一种用于预判校园霸凌的智慧校园监测系统及方法

摘要

本发明涉及智慧校园技术领域，提供了一种用于预判校园霸凌的智慧校园监测系统及方法，智慧校园监测方法包括如下步骤：获取区域内学生图像信息并对学生图像信息进行预处理；对预处理后的学生图像信息进行情景分析，识别当前情景状态以及情景发展趋势；根据当前情景状态以及情景发展趋势对学生行为进行识别，计算校园霸凌发生指数；当校园霸凌发生指数大于预设阈值时，发出警报。本发明可以在校园霸凌发生前及时发现并制止校园欺凌的行为，其无需监控人员监控识别校园各个区域实时画像，自动化智能化程度较高。

说明书

技术领域

本发明涉及智慧校园技术领域，具体而言，涉及一种用于预判校园霸凌的智慧校园监测系统及方法。

背景技术

校园霸凌是一种常见的社会现象，多发生在青少年群体中。校园霸凌被认为是导致青少年抑郁、辍学甚至自杀的一个重要因素。校园霸凌的形式包括：身体暴力、言语欺凌、毁坏个人财务等，其中身体暴力对青少年的伤害最为严重，伤害青少年的身心健康。当学生在校园里受到其他同学欺凌时，一般难以脱身去报告给安保人员或老师，而且旁观者也不敢主动劝说或告知老师，以至于受欺凌的学生任由其他同学长时间欺凌，轻则造成身体上的伤害，重则会造成生命威胁。

在现有的校园管理中，通常采用摄像头对学校各个区域进行监控。通过摄像头来采集校园内的实时画面后发送给监控室，由监控人员在控室进行监控，采用此种方式，需要监控人员对画面进行实时监控，并且需要监控多个摄像头的画面，往往不能及时发现欺凌行为并及时赶到现场进行制止，其监控效率较低。

发明内容

基于此，为了解决现有校园管理需要监控人员对画面进行实时监控，并且需要监控多个摄像头的画面，往往不能及时发现欺凌行为并及时赶到现场进行制止，监控效率较低的问题，本发明提供了一种用于预判校园霸凌的智慧校园监测系统及方法，其具体技术方案如下：

一种用于预判校园霸凌的智慧校园监测系统，其包括图像获取模块、情景分析模块、行为预判模块以及报警模块。

图像获取模块用于获取区域内学生图像信息并对学生图像信息进行预处理。

情景分析模块用于对预处理后的学生图像信息进行情景分析，识别当前情景状态以及情景发展趋势。

行为预判模块用于根据当前情景状态以及情景发展趋势对学生行为进行识别，计算校园霸凌发生指数。

报警模块用于当校园霸凌发生指数大于预设阈值时，发出警报。

所述的用于预判校园霸凌的智慧校园监测系统通过获取学生图像并识别当前情景状态以及情景发展趋势，并根据当前情景状态以及情景发展趋势对学生行为进行识别，计算校园霸凌发生指数，可以在校园霸凌发生前及时发现并制止校园欺凌的行为，其无需监控人员监控识别校园各个区域实时画像，自动化智能化程度较高，提高了校园霸凌行为的监控效率，解决了现有校园管理需要监控人员对画面进行实时监控，并且需要监控多个摄像头的画面，往往不能及时发现欺凌行为并及时赶到现场进行制止，监控效率较低的问题。

