CN105956549A - 一种工人作业前安全装备及行为能力检查***及方法 - Google Patents
一种工人作业前安全装备及行为能力检查***及方法 Download PDFInfo
- Publication number
- CN105956549A CN105956549A CN201610279988.9A CN201610279988A CN105956549A CN 105956549 A CN105956549 A CN 105956549A CN 201610279988 A CN201610279988 A CN 201610279988A CN 105956549 A CN105956549 A CN 105956549A
- Authority
- CN
- China
- Prior art keywords
- information
- workman
- safety equipment
- processing module
- module
- 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.)
- Pending
Links
Classifications
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
- G06V20/653—Three-dimensional objects by matching three-dimensional models, e.g. conformal mapping of Riemann surfaces
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Software Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了一种工人作业前安全装备及行为能力自动检查***,包括依次连接的图像采集模块、图像预处理模块、数据库模块、处理模块、信息输出模块、显示器和音响;图像采集模块用于采集待检查工人身体的彩色图像信息和骨骼节点信息,将信息传递至图像预处理模块;图像预处理模块依据接收信息建立人体三维模型和人体骨骼节点模型,并将人体三维模型分割;数据库模块包括工人信息库、工作任务库和安全装备模型库;处理模块用于将接收到的图像预处理模块分割后信息与数据库模块中数据对比处理,通过信息传输模块将处理结果输送至显示器和音响。本发明可实现简单、有效、快速的工人作业前自动安全检查***,应用于建筑施工安全、煤矿生产等多领域。
Description
技术领域
本发明属于工人安全检查领域,尤其是涉及一种工人作业前安全装备及行为能力检查***及方法。
背景技术
随着科学技术的发展,人们对自动化的需求越来越高。建筑施工、煤矿生产等领域长期以来粗放式的发展模式使其自动化水平较低,工人作业前的安全检查仍停留于工头人工点名以及说教式的安全装备佩戴提醒。受建筑工人、煤矿工人自身文化水平、安全意识等因素的限制,作业前安全检查效果有限。在工人安全检查领域,迫切需要一种自动、稳定、可靠的安全检查***。
目前,基于Kinect体感设备的监控***、物体快速三维建模等领域已经得到了应用,人脸识别技术在驾驶员行为实时监测、煤矿工人自动考勤等领域运用的可能性已经得到了论证。与此同时,基于机器视觉的驾驶员行为预测的研究得到了一些成果。这些成果为本研究的开展提供了重要的技术参考。微软公司开发的Kinect自然交互设备中包含彩色摄像头、红外摄像头,可对特定位置捕捉彩色图像、深度图像,并且以此可获取以人体25个关节点为基础的人体骨骼关节模型,可实现人体表面及骨骼节点的深度研究。此外,微软公司推出的Kinect forWindows SDK,可实现对Kinect设备的二次开发,加之,相关设备的平民化价格,为本研究的进行提供了方便。
发明内容
针对现有技术中工人在安全检查中自动化水平低、效果有限的不足,本发明提供了一种工人作业前安全装备及行为能力检查***及方法,可实现简单、有效、快速的工人作业前自动安全检查***,应用于建筑施工安全、煤矿生产等多领域。
本发明是通过以下技术手段实现上述技术目的的。
一种工人作业前安全装备及行为能力自动检查***,包括依次连接的图像采集模块、图像预处理模块、数据库模块、处理模块、信息输出模块、显示器和音响;所述图像采集模块用于采集待检查工人身体的彩色图像信息和骨骼节点信息,并将信息传递至图像预处理模块;所述图像预处理模块依据接收到的信息建立人体三维模型和人体骨骼节点模型,并将人体三维模型分割;所述数据库模块包括工人信息库、工作任务库和安全装备模型库;所述处理模块用于将接收到的图像预处理模块分割后的人体三维模型信息与数据库模块中数据对比处理,通过信息传输模块将处理结果输送至显示器和音响;所述显示器以图像展现形式显示检查结果;所述音响以语音提示形式显示检查结果。
