据预设密度波动归一范围的最大值和最小值对密度波动值进行归一化，根据预设速度波动归一范围的最大值和最小值对第二速度波动值进行归一化，最大最小值归一法为现有技术，在此不再赘述。[0059]首先通过波动归一计算子单元将密度波动值和速度波动值分别进行归一化处理。对于密度波动值，按照预设的密度波动归一范围进行归一化，得到密度波动归一值；对于速度波动值，则根据预设的速度波动归一范围进行归一化，得到速度波动归一值。随后，相似度计算子单元通过计算这两个归一化值之间的相关系数，从而得出波动相似度。这一过程能够量化密度波动与速度波动之间的相似程度，为后续的楼层选择提供数据支持。[0060]通过归一化处理，使得不同范围和单位的波动值可以在统一的尺度下进行比较，消除了因尺度差异带来的影响，确保了波动相似度计算的准确性和公正性。计算出的波动相似度能够有效反映密度波动与速度波动之间的同步程度，帮助系统精准识别出具有相似波动特征的楼层，为后续楼层重点选择提供可靠的依据。[0061]请继续参阅图3所示，其为本实施例选择子单元判定重点楼层的判定逻辑图；所述选择单元包括：负载波动计算子单元，用以在所述波动相似度大于预设相似度阈值时，计算所述预设选择时长内单个所述关注楼层的所述工作负载值的标准差，得到负载波动值；波动偏差计算子单元，其与所述负载波动计算子单元连接，用以计算单个所述关注楼层的所述负载波动值和与其物理距离最近的另一个关注楼层的所述负载波动值的相选择子单元，其与所述波动偏差计算子单元连接，用以在所述波动偏差值大于预设偏差值时，判定对应的两个所述关注楼层均为所述重点楼层，以选择若干重点楼层。[0062]预设相似度阈值是指用于判定两个关注楼层在负载波动相似性方面是否具有显著相关性的标准值，取决于楼宇监控的具体需求、不同楼层之间的功能关联性及历史监控数据的分析结果，通常设置在0.6到0.9之间，本实施例设置为0.8,能够确保选出的关注楼层之间存在较高的负载波动相似性，减少因低相似度引起的误判，提升系统监控的精准性和有效性。[0063]预设偏差值是用于判定两个关注楼层的负载波动之间是否存在显著差异的阈值，取决于楼层间负载波动的变化范围以及预期的容忍度，通常设置在0到0.5之间，本实施例设置为0.2,能够在保证系统敏感性的同时，避免过于细致的微小波动影响选择结果，从而提高重点楼层选择的稳定性和准确性。[0064]首先，当波动相似度大于预设相似度阈值时，负载波动计算子单元会计算在预设选择时长内每个关注楼层的工作负载值标准差，从而得到负载波动值。接下来，波动偏差计算子单元会计算每个关注楼层的负载波动值与其物理距离最近的另一个关注楼层之间的相对偏差，得到波动偏差值。最后，选择子单元通过判断波动偏差值是否大于预设偏差值，来确定是否将这两个关注楼层视为重点楼层。[0065]通过计算负载波动值和相对偏差，能够筛选出那些存在较大工作负载波动的楼层，并将其优先作为重点关注的目标楼层，不仅能够准确识别出最需要关注的楼层，还能通过物理距离的关联性考虑楼层之间的影响，避免了单独考量楼层负载波动可能带来的误判，提升了整个监控系统的精准度和响应能力。生成归一单元，用以根据预设密度归一范围对所述人流密度进行归一化，得到人流密度归一值，以及，根据预设速度归一范围对所述人流速度进行归一化，得到人流速度归一值；因子计算单元，其与所述生成归一单元连接，用以计算所述人流密度归一值和预设人流密度权重的乘积，得到人流密度因子，以及，计算所述人流速度归一值和预设人流速指数计算单元，其与所述因子计算单元连接，用以计算所述人流密度因子和所述生成单元，其与所述指数计算单元连接，用以在所述调整指数大于预设指数阈值时，根据调整指数和预设指数阈值的相对偏差以及预设调整系数增大所述预设视频码率，得到所述调整视频码率，以生成若干调整视频码率，FO'=F0×[1+j×(S-SO)/S0],F0'为调[0067]预设密度归一范围是将原始人流密度值(单位：人/m²)线性映射至标准化区间的基准范围，取决于摄像头监控区域的最大承载能力和场景类型特征。通常设置在[0人/m²,6人/m²]之间，本实施例中设置为[0人/m²,5人/m²],能够消除不同区域面积差异对密度评估的影响。[0068]预设速度归一范围是对人流速度(单位：m/s)线性映射至标准化区间的基准区间，取决于行人移动特性及传感器精度。通常设置在[0m/s,3m/s]之间，本实施例中设置为[0m/s,2.2m/s],能够解决不同摄像头视角导致的速度测量偏差。[0069]预设人流密度权重是指在调整视频码率时，人流密度对最终视频码率调整的影响权重。该权重通常取决于人流密度在监控系统中的重要性。通常设置在[0,1]之间，本实施例中设置为0.6,能够在高密度区域给予更多关注，提高监控精度。[0070]预设人流速度权重是指在人流速度对监控结果的影响方面，速度的权重值。该权重通常取决于人流速度在监控场景中的重要性。通常设置在[0,1]之间，本实施例中设置为0.4,合理平衡密度与速度的影响，避免过于依赖其中一项。[0071]预设指数阈值是指在计算调整指数时，决定是否需要增加视频码率的临界值，取决于监控需求和系统承载能力，通常设置在[0,1]之间，本实施例中设置为0.7,能够确保只有当监控区域的人流密度和速度变化达到一定阈值时，才会触发视频码率的调整，以提高监控的动态响应能力。[0072]预设调整系数是指在根据调整指数与预设指数阈值的偏差来决定是否增加视频码率时，控制调整幅度的系数，取决于视频码率调整的敏感度需求，通常设置在[0.1,0.5]之间，本实施例中设置为0.3,能够有效平衡响应速度与系统稳定性，避免因过度调整而导致系统负载过高或视频码率波动过大。[0073]首先，生成归一单元对人流密度和人流速度分别进行归一化处理(现有技术，不再赘述),将其转换为统一的标准值范围。接着，因子计算单元根据预设的人流密度权重和人流速度权重，分别计算出对应的密度因子和速度因子。然后，指数计算单元将这两个因子相加，得到一个调整指数，表示当前监控场景的总体变化程度。最后，生成单元根据调整指数与预设指数阈值的相对偏差，以及预设调整系数，确定是否需要增大视频码率来更精准地捕捉监控场景的动态变化，从而生成新的调整视频码率。[0074]通过多层次的计算过程，可以根据实际监控情况动态调整视频码率，以提高监控精度和响应速度。归一化处理确保了不同楼层和区域之间的数据可比性，使得人流密度和人流速度的变化能够被准确捕捉。因子计算和指数计算则合理地加权了不同参数对监控调整的影响，从而提升了整体判断的科学性和稳定性。根据调整指数和预设阈值的偏差来增大视频码率，能够在高密度人流或速度变化较大的情况下提供更细致的监控数据，有效应对高动态环境中的监控需求，提高系统对突发事件的响应能力。次数波动计算单元，用以计算所述调整视频码率的出现次数的标准差，得到次数波动值；调整单元，其与所述次数波动计算单元连接，用以根据所述次数波动值和预设次数波动范围调整所述预设密度阈值，得到所述调整密度阈值，或调整所述预设同步度阈值，得到所述调整同步度阈值。[0076]预设次数波动范围是指在调整过程中，基于历史数据或实际需求，设定的调整视频码率出现次数的波动范围，取决于系统对视频码率调整的容忍度以及需要达到的稳定性，通常设置在0次到5次之间，以保证系统不会因频繁调整而产生过大波动或不必要的资源浪费，本实施例中设置为0次到3次，能够确保在调整视频码率时，系统保持足够的稳定性，同时避免过多的频繁调整对系统性能的影响。[0077]次数波动计算单元用于计算调整视频码率出现次数的标准