CN111062366B - 一种消控室内人员姿态检测方法及*** - Google Patents

Abstract

本发明提供一种消控室内人员姿态检测方法及***，其方法包括：如下步骤：获取被监控部件的当前位置，若所述被监控部件的当前位置与消控设备位置之间的距离小于设定阈值，则：获取人脸识别结果，若所述人脸识别结果表示在预设时间段内均未成功识别到人脸则判定当前人员姿态不合规。本发明中的以上方案，能够通过对消控室内人员的位置以及人脸识别结果来判定消控室内的人员是否对消控设备进行监控及操作，如果无法识别到人脸识别结果，则能够确定消控室内的人员姿态不合规。无需在额外增加人员对消控室的视频进行监控，节省了人力成本，本发明中的方案能够实时地发现问题，具有即时性。

Description

一种消控室内人员姿态检测方法及***

技术领域

本发明涉及消防监控技术领域，具体涉及一种消控室内人员姿态检测方法及***。

背景技术

消防控制室(简称消控室)是设有火灾自动报警控制设备和消防控制设备，用于接收、显示、处理火灾报警信号，控制相关消防设施的专门处所。具有消防联动功能的火灾自动报警***的保护对象中应设置消防控制室。

按照消防相关规定，消控室只能有具备一定从业资格的人员进入，其主要是因为消控室中设置的消控设备必须由专业人员进行操作控制。当消控设备监控到一些紧急情况时，必须能够及时地通过对消控设备进行操作从而能够对出现紧急情况位置的消防设施进行控制，以避免安全事故的发生。

然而在实际情况下，每一个工作人员的专业水平并不一致，其应对能力也存在一定的偏差，如果在消控室内没有实时地对消控设备进行监视，就可能会导致当出现紧急情况时无法对消控设备进行及时操作，错过了解决紧急事件的最佳时机。而目前对于消控室内人员的监控仅仅是通过设置在消控室内一角的摄像头进行，如果要确定消控室内人员是否按照规定对消控设备进行监视以及进行了及时操作，还需要额外的管理人员进一步进行查看，耗费较大的人力物力。

发明内容

本发明实施例旨在提供一种消控室内人员姿态检测方法及***，用于解决现有技术需要额外增加人员对消控室监控摄像头进行监视耗费人力成本的技术问题，本发明提供的方案能够对消控室内的人员姿态进行监控，不需要额外增加人力成本。

为此，本发明实施例提供一种消控室内人员姿态检测方法，包括如下步骤：

获取被监控部件的当前位置，若所述被监控部件的当前位置与消控设备位置之间的距离小于设定阈值，则：

获取人脸识别结果，若所述人脸识别结果表示在预设时间段内均未成功识别到人脸则判定当前人员姿态不合规。

可选地，上述的消控室内人员姿态检测方法中，还包括如下步骤：

若所述被监控部件的当前位置与消控设备位置之间的距离大于或等于设定阈值，则判定当前人员姿态不合规。

可选地，上述的消控室内人员姿态检测方法中，还包括如下步骤：

响应于警示信号，记录警示信号接收时间；

获取消控设备为响应所述警示信号而动作的动作时间；

所述动作时间与所述警示信号接收时间的差值作为响应时间。

可选地，上述的消控室内人员姿态检测方法中，还包括如下步骤：

获取消控室的第一角度图像，解析所述第一角度图像中的第一人像信息；

获取消控室的第二角度图像，解析所述第二角度图像中的第二人像信息；

获取消控室的第三角度图像，解析所述第三角度图像中的第三人像信息；

根据所述第一人像信息、所述第二人像信息和所述第三人像信息得到人员姿态；

将人员姿态与预设不合规姿态进行比对，若人员姿态与任意一个所述预设不合规姿态匹配，则输出提示信号以控制提示组件发出规范提示；

其中所述第一角度图像、所述第二角度图像和所述第三角度图像为不同角度下对消控室进行监控获得监控图像。

可选地，上述的消控室内人员姿态检测方法中，根据所述第一人像信息、所述第二人像信息和所述第三人像信息得到人员姿态的步骤中：

将所述第一人像信息、所述第二人像信息和所述第三人像信息作为预设机器学习模型的输入参数，以所述预设机器学习模型的输出结果作为人员姿态；其中，所述预设机器学习模型通过如下方式得到：

