一种基于云服务的物业管理方法以及装置

1.本发明涉及物业管理技术领域，尤其涉及一种基于云服务的物业管理方法以及装置。


背景技术：

2.物业管理是指业主通过选聘物业服务企业，由业主和物业服务企业按照物业服务合同约定，对房屋及配套的设施设备和相关场地进行维修、养护、管理，维护物业管理区域内的环境卫生和相关秩序的活动。
3.为了保证业主的安全性，通常需要相关保安人员在小区巡逻或者通过摄像头进行人工监控，这些都需要人工实时关注，而且对于可疑人员的行为轨迹，同样也需要人工判断，效率较低且时常出错。


技术实现要素：

4.本发明实施例提供了一种基于云服务的物业管理方法以及装置，可自动且快速侦测出可疑人员，保证小区业主的安全。
5.本发明提供一种基于云服务的物业管理方法，所述方法包括：
6.通过多个摄像头各自获取同一移动物体在预定时间段的当前行为影像；
7.将所获取到的多个所述当前行为影像发送至云服务器；
8.所述云服务器基于多个所述当前行为影像，预测所述移动物体下一步的拟行为影像；
9.通过所述摄像头获取所述移动物体下一步的真实行为影像，并将所述所述真实行为影像发送至所述云服务器；
10.所述云服务器根据所述真实行为影像和所述拟行为影像，判断所述移动物体的可疑程度，可疑程度ssim(x,y)＝[(l(x,y)^alpha)/n]*[(c(x,y)^beta)/n]*[(s(x,y)^gamma)/n]，其中，x和y分别表示真实行为影像和所述拟行为影像，l(x,y)、c(x,y)和s(x,y)分别表示亮度、对比度和结构相似性，n表示行为影像帧数；
[0011]
在判定所述移动物体为高度可疑的情况下，向物业管理人员发出所述移动物体的位置信息以及所述移动物体的影像信息。
[0012]
在一可实施方式中，所述亮度l(x,y)＝(2*u1*u2+c1)/(u1^2+u2^2+c1)；
[0013]
所述对比度c(x,y)＝(2*sigma1*sigma2+c2)/(sigma1^2+sigma2^2+c2)；
[0014]
所述结构相似性s(x,y)＝(sigma12+c3)/(sigma1*sigma2+c3)；
[0015]
其中，u1和u2分别表示x和y亮度的平均值，sigma1和sigma2分别表示x和y对比度的标准差，sigma12表示x和y结构相似性的协方差，alpha、beta和gamma是可调参数，c1、c2和c3是常数。
[0016]
在一可实施方式中，所述c1＝0.01、c2＝0.03、c3＝c2/2。
[0017]
在一可实施方式中，所述alpha、beta和gamma均取值为1.2～1.5。
[0018]
在一可实施方式中，所述云服务器基于多个所述当前行为影像，预测所述移动物体下一步的拟行为影像，包括：
[0019]
对所述当前行为影像按照预定时间戳截取部分当前行为图像；
[0020]
根据部分所述当前行为图像，预测所述移动物体下一步的拟行为影像。
[0021]
在一可实施方式中，所述根据部分所述当前行为图像，预测所述移动物体下一步的拟行为影像，包括：
[0022]
对所述当前行为图像进行图像预处理，以符合作为神经网络输入的规范化数据；
[0023]
将经规范化后的部分所述当前行为图像输入至已经训练好的神经网络模型中进行预测，生成所述移动物体下一步的拟行为影像。
[0024]
在一可实施方式中，所述对所述当前行为图像进行图像预处理，包括：
[0025]
对所述当前行为图像进行平滑处理以及归一化处理。
[0026]
在一可实施方式中，所述对所述当前行为图像进行平滑处理，包括：
[0027]
确定5x5矩阵的卷积核；
[0028]
将所述卷积核中的每一个元素与图像中对应位置的像素值相乘，并将结果相加，得到卷积核在该位置的输出值。
[0029]
将所述卷积核在图像上滑动，重复上一步骤，直到覆盖整个图像。
[0030]
在一可实施方式中，所述对所述当前行为图像进行归一化处理，包括：
[0031]
通过将图像的像素值减去均值，再除以标准差，将图像的像素值转换为标准正态分布；具体地，假设图像的均值为mean，标准差为std，则归一化后的像素值f(i,j)可以通过以下公式计算：f(i,j)＝(g(i,j)-mean)/std。
