CN111191586A - 一种施工现场人员安全帽佩戴情况巡检方法及*** - Google Patents
一种施工现场人员安全帽佩戴情况巡检方法及*** Download PDFInfo
- Publication number
- CN111191586A CN111191586A CN201911392969.7A CN201911392969A CN111191586A CN 111191586 A CN111191586 A CN 111191586A CN 201911392969 A CN201911392969 A CN 201911392969A CN 111191586 A CN111191586 A CN 111191586A
- Authority
- CN
- China
- Prior art keywords
- human body
- camera
- safety helmet
- judging
- images
- 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.)
- Granted
Links
- 238000010276 construction Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000007689 inspection Methods 0.000 claims abstract description 67
- 238000001514 detection method Methods 0.000 claims description 25
- 230000005856 abnormality Effects 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 7
- 210000000746 body region Anatomy 0.000 claims description 6
- 230000010365 information processing Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 5
- 230000002159 abnormal effect Effects 0.000 description 16
- 238000012544 monitoring process Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 5
- 230000003203 everyday effect Effects 0.000 description 4
- 210000003128 head Anatomy 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 210000000544 articulatio talocruralis Anatomy 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 238000009430 construction management Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005059 dormancy Effects 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000002310 elbow joint Anatomy 0.000 description 1
- 210000004394 hip joint Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 210000000629 knee joint Anatomy 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 210000000323 shoulder joint Anatomy 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 210000003857 wrist joint Anatomy 0.000 description 1
Images
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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
- H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种施工现场人员安全帽佩戴情况巡检方法及***,属于图像识别领域。针对现有技术中存在的安全帽佩戴识别方法复杂、巡检过程有遗漏的问题,本发明提供了一种施工现场人员安全帽佩戴情况巡检方法及***,包括初始化模块、进度判断单元、人体识别单元、微巡检单元、安全帽识别单元、人脸识别单元以及信息处理展示单元,初始化模块对摄像头进行初始化,进度判断单元监测巡检进度,人体识别单元、微巡检单元对人员的安全帽佩戴情况进行识别检测,信息处理展示单元接收并展示未带安全帽人员信息,本发明实现了优化巡逻检测速度,减小所需计算机算力,避免巡检遗漏,能够及时发现并标识未佩戴安全帽的员工。
Description
技术领域
本发明涉及图像识别领域,更具体地说,涉及一种施工现场人员安全帽佩戴情况巡检方法及***。
背景技术
近些年来,随着人工智能技术的发展,计算机视觉中的图像识别技术获得的了大量的落地应用,例如各种产品说明书图片中的文字识别、医疗拍摄CT片中各种异常物识别、天气预报中各种卫星云图的识别、人脸识别、人体关键点识别等。图像识别技术已经广泛的应用到了人们日常生活、管理决策中。
在建筑施工场地,保证作业人员安全生产一直是国家政策强调,施工企业必须保证落实的情况之一,然而现实中由于施工企业管理难度大,加上作业人员本人安全意识淡薄,安全生产中要求作业人员在场必须一直佩戴安全帽的要求不能完全落实,如若遇到高空坠物等发生,人员的生命安全得不到保障。因此,非常有必要设计一套能够对整个施工场地作业时间人员安全帽佩戴情况全面监控的***,对不能佩戴安全帽的人员及时提醒,这样既保证了作业人员的安全生产,又提高了施工企业的现场管理能力,协助企业降本增效。
由于工作人员的安全意识不高,或者是由于某些外界因素导致工作人员忘记佩戴安全帽,导致安全事故屡屡发生,因此,提醒未佩戴安全帽的工作人员进行佩戴,在一定程度上可以减少安全事故的发生。在工地监控中,巡视人员需要长时间地观看监视画面或前往施工场地巡视,既费时又费力,而在大型的施工场地中,需要大量的人员才能同时监控所有的监视画面或巡视施工场地,这样不但造成人力浪费,监控人员也不能保证能够监视所有画面,施工区域额外的人员出入,也会增加发生意外的风险。