优选的,所述图像采集模块为Kinect2.0型摄像头。
一种工人作业前安全装备及行为能力自动检查方法,包括如下步骤:
S1:依次连接好图像采集模块、图像预处理模块、数据库模块、处理模块、信息输出模块、显示器和音响;
S2:图像采集模块采集待检查工人身体的彩色图像信息和骨骼节点信息,将信息传递至图像预处理模块;
S3:图像预处理模块对信息加工处理,建立人体三维模型和人体骨骼节点模型,之后将人体三维模型进行模型分割;
S4:处理模块将模型分割的信息与数据库模块中的工人信息库、工作任务库和安全装备模型库进行信息对比,进行工人身份确认、工人作业行为能力检查、安全装备完整性检查;
S5:处理模块将检查结果通过信息传输模块输送至显示器和音响。
优选的,步骤S3中安全装备模型库包括安全帽、工作服、安全带、劳保鞋4种安全装备模型。
优选的,步骤S3中所述图像预处理模块将彩色图像信息转化为灰度值为[0,255]的灰度图,利用基于迭代式阈值分割算法的背景消除技术将背景去除,利用Autodesk 3ds Max软件进行人体三维模型重建;通过模型分割,将三维模型分割为头部、驱干、上肢、下肢4个分解部分。
优选的,步骤S4中所述处理模块将分割后的头部数据与数据库模块中的工人信息库进行对比,进行工人信息身份确认;若比对后无法查到该工人,***自动将该项信息处理为非法闯入,并发出安全警报,信息处理停止,等待图像采集模块对人体信息重新扫描;若比对后搜索到了该工人的信息,即可对该工人进行安全装备完整性检查、作业行为能力检查。
优选的,步骤S4中将已确认工人的模型分割数据与数据库模块中的安全装备模型库信息对比,进行安全装备完整性检查;若比对后安全装备不完整,信息处理停止,等待图像采集模块对人体信息重新扫描;若比对后安全装备完整,则对该工人进行作业行为能力检查。
优选的,步骤S4中让已通过安全装备完整性检查的工人在图像采集模块前做指定运动动作,记录该工人的骨骼节点运动特征,该运动动作考虑工种的不同而满足不同的动作需求;处理模块将该工人的骨骼节点运动特征与图像预处理模块中的人体骨骼节点模型进行差异性分析,进行工人作业行为能力检查。
优选的,所述运动动作为:(1)双腿并拢站直,上身保持平直,双臂侧平举后向上抬起。双臂与双肩水平面夹角均≥30°者为正常,反之为异常状况;(2)双腿并拢站直,上身保持平直,双臂侧平举后双腿屈膝下蹲。“髋—膝—踝”3个骨骼节点连线角度≤125°者为正常,反之为异常状况;(3)双腿并拢站直,上身保持平直,双腿屈膝下蹲后两手紧握后于胸前弯曲。“肩—肘—腕”3个骨骼节点连线角度≤125°者为正常,反之为异常状况;(4)双腿并拢站直,双手叉腰,保存“胸椎—腰椎”2个骨骼连线与“左髋—右髋”连线的夹角≥30°,并以骶椎节点为中心做360°扭动,无法完成此动作者为异常状况。
本发明的有益效果:
本发明所述的一种工人作业前安全装备及行为能力检查***及方法,在基于图像采集模块例如Kinect摄像头获取工人图像信息,并对其处理后与工人信息库、工作任务库和安全装备模型库进行比对,进而进行工人身份确认、工人作业行为能力检查、安全装备完整性检查;实现简单、有效、快速的工人作业前自动安全检查***;本***最多可对6人同时进行作业前安全装备完整性及作业行为能力自动检查工作,实现“一机多人”操作,可有效提高安全检查效率。
附图说明
图1为本发明一种工人作业前安全装备及行为能力检查***结构框图。
图2为本发明一种工人作业前安全装备及行为能力检查方法流程图。
图3为工人作业行为能力检查时指定动作示意图。
附图标记说明如下:
1-显示器,2-音箱。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明,但本发明的保护范围并不限于此。
如图1所示,一种工人作业前安全装备及行为能力自动检查***,包括依次连接的图像采集模块、图像预处理模块、数据库模块、处理模块、信息输出模块、显示器1和音响2;图像采集模块用于采集待检查工人身体的彩色图像信息和骨骼节点信息,并将信息传递至图像预处理模块,可采用Kinect2.0型摄像头;图像预处理模块依据接收到的信息建立人体三维模型和人体骨骼节点模型,并将人体三维模型分割;所述数据库模块包括工人信息库、工作任务库和安全装备模型库;所述处理模块用于将接收到的图像预处理模块分割后的人体三维模型信息与数据库模块中数据对比处理,通过信息传输模块将处理结果输送至显示器和音响;所述显示器以图像展现形式显示检查结果;所述音响以语音提示形式显示检查结果。
