CN113112151A - 基于多维感知和企业数据量化的智慧风控评估方法与*** - Google Patents
基于多维感知和企业数据量化的智慧风控评估方法与*** Download PDFInfo
- Publication number
- CN113112151A CN113112151A CN202110390767.XA CN202110390767A CN113112151A CN 113112151 A CN113112151 A CN 113112151A CN 202110390767 A CN202110390767 A CN 202110390767A CN 113112151 A CN113112151 A CN 113112151A
- Authority
- CN
- China
- Prior art keywords
- safety
- production
- staff
- obtaining
- node
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 13
- 238000011002 quantification Methods 0.000 title claims abstract description 12
- 230000008447 perception Effects 0.000 title claims abstract description 7
- 238000004519 manufacturing process Methods 0.000 claims abstract description 199
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000010586 diagram Methods 0.000 claims description 34
- 238000013139 quantization Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000004454 trace mineral analysis Methods 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 15
- 230000003993 interaction Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 6
- 238000005520 cutting process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/04—Manufacturing
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Computer Security & Cryptography (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及人工智能技术领域,具体涉及一种基于多维感知和企业数据量化的智慧风控评估方法与***。该方法通过获取生产现场中生产设备和员工的位置信息,根据生产设备自身的安全程度、员工在生产设备之间的运动情况得到生产设备的安全量化指标,进而以生产设备为节点、员工的移动方向为节点间的有向边、以及节点间的员工的流动数量为该节点间的边权值以构成生产现场的关联图谱;结合关联图谱的嵌入向量和员工的变动程度得到生产现场的生产安全量化指标。通过分析生产现场员工的运动轨迹能够清楚的反映出员工的工作情况和企业的管理制度,进一步结合生产设备自身的安全程度和员工对生产设备的安全影响程度能够更加真实地反应企业的生产安全情况。
Description
技术领域
本发明涉及人工智能技术领域,具体涉及一种基于多维感知和企业数据量化的智慧风控评估方法与***。
背景技术