[0032]
本发明另一方面提供一种基于云服务的物业管理装置，所述装置包括：
[0033]
影像获取模块，用于通过多个摄像头各自获取同一移动物体在预定时间段的当前行为影像；
[0034]
第一影像发送模块，用于将所获取到的多个所述当前行为影像发送至云服务器；
[0035]
影像预测模块，用于所述云服务器基于多个所述当前行为影像，预测所述移动物体下一步的拟行为影像；
[0036]
第二影像发送模块，用于通过所述摄像头获取所述移动物体下一步的真实行为影像，并将所述所述真实行为影像发送至所述云服务器；
[0037]
影像计算模块，用于令所述云服务器根据所述真实行为影像和所述拟行为影像，判断所述移动物体的可疑程度，可疑程度ssim(x,y)＝[(l(x,y)^alpha)/n]*[(c(x,y)^beta)/n]*[(s(x,y)^gamma)/n]，其中，x和y分别表示真实行为影像和所述拟行为影像，l(x,y)、c(x,y)和s(x,y)分别表示亮度、对比度和结构相似性，n表示行为影像帧数；
[0038]
影像反馈模块，用于在判定所述移动物体为高度可疑的情况下，向物业管理人员发出所述移动物体的位置信息以及所述移动物体的影像信息。
[0039]
在本发明实施例中，通过摄像头获取到同一移动物体的当前行为影像以及下一步的真实行为影像，并当前行为影像以及真实行为影像发送至云服务器中；云服务器针对当前行为影像预测拟行为影像，并根据拟行为影像和真实行为影像进行综合判断移动物体行为的可疑程度，并将高度可疑的移动物体的位置信息和影像信息传送值物业管理人员，物业管理人员即可根据位置信息和影像信息找到该移动物体可疑人物、车或者动物，进而可
保证小区的安全。
附图说明
[0040]
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：
[0041]
在附图中，相同或对应的标号表示相同或对应的部分。
[0042]
图1为本发明实施例一种基于云服务的物业管理方法的实现流程示意图；
[0043]
图2为本发明实施例一种基于云服务的物业管理装置的结构组成图。
具体实施方式
[0044]
为使本发明的目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中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，而非全部实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0045]
如图1所示，本发明提供一种基于云服务的物业管理方法，方法包括：
[0046]
步骤101，通过多个摄像头各自获取同一移动物体在预定时间段的当前行为影像；
[0047]
步骤102，将所获取到的多个当前行为影像发送至云服务器；
[0048]
步骤103，云服务器基于多个当前行为影像，预测移动物体下一步的拟行为影像；
[0049]
步骤104，通过摄像头获取移动物体下一步的真实行为影像，并将真实行为影像发送至云服务器；
[0050]
步骤105，云服务器根据真实行为影像和拟行为影像，判断移动物体的可疑程度，可疑程度ssim(x,y)＝[(l(x,y)^alpha)/n]*[(c(x,y)^beta)/n]*[(s(x,y)^gamma)/n]，其中，x和y分别表示真实行为影像和拟行为影像，l(x,y)、c(x,y)和s(x,y)分别表示亮度、对比度和结构相似性，n表示行为影像帧数；
[0051]
步骤106，在判定移动物体为高度可疑的情况下，向物业管理人员发出移动物体的位置信息以及移动物体的影像信息。
[0052]
本实施例中，在步骤101中，多个摄像头可以安装在建筑物的外表面或者内室，分别监控各自负责的监视空间，当同一移动物体在建筑物周围走动时，可被多个摄像头监控到在预定时间段的当前行为影像，其中预定时间段可预先设置，一般情况下，预定时间段为5s。其中，移动物体可以是人、也可以是车、也可以是动物。