进一步地，所述智慧校园监测系统还包括：

语音获取模块，用于获取区域内语音信息；

文本提取模块，用于对语音信息进行文本转换并提取文本中的关键词；

频率计算模块，用于计算关键词出现频率；

其中，所述行为预判模块用于根据当前情景状态、情景发展趋势以及关键词出现频率对学生行为进行识别，计算校园霸凌发生指数。

进一步地，情景分析模块包括：

特征提取单元，用于提取预处理后的学生图像的姿态特征以及肢体关键点；

情景分析单元，用于根据姿态特征以及肢体关键点识别当前情景状态以及情景发展趋势。

进一步地，所述智慧校园监测系统还包括关键词存储模块，关键词存储模块用于存储预设的校园霸凌关键词文本。

一种用于预判校园霸凌的智慧校园监测方法，其包括如下步骤：

获取区域内学生图像信息并对学生图像信息进行预处理；

对预处理后的学生图像信息进行情景分析，识别当前情景状态以及情景发展趋势；

根据当前情景状态以及情景发展趋势对学生行为进行识别，计算校园霸凌发生指数；

当校园霸凌发生指数大于预设阈值时，发出警报。

进一步地，所述智慧校园监测方法还包括如下步骤：

获取区域内语音信息；

对语音信息进行文本转换并提取文本中的关键词；

计算关键词出现频率；

根据当前情景状态、情景发展趋势以及关键词出现频率对学生行为进行识别，计算校园霸凌发生指数。

进一步地，对预处理后的学生图像信息进行情景分析，识别当前情景状态以及情景发展趋势的具体方法包括如下步骤：

提取预处理后的学生图像的姿态特征以及肢体关键点；

根据姿态特征以及肢体关键点识别当前情景状态以及情景发展趋势。

一种计算机可读存储介质，存储有计算机程序，当所述计算机程序被执行时实现所述的智慧校园监测方法。

一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的智慧校园监测方法。

附图说明

从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制，而是将重点放在示出实施例的原理上。在不同的视图中，相同的附图标记指定对应的部分。

图1是本发明一实施例中一种用于预判校园霸凌的智慧校园监测方法的整体流程示意图；

图2是本发明另一实施例中一种用于预判校园霸凌的智慧校园监测方法的流程示意图。

具体实施方式

为了使得本发明的目的、技术方案及优点更加清楚明白，以下结合其实施例，对本发明进行进一步详细说明。应当理解的是，此处所描述的具体实施方式仅用以解释本发明，并不限定本发明的保护范围。

需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

本发明中所述“第一”、“第二”不代表具体的数量及顺序，仅仅是用于名称的区分。

实施例一：

一种用于预判校园霸凌的智慧校园监测系统，其包括图像获取模块、情景分析模块、行为预判模块以及报警模块。

图像获取模块用于获取区域内学生图像信息并对学生图像信息进行预处理。

所述图像获取模块，包括但不限于安装在校园不同区域的摄像头以及图像预处理单元。在每一个校园区域中，至少安装有一个以上摄像头，以更好地获取区域内学生图像信息，方便情景分析模块对预处理后的学生图像信息进行情景分析。即是说，通过所述图像获取单元，可以获取校园某一区域内的多张学生图像信息，多张学生图像信息具有不同的视觉效果，比如正面图像视觉、侧面图像视觉。

情景分析模块用于对预处理后的学生图像信息进行情景分析，识别当前情景状态以及情景发展趋势。

具体而言，情景分析模块包括特征提取单元以及情景分析单元。

特征提取单元用于提取预处理后的学生图像的姿态特征以及肢体关键点。

情景分析单元用于根据姿态特征以及肢体关键点识别当前情景状态以及情景发展趋势。

肢体关键点包括头、身体、手以及脚部位。情景状态包括但不限于普通状态、亲密状态、争吵状态、纠纷状态、推拉以及打架状态。

情景分析单元根据学生图像中不同学生肢体关键点之间的距离以及距离的保持时间，识别情景状态。同时，情景分析单元根据学生图像中不同学生肢体关键点之间的距离的增加减少的趋势来识别情景发展趋势，

行为预判模块用于根据当前情景状态以及情景发展趋势对学生行为进行识别，计算校园霸凌发生指数。

具体地，在智慧校园监测系统中，预设有不同的情景状态系数以及情景发展趋势数值，例如可以将普通状态、亲密状态、争吵状态、纠纷状态、推拉以及打架状态设定为不同并且逐渐增大或者减少的系数。更具体地，其中一种方案为，普通状态、亲密状态、争吵状态、纠纷状态、推拉以及打架状态系数分别设置为0.1、0.3、0.5、0.7、0.9.、1.1。

情景发展趋势数值根据学生肢体关键点之间的距离的增加减少的趋势来计算。比如，情景发展趋势数值可以为学生肢体关键点之间的距离在预设时间段内变化量。

校园霸凌发生指数，则为情景状态系数与情景发展趋势数值之间的乘积。

报警模块用于当校园霸凌发生指数大于预设阈值时，发出警报。

所述的用于预判校园霸凌的智慧校园监测系统通过获取学生图像并识别当前情景状态以及情景发展趋势，并根据当前情景状态以及情景发展趋势对学生行为进行识别，计算校园霸凌发生指数，可以在校园霸凌发生前及时发现并制止校园欺凌的行为，其无需监控人员监控识别校园各个区域实时画像，自动化智能化程度较高，提高了校园霸凌行为的监控效率，解决了现有校园管理需要监控人员对画面进行实时监控，并且需要监控多个摄像头的画面，往往不能及时发现欺凌行为并及时赶到现场进行制止，监控效率较低的问题。