选定机器学习模型；

获取训练样本图像，所述训练样本图像包括人员姿态样本图像以及与所述人员姿态样本图像对应的第一角度样本图像、第二角度样本图像和第三角度样本图像，其中所述第一角度样本图像与所述第二角度样本图像之间的相差角度与所述第一角度图像和所述第二角度图像之间的相差角度相同；所述第一角度样本图像与所述第三角度样本图像之间的相差角度与所述第一角度图像和所述第三角度图像之间的相差角度相同；所述第二角度样本图像与所述第三角度样本图像之间的相差角度与所述第二角度图像和所述第三角度图像之间的相差角度相同；

以所述第一角度样本图像、所述第二角度样本图像和所述第三角度样本图像作为所述机器学习模型的输入，以所述人员姿态样本图像作为所述机器学习模型的输出对所述机器学习模型进行训练，训练完成后得到所述预设机器学习模型。

本发明还提供一种计算机可读存储介质，所述存储介质中存储有程序指令，计算机读取所述程序指令后执行以上任一项所述的消控室内人员姿态检测方法。

本发明还提供一种消控室内人员姿态检测***，包括至少一个处理器和至少一个存储器，至少一个所述存储器中存储有程序指令，至少一个所述处理器读取所述程序指令后执行以上任一项所述的消控室内人员姿态检测方法。

可选地，上述的消控室内人员姿态检测***中，还包括：

被监控部件，由人员佩戴；

至少三个监控部件，设置于监控室中的至少三个不同位置处，且至少三个监控部件不位于同一直线上；

每一监控部件通过与被监控部件进行数据传输，以获得被监控部件与该监控部件之间的距离；

面部识别摄像仪，设置在消控设备上，用于对位于消控设备操控盘周围设定范围进行监控并分析监控结果判断其中是否包含人脸图像；

所述处理器获取至少三个监控部件得到被监控部件与其自身的距离之后确定被监控部件的当前位置；所述处理器控制所述面部识别摄像仪启动并接收所述面部识别摄像仪输出的人脸识别结果。

可选地，上述的消控室内人员姿态检测***中，还包括第一摄像头、第二摄像头和第三摄像头：

所述第一摄像头、所述第二摄像头和所述第三摄像头分别设置于消控室的三个位置处且不在同一直线上；所述第一摄像头拍摄所述消控室的第一角度图像并发送至所述处理器；所述第二摄像头拍摄所述消控室的第二角度图像并发送至所述处理器；所述第三摄像头拍摄所述消控室的第三角度图像并发送至所述处理器。

可选地，上述的消控室内人员姿态检测***中，还包括：

提示组件，其被控端与所述处理器的输出端连接；

所述处理器在判定当前人员姿态不合规时控制所述提示组件发出提示信息。

本发明提供的上述技术方案，与现有技术相比，至少具有如下有益效果：

本发明提供的消控室内人员姿态检测方法及***，能够通过对消控室内人员的位置以及人脸识别结果来判定消控室内的人员是否对消控设备进行监控及操作，如果无法识别到人脸识别结果，则能够确定消控室内的人员姿态不合规。无需在额外增加人员对消控室的视频进行监控，节省了人力成本，本发明中的方案能够实时地发现问题，具有即时性。

附图说明

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述。

图1为本发明一个实施例所述消控室内人员姿态检测方法的流程图；

图2为本发明另一个实施例所述的消控室内人员姿态检测方法的流程图；

图3为本发明又一个实施例所述的消控室内人员姿态检测方法的流程图；

图4为本发明一个实施例所述的消控室内人员姿态检测***的结构框图；

图5为本发明另一个实施例所述的消控室内人员姿态检测***的结构框图。

具体实施方式

显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和提供的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明的简化描述，而不是指示或暗示所指的装置或组件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。其中，术语“第一位置”和“第二位置”为两个不同的位置。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个组件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例1

本实施例提供一种消控室内人员姿态检测方法，应用于消控室内的监控***中，如图1所示，包括如下步骤：

S101：获取被监控部件的当前位置。为消控室内人员配备一个被监控部件，在消控室内设置多个监控部件，通过发射一定频率的信号来检测被监控部件与监控部件之间的距离，如果此时设置三组或者更多的监控部件，则可以通过三角函数等方式得到被监控部件的具***置。