中国专利申请,申请号CN201810821577.7,公开日2018年12月21日,公开了一种施工现场安全帽佩戴情况识别方法及其***,涉及施工管理技术领域,可通过设备自动识别出未佩戴安全帽的人员,并进行适当的提醒。解决了现有技术中识别设备无法全面了解施工现场的施工人员是否佩戴安全帽的问题。该方法包括如下步骤:S1:判断当前时间是否处于第一时段或第二时段;S2:当前时间处于第一时段时,摄像头固定位于第一高度拍摄,当前时间处于第二时段时,摄像头于第一高度和第二高度之间往复移动拍摄;S3:摄像头将拍摄的图像发往处理器进行识别,处理器筛选图像中未佩戴安全帽的人员并匹配该人员对应的基本信息;S4:显示器将未佩戴安全帽的人员的基本信息进行显示。其不足之处在于,摄像头只能在固定的角度进行拍摄,不能进行转动,监控面积小,没有对图像识别进行优化,识别速度慢。
发明内容
1.要解决的技术问题
针对现有技术中存在的安全帽佩戴识别方法复杂、巡检过程有遗漏的问题,本发明提供了一种施工现场人员安全帽佩戴情况巡检方法及***,它可以优化巡逻检测速度,减小所需计算机算力,避免巡检遗漏,实现及时发现并标识未佩戴安全帽的员工。
2.技术方案
本发明的目的通过以下技术方案实现。
一种施工现场人员安全帽佩戴情况巡检方法,包括以下步骤:
步骤1:判断当前时间点是否处于第一时段或第二时段,如果当前时间点处于第一时段,将摄像头调节参数初始化为第一参数状态,如果当前时间点处于第二时段,将摄像头调节参数初始化为第二参数状态,;
步骤2:判断摄像头是否需要重置,如果需要,则返回步骤1,否则,进入步骤3;
步骤3:对每个摄像头连续拍摄的若干张图像进行人体识别,如果没有识别到人体,摄像头自动旋转进入下一角度进行拍摄图像;如果识别到人体,则进入步骤4;
步骤4:摄像头记录当前位置并停留一段时间,在该时间段内完成微巡检,对微巡检得到的视频进行人体运动轨迹追踪,对视频中抽取的图像进行安全帽佩戴识别,如果识别到未佩戴安全帽人员,对未佩戴安全帽员工进行人脸识别,得到未佩戴安全帽人员信息;
步骤5:将识别到的未佩戴安全帽的人员信息及该段微巡检视频一起发送到终端设备上进行展示和提醒,返回步骤2。
进一步的,在步骤1之前,还包括:
根据施工现场情况进行摄像头安装位置选取、数量确定及每个摄像头关键参数的调试。
更进一步的,步骤2中的判断摄像头是否需要重置包括以下步骤:
获取摄像头的当前位置参数、终点位置参数、摄像头需要旋转的角度;
判断当前位置是否处于终点位置,如果是,判定需要重置,否则,判断摄像头需要旋转的角度是否大于当前位置与终点位置的角度差;
如果摄像头需要旋转的角度是否大于当前位置与终点位置的角度差,判定需要重置,否则,判定不需要重置。
更进一步的,步骤3中对每个摄像头连续拍摄的若干张图像进行的人体识别包括以下步骤:
进行抓取图像,经过若干秒后,得到若干张图像;
识别每一张图像中的人体信息;
判断包含人体信息的图像数量在若干张图像中的占比是否大于设定的第一阈值,如果大于,则判断为识别到人体,否则判断为没有识别到人体,当该占比小于第一阈值,说明在一个时间段内,该人员只有部分时间出现在该角度的摄像头下,如果在该角度继续对其进行微巡检,可能该人员已经走开,微巡检无法发现该人员,浪费了算力和时间,因此这一步可以提高巡检的效率。
更进一步的,步骤4中的微巡检包括以下步骤:
摄像头以当前位置为开始位置,在一定时间内完成上下、左右一定幅度的镜头位置调整,获取该段视频;
利用人体追踪识别技术对视频中的人体及运动轨迹进行识别和编号;
对视频中的每一帧图像中识别出的人体区域进行提取,对相同轨迹编号的人体区域图片进行安全帽佩戴识别,判断是否佩戴安全帽;
统计编号相同的人体区域的图像,如果未佩戴安全帽的图像数量在编号相同的人体区域图像中的占比大于设定的第二阈值,则标记该人员没有佩戴安全帽,否则标记该人员佩戴有安全帽,当该占比小于设定的第二阈值时,说明在该时间段内,该人员可能未及时佩戴安全帽,但在拍摄过程中佩戴上了安全帽,此时无需标记为未佩戴安全帽人员,通过对安全帽佩戴识别后的图像进行阈值判断,避免了错误判断,提高了安全帽识别的正确率;
对没有佩戴安全帽的人体区域图像进行人脸识别,当识别出同一姓名的图像数量在人体区域图像中的占比大于第三阈值,标记该人体姓名,否则标记为未知人员,当该占比小于第三阈值,说明视频中的图片识别人员姓名不同,可能出现了错误的人体识别,通过阈值判断避免了错误的人员标记,提高了人脸识别的正确率。
更进一步的,对相同轨迹编号的人体区域图片进行安全帽佩戴识别包括以下步骤:
通过图像识别模型对人体区域图像进行关键点识别,得到关键点坐标信息,根据关键点坐标信息,获取关键部位图像,并筛选掉干扰图像;
将关键部位图像转化为结构化数据;
建立异常检测模型,以收集得到的结构化数据为样本,对异常检测模型进行训练;
利用异常检测模型对结构化数据进行异常阈值判断,如果低于异常阈值,则判定为佩戴安全帽,否则,判定为未佩戴安全帽,通过将图像转化为结构化数据,使该安全帽佩戴识别算法可以通过异常检测模型来进行判断,减少了算法所需算力,从而提高了识别速度。
更进一步的,终端设备可以对未佩戴安全帽人员当时所处的状态视频,人员的基本信息进行展示和报警、提示,也可以对每天未佩戴安全帽的人员进行统计和录入,可以对每天每个时间段下、每个摄像头下未佩戴安全帽情况发生的次数进行统计和录入,形成人员、时间和位置的周度、月度和年度未佩戴安全帽情况的统计报表。
一种施工现场人员安全帽佩戴情况巡检***,包括:
初始化模块,用于判断当前时间点是否处于第一时段或第二时段,如果当前时间点处于第一时段,将摄像头调节参数初始化为第一参数状态;如果当前时间点处于第二时段,将摄像头调节参数初始化为第二参数状态;
进度判断单元,用于判断摄像头是否需要重置;用于判断摄像头当前位置参数与终点位置参数、摄像头需要旋转的角度关系;
人体识别单元,用于对每个摄像头连续拍摄的若干张图像进行人体识别,如果没有识别到人体,摄像头自动旋转进入下一角度进行拍摄图像;如果识别到人体,则进入微巡检单元;
微巡检单元,摄像头记录当前位置并停留一段时间,在该时间段内完成微巡检,对微巡检得到的视频进行人体追踪;
信息处理展示单元,用于接收人脸识别单元传输的未佩戴安全帽人员信息及该段微巡检视频。
进一步的,进度判断单元包括:
摄像头位置获取模块,用于获取摄像头的当前位置参数、终点位置参数、摄像头需要旋转的角度;
位置判断模块,用于判断当前位置是否处于终点位置,如果是,判定需要重置,否则,进入角度判断模块;
角度判断模块,用于判断摄像头需要旋转的角度是否大于当前位置与终点位置的角度差,如果是,判定需要重置,否则,判定不需要重置。
更进一步的,人体识别单元包括:
图像获取模块,用于抓取摄像头拍摄视频中的若干张图像;
人体信息识别模块,用于识别每一张图像的人体信息
第一判断模块,用于判断包含人体信息的图像数量占比是否大于设定的第一阈值,如果大于,则判断为识别到人体,否则判断为没有识别到人体。
更进一步的,微巡检单元包括:
微拍摄模块,用于控制摄像头在微巡检开始位置进行一定幅度的转动拍摄,将拍摄的视频传输给人体追踪识别模块
人体追踪识别模块,对视频中的人体及运动轨迹进行识别和编号;