[0053]
在步骤102中，将各个摄像头所拍摄到的当前行为影像均发送至云服务器，云服务器将这些当前行为影像进行计算以确定该移动物体的可疑程度。
[0054]
在步骤103中，云服务器将所有当前行为影像按照时间顺序进行排列并拼接，得到同一移动物体的完整行为影像，并通过该完整行为影像预测该移动物体的下一步的拟行为影像。
[0055]
在步骤104中，上述摄像头还接着获取该移动物体的下一步的真实行为影像，同样将真实行为影像发送到云服务器中。
[0056]
在步骤105中，云服务器获取到拟行为影像和真实行为影像进行对比，判断移动物
体的可疑程度，可疑程度ssim(x,y)＝[(l(x,y)^alpha)/n]*[(c(x,y)^beta)/n]*[(s(x,y)^gamma)/n]。
[0057]
在步骤106中，在计算得到可疑程度ssim(x,y)之后，可将其与预设值进行比较，其中，预设值可自行设置，可令可疑程度ssim(x,y)大于预设值时，判定移动物体为高度可疑，反之，可疑程度ssim(x,y)小于预设值时，判定移动物体为低度可疑。当判定为高度可疑，则可向物业管理人员发出移动物体的位置信息以及移动物体的影像信息，物业管理人员即可根据位置信息和影像信息找到该移动物体。上述公式中结合了影像的亮度、对比度以及结构相似性来综合计算得到移动物体的可疑程度，即通过多种维度综合判断可疑程度，准确率很高。
[0058]
由此，通过摄像头获取到同一移动物体的当前行为影像以及下一步的真实行为影像，并当前行为影像以及真实行为影像发送至云服务器中；云服务器针对当前行为影像预测拟行为影像，并根据拟行为影像和真实行为影像进行综合判断移动物体行为的可疑程度，并将高度可疑的移动物体的位置信息和影像信息传送值物业管理人员，物业管理人员即可根据位置信息和影像信息找到该移动物体可疑人物、车或者动物，进而可保证小区的安全。
[0059]
在一可实施方式中，亮度l(x,y)＝(2*u1*u2+c1)/(u1^2+u2^2+c1)；
[0060]
对比度c(x,y)＝(2*sigma1*sigma2+c2)/(sigma1^2+sigma2^2+c2)；
[0061]
结构相似性s(x,y)＝(sigma12+c3)/(sigma1*sigma2+c3)；
[0062]
其中，u1和u2分别表示x和y亮度的平均值，sigma1和sigma2分别表示x和y对比度的标准差，sigma12表示x和y结构相似性的协方差，alpha、beta和gamma是可调参数，c1、c2和c3是常数。
[0063]
本实施例中，亮度l(x,y)、对比度c(x,y)以及结构相似性s(x,y)由上述公式计算得到，上述公式均考虑到真实行为影像和拟行为影像的平均值、标准差以及协方差，即融合了真实行为影像和拟行为影像整体像素数据，可使最终获得到结果更加准确，更具有说服力。
[0064]
在一可实施方式中，c1＝0.01、c2＝0.03、c3＝c2/2。
[0065]
本实施例中，c1、c2和c3的具体取值一般较小，用于在影像比较时适当增加一些容错率，得到的效果是两个相差稍大的影像也不会被误判为高度可疑。
[0066]
在一可实施方式中，alpha、beta和gamma均取值为1.2～1.5。
[0067]
本实施例中，alpha、beta和gamma设置为1.2～1.5，可适当提高可疑程度ssim(x,y)，得到的效果是两个相差稍大的影像也不会被误判为高度可疑。
[0068]
在一可实施方式中，云服务器基于多个当前行为影像，预测移动物体下一步的拟行为影像，包括：
[0069]
对当前行为影像按照预定时间戳截取部分当前行为图像；
[0070]
根据部分当前行为图像，预测移动物体下一步的拟行为影像。
[0071]
本实施例中，预定时间戳可以根据实际情况设定，以将当前行为影像抽取部分当前行为图像，云服务器根据部分当前行为图像进行下一步的拟行为影像的预测，相比较于整个当前行为影像的预测，可大大减少运算量，在不降低预测准确率的情况下，可进一步提高运算效率。
