[go: up one dir, main page]

CN116959028B - 监管高空作业安全的方法和巡检设备及计算设备 - Google Patents

监管高空作业安全的方法和巡检设备及计算设备 Download PDF

Info

Publication number
CN116959028B
CN116959028B CN202310897247.7A CN202310897247A CN116959028B CN 116959028 B CN116959028 B CN 116959028B CN 202310897247 A CN202310897247 A CN 202310897247A CN 116959028 B CN116959028 B CN 116959028B
Authority
CN
China
Prior art keywords
area
personnel
safety
image
personnel area
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310897247.7A
Other languages
English (en)
Other versions
CN116959028A (zh
Inventor
赵景程
熊超
蔡权雄
牛昕宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Industry Research Kunyun Artificial Intelligence Research Institute Co ltd
Original Assignee
Shandong Industry Research Kunyun Artificial Intelligence Research Institute Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong Industry Research Kunyun Artificial Intelligence Research Institute Co ltd filed Critical Shandong Industry Research Kunyun Artificial Intelligence Research Institute Co ltd
Priority to CN202310897247.7A priority Critical patent/CN116959028B/zh
Publication of CN116959028A publication Critical patent/CN116959028A/zh
Application granted granted Critical
Publication of CN116959028B publication Critical patent/CN116959028B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/50—Constructional details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Signal Processing (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Computer Interaction (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Emergency Management (AREA)
  • Primary Health Care (AREA)
  • Alarm Systems (AREA)

Abstract

本发明提供一种监管高空作业安全的方法和巡检设备及计算设备。所述方法包括：获取来自第一摄像装置的第一图像及来自第二摄像装置的第二图像；识别所述第一图像中的第一人员区域及所述第二图像中的第二人员区域；检测所述第一人员区域的第一安全装置；检测所述第一人员区域和所述第二人员区域的第二安全装置；建立所述第一人员区域与所述第二人员区域之间的匹配关系；根据所述第一人员区域与所述第二人员区域的匹配关系以及所述第一安全装置的检测结果和所述第二安全装置的检测结果，确定是否产生安全预警。根据本发明的技术方案可以有效地避免高空作业过程中可能产生的安全问题。