如图2所示,一种工人作业前安全装备及行为能力自动检查方法,包括如下步骤:
S1:依次连接好图像采集模块、图像预处理模块、数据库模块、处理模块、信息输出模块、显示器1和音响2;
S2:图像采集模块采集待检查工人身体的彩色图像信息和骨骼节点信息,将信息传递至图像预处理模块;
S3:图像预处理模块对信息加工处理,建立人体三维模型和人体骨骼节点模型,随后将彩色图像信息转化为灰度值为[0,255]的灰度图,人体部分的外边缘与背景会产生较大的灰度值突变,利用基于迭代式阈值分割算法的背景消除技术,可将背景去除,消除将人体以外的无效图像,减少信息干扰;具体迭代式阈值分割算法如下所示:
(1)首先任意选定一个数值,以此作为初始阈值T0;
(2)并通过两式得到灰度均值μ1、μ2;
(3)计算出μ1、μ2后,在按照进行新的阈值Ti+1的计算;
(4)重复步骤(2)、步骤(3),直至|Ti+1-Ti|趋向于0或其他定值时停止计算循环,背景消除成功;背景消除后利用Autodesk 3ds Max软件进行人体三维模型重建;通过模型分割,将三维模型分割为头部、驱干、上肢、下肢4个分解部分。
S4:人体三维模型重建并模型分割后,定位到头部的人脸区域后,Kinect摄像头采集人脸信息,然后利用OpenCV进行人脸识别;处理模块根据人脸识别的信息查阅数据库模块中的工人信息库,搜索工人个人信息进行身份确认;根据搜索到的身份信息调取对应工人的工作任务库,以此进行工作任务项匹配,查找该工人的工作任务安排,以此确认工人的准入权限;在此指出,假若人脸识别及工人信息库比对后无法查到该工人,***自动将该项信息处理为非法闯入,并发出安全警报;本***的信息处理过程到此为止,等待Kinect摄像头对人体信息重新扫描;假若人脸识别后在工人信息库里面搜索到了该工人的信息,即通过人脸识别确认待检查工人身份信息,即可对该工人进行安全装备完整性检查、作业行为能力检查;假若人脸识别后在工人信息库里面无法搜索到该工人相关信息,发出警告后,管理层对此进行的特殊授权,即该闯入者可进入工作场所,***亦可进行下一步操作;
安全装备完整性检查时,需要***重新调用已确认过工人模型分割后的三维模型,与数据库模块中的安全装备标准模型进行比对,即人体三维模型的头部、驱干、上肢、下肢4个分解部分与对应的安全帽、工作服、安全带、劳保鞋4个标准模型进行相似度比对;若相似度达到一定的阈值,***自动判断为该项安全装备存在,同时将该项信息自动处理为合格;若相似度小于一定的阈值,即可认定为该项安全装置不存在,同时该项信息处理为不合格,并将该缺失的部位及安全装备在显示屏中显示出,音响中发出对应的语音提示;具体阀值可根据实际需要进行设置。
确定安全装备的缺失区域;进行安全装备完整性检查;若比对后安全装备不完整,信息处理停止,等待图像采集模块对人体信息重新扫描;若比对后安全装备完整,则对该工人进行作业行为能力检查。
作业行为能力检查时,让已通过安全装备完整性检查的工人在图像采集模块前做运动动作,记录该工人的骨骼节点运动特征;处理模块将该工人的骨骼节点运动特征与图像预处理模块中的人体骨骼节点模型进行差异性分析,进行工人作业行为能力检查;其中,如图3所示,运动动作为:(1)双腿并拢站直,上身保持平直,双臂侧平举后向上抬起。双臂与双肩水平面夹角均≥30°者为正常,反之为异常状况;(2)双腿并拢站直,上身保持平直,双臂侧平举后双腿屈膝下蹲。“髋—膝—踝”3个骨骼节点连线角度≤125°者为正常,反之为异常状况;(3)双腿并拢站直,上身保持平直,双腿屈膝下蹲后两手紧握后于胸前弯曲。“肩—肘—腕”3个骨骼节点连线角度≤125°者为正常,反之为异常状况;(4)双腿并拢站直,双手叉腰,保存“胸椎—腰椎”2个骨骼连线与“左髋—右髋”连线的夹角≥30°,并以骶椎节点为中心做360°扭动,无法完成此动作者为异常状况。指定的运动动作也可根据实际生产需求,综合考虑工人的使用习惯以及工种、作业环境、作业活动的特殊性进行设置;在此过程中,若待检查工人做指定运动动作时,出现动作不规范情况时,立即发出危险警报,即该工人身体局部状态存在生理性缺陷,不适合现场施工。
S5:处理模块将检查结果通过信息传输模块输送至显示器1和音响2,***处理的信息均在显示屏1上显示,同时音响2发出对应的语音播报。
所述实施例为本发明的优选的实施方式,但本发明并不限于上述实施方式,在不背离本发明的实质内容的情况下,本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。
Claims (9)