[0072]
在一可实施方式中，根据部分当前行为图像，预测移动物体下一步的拟行为影像，包括：
[0073]
对当前行为图像进行图像预处理，以符合作为神经网络输入的规范化数据；
[0074]
将经规范化后的部分当前行为图像输入至已经训练好的神经网络模型中进行预测，生成移动物体下一步的拟行为影像。
[0075]
本实施例中，云服务器预测拟行为影像的具体过程为：
[0076]
首先对当前行为图像进行图像预处理，具体为对当前行为图像进行平滑处理以及归一化处理，以符合作为神经网络输入的规范化数据。
[0077]
其中，平滑处理具体为：确定5x5矩阵的卷积核；将卷积核中的每一个元素与图像中对应位置的像素值相乘，并将结果相加，得到卷积核在该位置的输出值；将卷积核在图像上滑动，重复上一步骤，直到覆盖整个图像。
[0078]
对当前行为图像进行归一化处理，包括：
[0079]
通过将图像的像素值减去均值，再除以标准差，将图像的像素值转换为标准正态分布；具体地，假设图像的均值为mean，标准差为std，则归一化后的像素值f(i,j)可以通过以下公式计算：f(i,j)＝(g(i,j)-mean)/std。
[0080]
本发明实施例另一方面提供一种基于云服务的物业管理装置，装置包括：
[0081]
影像获取模块201，用于通过多个摄像头各自获取同一移动物体在预定时间段的当前行为影像；
[0082]
第一影像发送模块202，用于将所获取到的多个当前行为影像发送至云服务器；
[0083]
影像预测模块203，用于云服务器基于多个当前行为影像，预测移动物体下一步的拟行为影像；
[0084]
第二影像发送模块204，用于通过摄像头获取移动物体下一步的真实行为影像，并将真实行为影像发送至云服务器；
[0085]
影像计算模块205，用于云服务器根据真实行为影像和拟行为影像，判断移动物体的可疑程度，可疑程度ssim(x,y)＝[(l(x,y)^alpha)/n]*[(c(x,y)^beta)/n]*[(s(x,y)^gamma)/n]，其中，x和y分别表示真实行为影像和拟行为影像，l(x,y)、c(x,y)和s(x,y)分别表示亮度、对比度和结构相似性，n表示行为影像帧数；
[0086]
影像反馈模块206，用于在判定移动物体为高度可疑的情况下，向物业管理人员发出移动物体的位置信息以及移动物体的影像信息。
[0087]
本实施例中，在影像获取模块201中，多个摄像头可以安装在建筑物的外表面或者内室，分别监控各自负责的监视空间，当同一移动物体在建筑物周围走动时，可被多个摄像头监控到在预定时间段的当前行为影像，其中预定时间段可预先设置，一般情况下，预定时间段为5s。其中，移动物体可以是人、也可以是车、也可以是动物。
[0088]
在第一影像发送模块202中，将各个摄像头所拍摄到的当前行为影像均发送至云服务器，云服务器将这些当前行为影像进行计算以确定该移动物体的可疑程度。
[0089]
在影像预测模块203中，云服务器将所有当前行为影像按照时间顺序进行排列并拼接，得到同一移动物体的完整行为影像，并通过该完整行为影像预测该移动物体的下一步的拟行为影像。
[0090]
在第二影像发送模块204中，上述摄像头还接着获取该移动物体的下一步的真实
行为影像，同样将真实行为影像发送到云服务器中。
[0091]
在影像计算模块205中，云服务器获取到拟行为影像和真实行为影像进行对比，判断移动物体的可疑程度，可疑程度ssim(x,y)＝[(l(x,y)^alpha)/n]*[(c(x,y)^beta)/n]*[(s(x,y)^gamma)/n]。
[0092]
在影像反馈模块206中，在计算得到可疑程度ssim(x,y)之后，可将其与预设值进行比较，其中，预设值可自行设置，可令可疑程度ssim(x,y)大于预设值时，判定移动物体为高度可疑，反之，可疑程度ssim(x,y)小于预设值时，判定移动物体为低度可疑。当判定为高度可疑，则可向物业管理人员发出移动物体的位置信息以及移动物体的影像信息，物业管理人员即可根据位置信息和影像信息找到该移动物体。上述公式中结合了影像的亮度、对比度以及结构相似性来综合计算得到移动物体的可疑程度，即通过多种维度综合判断可疑程度，准确率很高。