Description

监管高空作业安全的方法和巡检设备及计算设备
技术领域
本发明涉及作业安全监管技术，具体而言，涉及一种监管高空作业安全的方法和巡检设备及计算设备。
背景技术
高处作业的安全监管关系到施工人员的人身安全，十分重要。对于无防护、无监护的识别，是监管高空作业安全的重要措施，可以有效地避免高空作业过程中可能的安全风险。但是，目前高空作业监管方法存在成本偏高或准确性不高的情况。
因此，需要一种监管高空作业安全的方法，能够解决成本偏高或准确性不高的问题。
发明内容
本发明旨在提供用于监管高空作业安全的方法和巡检设备及计算设备，能够实现对高空作业无防护、无监护的情况进行识别和报警。
根据申请的一方面，提供一种监管高空作业安全的方法，所述方法包括：
获取来自第一摄像装置的第一图像及来自第二摄像装置的第二图像，其中第一图像包括高空作业区域，所述第二图像包括高空作业区域下方的地面监护区域；
识别所述第一图像中的第一人员区域及所述第二图像中的第二人员区域；
检测所述第一人员区域的第一安全装置；
检测所述第一人员区域和所述第二人员区域的第二安全装置；
建立所述第一人员区域与所述第二人员区域之间的匹配关系；
根据第一人员区域与所述第二人员区域的匹配关系以及所述第一安全装置的检测结果和所述第二安全装置的检测结果，确定是否产生安全预警。
根据一些实施例，检测所述第一人员区域的第一安全装置，包括：
基于所述第一人员区域，进行人体关键点检测；
基于所述第一人员区域的人体关键点检测结果，确定人体上身区域；
利用第一分类模型识别所述人体上身区域，判断所述第一人员区域是否存在所述第一安全装置。
根据一些实施例，识别所述第一人员区域和所述第二人员区域的第二安全装置，包括：
基于所述第二人员区域，进行人体关键点检测；
基于所述第一人员区域的人体关键点检测结果和所述第二人员区域的人体关键点检测结果以及所述第一人员区域和所述第二人员区域，确定人体头部区域；
对所述人体头部区域进行质量分类；
利用第二分类模型识别所述人体头部区域，判断各所述第一人员区域和所述第二人员区域是否存在所述第二安全装置。
根据一些实施例，建立所述第一人员区域与所述第二人员区域之间的匹配关系，包括：
计算所述第一人员区域和所述第二人员区域的中心点像素坐标；
分别计算每一个第一人员区域与所有第二人员区域之间的中心点像素距离；
如果所述中心点像素距离小于预定阈值，则确定所述第一人员区域与相应的第二人员区域之间存在匹配关系。
根据一些实施例，根据所述第一人员区域与所述第二人员区域的匹配关系以及所述第一安全装置的检测结果和所述第二安全装置的检测结果，确定是否产生安全预警，包括：
如果未检测到所述第一人员区域的所述第一安全装置，则产生安全预警；或者
如果所述第一人员区域与所述第二人员区域之间的匹配关系不存在，则产生安全预警；或者
如果与所述第一人员区域匹配的所有第二人员区域均未检测到所述第二安全装置，则产生安全预警。
根据一些实施例，所述第一摄像装置和所述第二摄像装置焦距固定、拍摄方向共面；
所述第一摄像装置和所述第二摄像装置与水平面成相同的仰角和俯角，且所述仰角和所述俯角不小于75度。
根据本发明的另一方面，提供一种监管高空作业安全的巡检设备，其特征在于，包括：
移动装置；
摄像杆，设置于所述移动装置；
第一摄像装置和第二摄像装置，设置于所述摄像杆，所述第一摄像装置设置为拍摄所述高空作业区域的第一图像，同时所述第二摄像装置设置为拍摄所述高空作业区域下方的地面监护区域的第二图像；
通信装置，用于将所述第一图像和所述第二图像传输到后端计算装置。
根据一些实施例，所述第一摄像装置和所述第二摄像装置焦距固定、拍摄方向共面；所述第一摄像装置和所述第二摄像装置与水平面成相同的仰角和俯角，且所述仰角和所述俯角不小于75度。
根据一些实施例，所述第一摄像装置设置为距离地面小于1米；所述第二摄像装置设置为距离地面大于2米。
根据本发明的另一方面，提供一种计算设备，包括：
处理器；以及
存储器，存储有计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器执行如上任一项所述的方法。
根据本发明的另一方面，提供一种非瞬时性计算机可读存储介质，其上存储有计算机可读指令，当所述指令被处理器执行时，使得所述处理器执行如上任一项所述的方法。
根据本发明的实施例，根据所述第一人员区域与所述第二人员区域的匹配关系以及所述第一安全装置的检测结果和所述第二安全装置的检测结果，确定是否产生安全预警，可以有效地避免高空作业过程中可能产生的安全问题。根据本发明实施例的方案用较低的成本，达到较为准确的识别高空作业的防护以及监护情况，能够有效排除施工人员的人身安全隐患。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本发明。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。
图1示出根据本发明实施例监管高空作业安全的方法流程图。
图2示出根据本发明实施例建立所述第一人员区域与所述第二人员区域之间的匹配关系的方法流程图。
图3示出根据本发明实施例识别第一安全装置的方法流程图。
图4示出根据本发明实施例识别第二安全装置的方法流程图。
图5示出根据本发明实施例的巡检设备示意图。
图6示出根据本发明实施例对高空作业无防护无监护进行监管的监测方案示意图。