安全帽识别模块,对人体追踪模块识别的人体区域进行提取,对相同轨迹编号的人体区域图片进行安全帽佩戴识别,进入第二判断模块;
第二判断模块,统计编号相同的人体区域的图像,如果未佩戴安全帽的图像数量在编号相同的人体区域图像中的占比大于设定的第二阈值,判断该编号的人体没有佩戴安全帽,否则判断为该人员佩戴有安全帽;
人脸识别模块,用于对没有佩戴安全帽的人体区域图片进行人脸识别,进入第三判断模块;
第三判断模块,用于判断识别出同一姓名的图像数量在人体区域图像中的占比是否大于第三阈值,如果是,则标记该人员姓名,否则标记为未知人员。
更进一步的,微巡检单元还包括:
关键点识别模块,通过图像识别模型对人体区域图像进行关键点识别,得到关键点坐标信息;
图像转化模块,将关键部位转化为非结构化数据;
模型训练模块,建立异常检测模型,以收集得到的结构化数据为样本,对异常检测模型进行训练;
异常检测模块,利用异常检测模型对非结构化数据进行异常阈值判断,如果低于异常阈值,则判定为佩戴安全帽,否则,判定为未佩戴安全帽。
更进一步的,信息处理展示单元包括:
信息匹配模块,用于将识别出的姓名与已有的人员基础信息数据库进行匹配,得到该人员的其它信息;
存储模块,用于将识别出的违规人员信息及摄像头信息保存到违规信息数据库中,将识别出没有佩戴安全帽人员的微巡检视频进行截取保存到视频库;
终端设备,用于显示数据库中的违规视频、违规人员基本信息、各个摄像头及时间段违规次数的展示。
3.有益效果
相比于现有技术,本发明的优点在于:
(1)本发明分为巡检模式和监控模式,可以在不同的时间段采用不同监控方式,使得摄像头的功能得到最大的利用。本发明对摄像头检测模式进行调整,使其按照一定的规律进行旋转拍摄,通过旋转拍摄实现扩大摄像头的监控范围,减少摄像头的使用,同时安全帽佩戴识别先从人体判断开始,没有发现人体就会旋转到下一角度巡检,这样可以保证了巡检的速度,也节约了后端服务器的算力,微巡检的使用保证了人体信息采集的完整性,提高了后面安全帽佩戴和人脸识别的准确性。多组摄像头的协同作业,可以保证了整个施工场景的全方位全时段的监控,对于违规行为有终端设备进行展示和报警,保证了现场施工人员的安全生产要求;
(2)现有技术中常用的安全帽巡检方法分为两个阶段,第一阶段为通过深度学习或其他图像识别算法发现人体,第二阶段为检测安全帽,第二阶段中采用硬性规则或者深度学习中的图片分类、目标检测进行识别,其中硬性规则准确率较低,深度学习对计算机的算力要求较高,并且需要训练的图片多,收集的难度大,如果第一和第二阶段都是用深度学习,那么要求的算力会更高,而本发明在第二阶段中使用了异常识别算法,由于异常识别算法是对一维数据进行计算,因此在本发明中需要先将佩戴安全帽人员图片转化为一组数值,基于已有的样本量建立异常识别模型,异常识别模型使用的是孤立森林iForest,是对数值的简单加减计算,不像深度学习里面涉及矩阵计算和推理,因此要求的算力低,过程简单,容易理解,得到的结果快,并且准确率也较高;
附图说明
图1为本发明的***流程图;
图2为本发明的进度判断流程图;
图3为本发明的人体识别流程图;
图4为本发明的微巡检流程图;
图5为本发明的安全帽佩戴识别流程图;
图6为本发明的***结构示意图;
图7为本发明的关键点识别示意图;
图8为本发明的摄像头设置示意图。
具体实施方式
下面结合说明书附图和具体的实施例,对本发明作详细描述。
实施例1
如图1所示,一种施工现场人员安全帽佩戴情况巡检方法,包括以下步骤:
步骤1:判断当前时间点是否处于第一时段或第二时段,如果当前时间点处于第一时段,将摄像头调节参数初始化为第一参数状态,如果当前时间点处于第二时段,将摄像头调节参数初始化为第二参数状态,第一时段为摄像头进行人员安全帽佩戴情况现场图片抓取的巡检时段,第二时段为摄像头进行普通安防监控的休眠时段,第一参数状态包括是摄像头进行自动巡检时的起始和终止点位置、镜头倍数、每次转动角度、转动方向以及摄像头仰角角度的参数值,第二参数状态是摄像头处于普通监控状态时的起始和终止点位置、镜头倍数、每次转动角度、转动方向、摄像头仰角角度参数值。本实施例的第一参数状态起始与终止点根据施工现场情况进行选取,为了避免每次巡逻的场景相同,可以对复位位置在与起始点一点的夹角范围内进行随机初始化,这里可以设定在10度范围内随机,即每次初始化的起点与第一次的起点夹角为任意小于10度的夹角,镜头倍数为32倍,每次转动角度设定为10度,转动方向可以设定顺时针或逆时针旋转,仰角角度设定为45度,第二参数状态为监控模式,镜头倍数缩小到7倍,仰角回到30度,每次转动角度和转动方向设置为0,起始和终止位置相同,即当第二参数状态时,摄像头不进行转动;
步骤2:判断摄像头是否需要重置,如果需要,则返回步骤1,否则,进入步骤3;
步骤3:对每个摄像头连续拍摄的若干张图像进行人体识别,如果没有识别到人体,摄像头自动旋转进入下一角度进行拍摄图像;如果识别到人体,则进入步骤4;
步骤4:摄像头记录当前位置并停留一段时间,在该时间段内完成微巡检,对微巡检得到的视频进行人体及运动轨迹追踪,微巡视用于对摄像头按照一定角度进行转动后所造成监控画面丢失进行补偿,因为步骤1每次重置的开始巡逻位置的不同,但是转动的角度是固定的,必然导致有些场景在转动的时候没有被监控到,采用机头固定后,再进行左右5度的摆动,可以弥补这个缺陷;对视频中抽取的图像进行安全帽佩戴识别,如果识别到未佩戴安全帽人员,对未佩戴安全帽员工进行人脸识别,得到未佩戴安全帽人员信息;
步骤5:将识别到的未佩戴安全帽的人员信息及该段微巡检视频一起发送到终端设备上进行展示和提醒,返回步骤2。。
如图8所示,在施工现场人员安全帽佩戴情况巡检之前,需要根据施工现场情况进行摄像头安装位置选取、数量确定及每个摄像头关键参数的调试,摄像头关键参数为变倍倍数、水平转动总角度、旋转角度、仰角角度和摄像头拍摄的视频的帧数,仰角角度为镜头方向与垂直线的夹角,水平转动总角度用于确定每个摄像头巡航路线及巡航的视角,这里预设为270度,具体安装的摄像头数量是按照每个场地需要监控的区域,考虑每个摄像头在固定倍数下可以看到的视野,进行综合选择,本实施例中的摄像头位置、数量以及关键参数的调试使用IP Video System Design Tool软件进行模拟配置。
如图2所示,在步骤2中,判断摄像头是否需要重置包括以下步骤:
获取摄像头的当前位置参数、终点位置参数、摄像头需要旋转的角度;
判断当前位置是否处于终点位置,如果是,判定需要重置,否则,判断摄像头需要旋转的角度是否大于当前位置与终点位置的角度差;
如果摄像头需要旋转的角度是否大于当前位置与终点位置的角度差,判定需要重置,否则,判定不需要重置。
如图3所示,在步骤3中,对每个摄像头连续拍摄的若干张图像进行的人体识别包括以下步骤:
按照一秒一帧进行抓取图像,经过若干秒后,得到若干张图像;
识别每一张图像中的人体信息;
判断每一张图像中是否包含人体信息,如果识别出包含人体信息的图像数量在若干张图像中的占比大于设定的第一阈值,则判断为识别到人体,否则判断为没有识别到人体,继续下一次旋转,第一阈值表示该段视频中含有人体判断的临界值,可以设定为60%-100%范围内,本发明中设定的值为80%。