[0093]
由此，通过摄像头获取到同一移动物体的当前行为影像以及下一步的真实行为影像，并当前行为影像以及真实行为影像发送至云服务器中；云服务器针对当前行为影像预测拟行为影像，并根据拟行为影像和真实行为影像进行综合判断移动物体行为的可疑程度，并将高度可疑的移动物体的位置信息和影像信息传送值物业管理人员，物业管理人员即可根据位置信息和影像信息找到该移动物体可疑人物、车或者动物，进而可保证小区的安全。
[0094]
在一可实施方式中，影像预测模块203具体用于：
[0095]
对所述当前行为影像按照预定时间戳截取部分当前行为图像；
[0096]
根据部分所述当前行为图像，预测所述移动物体下一步的拟行为影像。
[0097]
在一可实施方式中，所述根据部分所述当前行为图像，预测所述移动物体下一步的拟行为影像，影像预测模块203具体用于：
[0098]
对所述当前行为图像进行图像预处理，以符合作为神经网络输入的规范化数据；
[0099]
将经规范化后的部分所述当前行为图像输入至已经训练好的神经网络模型中进行预测，生成所述移动物体下一步的拟行为影像。
[0100]
在一可实施方式中，所述对所述当前行为图像进行图像预处理，影像预测模块203具体用于：
[0101]
对所述当前行为图像进行平滑处理以及归一化处理。
[0102]
在一可实施方式中，所述对所述当前行为图像进行平滑处理，影像预测模块203具体用于：
[0103]
确定5x5矩阵的卷积核；
[0104]
将所述卷积核中的每一个元素与图像中对应位置的像素值相乘，并将结果相加，得到卷积核在该位置的输出值。
[0105]
将所述卷积核在图像上滑动，重复上一步骤，直到覆盖整个图像。
[0106]
在一可实施方式中，所述对所述当前行为图像进行归一化处理，影像预测模块203具体用于：
[0107]
通过将图像的像素值减去均值，再除以标准差，将图像的像素值转换为标准正态分布；具体地，假设图像的均值为mean，标准差为std，则归一化后的像素值f(i,j)可以通过以下公式计算：f(i,j)＝(g(i,j)-mean)/std。
[0108]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”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。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0109]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0110]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

技术特征：
1.一种基于云服务的物业管理方法，其特征在于，所述方法包括：通过多个摄像头各自获取同一移动物体在预定时间段的当前行为影像；将所获取到的多个所述当前行为影像发送至云服务器；所述云服务器基于多个所述当前行为影像，预测所述移动物体下一步的拟行为影像；通过所述摄像头获取所述移动物体下一步的真实行为影像，并将所述所述真实行为影像发送至所述云服务器；所述云服务器根据所述真实行为影像和所述拟行为影像，判断所述移动物体的可疑程度，可疑程度ssim(x,y)＝[(l(x,y)^alpha)/n]*[(c(x,y)^beta)/n]*[(s(x,y)^gamma)/n]，其中，x和y分别表示真实行为影像和所述拟行为影像，l(x,y)、c(x,y)和s(x,y)分别表示亮度、对比度和结构相似性，n表示行为影像帧数；在判定所述移动物体为高度可疑的情况下，向物业管理人员发出所述移动物体的位置信息以及所述移动物体的影像信息。2.