图7示出根据本发明实施例的计算设备的框图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本发明将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本发明概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本发明所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。
本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的，因此不能用于限制本发明的保护范围。
在目前的高空作业环境中，高空作业无防护、无监护识别是监管高空作业安全的重要措施，可以有效地避免高空作业过程中可能产生的安全问题。较为准确的识别高空作业的防护以及监护情况，能够有效排除施工人员的人身安全隐患。
为此，本发明提出一种双摄像头的高空作业无防护、无监护识别方法，利用双摄像头对高空作业区域和地面监护区域的画面进行捕捉和匹配，并且利用人体区域、关键点检测和头部分类的方法对高空作业进行无防护、无监护的识别。根据本发明的技术方案，摄像头成本少，仅需两个摄像头就可以覆盖整个区域的空中和地面，可以为监管高空作业提供重要的技术支撑，能够有效地避免高空作业过程中可能的安全风险。
下面结合附图对本发明的示例实施例进行说明。
图1示出根据本发明实施例监管高空作业安全的方法流程图。
根据示例实施例，本发明的技术方案采用两个摄像装置，例如第一摄像装置和第二摄像装置，采集现场图像。第一摄像装置和第二摄像装置可焦距固定、拍摄方向共面，二者与水平面可成相同的仰角和俯角，仰角和所述俯角不小于75度。第一摄像装置和第二摄像装置拍摄的图像可通过wifi或4G或5G网络传输到后台服务器进行处理，或者也可现场处理。
根据一些实施例，对这两个摄像装置，可使用张正友内参标定法，得到内参矩阵和畸变系数，并分别存储到配置文件中。
参见图1，在S101，获取来自第一摄像装置的第一图像及来自第二摄像装置的第二图像。
所述第一图像包括高空作业区域，所述高空作业区域是高处作业人员的位置所在区域。所述第二图像包括所述高空作业区域下方的地面监护区域，所述地面监护区域是指在每一个高空作业人员的下方一定范围，都需要有地面监护人员对高处作业人员进行监护。
根据一些实施例，后台服务器可通过WIFI或4G或5G网络接收来自第一摄像装置的第一图像及来自第二摄像装置的第二图像。
根据一些实施例，可从配置文件中分别获取第一摄像装置和第二摄像装置的内参矩阵和畸变系数，然后对获取的第一图像和第二图像进行畸变校正。
在S103，识别所述第一图像中的第一人员区域及所述第二图像中的第二人员区域。
根据一些实施例，可利用预训练的YOLOV7神经网络模型进行第一人员区域及第二人员区域的检测。YOLO是一种物体检测算法，它为许多现实生活中的计算机视觉问题提供了解决方案。YOLO已经被用于检测交通信号、考试监考、游戏瞄准器和各种工业自动化工具。易于理解，本领域技术人员也可以采用其他方法进行第一人员区域及第二人员区域的检测，例如通过RCNN、Fast RCNN、Faster RCNN、Mask RCNN等模型进行检测。
在S105，检测所述第一人员区域的第一安全装置。
根据一些实施例，第一安全装置包括安全带、高空安全绳，能够保护高空作业人员的人身安全，从而降低高空作业人员从高处坠落的隐患。
根据一些实施例，如后面参照附图将详细描述的，可基于所述第一人员区域进行人体关键点检测。然后，基于所述第一人员区域的人体关键点检测结果，确定人体上身区域。再利用第一分类模型检测所述人体上身区域，判断所述第一人员区域是否存在所述第一安全装置。
在S107，检测所述第一人员区域和所述第二人员区域的第二安全装置。
根据一些实施例，所述第二安全装置包括安全帽，安全帽可以降低作业人员受到高空坠物砸到头部的隐患，同时还可以降低作业人员摔倒时，头部受到撞击的隐患。
根据一些实施例，如后面参照附图将详细描述的，可基于所述第二人员区域，进行人体关键点检测。然后，基于所述第一人员区域的人体关键点检测结果和所述第一人员区域的人体关键点检测结果以及所述第一人员区域和所述第二人员区域，确定人体头部区域。再对所述人体头部区域进行质量分类，并利用第二分类模型检测所述人体头部区域，判断各所述第一人员区域和所述第二人员区域是否存在所述第二安全装置。在S109，建立所述第一人员区域与所述第二人员区域之间的匹配关系。
根据一些实施例，可计算所述第一人员区域和所述第二人员区域的中心点像素坐标，然后分别计算每一个第一人员区域与所有第二人员区域之间的中心点距离。如果所述中心点距离小于预定阈值，则可确定所述第一人员区域与相应的第二人员区域之间存在匹配关系。
通过建立第一人员区域和第二人员区域匹配联系，可以作为监管高空作业是否安全的判据之一。例如，如果所述第一人员区域与所述第二人员区域之间的匹配关系不存在，则产生安全预警。也就是说，如果在地面监护区域不存在与高空作业区域中的作业人员对应的监管人员，则需产生安全预警。
在S111，根据所述第一人员区域与所述第二人员区域的匹配关系以及所述第一安全装置的检测结果和所述第二安全装置的检测结果，确定是否产生安全预警。
例如，如果未检测到所述第一人员区域的所述第一安全装置，则产生安全预警。在未检测到所述第一人员区域的所述第一安全装置时，可认为高空作业人员中存在没有采取安全防护措施的情况。这时，可不必进行其他判断，直接产生安全预警。