1.一种工人作业前安全装备及行为能力自动检查***,其特征在于,包括依次连接的图像采集模块、图像预处理模块、数据库模块、处理模块、信息输出模块、显示器和音响;所述图像采集模块用于采集待检查工人身体的彩色图像信息和骨骼节点信息,并将信息传递至图像预处理模块;所述图像预处理模块依据接收到的信息建立人体三维模型和人体骨骼节点模型,并将人体三维模型分割;所述数据库模块包括工人信息库、工作任务库和安全装备模型库;所述处理模块用于将接收到的图像预处理模块分割后的人体三维模型信息与数据库模块中数据对比处理,通过信息传输模块将处理结果输送至显示器和音响;所述显示器以图像展现形式显示检查结果;所述音响以语音提示形式显示检查结果。
2.根据权利要求1所述的一种工人作业前安全装备及行为能力自动检查***,其特征在于,所述图像采集模块为Kinect2.0型摄像头。
3.一种工人作业前安全装备及行为能力自动检查方法,其特征在于,包括如下步骤:
S1:依次连接好图像采集模块、图像预处理模块、数据库模块、处理模块、信息输出模块、显示器和音响;
S2:图像采集模块采集待检查工人身体的彩色图像信息和骨骼节点信息,将信息传递至图像预处理模块;
S3:图像预处理模块对信息加工处理,建立人体三维模型和人体骨骼节点模型,之后将人体三维模型进行模型分割;
S4:处理模块将模型分割的信息与数据库模块中的工人信息库、工作任务库和安全装备模型库进行信息对比,进行工人身份确认、工人作业行为能力检查、安全装备完整性检查;
S5:处理模块将检查结果通过信息传输模块输送至显示器和音响。
4.根据权利要求3所述的一种工人作业前安全装备及行为能力自动检查方法,其特征在于,步骤S3中安全装备模型库包括安全帽、工作服、安全带、劳保鞋4种安全装备模型。
5.根据权利要求3所述的一种工人作业前安全装备及行为能力自动检查方法,其特征在于,步骤S3中所述图像预处理模块将彩色图像信息转化为灰度值为[0,255]的灰度图,利用基于迭代式阈值分割算法的背景消除技术将背景去除,利用Autodesk 3ds Max软件进行人体三维模型重建;通过模型分割,将三维模型分割为头部、驱干、上肢、下肢4个分解部分。
6.根据权利要求3所述的一种工人作业前安全装备及行为能力自动检查方法,其特征在于,步骤S4中所述处理模块将分割后的头部数据与数据库模块中的工人信息库进行对比,进行工人信息身份确认;若比对后无法查到该工人,***自动将该项信息处理为非法闯入,并发出安全警报,信息处理停止,等待图像采集模块对人体信息重新扫描;若比对后搜索到了该工人的信息,即可对该工人进行安全装备完整性检查、作业行为能力检查。
7.根据权利要求6所述的一种工人作业前安全装备及行为能力自动检查方法,其特征在于,步骤S4中将已确认工人的模型分割数据与数据库模块中的安全装备模型库信息对比,进行安全装备完整性检查;若比对后安全装备不完整,信息处理停止,等待图像采集模块对人体信息重新扫描;若比对后安全装备完整,则对该工人进行作业行为能力检查。
8.根据权利要求7所述的一种工人作业前安全装备及行为能力自动检查方法,其特征在于,步骤S4中让已通过安全装备完整性检查的工人在图像采集模块前做指定运动动作,记录该工人的骨骼节点运动特征,该运动动作考虑工种的不同而满足不同的动作需求;处理模块将该工人的骨骼节点运动特征与图像预处理模块中的人体骨骼节点模型进行差异性分析,进行工人作业行为能力检查。
9.根据权利要求8所述的一种工人作业前安全装备及行为能力自动检查方法,其特征在于,所述运动动作为:(1)双腿并拢站直,上身保持平直,双臂侧平举后向上抬起。双臂与双肩水平面夹角均≥30°者为正常,反之为异常状况;(2)双腿并拢站直,上身保持平直,双臂侧平举后双腿屈膝下蹲。“髋—膝—踝”3个骨骼节点连线角度≤125°者为正常,反之为异常状况;(3)双腿并拢站直,上身保持平直,双腿屈膝下蹲后两手紧握后于胸前弯曲。“肩—肘—腕”3个骨骼节点连线角度≤125°者为正常,反之为异常状况;(4)双腿并拢站直,双手叉腰,保存“胸椎—腰椎”2个骨骼连线与“左髋—右髋”连线的夹角≥30°,并以骶椎节点为中心做360°扭动,无法完成此动作者为异常状况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610279988.9A CN105956549A (zh) | 2016-04-28 | 2016-04-28 | 一种工人作业前安全装备及行为能力检查***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610279988.9A CN105956549A (zh) | 2016-04-28 | 2016-04-28 | 一种工人作业前安全装备及行为能力检查***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105956549A true CN105956549A (zh) | 2016-09-21 |
