基于人工智能的校园巡逻方法、装置、设备及介质

专利名称：基于人工智能的校园巡逻方法、装置、设备及介质

专利类型：发明专利

专利申请号：CN202310461160.5

专利申请（专利权）人：内江市感官密码科技有限公司
权利人地址：四川省内江市东兴区兰桂大道377号三单元第16楼1610号办公室

专利发明（设计）人：周凯,王璎强

专利摘要：本发明涉及人工智能巡逻技术领域，具体公开了一种基于人工智能的校园巡逻方法、装置、设备及介质，包括常规巡逻方法和应急处理方法，常规巡逻方法为获取校园平面地图，对校园平面地图处理后得到巡逻网格；以巡逻网格的每个端点均作为一次巡逻起点和巡逻终点在巡逻网格中的实际路径中进行随机巡逻并在巡逻中对周围环境进行实时采集；应急处理方法为获取校园安防监控系统的紧急信息，在收到紧急信息后前往发生地进行预警巡逻，巡逻过程中对周围图像进行实时采集。本发明大大减少了夜间巡逻所需人力，采用了随机巡逻路线，并通过引入寻迹标记与随机巡逻配合，提高了巡逻路径的随机性的同时，减少了部分重复路径的巡逻，提高了单个巡逻周期的效率。

