(12)发明专利申请
(10)申请公布号 CN 111984827 A(43)申请公布日 2020.11.24
(21)申请号 201910440782.3(22)申请日 2019.05.24
(71)申请人 上海东方富联科技有限公司
地址 200083 上海市虹口区水电路1388号
1701室
申请人 上海东方明珠数字电视有限公司(72)发明人 王斌 丰晶霞 陈立德 皮丕文
金晟俊 李彦勤 刘维 李圣华 (74)专利代理机构 上海光华专利事务所(普通
合伙) 31219
代理人 徐秋平(51)Int.Cl.
G06F 16/90(2019.01)
权利要求书1页 说明书6页 附图2页
(54)发明名称
门磁传感器数据异常检测方法及系统、存储介质及终端(57)摘要
本发明提供一种门磁传感器数据异常检测方法及系统、存储介质及终端，包括以下步骤：获取所述门磁传感器生成的每小时开门次数，并基于所述每小时开门次数建立时序数据集；基于所述时序数据集构建趋势周期模型；在所述趋势周期模型中抓取异常数据。本发明的门磁传感器数据异常检测方法及系统、存储介质及终端通过构建模型实现门磁传感器异常数据的检测，准确度高，速度快。
CN 111984827 ACN 111984827 A
权 利 要 求 书
1/1页
1.一种门磁传感器数据异常检测方法，其特征在于，包括以下步骤：获取所述门磁传感器生成的每小时开门次数，并基于所述每小时开门次数建立时序数据集；
基于所述时序数据集构建趋势周期模型；在所述趋势周期模型中抓取异常数据。
2.根据权利要求1所述的门磁传感器数据异常检测方法，其特征在于，所述趋势周期模型为Y＝S+T+e，其中Y表示度量值，S表示周期，T表示趋势，e表示误差值。
3.根据权利要求2所述的门磁传感器数据异常检测方法，其特征在于，所述周期采用所述时序数据集的峰值周期。
4.根据权利要求2所述的门磁传感器数据异常检测方法，其特征在于，所述趋势采用所述时序数据集的滚动中值或滑动平均值。
5.根据权利要求2所述的门磁传感器数据异常检测方法，其特征在于，所述误差值为所述每小时开门次数相较于所述周期和所述趋势的差值。
6.根据权利要求1所述的门磁传感器数据异常检测方法，其特征在于，在所述趋势周期模型中抓取异常数据包括以下步骤：
获取所述趋势周期模型的中心点；
计算所述趋势周期模型中各个时刻的值相较于所述中心点的标准方差；当所述标准方差大于预设阈值时，判定对应的时刻对应的每小时开门次数为异常数据。
7.一种门磁传感器数据异常检测系统，其特征在于，包括获取模块、构建模块和抓取模块；所述获取模块用于获取所述门磁传感器生成的每小时开门次数，并基于所述每小时开门次数建立时序数据集；
所述构建模块用于基于所述时序数据集构建趋势周期模型；所述抓取模块用于在所述趋势周期模型中抓取异常数据。8.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至6中任一项所述的门磁传感器数据异常检测方法。
9.一种终端，其特征在于，包括：处理器及存储器；所述存储器用于存储计算机程序；
所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行权利要求1至6中任一项所述的门磁传感器数据异常检测方法。
10.一种门磁传感器数据异常检测系统，其特征在于，包括权利要求9所述的终端和门磁传感器；
所述门磁传感器用于生成每小时开门次数并发送至所述终端。
2
CN 111984827 A
说 明 书
1/6页
门磁传感器数据异常检测方法及系统、存储介质及终端
技术领域
[0001]本发明涉及门磁传感器的技术领域，特别是涉及一种门磁传感器数据异常检测方法及系统、存储介质及终端。背景技术
[0002]门磁传感器是安全报警的一种装置，用来探测门、窗、抽屉等是否被非法打开或移动，分为无线门磁、无线卷闸门磁、有线门磁三种。具体地，门磁传感器要由开关部分和磁铁部分构成，其中，开关部分主要就是一个常开型的干簧管；磁铁部分主要就是一个内部含有永久磁铁的永磁体，用于提供稳定的磁场。当开关部分与磁铁部分间隔非常近，即门或窗处于关闭状态时，门磁传感器处于工作状态，接收到强行入侵者的袭击后会发出报警音等现象；而当开关部分与磁铁部分间隔较远，即门或窗处于打开状态时，不存在强行入侵的现象，门磁传感器处于关闭状态。[0003]现有技术中，用户可根据门磁传感器数据获取关联的场景信息。因此，需要对门磁传感器数据进行持续的检测。当门磁传感器数据发生异常时，可能会出现长时间开门或频繁开门等异常关联场景。因此，对门磁传感器异常数据的检测有着重要的意义。然而，现有技术中的门磁传感器数据异常检测方法主要采用数据统计分析算法，准确性较低，实用性较差。