又例如，如果所述第一人员区域与所述第二人员区域之间的匹配关系不存在，也就是说，如果在地面监护区域不存在与高空作业区域中的作业人员对应的监管人员，则产生安全预警。
又例如，如果与所述第一人员区域匹配的所有第二人员区域均未检测到所述第二安全装置，则产生安全预警。否则，不会产生报警。
根据实施例的技术方案，利用所述第一人员区域与所述第二人员区域的匹配关系以及所述第一安全装置的检测结果和所述第二安全装置的检测结果，确定是否产生安全预警，可以有效地避免高空作业过程中可能产生的安全问题，在成本较低的情况下能够保证识别的准确度。
图2示出根据本发明实施例建立所述第一人员区域与所述第二人员区域之间的匹配关系的方法流程图。
参见图2，在S201，第一摄像装置获取第一图像；第二摄像装置获取第二图像。然后对所述第一图像和第二图像进行畸变矫正。
在S203，从第一图像中获取第一人员区域；从第二图像中获取第二人员区域。根据示例实施例，假设高空作业区域有m个人员，则获取第一图像中的m个第一人员区域。例如，可以通过对第一图像使用目标检测算法(例如，YOLOV7)，在第一图像中生成多个候选框，每个候选框表示一个可能包含作业人员的区域。m个第一人员区域对应m个高空作业的人员。
根据一些实施例，还可对候选框进行筛选。例如，使用非极大值抑制算法，去除重叠的候选框，保留得分最高的候选框。对保留的候选框进行特征提取，使用分类器对每一个候选框进行分类识别，以确定每个候选框是否有作业人员，将作业人员区域检测定位出来。
同样的，可获取第二图像中的n个第二人员区域，n个第二人员区域对应n个地面监护的人员。
在S205，计算所述第一人员区域和所述第二人员区域的中心点像素坐标。
在获取人员区域之后，在图像坐标系，计算第一人员区域和所述第二人员区域的中心点像素坐标。根据两个摄像机的设置，第一图像和第二图像的坐标系原点具有对应关系，可以把第一图像作为在第二图像上的投影来计算中心点像素坐标。
在S207，分别计算每一个第一人员区域与所有第二人员区域之间的中心点像素距离。
根据一些实施例，可以利用两个区域的中心点图像像素水平(长度方向或x方向)坐标差表示两个人员区域之间的距离。
例如，使用top表示m个第一人员区域的集合，
top＝{c01,c02,...,c0m}，
c0i可以表示为[x0i,y0i,w0i,h0i]，第一人员区域c0i的中心点像素坐标为i为自然数，x0i和y0i可表示第一人员区域的左下顶点坐标，w0i和h0i表示第一人员区域沿x轴方向和y轴方向的长度。
bottom表示n个第二人员区域的集合，
bottom＝{c11,c12,...,c1n},
c1j可以表示为[x1j,y1j,w1j,h1j]，第二人员区域c1j的中心点像素坐标为j为自然数，x0j和y0j可表示第二人员区域的左下顶点坐标，w0j和h0j表示第二人员区域沿x轴方向和y轴方向的长度。
第一人员区域c0i与第二人员区域c1j的中心点水平方向的像素坐标的差值为
根据另一些实施例，还可以利用两个区域的中心点的垂直方向(宽度方向或y方向)像素坐标的差表征两个人员区域之间的距离。
根据另一些实施例，还可以利用两个区域的中心点之间的欧氏距离表示两个人员区域之间的距离。如前面所描述的，已经获得中心点的像素坐标，则可利用欧氏距离公式来计算二者之间的像素距离。
在S209，如果所述中心点距离小于预定阈值，则确定所述第一人员区域与相应的第二人员区域之间存在匹配关系。
根据示例实施例，第一人员区域与每一第二人员区域的中心点水平方向的像素坐标的差值都不小于阈值，则识别为高空作业的人员没有对应监护人员，则确定第一人员区域内作业人员与第二人员区域内监护人员没有匹配关系，可就此产生报警。也就是说，对于高空作业的任一个人员，如果与地面监管区域的任一人员之间的距离都不小于预定阈值，则可以说明高空作业人员没有与其对应的监护人员。
根据示例实施例，m个第一人员区域与n个第二人员区域依据数学中的排列组合分别进行组合，共有m*n种组合。分别计算这m*n种组合的每一组合中人员区域的中心点水平方向的像素坐标的差值，也即计算每个高空作业的人员与地面监护区域的所有人员的中心点水平方向的像素坐标的差值，从而得到两两人员区域对应的两两人员之间的水平方向的像素距离，以此判断每个高空作业的人员是否有地面上的人员对应进行监护。这样，可以有效保证高空作业的人员都有地面上的人员进行监护，确保高空作业人员的作业安全进行，有地面监护人员确认高空作业安全措施和执行应急预案，遇有危险情况时命令停止作业，以及监督作业人员按规定完成作业，及时纠正违章行为。
根据一些实施例，对阈值的取值，操作人员可以根据实际作业现场进行设置。
根据一些实施例，每个第一人员区域与n个第二人员区域的中心点水平方向像素坐标的差值均小于阈值，说明高空作业的人员均有地面的监护人员进行监护，不产生报警。
图3示出根据本发明实施例的识别第一安全装置的方法流程图。
参见图3，根据示例实施例，对第一人员区域进行检测，获取人体检测框；使用关键点检测算法对人体检测框进行人体关键点检测获取人体关键点；通过人体关键点的人体腰部关键点连线与人体检测框的交点，确定人体的上半身区域；利用第一分类模型识别所述人体上身区域，判断所述第一人员区域是否存在所述第一安全装置。
如图3所示，在S301，对所述第一人员区域进行检测，获取人体检测框。
根据示例实施例，可采用预训练的YOLOv7模型对第一人员区域进行检测。
例如，用于人员区域进行检测的损失函数可为
LOSS＝lossloc+lossobj+losscls，