主权利要求：基于人工智能的校园巡逻方法、装置、设备及介质
技术领域
[0001] 本发明属于校园安全巡逻技术领域，具体涉及一种基于人工智能的校园巡逻方法、装置、设备及介质。
背景技术
[0002] 校园安全问题是一个社会重点关注问题。目前校园的夜间巡逻主要是依靠保安的定时巡逻，而保安的定时巡逻一般都是在相同的间隔周期后按固定的巡逻路线进行巡逻，不仅费时费力，而且巡逻效果不理想；特别是巡逻过程中在其他区域遇突发情况，则需要指挥室的安保人员进行无线通讯才能通知正在巡逻的人员赶往突发地，从而在夜间巡逻这一工作上需要配备至少2名安保人员，使得校园夜间巡逻工作需要配备大量的人力。
发明内容
[0003] 本发明所要解决的技术问题便是针对上述现有技术的不足，提供一种基于人工智能的校园巡逻方法、装置、设备及介质，它能够有效减少校园夜间巡逻所需的人力，同时具有良好的巡逻效果。
[0004] 本发明所采用的技术方案是：一种基于人工智能的校园巡逻方法，包括常规巡逻方法和应急处理方法；
[0005] 所述常规巡逻方法包括：
[0006] 获取校园平面地图，并对校园平面地图作无边框的网格化处理，处理后网格中各线条端点均位于校园平面地图的边界线上，得到巡逻网格；
[0007] 将巡逻网格的任意一个端点作为首次巡逻起点，在巡逻网格中按校园平面地图中的实际路径进行随机巡逻，在巡逻网格中达到除巡逻起点外的任意一个端点作为此次巡逻终点，再以巡逻终点作为下一次巡逻的巡逻起点再次进行随机巡逻，将除所有以作为巡逻起点外的任意一个端点作为此次巡逻终点，依次类推直至巡逻网格的所有端点均作为一次巡逻起点后，最后一次巡逻的终点为首次巡逻起点，回到首次巡逻起点后记为一个巡逻周期；
[0008] 在一个巡逻周期中的每次巡逻过程中，会对实际巡逻的路径进行寻迹标记，在一个巡逻周期结束后，再次获取寻迹标记后的校园平面地图，筛选出未获得寻迹标记的路径，根据未获得寻迹标记的路径以当前巡逻网格的端点作为巡逻起点规划一条补充巡逻路径，进行补充巡逻，从而完成一个巡逻周期内对校园平面地图中所有实际路径的巡逻工作；
[0009] 常规巡逻过程中对巡逻路径周围的环境信息进行实时采集；
[0010] 所述应急处理方法包括：
[0011] 与校园安防监控系统联网，获取校园安防监控系统发出的异常信息，根据收到的异常信息确定异常地点，在巡逻网格的实际路径中规划以当前点作为起点、异常地点作为终点的最短路径，到达异常地点后进行周围环境信息的实时采集，采集完成后对异常地点周围100米内的圆形区域包含的每条路径进行异常巡逻，异常巡逻过程中对周围的环境信息进行实时采集。
[0012] 作为优选，所述常规巡逻方法中的随机巡逻为在实际路径的分岔路口对每条分岔路进行随机选择。
[0013] 作为优选，所述分岔路口按寻迹标记对分岔路的随机选择包括以下几种情况：
[0014] 情况A：分岔路口后的分岔路均未获得寻迹标记，则按分岔路口对应的分岔路数量的平均率作为随机概率进行随机选择；
[0015] 情况B：分岔路口后的分岔路部分获得寻迹标记，则在排除获得寻迹标记的分岔路后，在剩余的分岔路中按剩余分岔路数量的平均率作为随机概率进行随机选择；
[0016] 情况C：分岔路口后的分岔路均获得寻迹标记，则根据分岔路上后续的分岔路口进行选择。
[0017] 作为优选，分岔路口后的分岔路均获得寻迹标记，对分岔路的选择包括：
[0018] 以当前分岔路口为原点，每条分岔路上出现的第一个分岔路口均标记为一级路口，出现的第二个分岔路口均标记为二级路口，以此逐级划分；
[0019] 按逐级划分的同级路口进行随机选择情况判断：
[0020] 若数个同级路口中存在属于随机选择情况A的分岔路口，则优先选择与属于随机选择中情况A的分岔路口对应的分岔路；若与属于随机选择中情况A的分岔路口对应的分岔路存在多条，则在多条与属于随机选择中情况A的分岔路口对应的分岔路中按分岔路数量的平均率作为随机概率进行随机选择；
