本发明属于校园安全防护技术领域，具体是一种校园安全防护平台。
背景技术：
学校安全工作，是全社会安全工作的一个十分重要的组成部分。它直接关系到青少年学生能否安全、健康地成长，关系到千千万万个家庭的幸福安宁和社会稳定。
公开号为cn107025693a的发明专利提供了一种校园安全防护系统，包括宿舍大门门禁装置、单体宿舍门禁装置、学校大门门禁装置、宿舍终端、门禁终端、教师点名装置和学生信息平台，所述学生信息平台采集和更新学生信息，将信息分配到宿舍终端和门禁终端，所述宿舍大门门禁装置和单体宿舍门禁装置将信息上传到宿舍终端，所述宿舍终端、门禁终端和教师点名装置采集到的信息上传到学生信息平台。
上述方案中能够根据权限等级查询学生在校的活动轨迹，在一定程度上避免了学生因无故外出或缺课造成的安全隐患；但是，上述方案只对学生的活动轨迹进行跟踪，而无法对学生的斗殴行为和出入校园的人群进行监测，因此，上述方案仍需进一步改进。
技术实现要素：
为了解决上述方案存在的问题，本发明提供了一种校园安全防护平台。
本发明的目的可以通过以下技术方案实现：一种校园安全防护平台，包括用户服务模块、安全应用模块、防护主机模块和数据存储模块；
所述防护主机模块包括集成管理单元、身份核验单元和人脸分析单元；
所述集成管理单元用于将外部设备通过特定方式接入到防护主机模块，所述特定方式包括网络接入方式和硬件端子接入方式；所述集成管理单元支持对通过适配协议采集的数据进行转码并输出标准流数据；
所述身份核验单元包括身份管理节点和身份认证节点，所述身份管理节点用于采集主数据，并根据主数据建立信息数据库；所述主数据包括人员信息和车辆信息；所述数据库包括人员信息库、人脸特征库和车辆信息库；
所述人脸识别单元使用深度学习算法模型实现用户人脸和用户身份证图像的对比验证，所述深度学习算法模型包括bp神经网络、rbf神经网络和深度卷积神经网络，具体验证步骤为：
步骤z1：从orl人脸图像数据库中获取人脸图像并对人脸图像进行图像预处理，所述图像预处理包括图像压缩、图像抽样和输入矢量标准化；
步骤z2：使用经过图像预处理的人脸图像对深度学习算法模型进行训练；
步骤z3：获取现场环境人脸图像和身份证人脸图像并进行图像预处理；
步骤z4：将预处理完成的现场环境人脸图像和身份证人脸图像输入到训练完成的深度学习算法模型中进行识别获取匹配度，并将匹配度标记为ppd；
步骤z5：当匹配度ppd≥l1时，则判定识别成功；否则，判定识别失败；其中l1为预设匹配度阈值；
步骤z6：将训练好的深度学习算法模型和匹配度发送至数据存储模块进行存储。
优选的，所述安全应用模块包括视频展示单元、校园安全管理单元和安全教育单元；
所述视频展示单元用于实时展示监控视频，所述监控视频是指高清摄像头对监控场所实时监控获取的视频；所述监控场所包括校园周边、校门出入口、宿舍楼、教师、食堂和购物中心；
所述校园安全管理单元包括报警调度节点、安全巡查节点和安全教育节点；所述报警调度节点对报警信息进行分析处理；报警调度节点接收到报警信息之后对报警信息的内容进行分析；当报警信息的内容为空时，则判定报警信息无效；当报警信息非空时，则将报警信息和目标位置发送至最优巡检人员；所述报警信息包括手机短信和语音电话；同时将报警信息和目标位置发送至数据存储模块；
所述安全教育单元包括安全宣传节点和安全演练节点；
所述安全宣传节点用于通过宣传设备宣传安全知识；所述宣传设备包括广播、智能手机和宣传板；所述安全知识包括自然灾害、卫生健康、社会安全、网络安全、意外伤害和心理安全；
所述安全演练节点用于通过演练方案对老师和学生进行安全演练；所述演练方案包括演练内容和演练时间，所述演练内容为官方指定的演练预案，所述官方包括教育部和学校。
优选的，所述用户服务模块用于将展示内容发送至特定用户的展示终端，所述展示终端包括web端、微信端和平板端，所述展示内容包括演练预案、待办任务和安全知识；所述特定用户包括学生、家长和教职工。
优选的，所述最优巡检人员的筛选步骤为：
x1：获取巡检人员的位置并将位置标记为wzi，i为巡检人员的编号；
x2：规划巡检人员位置wzi与目标位置的路径，并获取巡检人员通过对应路径需要的时间；将时间标记为sji；