人体识别模型可以基于提前用摄像机收集的图片进行训练得到,具体为收集图片、图片标注,将图片样本带入到yolo-v3模型中进行重新训练得到。
如图4所示,在步骤4中,微巡检包括以下步骤:
摄像头以当前位置为开始位置,在5秒之内完成上下,左右5度的微巡视,获取该段视频;
利用人体追踪识别技术对视频中的人体及运动轨迹进行识别和编号;
对视频中的每一帧图像中识别出的人体区域进行提取,对相同轨迹编号的人体区域图片进行安全帽佩戴识别,判断是否佩戴安全帽;
统计编号相同的人体区域的图像,如果未佩戴安全帽的图像数量在编号相同的人体区域图像中的占比大于设定的第二阈值,则标记为该人员没有佩戴安全帽,否则标记该人员佩戴有安全帽或不能准确判断,第二阈值表示该段视频中针对单个人体没有佩戴安全帽判断的临界值,可以设定为60%-100%范围内,本发明中设定的值为80%;
对没有佩戴安全帽的人体区域图像进行人脸识别,当识别出同一姓名的图像数量在人体区域图像中的占比大于第三阈值,标记该人体姓名,否则标记为未知人员,第三阈值表示没有佩戴安全帽的人体姓名判断的临界值,可以设定为60%-100%范围内,本发明中设定的值为80%。
人体追踪识别技术使用deep-sort模型进行人物目标追踪,模型结果可以给出5*25=125张图片中所有的人物目标及人物编号,其中25表示一秒有25帧。deep-sort中的人物编号是目标运动轨迹编号,用的是卡尔曼滤波(kalman filter)和级联检测目标,基本算法是画轨迹,根据轨迹的情况,判断是否新的人员id,通过运动轨迹编号识别人员姓名。比如识别结果编号为1的人物子图片有125张,编号为2的人物子图片也有125张,对识别出的所有人物子图片进行安全帽佩戴识别。
如图5所示,在步骤5中,安全帽佩戴识别包括以下步骤:
通过图像识别模型对人体区域图像进行关键点识别,得到关键点坐标信息,根据关键点坐标信息,获取关键部位图像,并筛选掉干扰图像;
本实施例的图像识别模型采用Alphapose模型,Alphapose是一个多人姿态估计模型,具有极高的精准度,其主要可以用于检测图片或者视频流中一个或多个人体关键点,返回其坐标信息。通过摄像头采集大量现场工作人员的图片,将所有图片代入Alphapose模型,Alphapose识别图片信息中的人体中包括鼻、双眼、双耳、左右肩关节、左右肘关节、左右腕关节、左右髋关节、左右膝关节和左右脚踝关节共17个关键点坐标信息,如图7所示,本实施例选取每张图片中所有人体的鼻部位置坐标点数据(x_nose,y_nose),按照每个鼻部坐标计算其左上方坐标(x_nose-N,y_nose+N),右下方坐标(x_nose+N,y_nose-N),使用两个坐标对图片进行字图片的提取,N在这里等于32。
通过对头部佩戴安全帽的子图片进行人为的再次筛选,去除Alphapose模型中错误识别的头部未佩戴安全帽的子图片,并设置各种类型的安全帽保持数量上的平衡。
将关键部位图像转化为结构化数据的过程包括以下步骤:
得到的所有关键部位图像为RGB格式,这里为65*65*3的三通道图片,将图片转为三维数据矩阵,对每个像素点的三通道值进行加权平均,得到65*65*1的一维数据矩阵;
对一维数据矩阵进行池化,每隔5个元素从矩阵中划分出5*5的区块,对每个区块中的25个数取最大值,得到13*13*1的一维数据矩阵;
将一维数据矩阵转为长度为1,有169个变量的数组,若有M张图片,得到169*M的数据样本,这里的一维数据就是上述的结构化数据。
基于收集的图片和经过处理转化后得到的结构化数据,用孤立森林iForest进行建模,iForest使用的参数是t=100,n=256,即每次随机筛选256个样本,建立100颗树,得到异常检测模型;
利用异常检测模型对结构化数据进行异常阈值判断,如果低于异常阈值,则判定为佩戴安全帽,否则,判定为未佩戴安全帽,对于以上转化出的一维矩阵数据样本,带入异常检测模型中,得到iForest的值,如果值大于0.8,则判断该人员没有佩戴安全帽。
如图6所示,一种施工现场人员安全帽佩戴情况巡检***,包括:
初始化模块,用于判断当前时间点是否处于第一时段或第二时段,如果当前时间点处于第一时段,将摄像头调节参数初始化为第一参数状态;如果当前时间点处于第二时段,将摄像头调节参数初始化为第二参数状态;
进度判断单元,用于判断摄像头是否需要重置;用于判断摄像头当前位置参数与终点位置参数、摄像头需要旋转的角度关系;
人体识别单元,用于对每个摄像头连续拍摄的若干张图像进行人体识别,如果没有识别到人体,摄像头自动旋转进入下一角度进行拍摄图像;如果识别到人体,则进入微巡检单元;
微巡检单元,摄像头记录当前位置并停留一段时间,在该时间段内完成微巡检,对微巡检得到的视频进行人体追踪;
信息处理展示单元,用于接收人脸识别单元传输的未佩戴安全帽人员信息及该段微巡检视频。
施工现场人员安全帽佩戴情况巡检***的进度判断单元包括:
摄像头位置获取模块,用于获取摄像头的当前位置参数、终点位置参数、摄像头需要旋转的角度;
位置判断模块,用于判断当前位置是否处于终点位置,如果是,判定需要重置,否则,进入角度判断模块;
角度判断模块,用于判断摄像头需要旋转的角度是否大于当前位置与终点位置的角度差,如果是,判定需要重置,否则,判定不需要重置。
施工现场人员安全帽佩戴情况巡检***的人体识别单元包括:
图像获取模块,用于抓取摄像头拍摄视频中的若干张图像,摄像头在每次旋转后,停留5秒,并对此5秒内抽取5帧图片进行人体识别;
第一判断模块,用于判断每一张图像中是否包含人体信息,如果识别出包含人体信息的图像数量占比大于设定的第一阈值,则判断为有人体信息,否则判断为未识别到人体。
施工现场人员安全帽佩戴情况巡检***的微巡检单元包括:
微拍摄模块,用于控制摄像头在微巡检开始位置进行一定幅度的转动拍摄,将拍摄的视频传输给人体追踪识别模块;
人体追踪识别模块,对视频中的人体及运动轨迹进行识别和编号;
安全帽识别模块,对人体追踪模块识别的人体区域进行提取,对相同轨迹编号的人体区域图片进行安全帽佩戴识别,进入第二判断模块;
第二判断模块,统计编号相同的人体区域的图像,如果未佩戴安全帽的图像数量在编号相同的人体区域图像中的占比大于设定的第二阈值,判断该编号的人体没有佩戴安全帽,否则判断为该人员佩戴有安全帽;
人脸识别模块,用于对没有佩戴安全帽的人体区域图片进行人脸识别;
第三判断模块,用于判断识别出同一姓名的图像数量在人体区域图像中的占比是否大于第三阈值,如果是,则标记该人员姓名,否则标记为未知人员。
施工现场人员安全帽佩戴情况巡检***的微巡检单元还包括:
关键点识别模块,通过图像识别模型对人体区域图像进行关键点识别,得到关键点坐标信息;
图像转化模块,将关键部位转化为非结构化数据;
模型训练模块,建立异常检测模型,以收集得到的结构化数据为样本,对异常检测模型进行训练;
异常检测模块,利用异常检测模型对非结构化数据进行异常阈值判断,如果低于异常阈值,则判定为佩戴安全帽,否则,判定为未佩戴安全帽。
施工现场人员安全帽佩戴情况巡检***的信息处理展示单元包括:
信息匹配模块,用于将识别出的姓名与已有的人员基础信息数据库进行匹配,得到该人员的其它信息;