其中，lossloc为位置回归损失函数，lossobj为物体置信度损失函数，losscls为分类损失函数。
位置回归损失函数：
物体置信度损失函数：
分类损失函数：
公式符号解释：
S2表示网格序号，B表示当前网格的第B个框，每个网格有3个框；
表示当前网格，有物体＝1，没物体＝0；
刚好相反，有物体＝0，没物体＝1；
表示所有网格里，所有框有物体的累加；
λc,λcls,λiou表示参数因子；
d,c分别表示预测框和真实框的中心点距离，以及外包矩形的斜边长；
IOU表示预测框和真实框的交并比；
w,h表示预测框的宽和高；
wgt,hgt表示真实框的宽和高；
表示第i个网格的第j个框置信度，/>表示第i个网格的第j个框的预测框的置信度；
表示第i个网格的第j个框为类别C的概率值，/>表示第i个网格的第j个预测框为类别C的概率值。
在S303，基于所述第一人员区域，进行人体关键点检测。
根据一些实施例，可使用预训练的HRNet模型进行人体关键点检测。
例如，用于关键点检测的损失函数可为：
其中OKS表示关键点相似度，dn表示人体第n个关键点预测位置和真实位置的欧式距离，kn表示人体第n个关键点的权重，s表示目标尺寸，δ(vn)表示每个关键点是否可见的标志，vn＝1，δ(vn)表示标注了，但是图像中不可见，vn＝2，δ(vn)表示标注了，并且图像中可见。
在S305，基于人体关键点和人体检测框确定人体的上半身区域。
根据示例实施例，可通过人体关键点的人体腰部关键点连线与人体检测框的交点，确定人体的上半身区域。利用关键点确定人体上半身区域，便于后续对人体上半身区域中安全装置的识别，识别精度更高，减少安全装置误检。
在S307，利用第一分类模型检测所述人体上身区域，判断所述第一人员区域是否存在所述第一安全装置。
根据一些实施例，可利用预训练的resnet模型进行分类检测，从而确定是否存在第一安全装置(例如，安全带)。
例如，图像分类的损失函数可为：
其中yi,j表示第i个样本属于第j类的标签，pi,j表示第i个样本被预测为第j类的概率，n为每批次的图片数量，C为类别数。
根据示例实施例，第一分类模型是对第一人员区域中人体上半身区域进行分类识别，如果人体上半身区域分类结果为有安全装置，则识别为人员佩戴了安全装置。如果人体上半身区域分类结果为没有安全装置，则识别为人员未佩戴安全装置，产生报警。
根据示例实施例，通过对第一人员区域进行前期处理，以人体的上半身区域作为安全装置识别的基础，使用分类模型对上半身区域进行安全带识别，能够将涉及到安全装置的区域缩小到一定范围。因此，根据本发明实施例的方案可大大减小识别的困难度，减少安全装置误识别，提高安全带识别的准确性，精确度更高。尤其在高空作业的危险场景下，由于更加注重的是人员是否佩戴安全装置，因此本发明的方案可确保高处作业人员佩戴安全装置。
图4示出根据本发明实施例的识别第二安全装置流程图。
参见图4，在S401，获取第一人员区域和第二人员区域。前面已经讨论过，此处不再赘述，第二人员区域与第一人员区域的检测可基于同一检测模型。
在S403，进行人体关键点检测。前面已经讨论过，不再赘述。
在S405，基于所述第一人员区域的人体关键点检测结果和所述第二人员区域的人体关键点检测结果以及所述第一人员区域和所述第二人员区域，确定人体头部区域。例如，通过人体关键点的人体肩部关键点连线与人体检测框的交点，可获取人体的人头区域。
在S407，对所述人体头部区域进行质量分类。根据一些实施例，采用预训练的分类模型(例如，resnet模型)对人员头部区域进行质量分类和过滤。例如，可排除质量严重不足的样本，并可针对不同的质量选择后续不同的第二安全装置分类检测模型。
在S409，利用第二分类模型识别所述人体头部区域，判断各所述第一人员区域和所述第二人员区域是否存在所述第二安全装置。与第一安全装置的检测类似，可利用预训练的resnet模型进行分类检测，从而确定是否存在第二安全装置(例如，安全帽)。
根据示例实施例，第二分类模型是对第一和第二人员区域中人体头部区域进行分类识别，如果人体头部区域分类结果为有安全装置，则识别为人员佩戴了安全装置。如果人体头部区域分类结果为没有安全装置，则识别为人员未佩戴安全装置，产生报警。
根据示例实施例，通过对头部区域进行质量分类，过滤掉质量严重不足的样本，并可针对不同的质量选择后续不同的第二安全装置分类检测模型，从而能够提高安全帽识别的准确性，精确度更高。
图5示出根据示例实施例的监管高空作业安全的巡检设备的示意图。
参见图5，根据示例实施例，监管高空作业安全的巡检设备可包括移动装置501、摄像杆503、第一摄像装置505和第二摄像装置507、通信装置509。巡检设备可为例如巡检机器人的形式。
如图5所示，根据实施例，移动装置501上可设置摄像杆503。第一摄像装置505和第二摄像装置507可设置于所述摄像杆503上，共同组成监管高空作业安全的巡检设备。通信装置509可设置于移动装置501。
根据一些实施例，所述第一摄像装置505和所述第二摄像装置507焦距固定、拍摄方向共面。所述第一摄像装置505和所述第二摄像装置507与水平面成相同的仰角和俯角，且所述仰角和所述俯角不小于75度。所述第一摄像装置505设置为拍摄高空作业区域的第一图像，同时所述第二摄像装置507设置为拍摄地面监护区域的第二图像。
根据一些实施例，第一摄像装置505与第二摄像装置507可间隔设置。例如，所述第一摄像装置505可设置为距离地面小于1米，所述第二摄像装置507可设置为距离地面大于2米。