实施例二：

一种用于预判校园霸凌的智慧校园监测系统，其包括图像获取模块、情景分析模块、行为预判模块以及报警模块。

图像获取模块用于获取区域内学生图像信息并对学生图像信息进行预处理。

所述图像获取模块，包括但不限于安装在校园不同区域的摄像头以及图像预处理单元。在每一个校园区域中，至少安装有一个以上摄像头，以更好地获取区域内学生图像信息，方便情景分析模块对预处理后的学生图像信息进行情景分析。即是说，通过所述图像获取单元，可以获取校园某一区域内的多张学生图像信息，多张学生图像信息具有不同的视觉效果，比如正面图像视觉、侧面图像视觉。

情景分析模块用于对预处理后的学生图像信息进行情景分析，识别当前情景状态以及情景发展趋势。

具体而言，情景分析模块包括特征提取单元以及情景分析单元。

特征提取单元用于提取预处理后的学生图像的姿态特征以及肢体关键点。

情景分析单元用于根据姿态特征以及肢体关键点识别当前情景状态以及情景发展趋势。

肢体关键点包括头、身体、手以及脚部位。情景状态包括但不限于普通状态、亲密状态、争吵状态、纠纷状态、推拉以及打架状态。

情景分析单元根据学生图像中不同学生肢体关键点之间的距离以及距离的保持时间，识别情景状态。同时，情景分析单元根据学生图像中不同学生肢体关键点之间的距离的增加减少的趋势来识别情景发展趋势，

行为预判模块用于根据当前情景状态以及情景发展趋势对学生行为进行识别，计算校园霸凌发生指数。

具体地，在智慧校园监测系统中，预设有不同的情景状态系数以及情景发展趋势数值，例如可以将普通状态、亲密状态、争吵状态、纠纷状态、推拉以及打架状态设定为不同并且逐渐增大或者减少的系数。更具体地，其中一种方案为，普通状态、亲密状态、争吵状态、纠纷状态、推拉以及打架状态系数分别设置为0.1、0.3、0.5、0.7、0.9.、1.1。

情景发展趋势数值根据学生肢体关键点之间的距离的增加减少的趋势来计算。比如，情景发展趋势数值可以为学生肢体关键点之间的距离在预设时间段内变化量。

校园霸凌发生指数，则为情景状态系数与情景发展趋势数值之间的乘积。

报警模块用于当校园霸凌发生指数大于预设阈值时，发出警报。

所述的用于预判校园霸凌的智慧校园监测系统通过获取学生图像并识别当前情景状态以及情景发展趋势，并根据当前情景状态以及情景发展趋势对学生行为进行识别，计算校园霸凌发生指数，可以在校园霸凌发生前及时发现并制止校园欺凌的行为，其无需监控人员监控识别校园各个区域实时画像，自动化智能化程度较高，提高了校园霸凌行为的监控效率，解决了现有校园管理需要监控人员对画面进行实时监控，并且需要监控多个摄像头的画面，往往不能及时发现欺凌行为并及时赶到现场进行制止，监控效率较低的问题。

在本实施例中，所述智慧校园监测系统还包括语音获取模块、文本提取模块、频率计算模块以及关键词存储模块。

语音获取模块用于获取区域内语音信息，文本提取模块用于对语音信息进行文本转换并提取文本中的关键词，频率计算模块用于计算关键词出现频率。关键词存储模块用于存储预设的校园霸凌关键词文本。所述行为预判模块用于根据当前情景状态、情景发展趋势以及关键词出现频率对学生行为进行识别，计算校园霸凌发生指数。