存储模块,用于将识别出的违规人员信息及摄像头信息保存到违规信息数据库中,将识别出没有佩戴安全帽人员的微巡检视频进行截取保存到视频库,存储模块可以是磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等;
终端设备,用于显示数据库中的违规视频、违规人员基本信息、各个摄像头及时间段违规次数的展示,终端设备可以对未佩戴安全帽人员当时所处的状态视频,人员的基本信息进行展示和报警、提示,也可以对每天未佩戴安全帽的人员进行统计和录入,可以对每天每个时间段下、每个摄像头下未佩戴安全帽情况发生的次数进行统计和录入,形成人员、时间和位置的周度、月度和年度未佩戴安全帽情况的统计报表。
施工现场人员安全帽佩戴情况巡检***还包括若干个摄像头和网络视频录像机NVR,摄像头带有云台控制功能,如海康威视200万网络高清球机1080P红外监控云台球机DS-2DC6220IW-A,可以改变焦距和镜头倍数的摄像头,用于采集施工现场图像信息,NVR与视频编码器或网络摄像机协同工作,完成视频的录像、存储,本发明的施工现场人员安全帽佩戴情况巡检***通过计算机实现。
以上示意性地对本发明创造及其实施方式进行了描述,该描述没有限制性,在不背离本发明的精神或者基本特征的情况下,能够以其他的具体形式实现本发明。附图中所示的也只是本发明创造的实施方式之一,实际的结构并不局限于此,权利要求中的任何附图标记不应限制所涉及的权利要求。所以,如果本领域的普通技术人员受其启示,在不脱离本创造宗旨的情况下,不经创造性的设计出与该技术方案相似的结构方式及实施例,均应属于本专利的保护范围。此外,“包括”一词不排除其他元件或步骤,在元件前的“一个”一词不排除包括“多个”该元件。产品权利要求中陈述的多个元件也可以由一个元件通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
Claims (10)
1.一种施工现场人员安全帽佩戴情况巡检方法,其特征在于,包括以下步骤:
步骤1:判断当前时间点是否处于第一时段或第二时段,如果当前时间点处于第一时段,将摄像头调节参数初始化为第一参数状态,如果当前时间点处于第二时段,将摄像头调节参数初始化为第二参数状态;
步骤2:判断摄像头是否需要重置,如果需要,则返回步骤1,否则,进入步骤3;
步骤3:对每个摄像头连续拍摄的若干张图像进行人体识别,如果没有识别到人体,摄像头自动旋转进入下一角度进行拍摄图像;如果识别到人体,则进入步骤4;
步骤4:摄像头记录当前位置并停留一段时间,在该时间段内完成微巡检,对微巡检得到的视频进行人体运动轨迹追踪,对视频中抽取的图像进行安全帽佩戴识别,如果识别到未佩戴安全帽人员,对未佩戴安全帽员工进行人脸识别,得到未佩戴安全帽人员信息;
步骤5:将识别到的未佩戴安全帽的人员信息及该段微巡检视频一起发送到终端设备上进行展示和提醒,返回步骤2。
2.根据权利要求1所述的一种施工现场人员安全帽佩戴情况巡检方法,其特征在于,所述步骤2中的判断摄像头是否需要重置包括以下步骤:
获取摄像头的当前位置参数、终点位置参数、摄像头需要旋转的角度;
判断当前位置是否处于终点位置,如果是,判定需要重置,否则,判断摄像头需要旋转的角度是否大于当前位置与终点位置的角度差;
如果摄像头需要旋转的角度是否大于当前位置与终点位置的角度差,判定需要重置,否则,判定不需要重置。
3.根据权利要求1所述的一种施工现场人员安全帽佩戴情况巡检方法,其特征在于,所述步骤3中对每个摄像头连续拍摄的若干张图像进行的人体识别包括以下步骤:
进行抓取图像,经过若干秒后,得到若干张图像;
识别每一张图像中的人体信息;
判断包含人体信息的图像数量在若干张图像中的占比是否大于设定的第一阈值,如果大于,则判断为识别到人体,否则判断为没有识别到人体。
4.根据权利要求1所述的一种施工现场人员安全帽佩戴情况巡检方法,其特征在于,所述步骤4中的微巡检包括以下步骤:
摄像头在微巡检开始位置进行一定幅度的转动拍摄;
利用人体追踪识别技术对视频中的人体及运动轨迹进行识别和编号;
对视频中的每一帧图像中识别出的人体区域进行提取,对相同轨迹编号的人体区域图片进行安全帽佩戴识别,判断是否佩戴安全帽;
统计编号相同的人体区域的图像,如果未佩戴安全帽的图像数量在编号相同的人体区域图像中的占比大于设定的第二阈值,则标记该人员没有佩戴安全帽,否则,标记该人员佩戴有安全帽;
对没有佩戴安全帽的人体区域图像进行人脸识别,当识别出同一姓名的图像数量在人体区域图像中的占比大于第三阈值,标记该人员姓名,否则标记为未知人员。
5.根据权利要求4所述的一种施工现场人员安全帽佩戴情况巡检方法,其特征在于,所述对相同轨迹编号的人体区域图片进行安全帽佩戴识别包括以下步骤:
通过图像识别模型对人体区域图像进行关键点识别,得到关键点坐标信息,根据关键点坐标信息,获取关键部位图像,并筛选掉干扰图像;
将关键部位图像转化为结构化数据;
建立异常检测模型,以收集得到的结构化数据为样本,对异常检测模型进行训练;
利用异常检测模型对结构化数据进行异常阈值判断,如果低于异常阈值,则判定为佩戴安全帽,否则,判定为未佩戴安全帽。
6.一种基于权利要求1的施工现场人员安全帽佩戴情况巡检***,其特征在于,包括:
初始化模块,用于判断当前时间点是否处于第一时段或第二时段,如果当前时间点处于第一时段,将摄像头调节参数初始化为第一参数状态;如果当前时间点处于第二时段,将摄像头调节参数初始化为第二参数状态;
进度判断单元,用于判断摄像头是否需要重置;用于判断摄像头当前位置参数与终点位置参数、摄像头需要旋转的角度关系;
人体识别单元,用于对每个摄像头连续拍摄的若干张图像进行人体识别,如果没有识别到人体,摄像头自动旋转进入下一角度进行拍摄图像;如果识别到人体,则进入微巡检单元;
微巡检单元,摄像头记录当前位置并停留一段时间,在该时间段内完成微巡检,对微巡检得到的视频进行人体及运动轨迹追踪,对视频中抽取的图像进行安全帽佩戴识别,如果识别到未佩戴安全帽人员,对未佩戴安全帽员工进行人脸识别,得到未佩戴安全帽人员信息;
信息处理展示单元,用于接收人脸识别单元传输的未佩戴安全帽人员信息及该段微巡检视频。
7.根据权利要求6所述的一种施工现场人员安全帽佩戴情况巡检***,其特征在于,所述进度判断单元包括:
摄像头位置获取模块,用于获取摄像头的当前位置参数、终点位置参数、摄像头需要旋转的角度;
位置判断模块,用于判断当前位置是否处于终点位置,如果是,判定需要重置,否则,进入角度判断模块;
角度判断模块,用于判断摄像头需要旋转的角度是否大于当前位置与终点位置的角度差,如果是,判定需要重置,否则,判定不需要重置。
8.根据权利要求6所述的一种施工现场人员安全帽佩戴情况巡检***,其特征在于,所述人体识别单元包括:
图像获取模块,用于抓取摄像头拍摄视频中的若干张图像;
人体信息识别模块,用于识别每一张图像的人体信息;
第一判断模块,用于判断包含人体信息的图像数量占比是否大于设定的第一阈值,如果大于,则判断为识别到人体,否则判断为没有识别到人体。