[0021] 若数个同级路口中不存在属于随机选择情况A的分岔路口，存在属于随机选择情况B的分岔路口，则优先选择与属于随机选择中情况B的分岔路口对应的分岔路；若与属于随机选择中情况B的分岔路口对应的分岔路存在多条，则在多条与属于随机选择中情况B的分岔路口对应的分岔路中按分岔路数量的平均率作为随机概率进行随机选择；
[0022] 若数个同级路口均属于随机选择中的情况C，则判断数个同级路口下一级同级路口的情况。
[0023] 作为优选，所述补充巡逻路径规划包括：以巡逻起点作为巡逻网格中的首列/排网格，逐列/排捕捉每列/排网格中未获得寻迹标记的路径，依次将每列/排未获得寻迹标记的路径按最短路径依次连通构成补充巡逻路径。
[0024] 作为优选，所述补充巡逻路径巡逻完成后回到离补充巡逻路径终点最近的巡逻网格端点处。
[0025] 作为优选，所述异常信息包括校园内各个摄像头处采集到的异常图像及异常声响。
[0026] 一种基于人工智能的校园巡逻装置，包括第一获取模块，第一规划模块、第二获取模块、第二规划模块，行走模块、采集模块、通信模块、预警模块和控制模块；
[0027] 所述第一获取模块用于获取校园平面地图；所述第一规划模块用于对校园平面地图进行常规巡逻路线规划；
[0028] 所述第二获取模块用于获取校园安防监控的紧急信息；
[0029] 所述第二规划模块用于收到紧急信息后规划当前巡逻点至紧急信息预警点之间的最短路径，及达到预警点后的预警巡逻路径规划；
[0030] 所述行走模块用于控制行走机构按照第一规划模块和第二规划模块规划的路径进行移动；
[0031] 所述采集模块用于在常规巡逻和预警巡逻中采集周围的图像及声音；
[0032] 所述通信模块用于与监控室进行通讯；
[0033] 所述预警模块用于在常规巡逻和预警巡逻中发现异常后发出警报；
[0034] 所述控制模块分别与第一获取模块，第一规划模块、第二获取模块、第二规划模块，行走模块、采集模块、通信模块和预警模块连接，用于控制各个模块的使用。
[0035] 一种电子设备，包括存储器和处理器；
[0036] 所述存储器用于存放计算机程序；
[0037] 所述处理器用于在执行存储器上所存放的程序时，实现上述基于人工智能的校园巡逻方法。
[0038] 一种介质，其上存储有计算机程序，该程序被处理器执行时，实现上述基于人工智能的校园巡逻方法。
[0039] 本发明的有益效果在于：
[0040] （1）通过对校园平面地图进行网格化来确保智能巡逻的每次起点及端点，同时采用随机概率来对每一次的分岔路进行选择，实现了无序巡逻，保证了巡逻的智能随机性，能有效避免对巡逻路径进行推算；
[0041] （2）常规巡逻中对巡逻路线进行寻迹标记，并通过寻迹标记路径来随机选择后续巡逻路径，在保证覆盖所有巡逻路径的同时可大大缩短单个周期巡逻所需的时间，保证了巡逻的有效性及高效性；
[0042] （3）与校园安防监控系统配合，能在监控摄像头采集到异常信息时，达到监控异常点进行环境信息采集，同时还能对异常点周围进行预警巡逻，进一步保证了校园内的安全性。
[0043] 本发明较传统人工巡逻，大大减少了夜间巡逻所需人力，配合校园自身的安防监控系统，能有效的提高巡逻的有效性及高效性；同时较于目前市面上存在的人工智能巡逻，其采用了随机巡逻路线，并通过引入寻迹标记与随机巡逻配合，提高了巡逻路径的随机性的同时，减少了部分重复路径的巡逻，提高了单个巡逻周期的效率。
附图说明
[0044] 图1为本发明实施例1中巡逻网格的示意图；
[0045] 图2为本发明实施例1中分岔路口逐级划分的示意图。
[0046] 图2中：圆形代表原点，三角形代表一级路口，方形代表二级路口，直线代表分岔路。实施方式