根据一些实施例，通信装置509用于将所述第一图像和所述第二图像传输到后端计算装置。通讯装置509可包括WIFI设备或5G设备等。
根据示例实施例的巡检设备可在作业现场移动，通过第一摄像装置505和所述第二摄像装置507采集图像并传给计算设备，从而计算设备可通过前面描述的方法进行高空作业安全监管。
图6示出根据本发明实施例对高空作业无防护无监护进行监管的监测方案示意图。
参见图6，准备两个摄像装置，对这两个摄像装置，使用张正友内参标定法，分别得到内参矩阵和畸变系数，并将得到的两个摄像设备的内参矩阵和畸变系数，分别存储到配置文件中。
两个摄像装置进行图像采集，分别获取图像数据一和图像数据二。通过配置文件中存储的两个摄像装置的内参矩阵和畸变系数，对获取的第一图像数据和第二图像数据进行畸变校正。畸变校正之后的图像，分别对其进行人员检测，得到第一人员区域和第二人员区域。获取第一校正图像中的m个第一人员区域和第二校正图像中的n个第二人员区域，其中，m>0,n≥0，m和n均为整数。判断m个第一人员区域分别与n个第二人员区域之间的水平方向的像素距离是否均不小于阈值或者n为0。若是，则识别为高空作业的人员没有对应地面监护人员，产生报警。若m个第一人员区域分别与n个第二人员区域中任一个之间的水平方向的像素距离均小于阈值并且n不为0，则不产生报警，并进行人员安全装置的识别。
分别对第一人员区域和第二人员区域中的人员进行安全装置的识别，第一人员区域识别高空作业人员是否佩戴安全带和安全帽，第二人员区域识别地面监护人员是否佩戴安全帽。如果未检测到任一第一人员区域的第一安全装置，则产生安全预警。如果与第一人员区域匹配的所有第二人员区域均未检测到所述第二安全装置，则产生安全预警。
通过对示例实施例的描述，本领域技术人员易于理解，根据本发明实施例的技术方案至少具有以下优点中的一个或多个。
根据实施例，利用所述第一人员区域与所述第二人员区域的匹配关系以及所述第一安全装置的检测结果和所述第二安全装置的检测结果，确定是否产生安全预警，可以有效地避免高空作业过程中可能产生的安全问题。根据本发明实施例的方案用较低的成本，达到较为准确的识别高空作业的防护以及监护情况，能够有效排除施工人员的人身安全隐患。
根据实施例，根据实施例的技术方案，利用双摄像头对高空作业区域和地面监护区域的画面进行捕捉和匹配，并且利用人体区域、关键点检测和头部分类的方法对高空作业进行无防护、无监护的识别。根据本发明的技术方案，摄像头成本少，仅需两个摄像头就可以覆盖整个区域的空中和地面，可以为监管高空作业提供重要的技术支撑，能够有效地避免高空作业过程中可能的安全风险。
根据实施例，可通过人体关键点的人体腰部关键点连线与人体检测框的交点，确定人体的上半身区域。利用关键点确定人体上半身区域，便于后续对人体上半身区域中安全装置的识别，识别精度更高，减少安全装置误检。
根据实施例，通过对头部区域进行质量分类，过滤掉质量严重不足的样本，并可针对不同的质量选择后续不同的第二安全装置分类检测模型，从而能够提高安全帽识别的准确性，精确度更高。
图7示出根据本发明示例实施例的计算设备的框图。
如图7所示，计算设备30包括处理器12和存储器14。计算设备30还可以包括总线22、网络接口16以及I/O接口18。处理器12、存储器14、网络接口16以及I/O接口18可以通过总线22相互通信。
处理器12可以包括一个或多个通用CPU(Central Processing Unit，处理器)、微处理器、或专用集成电路等，用于执行相关程序指令。根据一些实施例，计算设备30还可包括为处理器12进行加速的高性能显示适配器(GPU)20。
存储器14可以包括易失性存储器形式的机器系统可读介质，例如随机存取存储器(RAM)、只读存储器(ROM)和/或高速缓存存储器。存储器14用于存储包含指令的一个或多个程序以及数据。处理器12可读取存储在存储器14中的指令以执行上述根据本发明实施例的方法。
计算设备30也可以通过网络接口16与一个或者多个网络通信。该网络接口16可以是无线网络接口。
总线22可以为包括地址总线、数据总线、控制总线等。总线22提供了各组件之间交换信息的通路。
需要说明的是，在具体实施过程中，计算设备30还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。计算机可读存储介质可以包括但不限于任何类型的盘，包括软盘、光盘、DVD、CD-ROM、微型驱动器以及磁光盘、ROM、RAM、EPROM、EEPROM、DRAM、VRAM、闪速存储器设备、磁卡或光卡、纳米系统(包括分子存储器IC)、网络存储设备、云存储设备，或适合于存储指令和/或数据的任何类型的媒介或设备。
本发明实施例还提供一种计算机程序产品，该计算机程序产品包括存储计算机程序的非瞬时性计算机可读存储介质，该计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种方法的部分或全部步骤。
本领域的技术人员可以清楚地了解到本发明的技术方案可借助软件和/或硬件来实现。本说明书中的“单元”和“模块”是指能够独立完成或与其他部件配合完成特定功能的软件和/或硬件，其中硬件例如可以是现场可编程门阵列、集成电路等。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
以上具体地展示和描述了本发明的示例性实施例。应可理解的是，本发明不限于这里描述的详细结构、设置方式或实现方法；相反，本发明意图涵盖包含在所附条款的精神和范围内的各种修改和等效设置。