9.根据权利要求6所述的一种施工现场人员安全帽佩戴情况巡检***,其特征在于,所述微巡检单元包括:
微拍摄模块,用于控制摄像头在微巡检开始位置进行一定幅度的转动拍摄,将拍摄的视频传输给人体追踪识别模块;
人体追踪识别模块,对视频中的人体及运动轨迹进行识别和编号;
安全帽识别模块,对人体追踪模块识别的人体区域进行提取,对相同轨迹编号的人体区域图片进行安全帽佩戴识别,进入第二判断模块;
第二判断模块,统计编号相同的人体区域的图像,如果未佩戴安全帽的图像数量在编号相同的人体区域图像中的占比大于设定的第二阈值,判断该编号的人体没有佩戴安全帽,否则判断该人员佩戴有安全帽;
人脸识别模块,用对没有佩戴安全帽的人体区域图片进行人脸识别,进入第三判断模块;
第三判断模块,用于判断识别出同一姓名的图像数量在人体区域图像中的占比是否大于第三阈值,如果是,则标记该人员姓名,否则标记为未知人员。
10.根据权利要求9所述的一种施工现场人员安全帽佩戴情况巡检***,其特征在于,所述微巡检单元还包括:
关键点识别模块,通过图像识别模型对人体区域图像进行人体关键点识别,得到关键点坐标信息;
图像转化模块,将关键部位转化为结构化数据;
模型训练模块,建立异常检测模型,以收集得到的结构化数据为样本,对异常检测模型进行训练;
异常检测模块,利用异常检测模型对非结构化数据进行异常阈值判断,如果低于异常阈值,则判定为佩戴安全帽,否则,判定为未佩戴安全帽。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911392969.7A CN111191586B (zh) | 2019-12-30 | 2019-12-30 | 一种施工现场人员安全帽佩戴情况巡检方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911392969.7A CN111191586B (zh) | 2019-12-30 | 2019-12-30 | 一种施工现场人员安全帽佩戴情况巡检方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111191586A true CN111191586A (zh) | 2020-05-22 |
CN111191586B CN111191586B (zh) | 2020-11-27 |
Family
ID=70709494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911392969.7A Expired - Fee Related CN111191586B (zh) | 2019-12-30 | 2019-12-30 | 一种施工现场人员安全帽佩戴情况巡检方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111191586B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111669548A (zh) * | 2020-06-04 | 2020-09-15 | 赛特斯信息科技股份有限公司 | 针对配电网爬杆作业实现***处理的方法 |
CN111814762A (zh) * | 2020-08-24 | 2020-10-23 | 深延科技(北京)有限公司 | 头盔佩戴检测方法和装置 |
CN112257569A (zh) * | 2020-10-21 | 2021-01-22 | 青海城市云大数据技术有限公司 | 一种基于实时视频流的目标检测和识别方法 |
CN112329532A (zh) * | 2020-09-30 | 2021-02-05 | 浙江汉德瑞智能科技有限公司 | 基于YOLOv4的自动跟踪安全帽监测方法 |
CN112884444A (zh) * | 2021-03-10 | 2021-06-01 | 苏州思萃融合基建技术研究所有限公司 | 一种基于数字孪生技术的施工现场人员管理的智能*** |
CN113221783A (zh) * | 2021-05-20 | 2021-08-06 | 上海可深信息科技有限公司 | 一种低分辨率图像安全帽识别方法 |
CN113516082A (zh) * | 2021-07-19 | 2021-10-19 | 曙光信息产业(北京)有限公司 | 安全帽的检测方法、装置、计算机设备及存储介质 |
CN113780137A (zh) * | 2021-08-31 | 2021-12-10 | 江苏立源自动化工程有限公司 | 一种用于装车现场作业人员的安全警示监管*** |
CN114723418A (zh) * | 2022-04-29 | 2022-07-08 | 河南鑫安利职业健康科技有限公司 | 基于大数据的化工业生产的防护设备佩戴安全调研*** |
CN115346244A (zh) * | 2022-08-19 | 2022-11-15 | 南京晓庄学院 | 工人安全帽佩戴识别*** |
CN115631449A (zh) * | 2022-12-19 | 2023-01-20 | 南京和电科技有限公司 | 一种视频智能识别管理方法及*** |
CN116895043A (zh) * | 2023-06-13 | 2023-10-17 | 郑州宝冶钢结构有限公司 | 一种施工现场智能安全监控预警方法、***及存储介质 |
CN116959028A (zh) * | 2023-07-20 | 2023-10-27 | 山东产研鲲云人工智能研究院有限公司 | 监管高空作业安全的方法和巡检设备及计算设备 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060101405A (ko) * | 2006-07-14 | 2006-09-22 | 주식회사 샤인텍 | 전자태그를 이용한 사용자의 안전모와 안전장비의 이중검사를 통한 출입 통제 시스템 |
JP2010211427A (ja) * | 2009-03-10 | 2010-09-24 | Omron Corp | 安全運転監視装置 |
CN104063722A (zh) * | 2014-07-15 | 2014-09-24 | 国家电网公司 | 一种融合hog人体目标检测和svm分类器的安全帽识别方法 |
CN105141904A (zh) * | 2015-08-13 | 2015-12-09 | 北京睿鑫涵科技有限公司 | 安全监控与身份识别方法及装置 |
CN105654512A (zh) * | 2015-12-29 | 2016-06-08 | 深圳羚羊微服机器人科技有限公司 | 一种目标跟踪方法和装置 |
CN106295551A (zh) * | 2016-08-05 | 2017-01-04 | 南京理工大学 | 一种基于视频分析的人员安全帽佩戴情况实时检测方法 |
CN106372662A (zh) * | 2016-08-30 | 2017-02-01 | 腾讯科技(深圳)有限公司 | 安全帽佩戴的检测方法和装置、摄像头、服务器 |