在这里，关键词指的是与校园霸凌有关的词语。一般来说，可以通过预设以及筛选的方式，在关键词存储模块中实现存储于校园霸凌相关的关键词。

具体而言，所述校园霸凌发生指数为情景状态系数、情景发展趋势以及关键词出现频率数值之间的乘积。

通过设置语音获取模块、文本提取模块、频率计算模块以及关键词存储模块，可以更加准确地计算校园霸凌发生指数，以更加准确地对校园霸凌进行监控以及预判。

实施例三：

如图1所示，本发明提供一种用于预判校园霸凌的智慧校园监测方法，其包括如下步骤：

S1，获取区域内学生图像信息并对学生图像信息进行预处理。

S2，对预处理后的学生图像信息进行情景分析，识别当前情景状态以及情景发展趋势。

S3，根据当前情景状态以及情景发展趋势对学生行为进行识别，计算校园霸凌发生指数。

S4，当校园霸凌发生指数大于预设阈值时，发出警报。

具体地，情景状态包括但不限于普通状态、亲密状态、争吵状态、纠纷状态、推拉以及打架状态。情景状态的获取方法包括：获取学生肢体关键点之间的距离以及距离的保持时间，根据学生肢体关键点之间的距离以及距离的保持时间，判断识别不同的情景状态。更为具体地，情景状态的获取方法还包括：获取学生图像信息中的每一个学生的位置坐标以及预设时间段内的位置变化量；根据学生肢体关键点之间的距离、距离的保持时间、每一个学生的位置坐标以及预设时间段内的位置变化量，判断识别不同的情景状态。

由于不同的情景状态，学生肢体关键点之间的距离、距离的保持时间、每一个学生的位置坐标以及预设时间段内的位置变化量均不相同。通过获取学生肢体关键点之间的距离、距离的保持时间、每一个学生的位置坐标以及预设时间段内的位置变化量，可以更好地判断识别出不同的情景状态。

应用到实际，对应于不同的情景状态，学生肢体关键点之间的距离、距离的保持时间、每一个学生的位置坐标以及预设时间段内的位置变化量均对应不同的预设范围值。所述方法根据学生肢体关键点之间的距离、距离的保持时间、每一个学生的位置坐标以及预设时间段内的位置变化量与对应预设范围值之间的大小关系，判断识别不同的情景状态。

所述智慧校园监测方法通过获取学生图像并识别当前情景状态以及情景发展趋势，并根据当前情景状态以及情景发展趋势对学生行为进行识别，计算校园霸凌发生指数，可以在校园霸凌发生前及时发现并制止校园欺凌的行为，其无需监控人员监控识别校园各个区域实时画像，自动化智能化程度较高，提高了校园霸凌行为的监控效率，解决了现有校园管理需要监控人员对画面进行实时监控，并且需要监控多个摄像头的画面，往往不能及时发现欺凌行为并及时赶到现场进行制止，监控效率较低的问题。

实施例四：

应当理解，本实施例至少包括上述实施例所有技术方案，并在上述实施例的基础上作进一步的具体描述。

在本实施例中，所述智慧校园监测方法还包括如下步骤：

S5，获取区域内语音信息。

S6，对语音信息进行文本转换并提取文本中的关键词。

S7，计算关键词出现频率。

根据当前情景状态、情景发展趋势以及关键词出现频率对学生行为进行识别，计算校园霸凌发生指数。

其中，在步骤S2中，如图2所示，对预处理后的学生图像信息进行情景分析，识别当前情景状态以及情景发展趋势的具体方法包括如下步骤：

S20，提取预处理后的学生图像的姿态特征以及肢体关键点。

S21，根据姿态特征以及肢体关键点识别当前情景状态以及情景发展趋势。

具体而言，所述校园霸凌发生指数为情景状态系数、情景发展趋势以及关键词出现频率数值之间的乘积。

通过设置语音获取模块、文本提取模块、频率计算模块以及关键词存储模块，可以更加准确地计算校园霸凌发生指数，以更加准确地对校园霸凌进行监控以及预判。

作为一种优选的技术方案，在本实施例中，所述智慧校园监测方法还包括如下步骤：

识别预处理后的学生图像信息中的每个学生身体轮廓线；

根据学生身体轮廓线判断识别是否有学生处在卷缩防守状态以及攻击状态；

若有学生处在卷缩防守状态以及攻击状态，则判断发生校园霸凌，报警模块发出警报并将报警信息发送至校园管理平台或者与不同学校管理人员绑定的智能终端。

具体而言，卷缩防守状态的判断识别方法为：根据学生的身体轮廓线分析判断学生手和脚是否存均处在收缩状态，若是，则判断学生的手与脚是否存在接触区域，若存在接触区域，则判断识别学生处在卷缩防守状态。

攻击状态的判断识别方法为：若判断识别其中至少一名学生处在卷缩防守状态，则对其余学生的身体轮廓线进行分析判断，若学生的手和/或脚在预设时间段内存在过伸展状态且伸缩频率大于预设值，则判断该学生处在攻击状态。

通过上述方法，可以识别出校园霸凌是否发生，及时阻止校园霸凌的进一步发展。

本实施例提供一种计算机可读存储介质以及一种电子设备，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被执行时实现所述的智慧校园监测方法。所述电子设备包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的智慧校园监测方法。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。