Claims (9)

1.一种监管高空作业安全的方法，其特征在于，包括：
获取来自第一摄像装置的第一图像及来自第二摄像装置的第二图像，所述第一图像包括高空作业区域，所述第二图像包括高空作业区域下方的地面监护区域；
识别所述第一图像中的第一人员区域及所述第二图像中的第二人员区域；
检测所述第一人员区域的第一安全装置，所述第一安全装置为安全带；
检测所述第一人员区域和所述第二人员区域的第二安全装置，所述第二安全装置为安全帽；
建立所述第一人员区域与所述第二人员区域之间的匹配关系；
根据所述第一人员区域与所述第二人员区域的匹配关系以及所述第一安全装置的检测结果和所述第二安全装置的检测结果，确定是否产生安全预警，其中：
如果未检测到所述第一人员区域的所述第一安全装置，则产生安全预警；或者
如果所述第一人员区域与所述第二人员区域之间的匹配关系不存在，则产生安全预警；或者
如果与所述第一人员区域匹配的所有第二人员区域均未检测到所述第二安全装置，则产生安全预警。
2.根据权利要求1所述的方法，其特征在于，检测所述第一人员区域的第一安全装置，包括：
基于所述第一人员区域，进行人体关键点检测；
基于所述第一人员区域的人体关键点检测结果，确定人体上身区域；
利用第一分类模型识别所述人体上身区域，判断所述第一人员区域是否存在所述第一安全装置。
3.根据权利要求2所述的方法，其特征在于，检测所述第一人员区域和所述第二人员区域的第二安全装置，包括：
基于所述第二人员区域，进行人体关键点检测；
基于所述第一人员区域的人体关键点检测结果和所述第二人员区域的人体关键点检测结果以及所述第一人员区域和所述第二人员区域，确定人体头部区域；
对所述人体头部区域进行质量分类；
利用第二分类模型识别所述人体头部区域，判断各所述第一人员区域和所述第二人员区域是否存在所述第二安全装置。
4.根据权利要求1所述的方法，其特征在于，建立所述第一人员区域与所述第二人员区域之间的匹配关系，包括：
计算所述第一人员区域和所述第二人员区域的中心点像素坐标；
分别计算每一个第一人员区域与所有第二人员区域之间的中心点像素距离；
如果所述中心点像素距离小于预定阈值，则确定所述第一人员区域与相应的第二人员区域之间存在匹配关系。
5.根据权利要求1所述的方法，其特征在于，
所述第一摄像装置和所述第二摄像装置焦距固定、拍摄方向共面；
所述第一摄像装置和所述第二摄像装置与水平面成相同的仰角和俯角，且所述仰角和所述俯角不小于75度。
6.一种实现如权利要求1所述的监管高空作业安全的方法的巡检设备，其特征在于，包括：
移动装置；
摄像杆，设置于所述移动装置；
第一摄像装置和第二摄像装置，设置于所述摄像杆，所述第一摄像装置设置为拍摄高空作业区域的第一图像，同时所述第二摄像装置设置为拍摄所述高空作业区域下方的地面监护区域的第二图像，其中所述第一摄像装置和所述第二摄像装置与水平面成相同的仰角和俯角，且所述仰角和所述俯角不小于75度；
通信装置，用于将所述第一图像和所述第二图像传输到后端计算装置。
7.根据权利要求6所述的巡检设备，其特征在于，
所述第一摄像装置和所述第二摄像装置焦距固定、拍摄方向共面。
8.根据权利要求7所述的巡检设备，其特征在于，
所述第一摄像装置设置为距离地面小于1米；
所述第二摄像装置设置为距离地面大于2米。
9.一种计算设备，其特征在于，包括：
处理器；以及
存储器，存储有计算机程序，当所述计算机程序被所述处理器执行时，实现如权利要求1-5中任一项所述的方法。
CN202310897247.7A 2023-07-20 2023-07-20 监管高空作业安全的方法和巡检设备及计算设备 Active CN116959028B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310897247.7A CN116959028B (zh) 2023-07-20 2023-07-20 监管高空作业安全的方法和巡检设备及计算设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310897247.7A CN116959028B (zh) 2023-07-20 2023-07-20 监管高空作业安全的方法和巡检设备及计算设备