x3：当时间sji≤l2时，则判定编号i对应的巡检人员符合要求，将编号i对应的巡检人员标记为最优巡检人员；当时间sji>l2时，则选取所用时间最短的巡检人员作为最优巡检人员；其中l2为预设时间阈值；
x4：将报警信息和路径发送至最优巡检人员的通讯设备；所述通讯设备包括智能手机和智能对讲机；
x5：将路径和时间发送至数据存储模块。
优选的，所述目标位置为报警信息发送设备的位置，所述发送设备包括智能手机、电话座机和平板电脑。
优选的，所述人员信息包括姓名、姓名实名认证的手机号和正面图像；所述车辆信息包括车辆颜色、车辆年审合格证明和车牌号。
优选的，所述网络接入方式包括以太网、无线wifi、zigbee、nb-iot和lora；所述硬件端子接入方式包括模拟量(ai/ao)、开关量(di/do)、rs232串口和rs485串口。
优选的，所述适配协议包括工业协议、私有协议和视频接入协议，所述私有协议为厂商的定制协议，所述工业协议包括标准opc协议、modbus协议和snmp协议；所述视频接入协议包括onvif协议和rtsp流协议。
与现有技术相比，本发明的有益效果是：
1、本发明设置了防护主机模块，该设置包括集成管理单元、身份核验单元和人脸分析单元；提出一套完整的软硬件接口标准规范，以屏蔽设备厂商技术差异性，低成本整合接入，并据此将异构软硬件功能进行有机整合，实现了各设备子系统的有效联动，包含集成管理、身份核验、人脸分析服务，实现上述基础服务的集中统一管理；
2、本发明设置了安全应用模块，该设置包括视频展示单元、校园安全管理单元和安全教育单元；安全应用模块监控范围覆盖校园周界、出入口、宿舍楼等场所，形成校园安全应用组合，能够全方位守护校园安全；
3、本发明设置了用户服务模块，该设置用于将展示内容发送至特定用户的展示终端，用户服务模块联动校园安全应用与校园管理平台，支持数据的互联互通，能够将多种格式数据转换成用户服务模块内置的标准数据，并通过三维软件建模能够为学生、家长和学校提供立体化的校园安全防护数据，使得校园安全信息的感知和显示更加直观。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的原理示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，一种校园安全防护平台，包括用户服务模块、安全应用模块、防护主机模块和数据存储模块；
所述防护主机模块包括集成管理单元、身份核验单元和人脸分析单元；
所述集成管理单元用于将外部设备通过特定方式接入到防护主机模块，所述特定方式包括网络接入方式和硬件端子接入方式；所述集成管理单元支持对通过适配协议采集的数据进行转码并输出标准流数据；
所述身份核验单元包括身份管理节点和身份认证节点，所述身份管理节点用于采集主数据，并根据主数据建立信息数据库；所述主数据包括人员信息和车辆信息；所述数据库包括人员信息库、人脸特征库和车辆信息库；
所述人脸识别单元使用深度学习算法模型实现用户人脸和用户身份证图像的对比验证，所述深度学习算法模型包括bp神经网络、rbf神经网络和深度卷积神经网络，具体验证步骤为：
步骤z1：从orl人脸图像数据库中获取人脸图像并对人脸图像进行图像预处理，所述图像预处理包括图像压缩、图像抽样和输入矢量标准化；
步骤z2：使用经过图像预处理的人脸图像对深度学习算法模型进行训练；
步骤z3：获取现场环境人脸图像和身份证人脸图像并进行图像预处理；
步骤z4：将预处理完成的现场环境人脸图像和身份证人脸图像输入到训练完成的深度学习算法模型中进行识别获取匹配度，并将匹配度标记为ppd；
步骤z5：当匹配度ppd≥l1时，则判定识别成功；否则，判定识别失败；其中l1为预设匹配度阈值；
步骤z6：将训练好的深度学习算法模型和匹配度发送至数据存储模块进行存储。
优选的，所述安全应用模块包括视频展示单元、校园安全管理单元和安全教育单元；
所述视频展示单元用于实时展示监控视频，所述监控视频是指高清摄像头对监控场所实时监控获取的视频；所述监控场所包括校园周边、校门出入口、宿舍楼、教师、食堂和购物中心；