S102：若所述被监控部件的当前位置与消控设备位置之间的距离小于设定阈值获取人脸识别结果，若所述人脸识别结果表示在预设时间段内均未成功识别到人脸则判定当前人员姿态不合规。可通过设置在消控设备上的摄像头来对人脸进行识别，如果此时人员正在消控设备前方的一定距离范围内，则可以扫描到人脸从而能够识别到人脸，否则识别不到，说明此时人员离消控设备过远，此时如果有什么问题无法及时处理，则发出不合规提示。

优选地，如图2所示，上述方案中还可以包括：

S103：若所述被监控部件的当前位置与消控设备位置之间的距离大于或等于设定阈值，则判定当前人员姿态不合规。

以上方案能够通过对消控室内人员的位置以及人脸识别结果来判定消控室内的人员是否对消控设备进行监控及操作，如果无法识别到人脸识别结果，则能够确定消控室内的人员姿态不合规。无需在额外增加人员对消控室的视频进行监控，节省了人力成本，本发明中的方案能够实时地发现问题，具有即时性。

进一步地，以上方法还可以包括如下步骤：

S104：响应于警示信号，记录警示信号接收时间；消控设备与被监控区域内的所有消防设施的控制器具有通信连接，消防设施会及时地将被监控区域的状态发送至消控设备。因此，消控设备能够在收到任何消防设施发送的警示信号，也能够确定收到警示信号的时间。

S105：获取消控设备为响应所述警示信号而动作的动作时间；所述动作时间与所述警示信号接收时间的差值作为响应时间。正常情况下，应当快速地对警示信号做出反应，而如果工作人员收到警示信号后对警示信号的响应操作太慢可能会错过最佳处理时间，因此本步骤中将这一时间记录下来，可用于后续对于消防处理方式进行改进优化时的参考。也可以用于对消控室内工作人员的绩效考核依据。

如图3所示，以上方案中还可以包括如下步骤：

S106：获取消控室的第一角度图像，解析所述第一角度图像中的第一人像信息。

S107：获取消控室的第二角度图像，解析所述第二角度图像中的第二人像信息。

S108：获取消控室的第三角度图像，解析所述第三角度图像中的第三人像信息。

S109：根据所述第一人像信息、所述第二人像信息和所述第三人像信息得到人员姿态。

S110：将人员姿态与预设不合规姿态进行比对，若人员姿态与任意一个所述预设不合规姿态匹配，则输出提示信号以控制提示组件发出规范提示。

其中所述第一角度图像、所述第二角度图像和所述第三角度图像为不同角度下对消控室进行监控获得监控图像。利用图像处理方法从每一个图像中对人形图案进行提取，不同角度下拍摄到的同一人员的人形图案进行融合处理后即可得到该人员的立体图像，即可得到该人员的姿态。以上方案，能够通过不同角度对消控室进行监控的结果分别的不同角度下的人像信息，进而得到人员姿态监控结果，自动地将姿态检测结果与预设不合规姿态进行比对进而判断出是否有不合规的情况，不合规姿态例如吸烟、躺倒、没有正确佩戴设备等，本方案中通过自动对人员姿态进行识别与已经存储的不合规姿态进行比对判断，可自动识别出不合规并在识别到不合规动作后自动进行报警提示，提高了安全性能。

进一步优选地，以上方案中，在所述S109中，包括：将所述第一人像信息、所述第二人像信息和所述第三人像信息作为预设机器学习模型的输入参数，以所述预设机器学习模型的输出结果作为人员姿态；其中，所述预设机器学习模型通过如下方式得到：

步骤A：选定机器学习模型；

步骤B：获取训练样本图像，所述训练样本图像包括人员姿态样本图像以及与所述人员姿态样本图像对应的第一角度样本图像、第二角度样本图像和第三角度样本图像，其中所述第一角度样本图像与所述第二角度样本图像之间的相差角度与所述第一角度图像和所述第二角度图像之间的相差角度相同；所述第一角度样本图像与所述第三角度样本图像之间的相差角度与所述第一角度图像和所述第三角度图像之间的相差角度相同；所述第二角度样本图像与所述第三角度样本图像之间的相差角度与所述第二角度图像和所述第三角度图像之间的相差角度相同；