[0047] 下面将结合附图及具体实施例对本发明作进一步详细说明。
[0048] 实施例1
[0049] 本实施例提供的基于人工智能的校园巡逻方法，包括常规巡逻方法和应急处理方法；
[0050] 所述常规巡逻方法包括：
[0051] 获取校园平面地图，并对校园平面地图作无边框的网格化处理，处理后网格中各线条端点均位于校园平面地图的边界线上，得到巡逻网格，校园平面地图中的各条实际路径均落入巡逻网格中；本实施例中采用的三横线与三竖线构件的巡逻网格，如图1所示；
[0052] 将巡逻网格中的每个端点与校园平面地图中的实际路径相结合，即将巡逻网格落在校园平面地图实际路径上的端点作为巡逻起点或巡逻终点；未落在校园平面地图实际路径上的端点，以该端点距离最近实际路径上距离最短的点作为该端点的巡逻起点或巡逻终点；
[0053] 本实施例中将实际路径中对已巡逻的路径进行寻迹标记，并对实际路径中所遇分路岔口按寻迹标记进行分类：
[0054] 情况A：分岔路口后的分岔路均未获得寻迹标记；
[0055] 情况B：分岔路口后的分岔路部分获得寻迹标记；
[0056] 情况C：分岔路口后的分岔路均获得寻迹标记；
[0057] 以巡逻网格中任意一个端点作为首次巡逻起点，在巡逻网格中按校园平面地图中的实际路径进行巡逻，每达到一个分路岔口进行随机选择判断：
[0058] 若当前分路岔口属于分类情况A，即分岔路口后的分岔路均未获得寻迹标记，则按分岔路口对应的分岔路数量的平均率作为随机概率进行随机选择分岔路；例如：当前分路岔口后存在三条未获得寻迹标记的分岔路，则选择每条分岔路的随机概率为三条分岔路的平均率33.33%；
[0059] 若当前分路岔口属于分类情况B，即分岔路口后的分岔路部分获得寻迹标记，则在排除获得寻迹标记的分岔路后，在剩余的分岔路中按剩余分岔路数量的平均率作为随机概率进行随机选择分岔路；例如：当前分路岔口后存在一条获得寻迹标记的分岔路，两条未获得寻迹标记的分岔路，则先将获得寻迹标记的分岔路排除，两条未获得寻迹标记的分岔路按50%概率进行随机选择；
[0060] 若当前分路岔口属于分类情况C，即分岔路口后的分岔路均存在寻迹标记，则以当前分岔路口为原点，每条分岔路上出现的第一个分岔路口为一级路口，出现的第二个分岔路口为二级路口，以此逐级划分，即从一级路口依次逐级向下进行同级路口的分类情况判断，即是按一级路口、二级路口…N级路口的顺序依次进行分类情况判断：
[0061] 若数个同级路口中存在属于分类情况A的分岔路口，则优先选择与属于分类情况A的分岔路口对应的分岔路；若与属于分类情况A的分岔路口对应的分岔路存在多条，则在多条与属于分类情况A的分岔路口对应的分岔路中按分岔路数量的平均率作为随机概率进行随机选择；
[0062] 若数个同级路口中不存在属于分类情况A的分岔路口，存在属于分类情况B的分岔路口，则优先选择与属于分类情况B的分岔路口对应的分岔路；若与属于分类情况B的分岔路口对应的分岔路存在多条，则在多条与属于分类情况B的分岔路口对应的分岔路中按分岔路数量的平均率作为随机概率进行随机选择；
[0063] 若数个同级路口均属于分类情况C，则判断数个同级路口下一级同级路口的情况；
[0064] 本实施例中例举判断进行至一级路口和二级路口，如图2所示；
[0065] 获取原点后每条分岔路的一级路口的分类情况，进行判断：
[0066] 若三个一级路口分别属于分类情况A、分类情况B和分类情况C，则优先选择与属于分类情况A的一级路口对应的分岔路；
[0067] 若三个一级路口中有一个属于分类情况A，二个属于分类情况B，则优先选择与属于分类情况A的一级路口对应的分岔路；
[0068] 若三个一级路口中有一个属于分类情况A，二个属于分类情况C，则优先选择与属于分类情况A的一级路口对应的分岔路；
[0069] 若三个一级路口中有两个属于分类情况A，一个属于分类情况B，则在与于分类情况A的两个一级路口对应的分岔路中按50%概率进行选择；
[0070] 若三个一级路口中有两个属于分类情况A，一个属于分类情况C，则在与于分类情况A的两个一级路口对应的分岔路中按50%概率进行选择；
[0071] 若三个一级路口均属于分类情况A，则在原点处的分岔路口按对应分岔路数量的平均率作为随机率进行随机选择，即原点后有三条分岔路，选择每条分岔路的概率均为33.33%；

