安防行业进入大数据时代 数据分析和治理仍待突破

正起初人们对于大数据的定义是指,无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。一般不用随机分析法而采用所有数据进行分析处理,使其分析结果更加具有普遍性和准确性。PP     

机器视觉技术为安防开辟新天地

机器视觉技术是人工智能技术正在快速发展的一个分支。简单说来,机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品(即图像摄取装置,分CMOS和CCD两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,得到被摄目标的形态信息,根据像素分布和亮度、颜色等信息,转变成数字化信号。图像系统对这些信号迸行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。     

“互联网+煤矿安全”综合平台架构研究北大核心

分析了数据孤岛型煤矿的信息化系统,认为它们对事故起数和死亡人数居高不下的顶板、运输、机电、瓦斯等事故的预防和预警能力几达瓶颈。研究了用大数据、物联网等技术构建的"互联网+煤矿安全"综合平台,用以降低伤亡人数、减少事故数量。其中,数据采集层使用各类传感器对结构化或非结构化数据进行采集,数据传输层通过交换机、路由器等设备将数据传送到数据存储层,数据存储层完成数据清洗等处理后存入高性能存储设备,应用服务层通过对数据的挖掘处理,实现瓦斯等地质环境类事故的预测预警,实现顶板等材料设备类事故的预测预警,并通过人员培训提高安全生产水平。     

矿山机电设备运行大数据应用研究

以矿山机电设备运行数据采集为切入点研究矿山大数据技术应用。利用传感器采集数据,基于LoRaWAN物联网远程通信接入平台传输采集数据,构建起矿山机电设备状态数据采集系统,以大数据技术应用理念出发,设计与分析矿山机电设备云计算服务平台,实现对矿山设备运行状态的实时监测。通过对矿山设备工作数据的积累,结合矿山信息化系统的数据融合,借助大数据技术,对矿山设备运行大数据进行处理、分析、挖掘和可视化,实现了矿山机电设备各种异常状态和故障的预测与判别,以及多参数之间相互关系的分析与预测,为大数据技术在矿山开采领域中的应用和矿物开采效率的提高起到积极的作用。     

云计算、云存储重构安防系统

正安防大数据的挑战在宽带化、移动互联网、物联网、社交网络、云计算的催生下,大数据时代翩然而至。大数据时代的数据不仅仅是数据总量的庞大,同时也是种类的庞大。安防行业有着海量的视频、图片数据,一个大型城市每天产生的数据就可以达到1 PB,同时还有飞速增长的特征数据,包括卡口过车数据、人脸抓拍数据、报警数据等。繁多的数据种类、PB级的数据量、低价值密度的视频数据、快速的数据更新处理需求,这些特性都预示着安防行业已经进入大数据时代。看,数据经历了采集-传输-存储-处理这几个过程,存储和处理需要大量的服务器,占用了安防系统80%以上的     

流式计算在污染源监测领域的应用与实践

随着环境保护形势的日趋严峻，各大能源企业开始建设内部的污染源监测系统。污染源监测数据的采集、存储和计算要求极高，数据属性具有典型的大数据特征。在管理实际中，需要科学的算法排除异常数据，实时、真实地反映现场实际。流式计算的技术特性与污染源监测数据的计算处理的业务场景匹配度极高，对于能源企业内部环保管理的业务支撑可以发挥传统技术不可替代的作用。     

大数据融合应用探讨

一、大数据发展概述随着信息化时代的飞速发展,大量数据快速积累,大部分行业都形成海量、高增长率和多样化的信息资产。为充分利用这些信息资产,同时为行业发展提供更强的洞察力、决策力以及流程优化能力,实现业务的突破性发展,必须设法解决大体量数据的处理问题。因此,大数据时代的主要挑战就体现在如何处理大体量数据并快速的从海量数据中获取有价值的信息。     

基于数据的分布式网络视觉监控系统设计与实现

数据的组成结构和存储管理方法是影响软件的运行效率和安全性、维护和扩展性以及通用性优劣的关键因素.本文介绍的分布式网络视觉监控系统是在分析归纳视觉监控系统数据的种类和操作处理特点的前提下,确定了分布式存储和管理数据的基础上所开发的软件.该系统在确保运行安全性的前提下较好地解决了监控系统处理数据量大、实时性要求高和网络运行效率的矛盾,同时软件的三层结构保证了系统组成配置的灵活性和通用性.     

新型机车监控系统的研究

设计了一种基于GSM的机车监控系统。用无线电手机传输监控装置产生的原始数据至PC机 ,来达到实时监控机车运行状况的目的。实践表明 ,该系统简单灵活 ,传输可靠 ,具有良好的稳定性和可靠性。与现行车载监控装置相比 ,新型机车监控系统具有提高数据的实时性、减轻工作人员的劳动强度等优点     

D-S证据理论在油库安全评价中的应用

油库系统复杂,各指标因素之间具有不确定性.证据理论具有数据融合、处理不确定因素等特点,已广泛用于专家决策、人工智能、目标识别等领域. 提出将该理论应用于油库安全评价中,应用该理论来处理因素之间的不确定性问题;运用证据融合准则研究多系统、多因素对评价对象的共同作用.实例表明,D-S证据理论是一种科学的安全评价方法,具有可行性与实用性.     