所述校园安全管理单元包括报警调度节点、安全巡查节点和安全教育节点；所述报警调度节点对报警信息进行分析处理；报警调度节点接收到报警信息之后对报警信息的内容进行分析；当报警信息的内容为空时，则判定报警信息无效；当报警信息非空时，则将报警信息和目标位置发送至最优巡检人员；所述报警信息包括手机短信和语音电话；同时将报警信息和目标位置发送至数据存储模块；
所述安全教育单元包括安全宣传节点和安全演练节点；
所述安全宣传节点用于通过宣传设备宣传安全知识；所述宣传设备包括广播、智能手机和宣传板；所述安全知识包括自然灾害、卫生健康、社会安全、网络安全、意外伤害和心理安全；
所述安全演练节点用于通过演练方案对老师和学生进行安全演练；所述演练方案包括演练内容和演练时间，所述演练内容为官方指定的演练预案，所述官方包括教育部和学校。
优选的，所述用户服务模块用于将展示内容发送至特定用户的展示终端，所述展示终端包括web端、微信端和平板端，所述展示内容包括演练预案、待办任务和安全知识；所述特定用户包括学生、家长和教职工。
优选的，所述最优巡检人员的筛选步骤为：
步骤x1：获取巡检人员的位置并将位置标记为wzi，i为巡检人员的编号；
步骤x2：规划巡检人员位置wzi与目标位置的路径，并获取巡检人员通过对应路径需要的时间；将时间标记为sji；
步骤x3：当时间sji≤l2时，则判定编号i对应的巡检人员符合要求，将编号i对应的巡检人员标记为最优巡检人员；当时间sji>l2时，则选取所用时间最短的巡检人员作为最优巡检人员；其中l2为预设时间阈值；
步骤x4：将报警信息和路径发送至最优巡检人员的通讯设备；所述通讯设备包括智能手机和智能对讲机；
步骤x5：将路径和时间发送至数据存储模块。
优选的，所述目标位置为报警信息发送设备的位置，所述发送设备包括智能手机、电话座机和平板电脑。
优选的，所述人员信息包括姓名、姓名实名认证的手机号和正面图像；所述车辆信息包括车辆颜色、车辆年审合格证明和车牌号。
优选的，所述网络接入方式包括以太网、无线wifi、zigbee、nb-iot和lora；所述硬件端子接入方式包括模拟量(ai/ao)、开关量(di/do)、rs232串口和rs485串口。
优选的，所述适配协议包括工业协议、私有协议和视频接入协议，所述私有协议为厂商的定制协议，所述工业协议包括标准opc协议、modbus协议和snmp协议；所述视频接入协议包括onvif协议和rtsp流协议。
上述公式均是去量化取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况设定。
本发明的工作原理：
本发明设置了防护主机模块，该设置包括集成管理单元、身份核验单元和人脸分析单元；人脸识别单元使用深度学习算法模型实现用户人脸和用户身份证图像的对比验证，具体验证步骤为：从orl人脸图像数据库中获取人脸图像并对人脸图像进行图像预处理，所述图像预处理包括图像压缩、图像抽样和输入矢量标准化；使用经过图像预处理的人脸图像对深度学习算法模型进行训练；获取现场环境人脸图像和身份证人脸图像并进行图像预处理；将预处理完成的现场环境人脸图像和身份证人脸图像输入到训练完成的深度学习算法模型中进行识别获取匹配度，并将匹配度标记为ppd；当匹配度ppd≥l1时，则判定识别成功；否则，判定识别失败；将训练好的深度学习算法模型和匹配度发送至数据存储模块进行存储；
所述最优巡检人员的筛选步骤为：获取巡检人员的位置并将位置标记为wzi；规划巡检人员位置wzi与目标位置的路径，并获取巡检人员通过对应路径需要的时间；将时间标记为sji；当时间sji≤l2时，则判定编号i对应的巡检人员符合要求，将编号i对应的巡检人员标记为最优巡检人员；当时间sji>l2时，则选取所用时间最短的巡检人员作为最优巡检人员；将报警信息和路径发送至最优巡检人员的通讯设备；将路径和时间发送至数据存储模块。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
1.一种校园安全防护平台，其特征在于，包括用户服务模块、安全应用模块、防护主机模块和数据存储模块；