针对加工制造企业,尤其是危化生产企业而言,生产安全一直都是重中之重。现在的企业生产安全技术大多考虑生产空间中各原料的存储位置、生产设备、安全设施等一系列影响因素来量化企业的安全生产指标。
发明人在实践中,发现上述现有技术存在以下缺陷:企业的生产安全也离不开员工的责任分配,进而忽略了员工日常生产过程中的职责规划对生产安全的隐患。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种基于多维感知和企业数据量化的智慧风控评估方法与***,所采用的技术方案具体如下:
第一方面,本发明一个实施例提供一种基于多维感知和企业数据量化的智慧风控评估方法,该方法包括:
采集生产现场的全景图,根据所述全景图获取生产设备和多个员工的位置信息;
根据所述生产设备的位置信息获得设备运行区域,并结合所述生产设备的安全等级和运行环境参数得到所述生产设备的第一安全值;
根据所述员工的位置信息获取所述员工在所述设备运行区域的停留时间;以所述生产设备为节点、所述停留时间为所述节点的第二安全值、每个所述员工的移动方向为所述节点间的有向边,构成每个所述员工的运动轨迹图;融合多个所述员工的运动轨迹图得到员工轨迹图及其相应节点的第三安全值;
根据所述第一安全值、所述第三安全值、以及根据所述员工轨迹图中所述节点的入度分配的权重,得到所述节点的安全量化指标;根据所述员工的移动数量得到所述节点间的边权值;利用所述节点的安全量化指标和所述边权值对所述员工轨迹图进行更新以得到所述生产现场的关联图谱;
获取所述关联图谱的嵌入向量;根据所述运动轨迹图的变动数量得到多个所述员工的变动程度,进而根据所述嵌入向量和所述变动程度得到所述生产现场的生产安全量化指标。
进一步地,所述第三安全值的获取方法,包括:
将多个所述运动轨迹图中相同节点的所述第二安全值的均值作为所述员工轨迹图中相应所述节点的所述第三安全值。
进一步地,所述根据所述员工轨迹图中所述节点的入度分配的权重的方法,包括:
利用所述入度和所述员工的总数量的比值得到所述节点的所述权重。
进一步地,所述节点的安全量化指标是根据所述第一安全值、所述第三安全值、以及所述权重的乘积得到的。
进一步地,所述生产现场的生产安全量化指标是根据所述嵌入向量和所述变动程度的比值得到的。
第二方面,本发明另一个实施例提供了一种基于多维感知和企业数据量化的智慧风控评估***,该***包括:
图像处理单元,用于采集生产现场的全景图,根据所述全景图以获取生产设备和多个员工的位置信息;
生产设备检测单元,用于根据所述生产设备的位置信息获得设备运行区域,并结合所述生产设备的安全等级和运行环境参数得到所述生产设备的第一安全值;
运动轨迹分析单元,用于根据所述员工的位置信息获取所述员工在所述设备运行区域的停留时间;以所述生产设备为节点、所述停留时间为所述节点的第二安全值、每个所述员工的移动方向为所述节点间的有向边,构成每个所述员工的运动轨迹图;融合多个所述员工的运动轨迹图得到员工轨迹图及其相应节点的第三安全值;
关联图谱获取单元,用于根据所述第一安全值、所述第三安全值、以及根据所述员工轨迹图中所述节点的入度分配的权重,得到所述节点的安全量化指标;根据所述员工的移动数量得到所述节点间的边权值;利用所述节点的安全量化指标和所述边权值对所述员工轨迹图进行更新以得到所述生产现场的关联图谱;
安全指标获取单元,用于获取所述关联图谱的嵌入向量;根据所述运动轨迹图的变动数量得到多个所述员工的变动程度,进而根据所述嵌入向量和所述变动程度得到所述生产现场的生产安全量化指标。
进一步地,所述运动轨迹分析单元中所述第三安全值的获取方法为:
将多个所述运动轨迹图中相同节点的所述第二安全值的均值作为所述员工轨迹图中相应所述节点的所述第三安全值。
进一步地,所述关联图谱获取单元中所述根据所述员工轨迹图中所述节点的入度分配的权重的方法,包括:
利用所述入度和所述员工的总数量的比值得到所述节点的所述权重。
进一步地,所述关联图谱获取单元中所述节点的安全量化指标是根据所述第一安全值、所述第三安全值、以及所述权重的乘积得到的。
进一步地,所述安全指标获取单元中所述生产现场的生产安全量化指标是根据所述嵌入向量和所述变动程度的比值得到的。