输送管道的压力安全监测软件的开发

为保障工业管道的安全输送，运用VB对高压压力管道的压力数据进行实时快速采集的技术，在此基础上实现对高压压力管道压力数据的采集、分析、显示及保存。本文还介绍了上位机程序中经常用到的键盘锁定功能。     

大数据时代能给安防行业带来什么

正今天的时代是一个信息大爆炸的时代,每一个现代人都无时无刻不在与各种各样的信息打交道,这些信息是由无穷无尽的数据组成。世界上每天产生的数据信息如同大海中的水滴一样,达到了无法估量的庞大规模。云计算和大数据是顺应信息爆炸时代发展而产生的一门新兴科学技术,它们相互依存、并行发展。大数据技术是指海量信息的处理(海量     

大数据如何监管危化品安全

正大数据平台已被越来越多的行业所应用。在危化品生产、存储、运输领域,大数据可以掌握行业动态变化、预测事故概率、加强安全管理。大数据,指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。     

安全设备失效数据获取与计算

安全设备失效数据是安全仪表系统(SIS)分析、设计和维护等活动所需的基础数据信息,对安全仪表系统的开发和功能安全相关标准的实施至关重要。文中总结分析了国内外现有失效数据库的现状,详细介绍了OREDA数据库。研究阐述了设备失效的类型、失效因素和数据的获取要求,讨论了失效数据质量的主要影响因素,研究提出了FMEDA失效数据获取法、现场数据获取流程以及失效率的几种计算方法,给出了失效数据信息的表示形式。     

浅谈大数据在煤矿安全领域的应用——"智慧矿井"

本文探讨了大数据技术在煤矿安全生产管理中的应用。利用大数据相关性来分析目前尚未明确发生规律的煤矿事故并建立预警模型,该模型比较简单可靠,而且物联网在煤矿生产中的普及,使生产各个环节、生产参数、环境参数、设备设施参数等都可以监控监测,数据量极大增长。数据之间的关系需要挖掘,通过统计分析2012~2016最新五年的煤矿安全事故数据,找出了近五年事故发生起数和死亡人数占比较多的事故,探讨了大数据在煤与瓦斯突出、顶板、水害、火灾等事故预警方面的应用,依据相关的数据建立预警模型为各种险情和事故处理提供监控和响应,降低损失和伤亡。由此,提出通过大数据打造"智慧矿井"的概念。     

大数据时代和智能视频分析技术

随着网络信息化时代的日益普及,移动互联、社交网络、电子商务大大拓展了互联网的疆界和应用领域。在过去的十几年间,安防行业蓬勃发展,大量监控设备投入使用,使得监控不仅仅是政府在主导使用,更是进入千家万户,监控设备也从模拟向数字化转化为主,数字化以后实现了远程视频实时监控。近几年,随着高清视频监控的逐步推广和普及,视频监控市场已经朝着"看得清、看得明"方向发展。同时随着政府和企业对平安城市建设、社会监控建设的持续投入,视频探头成千上万,录像视频数据更是可以用海量来形容。我们正处在一个数据爆炸性增长的"大数据"时代,大数据对社会经济、政治、文化及人们生活等各方面都产生了深远的影响,也对人类的数据驾驭能力提出了新的挑战与机遇。     

我国双车道公路事故预测模型研究中数据采集

事故预测模型的研究可为公路设计人员提供有效的安全设计工具。该研究需要大量基础数据的支撑,数据采集量的大小、数据质量和数据分析水平直接决定研究成果的优劣。笔者在双车道公路事故预测模型研究过程中,对我国双车道公路安全影响要素进行分析,确定基于现有条件下比较理想的数据采集对象,总结了数据采集的方法及其不足之处。具体包括数据采集的范围,样本量的需求,事故数据、交通组成数据、路侧、接入口和路线数据采集的方法、数据处理方式等。     

云存储技术在视频监控中的发展与应用

正一、云存储是一种提供大规模的数据存储和分布式计算的业务应用架构体系云存储即通过基于云的数据存储部署模式,应用分布式的计算方法,将网络中大量各种不同类型的数据存储设备通过应用软件集合起来,有效合理地进行资源和数据的统一计算和数据处理。而终端用户通过远程或类似虚拟接入桌面的软件应用和程序接口方式集中访问云存储的数据资源和     

基于神经网络的数据融合在废气测量中的应用

数据融合方法通过提取各个影响因素之间的特征关系,进行数据之间的融合。针对因传感器故障而失真的数据,综合考虑对畜禽场排放的某一废气测量值的时间、空间和环境等多种影响因素,使用基于神经网络的数据融合方法来估算该废气的浓度,实现失真数据的恢复,从而精确地测量出养殖场连续排放的有害气体的总量,对超标排放进行监控。以氨气(NH3)浓度数据的处理为例,应用MATLAB软件,其仿真结果表明:估算最大相对误差为7.83%,证明基于神经网络的数据融合方法的有效性。     

基于数据挖掘法的矿井瓦斯联动监测

为解决传统矿井监测技术存在的监测效果差、数据利用率低、预警能力不足等问题,提出采用多点及多因素融合的联动监测方法。采用计算机数据挖掘、多级数据融合处理技术建立基于实际预警、规则评判、历史数据检测等方法的矿井故障分析及瓦斯浓度预警数据处理模型。该技术在临汾市尧都区5个煤矿的安全生产监控中试验应用,结果表明联动分析法有助于分析矿井故障原因、提高瓦斯浓度预警能力,且数据挖掘及多级数据融合技术的应用有助于规范样本,提高分析预警规则的稳定性、适应性。