步骤C：以所述第一角度样本图像、所述第二角度样本图像和所述第三角度样本图像作为所述机器学习模型的输入，以所述人员姿态样本图像作为所述机器学习模型的输出对所述机器学习模型进行训练，训练完成后得到所述预设机器学习模型。

预设机器学习模型可以采用已经被训练好的机器学习模型，机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。机器学习已经有了十分广泛的应用，例如：数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测***欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用。目前现有技术中已经发展了很多比较成熟的机器学习算法，诸如类比学习算法、遗传算法和神经网络算法等，本方案中可从现有技术中进行选择即可。本方案中，使用训练算法来训练机器学习模型，机器学习模型可以采用前馈神经网络算法和递归神经网络算法。所述训练算法是利用配置参数来进行配置的。所述机器学习模型可以并行地执行许多训练实例。所述机器学习模型将预先规定好的样本输入到前馈神经网络中以便生成表示并将所述表示输入到递归神经网络中，每代入一个样本输入可以得到一个实际的样本输出，将实际的样本输出与原有的理论的样本输出进行比较，当实际得到的输出与理论输出之间的结果接近度很高时可以认为模型训练完成。通过机器学习算法进行运算具有更高的运算效率，且具有更直观的效果。

实施例2

本实施例提供一种计算机可读存储介质，所述存储介质中存储有程序指令，计算机读取所述程序指令后执行实施例1任一方案所述的消控室内人员姿态检测方法。

实施例3

本实施例提供一种消控室内人员姿态检测***，如图4所示，包括至少一个处理器101和至少一个存储器102，至少一个所述存储器102中存储有程序指令，至少一个所述处理器101读取所述程序指令后执行实施例1任意方案所述的消控室内人员姿态检测方法。

进一步地，如图5所示，上述***还可以包括被监控部件202，由人员佩戴；至少三个监控部件201(图中以一个监控部件为例)，设置于监控室中的至少三个不同位置处，且至少三个监控部件不位于同一直线上；每一监控部件201通过与被监控部件201进行数据传输，以获得被监控部件202与该监控部件201之间的距离；面部识别摄像仪304，设置在消控设备上，用于对位于消控设备操控盘周围设定范围进行监控并分析监控结果判断其中是否包含人脸图像；所述处理器101获取至少三个监控部件202得到被监控部件201与其自身的距离之后确定被监控部件的当前位置；所述处理器101控制所述面部识别摄像仪304启动并接收所述面部识别摄像仪304输出的人脸识别结果。

以上方案能够通过对消控室内人员的位置以及人脸识别结果来判定消控室内的人员是否对消控设备进行监控及操作，如果无法识别到人脸识别结果，则能够确定消控室内的人员姿态不合规。无需在额外增加人员对消控室的视频进行监控，节省了人力成本，本发明中的方案能够实时地发现问题，具有即时性。

进一步地，如图所示，上述***还可以包括第一摄像头301、第二摄像头302和第三摄像头303，所述第一摄像头301、所述第二摄像头302和所述第三摄像头303分别设置于消控室的三个位置处且不在同一直线上；所述第一摄像头301拍摄所述消控室的第一角度图像并发送至所述处理器101；所述第二摄像头302拍摄所述消控室的第二角度图像并发送至所述处理器101；所述第三摄像头303拍摄所述消控室的第三角度图像并发送至所述处理器101。

所述处理器101获取所述第一摄像头301拍摄的第一角度图像，解析所述第一角度图像中的人员的第一人像信息；获取所述第二摄像头302拍摄的第二角度图像，解析所述第二角度图像中的人员的第二人像信息；获取所述第三摄像头303拍摄的第三角度图像，解析所述第三角度图像中的人员的第三人像信息；根据所述第一人像信息、所述第二人像信息和所述第三人像信息得到人员的姿态。以上方案，能够通过不同角度下对人员进行监控的结果分别得到不同角度下的人像信息，进而可得到人员姿态监控结果，具有快速、准确的优势。同时，自动地将姿态检测结果与预设不合规姿态进行比对进而判断出是否有不合规的情况，不合规姿态例如吸烟、躺倒、没有正确佩戴设备等，本方案中通过自动对人员姿态进行识别与已经存储的不合规姿态进行比对判断，可自动识别出不合规并在识别到不合规动作后自动进行报警提示，提高了安全性能。