本发明至少存在以下有益效果:(1)根据员工在生产设备之间的移动情况构建员工的运动轨迹图,进而利用所有员工的运动轨迹图进行融合得到该生产现场的员工轨迹图,该员工轨迹图不仅能够清楚地呈现出该员工的工作状态,而且能够反映出员工对生产设备的安全影响程度。
2)结合员工与生产设备的交互情况、生产设备自身的安全情况得到该生产现场的关联图谱,该关联图谱能够准确反应企业生产的真实情况,进而根据员工与生产设备的实时交互情况实时获取该企业生产的安全指标,进而能够根据由关联图谱得到的企业生产的安全量化指标对生产现场进行合理的调整,以提高该企业生产的安全性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种基于多维感知和企业数据量化的智慧风控评估方法的流程图;
图2为本发明一个实施例所提供的一种基于多维感知和企业数据量化的智慧风控评估方法的步骤流程图;
图3为本发明另一个实施例所提供的一种基于多维感知和企业数据量化的智慧风控评估***的结构框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种基于多维感知和企业数据量化的智慧风控评估方法与***,其具体实施方式、结构、特征及其作用,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于多维感知和企业数据量化的智慧风控评估方法与***的具体方案。
本发明所述针对的具体场景为:适用于加工制造企业,尤其是针对危化企业的生产现场。
参照附图1和附图2,本发明实施例提供了一种基于多维感知和企业数据量化的智慧风控评估方法,该方法包括以下具体步骤:
步骤S001,采集生产现场的全景图,根据全景图以获取生产设备和多个员工的位置信息。
具体的,本发明实施例利用生产现场中已经部署的监控相机采集生产现场的RGB图像,考虑到采集的RGB图像不能完整体现生产现场,所以需要对采集到的RGB图像进行拼接以得到生产现场的全景图。进而将全景图送入目标检测网络得到每一个生产设备和多个员工的包围框信息,该包围框信息能够体现生产设备和员工的位置信息。
本发明实施例中采用编码器-解码器结构的Center Net网络以得到每一个生产设备和员工的包围框信息,且Center Net网络输入为生产现场的全景图,输出为每一个生产设备和多个员工的包围框信息,其中,包围框信息包括中心点坐标以及宽高尺寸。
Center Net网络的具体训练过程:将全景图作为训练数据,为训练数据打上标签:标签包括每一个生产设备和员工的包围框信息,以及对应的类别标签。类别标签包括生产设备和员工两个类别;损失函数采用交叉熵函数与均方差函数之和,不断迭代更新模型参数。
需要说明的是,全景图的尺寸过大会使得降低网路的计算速度,可以将全景图裁剪成大小相同的多个裁剪图,并将裁剪图送入网络,进而将每个裁剪图的检测结果拼接在一起。
步骤S002,根据生产设备的位置信息获得设备运行区域,并结合生产设备的安全等级和运行环境参数得到生产设备的第一安全值。
具体的,考虑到不同类型的生产设备,其自身的安全等级、所需要的运行环境以及所需运行空间都完全不同,进而生产设备的安全性也不一定相同。因此,本发明实施例根据生产设备周围部署的标识牌、生产设备区域内部署的环境传感器获取的运行环境参数以及生产设备的设备运行区域这三个方面来获取生产设备的第一安全值。生产设备的第一安全值的具体计算方法为:
1)本发明实施例利用生产设备周围部署的标识牌的准确性来获取生产设备自身的安全等级。具体为:根据生产设备的包围框信息对全景图进行裁剪以得到裁剪图,根据生产设备的位置信息得到当前生产设备的标识牌模板,利用NCC模板匹配的方法将当前生产设备周围部署的标识牌与标识牌模板进行匹配,得到标识牌的匹配系数,将获得的最大匹配系数作为该生产设备的标识牌得分α,也即是生产设备的安全等级。当一个生产设备需要部署多个标识牌时,取所有匹配系数的均值作为最终的标识牌得分。
需要说明的是,若当前生产设备周围部署的标识牌在标识牌模板中无法匹配到,则匹配系数为0。