所述防护主机模块包括集成管理单元、身份核验单元和人脸分析单元；
所述集成管理单元用于将外部设备通过特定方式接入到防护主机模块，所述特定方式包括网络接入方式和硬件端子接入方式；所述集成管理单元支持对通过适配协议采集的数据进行转码并输出标准流数据；
所述身份核验单元包括身份管理节点和身份认证节点，所述身份管理节点用于采集主数据，并根据主数据建立信息数据库；所述主数据包括人员信息和车辆信息；所述数据库包括人员信息库、人脸特征库和车辆信息库；
所述人脸识别单元使用深度学习算法模型实现用户人脸和用户身份证图像的对比验证，所述深度学习算法模型包括bp神经网络、rbf神经网络和深度卷积神经网络，具体验证步骤为：
步骤z1：从orl人脸图像数据库中获取人脸图像并对人脸图像进行图像预处理，所述图像预处理包括图像压缩、图像抽样和输入矢量标准化；
步骤z2：使用经过图像预处理的人脸图像对深度学习算法模型进行训练；
步骤z3：获取现场环境人脸图像和身份证人脸图像并进行图像预处理；
步骤z4：将预处理完成的现场环境人脸图像和身份证人脸图像输入到训练完成的深度学习算法模型中进行识别获取匹配度，并将匹配度标记为ppd；
步骤z5：当匹配度ppd≥l1时，则判定识别成功；否则，判定识别失败；其中l1为预设匹配度阈值；
步骤z6：将训练好的深度学习算法模型和匹配度发送至数据存储模块进行存储。
2.根据权利要求1所述的一种校园安全防护平台，其特征在于，所述安全应用模块包括视频展示单元、校园安全管理单元和安全教育单元；
所述视频展示单元用于实时展示监控视频，所述监控视频是指高清摄像头对监控场所实时监控获取的视频；所述监控场所包括校园周边、校门出入口、宿舍楼、教师、食堂和购物中心；
所述校园安全管理单元包括报警调度节点、安全巡查节点和安全教育节点；所述报警调度节点对报警信息进行分析处理；报警调度节点接收到报警信息之后对报警信息的内容进行分析；当报警信息的内容为空时，则判定报警信息无效；当报警信息非空时，则将报警信息和目标位置发送至最优巡检人员；所述报警信息包括手机短信和语音电话；同时将报警信息和目标位置发送至数据存储模块；
所述安全教育单元包括安全宣传节点和安全演练节点；
所述安全宣传节点用于通过宣传设备宣传安全知识；所述宣传设备包括广播、智能手机和宣传板；所述安全知识包括自然灾害、卫生健康、社会安全、网络安全、意外伤害和心理安全；
所述安全演练节点用于通过演练方案对老师和学生进行安全演练；所述演练方案包括演练内容和演练时间，所述演练内容为官方指定的演练预案，所述官方包括教育部和学校。
3.根据权利要求1所述的一种校园安全防护平台，其特征在于，所述用户服务模块用于将展示内容发送至特定用户的展示终端，所述展示终端包括web端、微信端和平板端，所述展示内容包括演练预案、待办任务和安全知识；所述特定用户包括学生、家长和教职工。
4.根据权利要求2所述的一种校园安全防护平台，其特征在于，所述最优巡检人员的筛选步骤为：
步骤x1：获取巡检人员的位置并将位置标记为wzi，i为巡检人员的编号；
步骤x2：规划巡检人员位置wzi与目标位置的路径，并获取巡检人员通过对应路径需要的时间；将时间标记为sji；
步骤x3：当时间sji≤l2时，则判定编号i对应的巡检人员符合要求，将编号i对应的巡检人员标记为最优巡检人员；当时间sji>l2时，则选取所用时间最短的巡检人员作为最优巡检人员；其中l2为预设时间阈值；
步骤x4：将报警信息和路径发送至最优巡检人员的通讯设备；所述通讯设备包括智能手机和智能对讲机；
步骤x5：将路径和时间发送至数据存储模块。
5.根据权利要求1所述的一种校园安全防护平台，其特征在于，所述网络接入方式包括以太网、无线wifi、zigbee、nb-iot和lora；所述硬件端子接入方式包括模拟量、开关量、rs232串口和rs485串口。
6.根据权利要求1所述的一种校园安全防护平台，其特征在于，所述适配协议包括工业协议、私有协议和视频接入协议，所述私有协议为厂商的定制协议，所述工业协议包括标准opc协议、modbus协议和snmp协议；所述视频接入协议包括onvif协议和rtsp流协议。
技术总结