CN106548131A (zh) * | 2016-10-14 | 2017-03-29 | 南京邮电大学 | 一种基于行人检测的施工人员安全帽实时检测方法 |
CN108319926A (zh) * | 2018-02-12 | 2018-07-24 | 安徽金禾软件股份有限公司 | 一种工地现场的安全帽佩戴检测***及检测方法 |
CN108537256A (zh) * | 2018-03-26 | 2018-09-14 | 北京智芯原动科技有限公司 | 一种安全帽佩戴识别方法及装置 |
CN108769514A (zh) * | 2018-05-17 | 2018-11-06 | Oppo广东移动通信有限公司 | 摄像头控制方法、装置、电子装置以及存储介质 |
CN109063618A (zh) * | 2018-07-24 | 2018-12-21 | 四川大航建设工程有限公司 | 一种施工现场安全帽佩戴情况识别方法及其*** |
CN109583397A (zh) * | 2018-12-05 | 2019-04-05 | 沈阳聚德视频技术有限公司 | 一种电梯检验考试人工智能评判***的实现方法 |
CN110136172A (zh) * | 2019-05-21 | 2019-08-16 | 中国矿业大学 | 一种矿工下井前防护设备佩戴的检测方法 |
CN110263609A (zh) * | 2019-01-27 | 2019-09-20 | 杭州品茗安控信息技术股份有限公司 | 一种安全帽佩戴情况的自动识别方法 |
CN110569722A (zh) * | 2019-08-01 | 2019-12-13 | 江苏濠汉信息技术有限公司 | 基于视觉分析的施工人员着装规范检测方法及装置 |
-
2019
- 2019-12-30 CN CN201911392969.7A patent/CN111191586B/zh not_active Expired - Fee Related
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060101405A (ko) * | 2006-07-14 | 2006-09-22 | 주식회사 샤인텍 | 전자태그를 이용한 사용자의 안전모와 안전장비의 이중검사를 통한 출입 통제 시스템 |
JP2010211427A (ja) * | 2009-03-10 | 2010-09-24 | Omron Corp | 安全運転監視装置 |
CN104063722A (zh) * | 2014-07-15 | 2014-09-24 | 国家电网公司 | 一种融合hog人体目标检测和svm分类器的安全帽识别方法 |
CN105141904A (zh) * | 2015-08-13 | 2015-12-09 | 北京睿鑫涵科技有限公司 | 安全监控与身份识别方法及装置 |
CN105654512A (zh) * | 2015-12-29 | 2016-06-08 | 深圳羚羊微服机器人科技有限公司 | 一种目标跟踪方法和装置 |
CN106295551A (zh) * | 2016-08-05 | 2017-01-04 | 南京理工大学 | 一种基于视频分析的人员安全帽佩戴情况实时检测方法 |
CN106372662A (zh) * | 2016-08-30 | 2017-02-01 | 腾讯科技(深圳)有限公司 | 安全帽佩戴的检测方法和装置、摄像头、服务器 |
CN106548131A (zh) * | 2016-10-14 | 2017-03-29 | 南京邮电大学 | 一种基于行人检测的施工人员安全帽实时检测方法 |
CN108319926A (zh) * | 2018-02-12 | 2018-07-24 | 安徽金禾软件股份有限公司 | 一种工地现场的安全帽佩戴检测***及检测方法 |
CN108537256A (zh) * | 2018-03-26 | 2018-09-14 | 北京智芯原动科技有限公司 | 一种安全帽佩戴识别方法及装置 |
CN108769514A (zh) * | 2018-05-17 | 2018-11-06 | Oppo广东移动通信有限公司 | 摄像头控制方法、装置、电子装置以及存储介质 |
CN109063618A (zh) * | 2018-07-24 | 2018-12-21 | 四川大航建设工程有限公司 | 一种施工现场安全帽佩戴情况识别方法及其*** |
CN109583397A (zh) * | 2018-12-05 | 2019-04-05 | 沈阳聚德视频技术有限公司 | 一种电梯检验考试人工智能评判***的实现方法 |
CN110263609A (zh) * | 2019-01-27 | 2019-09-20 | 杭州品茗安控信息技术股份有限公司 | 一种安全帽佩戴情况的自动识别方法 |
CN110136172A (zh) * | 2019-05-21 | 2019-08-16 | 中国矿业大学 | 一种矿工下井前防护设备佩戴的检测方法 |
CN110569722A (zh) * | 2019-08-01 | 2019-12-13 | 江苏濠汉信息技术有限公司 | 基于视觉分析的施工人员着装规范检测方法及装置 |
Non-Patent Citations (3)
Title |
---|
JIE LI 等: "Safety Helmet Wearing Detection Based on Image Processing and Machine Learning", 《2017 NINTH INTERNATIONAL CONFERENCE ON ADVANCED COMPUTATIONAL INTELLIGENCE (ICACI)》 * |
KANG LI 等: "Automatic Safety Helmet Wearing Detection", 《ARXIV》 * |
庞霞 等: "基于颜色和形状的安全帽识别方法", 《2017智能电网信息化建设研讨会论文集》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111669548A (zh) * | 2020-06-04 | 2020-09-15 | 赛特斯信息科技股份有限公司 | 针对配电网爬杆作业实现***处理的方法 |
CN111814762A (zh) * | 2020-08-24 | 2020-10-23 | 深延科技(北京)有限公司 | 头盔佩戴检测方法和装置 |
CN112329532A (zh) * | 2020-09-30 | 2021-02-05 | 浙江汉德瑞智能科技有限公司 | 基于YOLOv4的自动跟踪安全帽监测方法 |
CN112257569B (zh) * | 2020-10-21 | 2021-11-19 | 青海城市云大数据技术有限公司 | 一种基于实时视频流的目标检测和识别方法 |