2)本发明实施例利用生产设备的位置信息获取该位置区域的传感器数据,根据生产设备所需的运行环境,以实时获取运行环境得分,其中,运行环境包括气压、湿度、温度等环境数据。本发明实施例以气压数据为例,根据先验知气压的合理范围为[a,b],该合理范围应从行业内的专业人员那里得到。通过传感器得到的气压数据为Ct,利用如下公式得到气压环境得分β:
其中,β=1时,表示生产设备的运行环境处于安全范围;β的值越小表示生产设备运行越危险。
需要说明的是,当生产设备需要监测多种环境数据时,取所有监测数据得分中的最小值作为运行环境得分。
3)本发明实施例对生产设备的设备运行区域进行分析。以生产设备所对应的区域面积为例,根据所有生产设备的位置信息,构建泰森多边形。由于每一个生产设备所在区域对应一个泰森多边形,该泰森多边形可以反应当前生产设备在空间中可支配区域,且在该泰森多边形区域内的所有点到该生产设备的距离最短,本发明实施例利用生产设备的包围框面积和对应的泰森多边形的面积得到生产设备的位置得分γ:
其中,s1为生产设备的包围框面积;s2为对应的泰森多边形的面积;位置得分γ的数值越大表示当前生产设备越安全。
需要说明的是,当γ小于0时,将其值置为0,以保证位置得分的取值范围在[0,1]。
4)本发明实施例根据标识牌得分、气压环境得分以及位置得分得到生产设备的第一安全值z:
其中,第一安全值z的取值范围为[0,1]。
步骤S003,根据员工的位置信息获取员工在设备运行区域的停留时间;以生产设备为节点、停留时间为节点的第二安全值、每个员工的移动方向为节点间的有向边,构成每个员工的运动轨迹图;融合多个员工的运动轨迹图得到员工轨迹图及其相应节点的第三安全值。
具体的,由于本发明实施例只需要得到员工的运动轨迹,对员工位置信息的精度要求不高,且利用员工的包围框信息实现员工的定位能够满足要求,因此,本发明实施例根据员工的包围框确定员工的位置信息,以实现实时定位,进而获取员工的运动轨迹图。
本发明实施例以一个员工为例来详细介绍该员工的运动轨迹图的获取方法:
1)利用人脸识别技术确定员工的身份信息,得到目标员工。为了降低计算量,利用两帧图像之间员工的包围框的面积交并比(IOU)实现目标跟踪,即下一帧图像与当前帧图像中目标员工的包围框的IOU最大时,视为同一员工,且不需要调用人脸识别技术即可获得员工身份信息。
2)员工的运动状态包括停留和移动两种状态。需要说明的是,根据实际情况,当员工沿着相机深度方向运动时,员工包围框的面积在不断减小,使得前后两帧图像中同一员工包围框的IOU出现误差,仅凭借员工包围框的IOU不能准确得到员工的运动状态;同时考虑到企业复杂的生产现场,员工之间的相互遮挡以及员工作业时身体动作会引起包围框面积的变化,所以为了得到准确的运动状态,本发明实施例综合前后两帧员工的包围框的IOU以及包围框的面积变化进行运动状态检测。
当前后两帧图像中员工包围框的面积变化ΔA=0时,运动状态由IOU进行判断,即当前后两帧图像的IOU大于0.7时,认为该目标员工处于停留状态,否则认为该目标员工处于移动状态。
需要说明的是,0.7为经验阈值,实施者可根据实际情况进行更改。
3)当前后两帧图像中员工包围框的面积变化ΔA≠0时,则获得前后两帧图像中员工包围框的裁剪图作进一步判断。具体为:
利用Sobel算子对裁剪图进行处理获得边缘图像,边缘图像可以反应裁剪图中的梯度信息。对边缘图像作归一化处理,得到归一化边缘图像,归一化公式如下所示:
通过归一化边缘图像获得梯度量化信息指标:
其中,w×h为裁剪图的尺寸信息,ρ为梯度量化信息指标。
根据先验知道,当员工与监控相机之间的距离发生改变时,图像的清晰度会发生变化,反应在图像上就是梯度的变化。因此,本发明实施例中当|ρt-1-ρt|>0.2时,认为员工包围框的面积变化由于员工的位置变化引起的,判定该员工的运动状态为移动状态,否则认为面积变化是由于员工的相互遮挡或员工的动作变化引起的,此时利用步骤2)中的IOU判断人员状态。
