技術特征：

1.基于cnn-lstm與lora架構的公共安全區(qū)域動態(tài)風險智能預警方法，其特征在于：包括以下步驟：

2.根據(jù)權利要求1所述的基于cnn-lstm與lora架構的公共安全區(qū)域動態(tài)風險智能預警方法，其特征在于：步驟1的具體過程如下：

3.根據(jù)權利要求2所述的基于cnn-lstm與lora架構的公共安全區(qū)域動態(tài)風險智能預警方法，其特征在于：lora感知模塊安裝在金屬框架座椅上時，lora感知模塊間距設定為2.5-3m。

4.根據(jù)權利要求2所述的基于cnn-lstm與lora架構的公共安全區(qū)域動態(tài)風險智能預警方法，其特征在于：步驟2的具體過程如下：

5.根據(jù)權利要求4所述的基于cnn-lstm與lora架構的公共安全區(qū)域動態(tài)風險智能預警方法，其特征在于：步驟3的具體過程如下：

技術總結(jié)
本發(fā)明涉及公共區(qū)域風險預警領域，具體為基于CNN?LSTM與LoRa架構的公共安全區(qū)域動態(tài)風險智能預警方法。本方法先采集到乘客姿態(tài)數(shù)據(jù)并進行預處理；然后采用基于深度學習的姿態(tài)分析模型，經(jīng)過對訓練集的深度訓練與特征選擇，模型將學習到的正常與異常坐姿分類規(guī)律應用于測試集進行分類預測，實現(xiàn)對測試集數(shù)據(jù)的識別處理；最后將實際采集的姿態(tài)數(shù)據(jù)經(jīng)過預處理后輸入到訓練完成的模型中，將得到的嚴重程度序列輸入預警信息生成算法，劃分異常坐姿的等級并發(fā)出相應的預警信息。本發(fā)明通過對人員坐姿及行為的實時感知，實現(xiàn)對可能存在的健康風險和治安風險進行預警，以便警務人員和醫(yī)護人員及時干預，提高公共安全區(qū)域的安全性和管理效率。

技術研發(fā)人員：朱颮凱,吳佳俐,朱宸緯,李曉鑫,郭雅璇,張磊,武福林,劉三滿
受保護的技術使用者：山西警察學院
技術研發(fā)日：
技術公布日：2025/6/30