CN112257569A (zh) * | 2020-10-21 | 2021-01-22 | 青海城市云大数据技术有限公司 | 一种基于实时视频流的目标检测和识别方法 |
CN112884444B (zh) * | 2021-03-10 | 2023-07-18 | 苏州思萃融合基建技术研究所有限公司 | 一种基于数字孪生技术的施工现场人员管理的智能*** |
CN112884444A (zh) * | 2021-03-10 | 2021-06-01 | 苏州思萃融合基建技术研究所有限公司 | 一种基于数字孪生技术的施工现场人员管理的智能*** |
CN113221783A (zh) * | 2021-05-20 | 2021-08-06 | 上海可深信息科技有限公司 | 一种低分辨率图像安全帽识别方法 |
CN113516082A (zh) * | 2021-07-19 | 2021-10-19 | 曙光信息产业(北京)有限公司 | 安全帽的检测方法、装置、计算机设备及存储介质 |
CN113780137A (zh) * | 2021-08-31 | 2021-12-10 | 江苏立源自动化工程有限公司 | 一种用于装车现场作业人员的安全警示监管*** |
CN114723418A (zh) * | 2022-04-29 | 2022-07-08 | 河南鑫安利职业健康科技有限公司 | 基于大数据的化工业生产的防护设备佩戴安全调研*** |
CN115346244A (zh) * | 2022-08-19 | 2022-11-15 | 南京晓庄学院 | 工人安全帽佩戴识别*** |
CN115631449A (zh) * | 2022-12-19 | 2023-01-20 | 南京和电科技有限公司 | 一种视频智能识别管理方法及*** |
CN116895043A (zh) * | 2023-06-13 | 2023-10-17 | 郑州宝冶钢结构有限公司 | 一种施工现场智能安全监控预警方法、***及存储介质 |
CN116895043B (zh) * | 2023-06-13 | 2024-01-26 | 郑州宝冶钢结构有限公司 | 一种施工现场智能安全监控预警方法、***及存储介质 |
CN116959028A (zh) * | 2023-07-20 | 2023-10-27 | 山东产研鲲云人工智能研究院有限公司 | 监管高空作业安全的方法和巡检设备及计算设备 |
CN116959028B (zh) * | 2023-07-20 | 2024-03-01 | 山东产研鲲云人工智能研究院有限公司 | 监管高空作业安全的方法和巡检设备及计算设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111191586B (zh) | 2020-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111191586B (zh) | 一种施工现场人员安全帽佩戴情况巡检方法及*** | |
CN111898514B (zh) | 一种基于目标检测与动作识别的多目标视觉监管方法 | |
CN112396658B (zh) | 一种基于视频的室内人员定位方法及定位*** | |
CN111144263A (zh) | 一种建筑工人高坠事故预警方法及装置 | |
CN111241959B (zh) | 一种通过工地视频流检测未佩戴安全帽人员的方法 | |
CN110263686A (zh) | 一种基于深度学习的施工工地图像安全帽检测方法 | |
CN108319926A (zh) | 一种工地现场的安全帽佩戴检测***及检测方法 | |
CN110321780B (zh) | 基于时空运动特性的异常摔倒行为检测方法 | |
CN111047818A (zh) | 一种基于视频图像的森林火灾预警*** | |
CN112489371B (zh) | 一种基于计算机视觉的泳池防溺水预警*** | |
CN112084963B (zh) | 一种监控预警方法、***及存储介质 | |
CN104036575A (zh) | 施工现场安全帽佩戴情况监控方法 | |
CN107241572A (zh) | 学员实训视频追踪评价*** | |
CN113807240A (zh) | 基于非配合式人脸识别的变电站人员着装智能监控方法 | |
CN104820995A (zh) | 一种面向大型公共场所的人流密度监测预警方法 | |
CN115294533A (zh) | 基于数据处理的建筑施工状态监测方法 | |
CN112395967A (zh) | 一种口罩佩戴监测方法、电子设备和可读存储介质 | |
CN114926778A (zh) | 一种生产环境下的安全帽与人员身份识别*** | |
CN113506416A (zh) | 一种基于智能视觉分析的工程异常预警方法及*** | |
CN111222420A (zh) | 一种基于ftp协议的低带宽要求的安全帽识别方法 | |
CN112785564B (zh) | 一种基于机械臂的行人检测跟踪***与方法 | |
CN105095891A (zh) | 一种人脸捕捉的方法,装置及*** | |
CN113314230A (zh) | 基于大数据的智能防疫方法、装置、设备及存储介质 | |
CN112532927A (zh) | 一种施工现场智能安全管控*** | |
CN116152745A (zh) | 一种抽烟行为检测方法、装置、设备及存储介质 |
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 | ||
CP02 | Change in the address of a patent holder |
Address after: Room 504, 5 / F, building A3, phase I project of Zhongan chuanggu Science Park, Hefei hi tech Zone, Anhui 230001 Patentee after: Anhui Xiaomi Information Technology Co.,Ltd. Address before: 230001 room 611-612, block B, Wanda future tower, Baohe District, Hefei City, Anhui Province Patentee before: Anhui Xiaomi Information Technology Co.,Ltd. |
|
CP02 | Change in the address of a patent holder | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201127 |
|
CF01 | Termination of patent right due to non-payment of annual fee |