4)当目标员工为停留状态时,计算每个生产设备包围框与当前时刻目标员工包围框的IOU,选择IOU最大值所对应的生产设备作为目标员工停留的节点,并将该目标员工在该生产设备的设备运行区域处的停留时间作为当前节点的第二安全值。需要说明的是,停留时间越长表示该员工在该生产设备的设备运行区域的时间越长,则其他生产设备的安全程度降低。
5)利用步骤1)至步骤4)的过程,能够得到目标员工下一次停留的节点,进而得到下一节点的第二安全值,同时得到一条由员工的移动方向得到的有向边,也即是节点间的有向边。按照相同的方法,逐渐完善每一个节点的第二安全值以及节点间的有向边,当出现重复的有向边时,停止检测,得到一张有向图,将该有向图作为目标员工的运动轨迹图。该运动轨迹图能够反应员工与生产设备交互现象和交互时间,以及员工的移动轨迹。
6)为了方便后续的信息融合,本发明实施例对每一个节点的第二安全值进行归一化操作,具体计算方法如下:
其中,VOld为归一化之前节点的第二安全值;VNew为归一化之后节点的第二安全值;Num为该员工的运动轨迹图中节点的数量。
进一步地,本发明实施例将多个员工的运动轨迹图进行图像融合得到一张员工轨迹图。该图像融合方法为:不同员工的运功轨迹图可能会包含相同的节点,将所有员工的运动轨迹图中对应相同节点的第二安全值相加求均值得到员工轨迹图中相同节点的第三安全值同时获得员工轨迹图中每个节点的入度,进而根据节点的第三安全值和入度得到员工轨迹图。。
作为一个示例,对于融合过程,假设有3个员工的运动轨迹图中均包含从其他节点到达节点1的路径,则融合之后所获得的员工轨迹图中节点1的入度为3。
步骤S004,根据第一安全值、第三安全值、以及根据员工轨迹图中节点的入度信息分配的权重,得到节点的安全量化指标;根据员工的移动数量得到节点间的边权值;利用节点的安全量化指标和边权值对员工轨迹图进行更新以得到生产现场的关联图谱。
具体的,每个员工的运动轨迹图为动态更新的,可以真实反映企业在生产活动中员工与各个生产设备的交互情况,且经统计获得企业生产中的安全问题80%-90%是由人员的行为引起的,根据员工与各个生产设备之间的交互情况来分析企业的生产安全,能够准确判断企业的生产安全程度,因此,本发明实施例根据员工轨迹图中节点的入度信息为每个节点分配权重,即当员工轨迹图中节点j对应的入度为mj,则节点j的权重大小δj为:
其中,P为企业生产现场的员工的总数量。
利用生产设备的第一安全值、员工轨迹图中节点的第三安全值以及节点对应的权重进行信息融合得到节点的安全量化指标,则本发明实施例中每个节点的安全量化指标是根据第一安全值、第三安全值、以及权重的乘积得到的,该安全量化指标的计算公式如下:
将员工轨迹图中相邻节点间员工的移动数量作为节点间的边权值。
作为一个示例,假设员工轨迹图中节点1指向节点2的连接出现3次时,则节点1到节点2的有向边的边权值为3;假设节点2指向节点1的连接出现2次,则节点2到节点1的有向边的边权值为2。
需要说明的是,当员工没有出现移动的现象时,关联图谱中对应的节点间的边权值为0。
进一步地,本发明实施例利用节点的安全量化指标和节点间的边权值对员工轨迹图进行更新以得到生产现场的关联图谱。
步骤S005,获取关联图谱的嵌入向量;根据运动轨迹图的变动数量得到多个员工的变动程度,进而根据嵌入向量和变动程度得到生产现场的生产安全量化指标。
其中,Score取值为[0,1],该值越大越安全。
需要说明的是,员工的变动程度的计算方法为:本发明实施例设置每天更新一次员工的运动轨迹图,对比更新前后的运动轨迹图,当运动轨迹图中节点的数目发生变化时,将发生变化的运动轨迹图的数量作为变动数量,进而利用变动数量和所有员工的数量得到员工的变动程度。例如:将一个员工更新前的运动轨迹图与更新后的运动轨迹图进行对比,当该员工的运动轨迹图中节点的数目发生变化时,将统计员工轨迹图的变动数量的累加器加1,当N个员工的运动轨迹图发生变化时,变动数量就为N,进而利用如下公式获取员工的变动程度