发明内容
[0004]鉴于以上所述现有技术的缺点，本发明的目的在于提供一种门磁传感器数据异常检测方法及系统、存储介质及终端，通过构建模型实现门磁传感器异常数据的检测，准确度高，速度快。
[0005]为实现上述目的及其他相关目的，本发明提供一种门磁传感器数据异常检测方法，包括以下步骤：获取所述门磁传感器生成的每小时开门次数，并基于所述每小时开门次数建立时序数据集；基于所述时序数据集构建趋势周期模型；在所述趋势周期模型中抓取异常数据。
[0006]于本发明一实施例中，所述趋势周期模型为Y＝S+T+e，其中Y表示度量值，S表示周期，T表示趋势，e表示误差值。[0007]于本发明一实施例中，所述周期采用所述时序数据集的峰值周期。[0008]于本发明一实施例中，所述趋势采用所述时序数据集的滚动中值或滑动平均值。[0009]于本发明一实施例中，所述误差值为所述每小时开门次数相较于所述周期和所述趋势的差值。
[0010]于本发明一实施例中，在所述趋势周期模型中抓取异常数据包括以下步骤：[0011]获取所述趋势周期模型的中心点；
[0012]计算所述趋势周期模型中各个时刻的值相较于所述中心点的标准方差；[0013]当所述标准方差大于预设阈值时，判定对应的时刻对应的每小时开门次数为异常
3
CN 111984827 A
说 明 书
2/6页
数据。
对应地，本发明提供一种门磁传感器数据异常检测系统，包括获取模块、构建模块
和抓取模块；
[0015]所述获取模块用于获取所述门磁传感器生成的每小时开门次数，并基于所述每小时开门次数建立时序数据集；
[0016]所述构建模块用于基于所述时序数据集构建趋势周期模型；[0017]所述抓取模块用于在所述趋势周期模型中抓取异常数据。[0018]本发明提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的门磁传感器数据异常检测方法。[0019]本发明提供一种终端，包括：处理器及存储器；[0020]所述存储器用于存储计算机程序；
[0021]所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行上述的门磁传感器数据异常检测方法。[0022]最后，本发明提供一种门磁传感器数据异常检测系统，包括上述的终端和门磁传感器；
[0023]所述门磁传感器用于生成每小时开门次数并发送至所述终端。[0024]如上所述，本发明所述的门磁传感器数据异常检测方法及系统、存储介质及终端，具有以下有益效果：[0025](1)通过构建模型实现门磁传感器异常数据的检测；[0026](2)准确度高，实用性强；[0027](3)速度快，便于及时了解相应的关联场景并作出相应处理。附图说明
[0028]图1显示为本发明的门磁传感器数据异常检测方法于一实施例中的流程图；[0029]图2显示为异常数据于一实施例中的示意图；
[0030]图3显示为本发明的门磁传感器数据异常检测系统于一实施例中的结构示意图；[0031]图4显示为本发明的终端于一实施例中的结构示意图；
[0032]图5显示为本发明的门磁传感器数据异常检测系统于另一实施例中的结构示意图。
[0033]元件标号说明[0034]31 获取模块[0035]32 构建模块[0036]33 抓取模块[0037]41 处理器[0038]42 存储器[0039]51 终端[0040]52 门磁传感器
[0014]
4
CN 111984827 A
说 明 书
3/6页
具体实施方式
[0041]以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。[0042]需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0043]本发明的门磁传感器数据异常检测方法及系统、存储介质及终端通过构建趋势周期模型来实现门磁传感器异常数据的检测，准确度高，速度快，从而能够及时了解相应的关联场景并作出相应处理，极大地提升了用户体验。[0044]如图1所示，于一实施例中，本发明的门磁传感器数据异常检测方法包括以下步骤：
