[发明专利]一种具有自动学习功能的流感预测摄像机有效

专利信息
申请号: 201910253642.5 申请日: 2019-03-30
公开(公告)号: CN109979601B 公开(公告)日: 2020-10-02
发明(设计)人: 王龙 申请(专利权)人: 东阳市菊苏科技有限公司
主分类号: G16H50/80 分类号: G16H50/80;H04N5/225;G01D21/02
代理公司: 广州科捷知识产权代理事务所(普通合伙) 44560 代理人: 袁嘉恩
地址: 322121 浙江省金华市东*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明涉及一种具有自动学习功能的流感预测摄像机,包括若干摄像头单元以及一后台分析系统,每一摄像头单元包括温度感应模块、湿度感应模块、二氧化碳浓度感应模块、粉尘感应模块、密度分析模块以及处理器,摄像头单元连接后台分析系统,后台分析系统包括模型架构模块、专家分析库以及采集数据库,模型架构模块连接专家分析库以及采集数据库,专家分析库存储有分析结果信息;通过摄像头单元对教室或校园环境的实际环境参数进行采集,环境参数是与流感的发生相关的参数包括温度、湿度、人口密度、二氧化碳浓度、粉尘浓度等,所以采集这些参数,就可以辅助判断流感是否容易发生,从而提醒对应的区域采取相应措施,及时避免流感的发生。
搜索关键词: 一种 具有 自动 学习 功能 流感 预测 摄像机
【主权项】:
1.一种具有自动学习功能的流感预测摄像机,其特征在于:包括若干摄像头单元以及一后台分析系统,每一摄像头单元包括温度感应模块、湿度感应模块、二氧化碳浓度感应模块、粉尘感应模块、密度分析模块以及处理器,所述摄像头单元连接所述后台分析系统,所述后台分析系统包括模型架构模块、专家分析库以及采集数据库,所述模型架构模块连接所述专家分析库以及所述采集数据库,所述专家分析库存储有分析结果信息,所述采集数据库存储有环境采集信息,所述分析结果信息与所述环境采集信息对应设置,所述模型架构模块根据所述环境采集信息以及所述分析结果信息生成预测模型;所述温度感应模块用于获取环境温度并生成一温度反馈数据;所述湿度感应模块用于获取环境湿度并生成一湿度反馈数据;所述二氧化碳浓度感应模块用于获取空气的二氧化碳浓度并生成一二氧化碳浓度反馈数据;所述粉尘感应模块用于获取空气的粉尘浓度并生成一粉尘浓度反馈数据;所述密度分析模块用于计算摄像头单元的监视区域内人口密度并输出一人口密度数据;所述处理器从所述后台分析系统中调用预测模型;所述预测模型中,温度反馈数据、湿度反馈数据、二氧化碳浓度反馈数据、粉尘浓度反馈数据以及人口密度数据为输入数据,所述预测风险值为输出数据;所述处理器根据所述温度反馈数据、湿度反馈数据、二氧化碳浓度反馈数据、粉尘浓度反馈数据以及人口密度数据通过调用预测模型实时输出预测风险值;所述后台分析系统包括有分析策略、更新策略以及信息生成策略,所述分析策略包括获得一环境采集信息,通过环境采集信息输入分析结果信息,将该分析结果信息与所述环境采集信息关联并分别存入专家分析库以及采集数据库;所述更新策略包括,当一环境采集信息和对应的分析结果信息被关联时,将对应的环境采集信息以及分析结果信息带入预测模型以更新对应的所述预测模型;所述环境采集信息包括环境信息、采集信息以及实测临床信息,所述采集信息包括所述温度反馈数据、湿度反馈数据、二氧化碳浓度反馈数据、粉尘浓度反馈数据以及人口密度数据,所述环境信息包括地域信息以及年龄段信息,所述地域信息反映该摄像头单元所处的地域情况,所述年龄段信息反映摄像头单元所监控的学生的年龄段情况,所述实测临床信息反映该摄像头单元所监控的学生实际检测流感发生情况;所述模型架构模块根据不同的环境信息生成不同的预测模型,所述摄像头单元根据自身对应的环境信息调取对应的预测模型。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东阳市菊苏科技有限公司,未经东阳市菊苏科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201910253642.5/,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top