Family
ID=56916292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610279988.9A Pending CN105956549A (zh) | 2016-04-28 | 2016-04-28 | 一种工人作业前安全装备及行为能力检查***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105956549A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107610301A (zh) * | 2017-10-11 | 2018-01-19 | 安徽筑园信息科技有限公司 | 一种基于人脸识别的建筑工地实名制信息管理*** |
CN109389566A (zh) * | 2018-10-19 | 2019-02-26 | 辽宁奇辉电子***工程有限公司 | 基于边界特征的地铁高度调节阀紧固螺母不良状态检测方法 |
CN110197155A (zh) * | 2019-05-30 | 2019-09-03 | 广州英特力信息科技有限公司 | 一种在线实时试穿方法及*** |
CN110897611A (zh) * | 2019-12-13 | 2020-03-24 | 西南石油大学 | 一种基于深度学习的闭眼单足站立检测方法 |
CN111079722A (zh) * | 2020-03-23 | 2020-04-28 | 杭州鲁尔物联科技有限公司 | 一种吊装过程人员安全监测方法及*** |
CN114155614A (zh) * | 2021-10-20 | 2022-03-08 | 国网四川省电力公司电力科学研究院 | 一种作业现场反违章行为识别方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102982319A (zh) * | 2012-11-16 | 2013-03-20 | 上海工业自动化仪表研究院 | 一种焊接车间作业工人电焊防护帽佩戴识别方法 |
CN103049949A (zh) * | 2012-12-10 | 2013-04-17 | 电子科技大学 | 一种矿区人员安全管理***及方法 |
CN203012909U (zh) * | 2012-11-16 | 2013-06-19 | 上海工业自动化仪表研究院 | 一种工业现场作业工人安全帽识别*** |
CN103399637A (zh) * | 2013-07-31 | 2013-11-20 | 西北师范大学 | 基于kinect人体骨骼跟踪控制的智能机器人人机交互方法 |
CN104036575A (zh) * | 2014-07-01 | 2014-09-10 | 江苏省南京市公路管理处公路科学研究所 | 施工现场安全帽佩戴情况监控方法 |
-
2016
- 2016-04-28 CN CN201610279988.9A patent/CN105956549A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102982319A (zh) * | 2012-11-16 | 2013-03-20 | 上海工业自动化仪表研究院 | 一种焊接车间作业工人电焊防护帽佩戴识别方法 |
CN203012909U (zh) * | 2012-11-16 | 2013-06-19 | 上海工业自动化仪表研究院 | 一种工业现场作业工人安全帽识别*** |
CN103049949A (zh) * | 2012-12-10 | 2013-04-17 | 电子科技大学 | 一种矿区人员安全管理***及方法 |
CN103399637A (zh) * | 2013-07-31 | 2013-11-20 | 西北师范大学 | 基于kinect人体骨骼跟踪控制的智能机器人人机交互方法 |
CN104036575A (zh) * | 2014-07-01 | 2014-09-10 | 江苏省南京市公路管理处公路科学研究所 | 施工现场安全帽佩戴情况监控方法 |
Non-Patent Citations (2)
Title |
---|
李红波等: "基于Kinect骨骼数据的人体动作姿势识别方法", 《计算机工程与设计》 * |
汪建等: "人像识别技术在安全生产中的应用", 《电脑知识与技术》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107610301A (zh) * | 2017-10-11 | 2018-01-19 | 安徽筑园信息科技有限公司 | 一种基于人脸识别的建筑工地实名制信息管理*** |
CN109389566A (zh) * | 2018-10-19 | 2019-02-26 | 辽宁奇辉电子***工程有限公司 | 基于边界特征的地铁高度调节阀紧固螺母不良状态检测方法 |
CN109389566B (zh) * | 2018-10-19 | 2022-01-11 | 辽宁奇辉电子***工程有限公司 | 基于边界特征的地铁高度调节阀紧固螺母不良状态检测方法 |
CN110197155A (zh) * | 2019-05-30 | 2019-09-03 | 广州英特力信息科技有限公司 | 一种在线实时试穿方法及*** |
CN110897611A (zh) * | 2019-12-13 | 2020-03-24 | 西南石油大学 | 一种基于深度学习的闭眼单足站立检测方法 |
CN111079722A (zh) * | 2020-03-23 | 2020-04-28 | 杭州鲁尔物联科技有限公司 | 一种吊装过程人员安全监测方法及*** |
CN114155614A (zh) * | 2021-10-20 | 2022-03-08 | 国网四川省电力公司电力科学研究院 | 一种作业现场反违章行为识别方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105956549A (zh) | 一种工人作业前安全装备及行为能力检查***及方法 | |
CN106384093B (zh) | 一种基于降噪自动编码器和粒子滤波的人体动作识别方法 | |
CN112906604B (zh) | 一种基于骨骼和rgb帧融合的行为识别方法、装置及*** | |
CN111723729B (zh) | 基于知识图谱的监控视频犬类姿态和行为智能识别方法 | |
CN108875708A (zh) | 基于视频的行为分析方法、装置、设备、***及存储介质 | |
CN110188701A (zh) | 基于人体关键节点预测的服饰识别方法、***及终端 | |
CN109298785A (zh) | 一种监测设备的人机联控***及方法 | |
CN109002783A (zh) | 救援环境中的人体检测以及姿态识别方法 | |
CN109886241A (zh) | 基于长短期记忆网络的驾驶员疲劳检测 | |
CN106203283A (zh) | 基于三维卷积深度神经网络和深度视频的动作识别方法 | |
CN105426827A (zh) | 活体验证方法、装置和*** | |
CN114067358A (zh) | 一种基于关键点检测技术的人体姿态识别方法及*** | |
CN110598633B (zh) | 一种摔倒行为识别方法、装置及*** | |
CN111553229B (zh) | 基于三维骨骼与lstm的工人动作识别方法及装置 | |
CN113111767A (zh) | 一种基于深度学习3d姿态评估的跌倒检测方法 | |
CN107766819A (zh) | 一种视频监控***及其实时步态识别方法 | |
CN113920326A (zh) | 基于人体骨骼关键点检测的摔倒行为识别方法 | |
CN116092199B (zh) | 一种员工工作状态识别方法及识别*** | |
CN114511931A (zh) | 基于视频图像的动作识别方法、装置、设备及存储介质 | |
CN112270807A (zh) | 一种老人跌倒预警*** | |
CN114155492A (zh) | 高空作业安全带挂绳高挂低用识别方法、装置和电子设备 | |
CN115223204A (zh) | 一种人员违规穿着检测方法、装置、设备及存储介质 | |
CN111241926A (zh) | 考勤与学情分析方法、***、设备及可读存储介质 | |
CN111177468A (zh) | 一种基于机器视觉的实验室人员不安全行为安全检查方法 | |
CN113111733B (zh) | 一种基于姿态流的打架行为识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160921 |
|
RJ01 | Rejection of invention patent application after publication |