进一步优选地，上述***还可以包括提示组件400，其被控端与所述处理器101的输出端连接；所述处理器101在判定当前人员姿态不合规时控制所述提示组件400发出提示信息。提示组件400可以是消控设备的显示屏、语音播放器等，也可以是单独设置在消控室内声光报警模块。通过及时地提醒消控室内的人员改正不合规动作，能够对于发生的紧急情况作出最快速的反应，确保消防安全。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (4)

1.一种消控室内人员姿态检测方法，其特征在于，包括如下步骤：

获取被监控部件的当前位置，包括：基于至少三个监控部件得到所述被监控部件分别与每一所述监控部件的距离，基于所述距离确定所述被监控部件的当前位置；其中，所述被监控部件由所述人员佩戴；所述至少三个监控部件分别设置于所述消控室内的至少三个不同位置处，且所述至少三个监控部件不位于同一直线上；每一所述监控部件通过发射一定频率的信号以检测获得所述被监控部件与该监控部件之间的距离；

若所述被监控部件的当前位置与消控设备位置之间的距离大于或等于设定阈值，则判定当前人员姿态不合规；

若所述被监控部件的当前位置与消控设备位置之间的距离小于所述设定阈值，则：

获取人脸识别结果，包括：通过设置在消控设备上的面部识别摄像仪对位于消控设备操控盘周围设定范围进行监控，并分析监控结果判断其中是否包含人脸图像；

若所述人脸识别结果表示在预设时间段内均未成功识别到人脸则判定当前人员姿态不合规；

还包括：

获取所述消控室的第一角度图像，解析所述第一角度图像中的第一人像信息；

获取所述消控室的第二角度图像，解析所述第二角度图像中的第二人像信息；

获取所述消控室的第三角度图像，解析所述第三角度图像中的第三人像信息；

根据所述第一人像信息、所述第二人像信息和所述第三人像信息得到人员姿态；

将所述人员姿态与预设不合规姿态进行比对，若所述人员姿态与任意一个所述预设不合规姿态匹配，则输出提示信号以控制提示组件发出规范提示；

其中，所述第一角度图像、所述第二角度图像和所述第三角度图像分别为通过第一摄像头、第二摄像头和第三摄像头在不同角度下对所述消控室进行监控获得的监控图像；所述第一摄像头、所述第二摄像头和所述第三摄像头分别设置于所述消控室内的三个不同位置处且不在同一直线上；

还包括：

响应于警示信号，记录警示信号接收时间；获取消控设备为响应所述警示信号而动作的动作时间；所述动作时间与所述警示信号接收时间的差值作为响应时间。

2.根据权利要求1所述的消控室内人员姿态检测方法，其特征在于，根据所述第一人像信息、所述第二人像信息和所述第三人像信息得到人员姿态的步骤中：

将所述第一人像信息、所述第二人像信息和所述第三人像信息作为预设机器学习模型的输入参数，以所述预设机器学习模型的输出结果作为人员姿态；其中，所述预设机器学习模型通过如下方式得到：

选定机器学习模型；

获取训练样本图像，所述训练样本图像包括人员姿态样本图像以及与所述人员姿态样本图像对应的第一角度样本图像、第二角度样本图像和第三角度样本图像，其中所述第一角度样本图像与所述第二角度样本图像之间的相差角度与所述第一角度图像和所述第二角度图像之间的相差角度相同；所述第一角度样本图像与所述第三角度样本图像之间的相差角度与所述第一角度图像和所述第三角度图像之间的相差角度相同；所述第二角度样本图像与所述第三角度样本图像之间的相差角度与所述第二角度图像和所述第三角度图像之间的相差角度相同；

以所述第一角度样本图像、所述第二角度样本图像和所述第三角度样本图像作为所述机器学习模型的输入，以所述人员姿态样本图像作为所述机器学习模型的输出对所述机器学习模型进行训练，训练完成后得到所述预设机器学习模型。

3.一种计算机可读存储介质，其特征在于，所述存储介质中存储有程序指令，计算机读取所述程序指令后执行如权利要求1或2所述的消控室内人员姿态检测方法。

4.一种消控室内人员姿态检测***，其特征在于，包括至少一个处理器和至少一个存储器，至少一个所述存储器中存储有程序指令，至少一个所述处理器读取所述程序指令后执行如权利要求1或2所述的消控室内人员姿态检测方法。