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！

龙图腾网恭喜南京补天科技实业有限公司申请的专利一种智慧城市综合安防信息管理平台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：CN119089402B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202411601141.9，技术领域涉及：G06F18/25；该发明授权一种智慧城市综合安防信息管理平台是由李百胜;朱超;陈涵设计研发完成，并于2024-11-11向国家知识产权局提交的专利申请。

本一种智慧城市综合安防信息管理平台在说明书摘要公布了：本发明公开了一种智慧城市综合安防信息管理平台，涉及信息技术领域，旨在解决城市安防中多模态数据处理的复杂性和能源管理的挑战，该平台通过集成多模态数据融合技术，结合深度学习和注意力机制，从视频、音频和文本数据中提取情感特征，并实现精准的情感分类和行为预测。通过情感分析模块，平台能够生成安全预警信息，提高公共安全的前瞻性和响应能力。同时，平台通过负载均衡，优化任务分配和计算资源，降低能耗。边缘计算模块根据当前负载和环境条件动态调整计算资源，确保平台的高效运行。环境感知模块实时监测温度和湿度数据，进一步优化计算资源的分配。本发明通过这些技术提升了公共安全管理水平，并减少了环境影响。

本发明授权一种智慧城市综合安防信息管理平台在权利要求书中公布了：1.一种智慧城市综合安防信息管理平台，其特征在于，包括：多模态数据融合模块：从视频、音频和文本数据中提取特征，并通过注意力机制和特征对齐技术生成融合特征向量，其中注意力机制单元将视频、音频和文本特征向量拼接成多模态特征矩阵，计算每个模态特征的注意力得分，应用Softmax函数对注意力得分进行归一化，得到注意力权重，维度为1,3，融合层单元使用注意力权重对多模态特征进行加权，生成最终的融合特征向量；情感分析模块：接收多模态数据融合模块生成的融合特征向量，利用深度学习模型进行情感分类和行为预测，生成安全预警信息，通过以下步骤实现：步骤一、特征提取：使用深度学习模型提取情感特征；步骤二、情感分类：使用预训练的BERT模型对情感特征进行分类，输出情感标签维度为3，情感类别包括：正面、负面、中性，选择概率最高的类别作为最终的情感标签，其中对于每个情感标签是正面、负面、中性其中之一，概率由下式给出：，是BERT模型对于每个情感类别的输出层中的原始得分；步骤三、行为预测：使用多任务学习框架，共享底层特征提取层，输出行为预测结果，包含10种不同的行为类别，维度为10；步骤四、安全预警：结合情感分类和行为预测结果，生成详细的安全预警信息；负载均衡模块：监控各安防节点的状态，动态分配任务，并预测未来资源利用率，确保平台高效运行，所述负载均衡模块结合心跳包检查节点状态，并在节点故障时重新分配任务，保证平台的可靠性和连续性；边缘计算模块：根据当前负载和环境条件动态调整计算资源，优化能效和响应速度，根据CPU利用率动态调整频率和电压，确保能效和响应速度的平衡；环境感知模块：收集温度和湿度数据，反馈给边缘计算模块，优化计算资源的分配；所述多模态数据融合模块包括：特征提取单元：使用预训练的ResNet-50模型提取视频数据的特征，输出特征向量维度为2048；使用预训练的卷积神经网络CNN提取音频数据的特征，输出特征向量维度为512；使用预训练的BERT模型提取文本数据的特征，输出特征向量维度为768；提取后的特征分别为视频特征向量、音频特征向量和文本特征向量；注意力机制单元：将视频、音频和文本特征向量拼接成多模态特征矩阵，维度为1,3328；计算每个模态特征的注意力得分，输出注意力得分维度为1,3；应用Softmax函数对注意力得分进行归一化，得到注意力权重，维度为1,3；融合层单元：使用注意力权重对多模态特征进行加权，生成最终的融合特征向量，维度为1,3328；所述多模态数据融合模块还包括对融合特征向量进一步处理：特征对齐单元：使用线性变换将不同模态的特征对齐到同一特征空间，输出对齐后的特征向量维度为1,3328；动态特征选择单元：使用递归特征消除RFE算法评估每个特征的重要性，输出特征重要性评分维度为1,3328；计算特征矩阵的相关性矩阵，去除相关性超过阈值0.8的特征，最终保留的特征向量维度为1,1664；所述情感分析模块包括：情感特征提取：读取最终保留的特征向量维度为1,1664；使用LSTM模型提取情感特征，输出情感特征向量维度为128；对情感特征向量进行归一化处理，数值范围限制在0到1之间；进行PCA降维，减少特征维度到64；情感分类：读取情感特征向量；使用预训练的BERT模型进行分类，输出情感标签维度为3，具体为正面、负面、中性，每个标签对应的概率分别为P1、P2、P3；选择概率最高的类别作为最终的情感标签；多任务并行处理单元：构建多任务学习框架，共享底层特征提取层，其中共享底层特征提取层通过预训练的深度学习模型提取通用特征，输出特征向量维度为2048；行为预测任务子网络输出行为预测结果维度为10,行为类别包括10种不同行为类别，其中：接收融合特征向量或共享特征提取层的输出；通过行为预测子网络处理，该子网络专门设计用于识别不同的行为模式；输出行为预测结果，维度为10，代表不同行为类别的原始输出值；将原始输出值通过激活函数转换为概率值，以表示输入样本属于每个行为类别的概率；所述负载均衡模块包括：状态监控单元，用于记录安防节点的状态；负载分配单元，使用Q-learning算法优化任务分配；预测模型单元，使用LSTM模型预测CPU利用率；故障转移单元，用于节点故障时的任务重新分配；所述边缘计算模块包括：动态电压频率调整DVFS单元，用于调整CPU频率和电压；睡眠模式管理单元，用于节省电力；环境感知单元，用于监测环境变化并调整计算资源。

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南京补天科技实业有限公司，其通讯地址为：210000 江苏省南京市六合区雄州街道雄州东路188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”。