Publications (2)

Publication Number Publication Date
CN116959028A CN116959028A (zh) 2023-10-27
CN116959028B true CN116959028B (zh) 2024-03-01

Family

ID=88452375

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310897247.7A Active CN116959028B (zh) 2023-07-20 2023-07-20 监管高空作业安全的方法和巡检设备及计算设备

Country Status (1)

Country Link
CN (1) CN116959028B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118411500B (zh) * 2024-06-27 2024-08-27 杭州海康威视数字技术股份有限公司 基于便携摄像设备的作业场景检测方法及便携摄像设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108449574A (zh) * 2018-03-15 2018-08-24 南京慧尔视防务科技有限公司 一种基于微波的安防检测方法及系统
CN111191586A (zh) * 2019-12-30 2020-05-22 安徽小眯当家信息技术有限公司 一种施工现场人员安全帽佩戴情况巡检方法及系统
CN112184773A (zh) * 2020-09-30 2021-01-05 华中科技大学 一种基于深度学习的安全帽佩戴检测方法及系统
CN113382202A (zh) * 2021-04-28 2021-09-10 陈兆莉 一种用于物业管理的小区监控系统
CN113935645A (zh) * 2021-10-22 2022-01-14 中国海洋石油集团有限公司 基于标识解析技术的高风险作业管控系统及方法
CN114155492A (zh) * 2021-12-09 2022-03-08 华电宁夏灵武发电有限公司 高空作业安全带挂绳高挂低用识别方法、装置和电子设备
CN114209118A (zh) * 2021-12-29 2022-03-22 国网瑞嘉(天津)智能机器人有限公司 高空作业智能预警方法、装置和智能安全帽
CN115497054A (zh) * 2022-11-17 2022-12-20 安徽深核信息技术有限公司 一种高空作业安全绳挂钩悬挂状态检测方法及装置
CN116153015A (zh) * 2023-02-23 2023-05-23 上海七弦智能科技有限公司 基于5g视频监控森林防火的监控系统和监控方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3934240A4 (en) * 2019-03-01 2022-10-12 Hitachi, Ltd. Unattended object detection device and unattended object detection method
US12230033B2 (en) * 2020-03-05 2025-02-18 Nec Corporation Monitoring device, monitoring method, and program recording medium

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108449574A (zh) * 2018-03-15 2018-08-24 南京慧尔视防务科技有限公司 一种基于微波的安防检测方法及系统
CN111191586A (zh) * 2019-12-30 2020-05-22 安徽小眯当家信息技术有限公司 一种施工现场人员安全帽佩戴情况巡检方法及系统
CN112184773A (zh) * 2020-09-30 2021-01-05 华中科技大学 一种基于深度学习的安全帽佩戴检测方法及系统
CN113382202A (zh) * 2021-04-28 2021-09-10 陈兆莉 一种用于物业管理的小区监控系统
CN113935645A (zh) * 2021-10-22 2022-01-14 中国海洋石油集团有限公司 基于标识解析技术的高风险作业管控系统及方法
CN114155492A (zh) * 2021-12-09 2022-03-08 华电宁夏灵武发电有限公司 高空作业安全带挂绳高挂低用识别方法、装置和电子设备
CN114209118A (zh) * 2021-12-29 2022-03-22 国网瑞嘉(天津)智能机器人有限公司 高空作业智能预警方法、装置和智能安全帽
CN115497054A (zh) * 2022-11-17 2022-12-20 安徽深核信息技术有限公司 一种高空作业安全绳挂钩悬挂状态检测方法及装置
CN116153015A (zh) * 2023-02-23 2023-05-23 上海七弦智能科技有限公司 基于5g视频监控森林防火的监控系统和监控方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Safety Helmet Wearing Detection Model Based on Improved YOLO-M;Lili Wang等;《IEEE Access》;26247-26257 *
基于机器视觉的列检库作业人员安全监测系统研究;赵伟;《中国优秀硕士学位论文全文数据库 (信息科技辑)》(第03期);I138-2278 *
激光测距雷达在剪叉式高空作业平台安全监测方面的研究及应用;吴凡等;《中国建设信息化》(第5期);74-77 *

Also Published As

Publication number Publication date
CN116959028A (zh) 2023-10-27

Similar Documents

Publication Publication Date Title
CN110110613B (zh) 一种基于动作识别的轨道交通异常人员检测方法
Fang et al. Detecting non-hardhat-use by a deep learning method from far-field surveillance videos
CN101465033B (zh) 一种自动追踪识别系统及方法
CN108319926A (zh) 一种工地现场的安全帽佩戴检测系统及检测方法
CN111062429A (zh) 基于深度学习的厨师帽和口罩佩戴的检测方法
CN110852179B (zh) 基于视频监控平台的可疑人员入侵的检测方法
CN110390229B (zh) 一种人脸图片筛选方法、装置、电子设备及存储介质
CN112396658A (zh) 一种基于视频的室内人员定位方法及定位系统
CN112257660B (zh) 无效客流的去除方法、系统、设备及计算机可读存储介质
CN112235537A (zh) 一种变电站现场作业安全预警方法
CN111062303A (zh) 图像处理方法、系统及计算机存储介质
CN116152863B (zh) 一种人员信息识别方法、装置、电子设备及存储介质
CN111667655A (zh) 基于红外图像的高速铁路安全区入侵警报装置及方法
CN116959028B (zh) 监管高空作业安全的方法和巡检设备及计算设备
CN115841730B (zh) 视频监控系统、异常事件检测方法
Amin et al. Deep learning based face mask detection and crowd counting
CN115620192A (zh) 一种高空作业安全绳穿戴检测的方法和装置
CN113052125A (zh) 一种施工现场违章图像识别告警方法
CN112802100A (zh) 一种入侵检测方法、装置、设备和计算机可读存储介质
CN112488042A (zh) 一种基于视频分析的行人通行瓶颈判别方法及系统
CN109993033A (zh) 视频监控的方法、系统、服务器、设备和介质
CN118781561A (zh) 一种基于船闸使用场景的视频监控方法
CN117331138B (zh) 一种智能分析仪的智能化探测系统
CN115171006B (zh) 基于深度学习的自动识别人员进入电力危险区的检测方法
CN114979567B (zh) 一种应用于视频智能监控的物体与区域交互方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant