买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广东三诸科技有限公司申请的专利基于边缘计算与大数据的智慧校园安全预警方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120339957B 。

龙图腾网通过国家知识产权局官网在2026-04-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510542402.2，技术领域涉及：G06V20/52；该发明授权基于边缘计算与大数据的智慧校园安全预警方法及系统是由陈锋授设计研发完成，并于2025-04-28向国家知识产权局提交的专利申请。

本基于边缘计算与大数据的智慧校园安全预警方法及系统在说明书摘要公布了：本发明提供一种基于边缘计算与大数据的智慧校园安全预警方法及系统。通过边缘计算节点实时采集多路视频数据流，进行帧序列分割与时空特征提取，生成初始行为特征集合，基于预设的行为语义标签对初始行为特征集合进行多维度关联分析，提取与目标监测场景对应的时空行为特征向量，并传输至中心服务器，将时空行为特征向量输入至目标行为识别模型中，生成与视频数据流对应的行为语义描述序列，并根据其与预设异常行为规则库的匹配结果，确定实时行为监测结果，通过边缘计算节点接收实时行为监测结果，并基于动态优先级策略对视频数据流的采集参数进行自适应调整。本发明可以提升校园行为监测的实时性、准确性与系统可持续性。

本发明授权基于边缘计算与大数据的智慧校园安全预警方法及系统在权利要求书中公布了：1.一种基于边缘计算与大数据的智慧校园安全预警方法，其特征在于，所述方法包括：通过部署在校园监控区域的边缘计算节点实时采集多路视频数据流，并对所述视频数据流进行帧序列分割与时空特征提取，生成初始行为特征集合；基于预设的行为语义标签对所述初始行为特征集合进行多维度关联分析，提取与目标监测场景对应的时空行为特征向量，并将所述时空行为特征向量传输至中心服务器；具体包括：从所述预设的行为语义标签中提取与目标监测场景匹配的语义关键词集合，并为每个语义关键词分配场景关联权重系数；将所述初始行为特征集合中的每个行为特征与所述语义关键词集合进行语义相似度匹配，筛选相似度超过预设阈值的候选行为特征子集；对所述候选行为特征子集中的行为特征进行时间维度与空间维度的交叉关联分析，生成时间连续性分布图与空间密度热力图的联合特征映射；基于所述场景关联权重系数对所述联合特征映射中的特征区域进行动态加权，增强与目标监测场景强相关的特征区域的权重值，抑制非相关特征区域的权重值；将加权后的联合特征映射输入时空卷积核进行局部特征聚合，提取具有时间依赖性与空间聚集性的特征片段序列；根据所述特征片段序列在时间轴上的累积分布与空间区域的重叠比例，生成融合多维度关联关系的所述时空行为特征向量；其中，时空行为特征向量包含了在目标监测场景下的行为的时空特征信息；在所述中心服务器中，根据历史行为数据集合对初始行为识别模型进行多阶段训练，得到目标行为识别模型，其中，所述多阶段训练包括基于时空关联性的特征融合与跨场景行为模式迁移；具体包括：从所述历史行为数据集合中提取具有时空标注的第一训练集和未标注跨场景数据的第二训练集，其中，所述第一训练集中的每个样本包含标注的时空行为特征向量与对应的正常行为类型标签，所述第二训练集中的每个样本包含不同监控场景下的未标注视频片段；将所述第一训练集输入所述初始行为识别模型，通过时空关联性约束模块对所述时空行为特征向量进行跨帧特征对齐，生成具有时间连续性的第一中间特征表示；将所述第一中间特征表示输入时空特征融合模块，对相邻时间窗口内的特征进行动态权重分配与特征叠加，生成融合后的第二中间特征表示；基于所述第二中间特征表示与所述正常行为类型标签之间的相似度损失，对所述初始行为识别模型进行监督训练，得到第一中间模型；将所述第二训练集输入所述第一中间模型，通过跨场景行为模式迁移模块对未标注视频片段进行场景不变特征提取，生成与监控场景无关的第三中间特征表示；对所述第三中间特征表示进行时序维度压缩与特征重构，生成跨场景行为模式嵌入向量，并基于重构误差对所述第一中间模型进行自监督训练，得到第二中间模型；将所述第一中间模型的特征提取层参数与所述第二中间模型的特征重构层参数进行交替加权融合，生成具有跨场景适应性的目标行为识别模型；将所述时空行为特征向量输入至所述目标行为识别模型中，生成与所述视频数据流对应的行为语义描述序列，具体包括：对所述时空行为特征向量进行时间轴滑动窗口分割，生成连续时间片段对应的特征片段序列；将所述特征片段序列输入至所述目标行为识别模型中的基础动作解析层，提取所述时间片段内运动目标的肢体位移速率变化模式及方向一致性特征，生成原子动作标签序列；将所述原子动作标签序列输入至所述目标行为识别模型中的交互关系推理层，基于所述原子动作标签之间的时间重叠度与空间邻近性，识别多个运动目标之间的协同动作模式，生成交互关系描述集合；将所述交互关系描述集合输入至所述目标行为识别模型中的意图推断层，结合所述时间片段对应的场景上下文特征，分析所述协同动作模式与预设行为意图模板的逻辑匹配度，生成行为意图概率分布；根据所述原子动作标签序列、交互关系描述集合及行为意图概率分布，生成包含动作层级、交互层级及意图层级的结构化行为语义描述树；对所述结构化行为语义描述树进行时间轴压缩与语义聚合，去除冗余描述节点并合并同类型动作分支，生成所述行为语义描述序列；并根据所述行为语义描述序列与预设异常行为规则库的匹配结果，确定实时行为监测结果；通过所述边缘计算节点接收所述实时行为监测结果，并基于动态优先级策略对所述视频数据流的采集参数进行自适应调整。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东三诸科技有限公司，其通讯地址为：515000 广东省汕头市高新区科技东路9号超声科技大厦7A01-7房；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。