[0045]步骤S1、获取所述门磁传感器生成的每小时开门次数，并基于所述每小时开门次数建立时序数据集。[0046]具体地，所述门磁传感器在工作过程中生成日志数据。所述日志数据中至少包括有每小时开门次数及对应的时刻。所述门磁传感器将所述日志数据发送至所述终端，所述终端提取其中的每小时开门次数及对应的时刻，并基于时间先后顺序构建时序数据集。[0047]步骤S2、基于所述时序数据集构建趋势周期模型。[0048]具体地，所述终端根据所述时序数据集的数据构建基于时序的趋势周期模型Y＝S+T+e，其中Y表示度量值，S表示周期，T表示趋势，e表示误差值。也就是说，对于每个时刻，对应的趋势值、周期值和误差值的和表示该时刻的度量值。[0049]于本发明一实施例中，所述周期采用所述时序数据集的峰值周期。对于其它周期则作为噪音数据处理。
[0050]于本发明一实施例中，所述趋势采用所述时序数据集的滚动中值或滑动平均值。其中，对所述滚动中值和所述滑动平均值进行比较，选取较优的值作为所述趋势值。[0051]于本发明一实施例中，所述误差值为所述每小时开门次数相较于所述周期和所述趋势的差值。也就是说，将原始的每小时开门次数减去根据周期效应和变化趋势得到的值，作为所述误差值。若误差值曲线中出现一些毛刺型数据，则表明所述时序数据集中存在异常点。
[0052]步骤S3、在所述趋势周期模型中抓取异常数据。[0053]具体地，对所述趋势周期模型的曲线进行分析，抓取其中的异常数据，从而便于及时了解相应的关联场景并作出相应处理。[0054]于本发明一实施例中，在所述趋势周期模型中抓取异常数据包括以下步骤：[0055]31)获取所述趋势周期模型的中心点。[0056]具体地，计算所述趋势周期模型曲线上的中心点。
[0057]32)计算所述趋势周期模型中各个时刻的值相较于所述中心点的标准方差。
5
CN 111984827 A[0058]
说 明 书
4/6页
具体地，计算所述周期模型中各个时刻的值偏离所述中线点的标准方差。
[0059]33)当所述标准方差大于预设阈值时，判定对应的时刻对应的每小时开门次数为异常数据。
[0060]优选地，设定所述预设阈值为3，当所述标准方差大于3时，表示已经达到不能容忍的负相关度，则判定对应的时刻对应的每小时开门次数为异常数据。更为优选地，所述异常数据还包括异常的时刻、误差值以及正常的每小时开门次数。[0061]如图2所示，在一实施例中，当所述预设阈值为3时，小圆点表示以偏离中线点(即均值)3个标准方差为标准时，所检测到的异常数据。[0062]如图3所示，于一实施例中，本发明的门磁传感器数据异常检测系统包括获取模块31、构建模块32和抓取模块33。
[0063]获取模块31用于获取所述门磁传感器生成的每小时开门次数，并基于所述每小时开门次数建立时序数据集。[0064]具体地，所述门磁传感器在工作过程中生成日志数据。所述日志数据中至少包括有每小时开门次数及对应的时刻。所述门磁传感器将所述日志数据发送至所述终端，所述终端提取其中的每小时开门次数及对应的时刻，并基于时间先后顺序构建时序数据集。[0065]构建模块32与获取模块31相连，用于基于所述时序数据集构建趋势周期模型。[0066]具体地，所述终端根据所述时序数据集的数据构建基于时序的趋势周期模型Y＝S+T+e，其中Y表示度量值，S表示周期，T表示趋势，e表示误差值。也就是说，对于每个时刻，对应的趋势值、周期值和误差值的和表示该时刻的度量值。[0067]于本发明一实施例中，所述周期采用所述时序数据集的峰值周期。对于其它周期则作为噪音数据处理。
[0068]于本发明一实施例中，所述趋势采用所述时序数据集的滚动中值或滑动平均值。其中，对所述滚动中值和所述滑动平均值进行比较，选取较优的值作为所述趋势值。[0069]于本发明一实施例中，所述误差值为所述每小时开门次数相较于所述周期和所述趋势的差值。也就是说，将原始的每小时开门次数减去根据周期效应和变化趋势得到的值，作为所述误差值。若误差值曲线中出现一些毛刺型数据，则表明所述时序数据集中存在异常点。