根据权利要求1所述的方法，其特征在于，所述亮度l(x,y)＝(2*u1*u2+c1)/(u1^2+u2^2+c1)；所述对比度c(x,y)＝(2*sigma1*sigma2+c2)/(sigma1^2+sigma2^2+c2)；所述结构相似性s(x,y)＝(sigma12+c3)/(sigma1*sigma2+c3)；其中，u1和u2分别表示x和y亮度的平均值，sigma1和sigma2分别表示x和y对比度的标准差，sigma12表示x和y结构相似性的协方差，alpha、beta和gamma是可调参数，c1、c2和c3是常数。3.根据权利要求2所述的方法，其特征在于，所述c1＝0.01、c2＝0.03、c3＝c2/2。4.根据权利要求2所述的方法，其特征在于，所述alpha、beta和gamma均取值为1.2～1.5。5.根据权利要求1所述的方法，其特征在于，所述云服务器基于多个所述当前行为影像，预测所述移动物体下一步的拟行为影像，包括：对所述当前行为影像按照预定时间戳截取部分当前行为图像；根据部分所述当前行为图像，预测所述移动物体下一步的拟行为影像。6.根据权利要求5所述的方法，其特征在于，所述根据部分所述当前行为图像，预测所述移动物体下一步的拟行为影像，包括：对所述当前行为图像进行图像预处理，以符合作为神经网络输入的规范化数据；将经规范化后的部分所述当前行为图像输入至已经训练好的神经网络模型中进行预测，生成所述移动物体下一步的拟行为影像。7.根据权利要求6所述的方法，其特征在于，所述对所述当前行为图像进行图像预处理，包括：对所述当前行为图像进行平滑处理以及归一化处理。8.根据权利要求7所述的方法，其特征在于，所述对所述当前行为图像进行平滑处理，包括：确定5x5矩阵的卷积核；将所述卷积核中的每一个元素与图像中对应位置的像素值相乘，并将结果相加，得到卷积核在该位置的输出值。
将所述卷积核在图像上滑动，重复上一步骤，直到覆盖整个图像。9.根据权利要求7所述的方法，其特征在于，所述对所述当前行为图像进行归一化处理，包括：通过将图像的像素值减去均值，再除以标准差，将图像的像素值转换为标准正态分布；具体地，假设图像的均值为mean，标准差为std，则归一化后的像素值f(i,j)可以通过以下公式计算：f(i,j)＝(g(i,j)-mean)/std。10.一种基于云服务的物业管理装置，其特征在于，所述装置包括：影像获取模块，用于通过多个摄像头各自获取同一移动物体在预定时间段的当前行为影像；第一影像发送模块，用于将所获取到的多个所述当前行为影像发送至云服务器；影像预测模块，用于所述云服务器基于多个所述当前行为影像，预测所述移动物体下一步的拟行为影像；第二影像发送模块，用于通过所述摄像头获取所述移动物体下一步的真实行为影像，并将所述所述真实行为影像发送至所述云服务器；影像计算模块，用于令所述云服务器根据所述真实行为影像和所述拟行为影像，判断所述移动物体的可疑程度，可疑程度ssim(x,y)＝[(l(x,y)^alpha)/n]*[(c(x,y)^beta)/n]*[(s(x,y)^gamma)/n]，其中，x和y分别表示真实行为影像和所述拟行为影像，l(x,y)、c(x,y)和s(x,y)分别表示亮度、对比度和结构相似性，n表示行为影像帧数；影像反馈模块，用于在判定所述移动物体为高度可疑的情况下，向物业管理人员发出所述移动物体的位置信息以及所述移动物体的影像信息。

技术总结
本发明公开了一种基于云服务的物业管理方法以及装置，其中所述方法包括：通过多个摄像头各自获取同一移动物体在预定时间段的当前行为影像；将所获取到的多个所述当前行为影像发送至云服务器；所述云服务器基于多个所述当前行为影像，预测所述移动物体下一步的拟行为影像；通过所述摄像头获取所述移动物体下一步的真实行为影像，并将所述所述真实行为影像发送至所述云服务器；所述云服务器根据所述真实行为影像和所述拟行为影像，判断所述移动物体的可疑程度；在判定所述移动物体为高度可疑的情况下，向物业管理人员发出所述移动物体的位置信息以及所述移动物体的影像信息。通过上述方案，可自动且快速侦测出可疑人员，以保证小区业主的安全。小区业主的安全。小区业主的安全。


技术研发人员：王英 王德选 陈明清 陈秀玲
受保护的技术使用者：重庆化工职业学院
技术研发日：2023.07.10
技术公布日：2023/9/9