[0072] 若三个一级路口中有一个属于分类情况B，二个属于分类情况C，则优先选择与属于分类情况B的一级路口对应的分岔路；
[0073] 若三个一级路口中有两个属于分类情况B，一个属于分类情况C，则在与于分类情况B的两个一级路口对应的分岔路中按50%概率进行选择；
[0074] 若三个一级路口均属于分类情况B，则在原点处的分岔路口按对应分岔路数量的平均率作为随机率进行随机选择，即原点后有三条分岔路，选择每条分岔路的概率均为33.33%；

[0075] 若数个一级路口均属于分类情况C，则通过判断二级路口进行分岔路随机选择，二级路口的判断方式与上述一级路口判断方式相同；
[0076] 随机巡逻过程中会不断的读取巡逻网格中的端点，当再次读取到端点时，会将读取到的最近的端点作为首次巡逻的终点，再以首次巡逻的终点作为下一次巡逻的起点，再次进行随机巡逻，同样在随机巡逻过程中会不断的读取巡逻网格中的端点，读取过程中会排出已作为巡逻起点的端点，依次类推直至巡逻网格的所有端点均作为一次巡逻起点后，开始最后一次巡逻，最后一次巡逻的终点为首次巡逻的起点，回到首次巡逻起点后记为一个巡逻周期；
[0077] 在一个巡逻周期结束后，再次获取寻迹标记后的校园平面地图，筛选出未获得寻迹标记的路径，根据未获得寻迹标记的路径以当前巡逻网格的端点作为巡逻起点进行补充巡逻路径规划，所述补充巡逻路径规划包括：
[0078] 若巡逻起点位于巡逻网格中的首列网格中，则逐列捕捉每列网格中未获得寻迹标记的路径，从巡逻起点开始依次将每列未获得寻迹标记的路径按最短路径依次连通构成补充巡逻路径；
[0079] 若巡逻起点位于巡逻网格中的首排网格，则逐排捕捉每排网格中未获得寻迹标记的路径，从巡逻起点开始依次将每排未获得寻迹标记的路径按最短路径依次连通构成补充巡逻路径；
[0080] 补充巡逻路径规划完成后，进行补充巡逻，补充巡逻后则使巡逻网格中校园平面地图上的每条路径均获得寻迹标记，则表示校园平面地图上所有的路径均已被巡逻，从而完成一个巡逻周期内对校园平面地图中所有实际路径的巡逻工作；
[0081] 在上述常规巡逻过程中，会对巡逻路径周围的环境图像及环境声音进行实时不间断采集，从而将采集的环境图像及环境声音传回校园安防监控室中；
[0082] 所述应急处理方法包括：
[0083] 与校园安防监控系统配合，即可以实时获取校园安防监控系统中每个摄像头所采集的环境信息，当某个摄像头采集的环境信息被判定为异常信息后，正在常规巡逻中的机器人，根据判定异常信息的摄像头所在位置确定异常地点，以收到异常信息时处于的地点作为起点，异常地点作为终点，规划两点之间最短的实际路径，巡逻机器人根据规划的路径前往异常地点，到达异常地点后对周围环境信息进行采集，采集完成后对异常地点周围100米内的圆形区域内所包含的实际路径进行异常巡逻，异常巡逻过程中对周围环境信息进行实时采集，在异常巡逻结束后，以当前结束点开始继续进行当前常规巡逻周期内的常规巡逻工作。
[0084] 实施例2
[0085] 相应于上述的方法实施例，本实施例还提供一种基于人工智能的校园巡逻装置，包括第一获取模块，第一规划模块、第二获取模块、第二规划模块，行走模块、采集模块、通信模块、预警模块和控制模块；
[0086] 所述第一获取模块用于获取校园平面地图；所述第一规划模块用于对校园平面地图进行常规巡逻路线规划；
[0087] 所述第二获取模块用于获取校园安防监控的紧急信息；所述第二规划模块用于收到紧急信息后规划当前巡逻点至紧急信息预警点之间的最短路径，及达到预警点后的预警巡逻路径规划；
[0088] 所述行走模块用于控制行走机构按照第一规划模块和第二规划模块规划的路径进行移动；
[0089] 所述采集模块用于在常规巡逻和预警巡逻中采集周围的图像及声音；
[0090] 所述通信模块用于与监控室进行通讯；
[0091] 所述预警模块用于在常规巡逻和预警巡逻中发现异常后发出警报；
[0092] 所述控制模块用于控制第一获取模块，第一规划模块、第二获取模块、第二规划模块，行走模块、采集模块、通信模块和预警模块，已使得在控制模块的调配下，通过第一获取模块，第一规划模块、第二获取模块、第二规划模块，行走模块、采集模块、通信模块和预警模块实现上述基于人工智能的校园巡逻方法。
[0093] 实施例3
[0094] 相应于上述的方法实施例，本实施例还提供一种电子设备，包括存储器和处理器，所述处理器用于控制该电子设备的整体操作，以完成上述基于人工智能的校园巡逻方法的全部或部分步骤。所述储存器用于储存各种类型的数据以支持在该电子设备的操作，这些数据例如可以包括用于在该电子设备上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该储存器可以包括任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器、电可擦除可编程只读存储器、可擦除可编程只读存储器、可编程只读存储器、只读存储器、磁存储器，快闪存储器，磁盘或光盘。
[0095] 本实施例中，所述电子设备还可以被一个或多个应用专用集成电路、数字信号处理器、数字信号处理设备、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的基于人工智能的校园巡逻方法。
[0096] 实施例4
[0097] 相应于上述的方法实施例，本实施例还提供一种可读存介质，可读存介质上存储有计算机程序，计算机程序被处理器执行时实现上述基于人工智能的校园巡逻方法。
[0098] 该可读存储介质具体可以为U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可存储程序代码的可读存储介质。
[0099] 以上所述仅是本发明优选的实施方式，但本发明的保护范围并不局限于此，任何基于本发明所提供的技术方案和发明构思进行的改造和替换都应涵盖在本发明的保护范围内。

专利地区：四川

专利申请日期：2023-04-26

专利公开日期：2023-06-27

专利公告号：CN116167729B