[0070]抓取模块33与构建模块32相连，用于在所述趋势周期模型中抓取异常数据。[0071]具体地，对所述趋势周期模型的曲线进行分析，抓取其中的异常数据，从而便于及时了解相应的关联场景并作出相应处理。[0072]于本发明一实施例中，在所述趋势周期模型中抓取异常数据包括以下步骤：[0073]31)获取所述趋势周期模型的中心点。[0074]具体地，计算所述趋势周期模型曲线上的中心点。
[0075]32)计算所述趋势周期模型中各个时刻的值相较于所述中心点的标准方差。[0076]具体地，计算所述周期模型中各个时刻的值偏离所述中线点的标准方差。[0077]33)当所述标准方差大于预设阈值时，判定对应的时刻对应的每小时开门次数为异常数据。
[0078]优选地，设定所述预设阈值为3，当所述标准方差大于3时，表示已经达到不能容忍的负相关度，则判定对应的时刻对应的每小时开门次数为异常数据。更为优选地，所述异常
6
CN 111984827 A
说 明 书
5/6页
数据还包括异常的时刻、误差值以及正常的每小时开门次数。[0079]需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现，也可以全部以硬件的形式实现，还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如：x模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现。此外，x模块也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上x模块的功能。其它模块的实现与之类似。这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，一个或多个微处理器(Digital Singnal Processor，简称DSP)，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，如中央处理器(Central Processing Unit，简称CPU)或其它可以调用程序代码的处理器。这些模块可以集成在一起，以片上系统(System-on-a-chip，简称SOC)的形式实现。[0080]本发明的存储介质上存储有计算机程序，该程序被处理器执行时实现上述的门磁传感器数据异常检测方法。所述存储介质包括：ROM、RAM、磁碟、U盘、存储卡或者光盘等各种可以存储程序代码的介质。[0081]如图3所示，于一实施例中，本发明的终端包括处理器41及存储器42。[0082]所述存储器42用于存储计算机程序。[0083]所述存储器42包括：ROM、RAM、磁碟、U盘、存储卡或者光盘等各种可以存储程序代码的介质。
[0084]所述处理器41与所述存储器42相连，用于执行所述存储器42存储的计算机程序，以使所述终端执行上述的门磁传感器数据异常检测方法。[0085]优选地，所述处理器41可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。[0086]如图5所示，于一实施例中，本发明的门磁传感器数据异常检测系统包括上述的终端51和门磁传感器52。
[0087]所述门磁传感器52与所述终端51通过有线或无线方式连接，用于生成每小时开门次数并发送至所述终端51。[0088]综上所述，本发明的门磁传感器数据异常检测方法及系统、存储介质及终端通过构建模型实现门磁传感器异常数据的检测；准确度高，实用性强；速度快，便于及时了解相应的关联场景并作出相应处理。因此，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
7
CN 111984827 A[0089]
说 明 书
6/6页
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟
悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
8
CN 111984827 A
说 明 书 附 图
1/2页
图1
图2
图3
9
CN 111984827 A
说 明 书 附 图
2/2页
图4
图5
10
因篇幅问题不能全部显示，请点此查看更多更全内容