买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉成都云聚享科技有限公司申请的专利基于人工智能的智能安防数据分析决策方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120216929B 。

龙图腾网通过国家知识产权局官网在2025-10-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510334908.4，技术领域涉及：G06F18/20；该发明授权基于人工智能的智能安防数据分析决策方法及系统是由李春林;南洋;周强设计研发完成，并于2025-03-20向国家知识产权局提交的专利申请。

本基于人工智能的智能安防数据分析决策方法及系统在说明书摘要公布了：本发明提供一种基于人工智能的智能安防数据分析决策方法及系统，首先采集目标区域多个安防监测设备上传的视频帧序列、红外传感信号、音频波形及设备状态日志等异构数据流；接着通过时空特征融合模型进行多模态特征提取，生成含设备部署坐标等的时空特征向量；再基于此利用自适应聚类算法动态划分设备集群，使同集群设备时空特征向量相似度高；然后针对各集群，用异常传播网络模型分析异常信号关联性，得出集群级风险预测结果与设备协同响应指令；最后根据风险预测结果动态调整异常传播网络模型节点权重及自适应聚类算法的聚类中心，优化后续集群划分，提升智能安防数据分析决策的准确性与智能性。

本发明授权基于人工智能的智能安防数据分析决策方法及系统在权利要求书中公布了：1.一种基于人工智能的智能安防数据分析决策方法，其特征在于，所述方法包括： 采集目标区域内多个安防监测设备实时上传的异构数据流，所述异构数据流包括视频帧序列、红外传感信号、音频波形及设备状态日志； 通过时空特征融合模型对所述异构数据流进行多模态特征提取，生成每个安防监测设备对应的时空特征向量，所述时空特征向量包含设备部署坐标、监测时间戳、环境上下文关联度及异常信号强度； 基于所述时空特征向量，利用自适应聚类算法对所述多个安防监测设备进行动态集群划分，生成多个设备集群，其中同一设备集群内的安防监测设备在时空特征向量上的相似度大于跨集群的设备相似度； 针对每个设备集群，通过异常传播网络模型分析该设备集群内安防监测设备的异常信号关联性，生成集群级风险预测结果及设备协同响应指令； 根据所述集群级风险预测结果，动态调整所述异常传播网络模型的节点权重，并更新所述自适应聚类算法的聚类中心以优化后续集群划分； 所述通过异常传播网络模型分析该设备集群内安防监测设备的异常信号关联性，生成集群级风险预测结果及设备协同响应指令，包括： 构建以设备集群为节点的异常传播图，所述异常传播图中边的权重由设备间异常信号的时间同步性及空间邻近度共同决定； 将每个设备集群的时空特征向量输入至所述异常传播网络模型的图卷积层，提取集群节点的潜在风险特征； 通过所述异常传播网络模型的时间递归层分析潜在风险特征在连续时间步上的演变模式，预测未来时间窗口内集群节点的风险爆发概率； 若所述风险爆发概率超过预设概率，则触发设备协同响应指令生成流程，所述设备协同响应指令生成流程具体包括： 根据设备集群内安防监测设备的部署坐标及监测能力，分配主控设备与辅助设备角色； 基于主控设备的实时数据反馈，动态调整辅助设备的工作模式及数据采集频率； 生成跨设备的协同预警信号传输路径，确保预警信息在集群内设备间的低延迟同步； 其中，所述动态调整所述异常传播网络模型的节点权重，并更新所述自适应聚类算法的聚类中心以优化后续集群划分，包括： 收集所述设备协同响应指令的执行效果数据，所述执行效果数据包括风险抑制响应时间、设备协作成功率及误报率； 根据所述执行效果数据计算所述异常传播网络模型的预测误差梯度，并通过反向传播算法更新图卷积层与时间递归层的权重参数； 将更新后的异常传播网络模型重新应用于历史时空特征向量，生成修正后的集群级风险预测结果； 比较修正前后的集群级风险预测结果的差异，识别出预测偏差最大的设备集群作为聚类中心优化目标； 针对所述聚类中心优化目标，将该聚类中心优化目标的时空特征向量均值与相邻集群的特征向量进行插值计算，生成新的聚类中心并替换原有中心； 触发新一轮设备集群划分流程，直至所有集群的预测偏差均低于收敛阈值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人成都云聚享科技有限公司，其通讯地址为：610000 四川省成都市金牛高新技术产业园区兴盛西路2号2栋7层12号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。