综上所述,本发明实施例提供了一种基于多维感知和企业数据量化的智慧风控评估方法,该方法根据生产设备的安全等级、运行环境参数以及设备运行区域得到该生产设备的第一安全值;利用员工和生产设备之间的交互情况构建员工的运动轨迹图,将所有员工的运动轨迹图进行融合得到一张该生产现场的员工轨迹图;利用生产设备的第一安全值、员工和生产设备之间的交互情况对员工轨迹图进行更新以得到该生产现场的关联图谱,利用图嵌入算法得到关联图谱的嵌入向量,通过嵌入向量和员工的变动程度得到该生产现场的生产安全量化指标。根据员工与生产设备的交互情况以构建该生产现场的员工轨迹图,能够清楚的反映出员工的工作情况和企业的管理制度,进一步结合生产设备自身的安全程度和员工对生产设备的安全影响程度能够更加真实地反应企业的生产安全情况。
基于与上述方法相同的发明构思,本发明实施例提供了一种基于多维感知和企业数据量化的智慧风控***。
参照附图3,本发明实施例提供了一种基于多维感知和企业数据量化的智慧风控***,该***包括图像处理单元10、生产设备检测单元20、运动轨迹分析单元30、关联图谱获取单元40以及安全指标获取单元50。
图像处理单元10,用于采集生产现场的全景图,根据全景图以获取生产设备和多个员工的位置信息。
生产设备检测单元20,用于根据生产设备的位置信息获得设备运行区域,并结合生产设备的安全等级和运行环境参数得到生产设备的第一安全值。
运动轨迹分析单元30,用于根据员工的位置信息获取员工在设备运行区域的停留时间;以生产设备为节点、停留时间为节点的第二安全值、每个员工的移动方向为节点间的有向边,构成每个员工的运动轨迹图;融合多个员工的运动轨迹图得到员工轨迹图及其相应节点的第三安全值。
关联图谱获取单元40,用于根据第一安全值、第三安全值、以及根据员工轨迹图中节点的入度分配的权重,得到节点的安全量化指标;根据员工的移动数量得到节点间的边权值;利用节点的安全量化指标和边权值对员工轨迹图进行更新以得到生产现场的关联图谱。
安全指标获取单元50,用于获取关联图谱的嵌入向量;根据运动轨迹图的变动数量得到多个员工的变动程度,进而根据嵌入向量和变动程度得到生产现场的生产安全量化指标。
进一步地,运动轨迹分析单元30中第三安全值的获取方法为:
将多个运动轨迹图中相同节点的第二安全值的均值作为员工轨迹图中相应节点的第三安全值。
进一步地,关联图谱获取单元40中根据员工轨迹图中节点的入度分配的权重的方法,包括:
利用入度和员工的总数量的比值得到节点的权重。
进一步地,关联图谱获取单元40中节点的安全量化指标是根据第一安全值、第三安全值、以及权重的乘积得到的。
进一步地,安全指标获取单元50中生产现场的生产安全量化指标是根据嵌入向量和变动程度的比值得到的。
综上所述,本发明实施例提供了一种基于多维感知和企业数据量化的智慧风控评估***,该***在图像处理单元10通过处理生产现场的全景图以获取生产设备和员工的位置信息;根据生产设备的位置信息在生产设备检测单元20得到生产设备的第一安全值;根据员工与生产设备的交互情况在运功轨迹分析单元30得到员工轨迹图;利用生产设备的第一安全值和员工的移动数量更新员工轨迹图以在关联图谱获取单元40得到生产现场的关联图谱;将关联图谱的嵌入向量与员工的变动程度通过安全指标获取单元50得到企业生产现场的生产安全量化指标。根据员工与生产设备的交互情况以构建该生产现场的员工轨迹图,能够清楚的反映出员工的工作情况和企业的管理制度,进一步结合生产设备自身的安全程度和员工对生产设备的安全影响程度能够更加真实地反应企业的生产安全情况。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于多维感知和企业数据量化的智慧风控评估方法,其特征在于,该方法包括:
采集生产现场的全景图,根据所述全景图获取生产设备和多个员工的位置信息;
根据所述生产设备的位置信息获得所述设备运行区域,并结合所述生产设备的安全等级和运行环境参数得到所述生产设备的第一安全值;
根据所述员工的位置信息获取所述员工在所述设备运行区域的停留时间;以所述生产设备为节点、所述停留时间为所述节点的第二安全值、每个所述员工的移动方向为所述节点间的有向边,构成每个所述员工的运动轨迹图;融合多个所述员工的运动轨迹图得到员工轨迹图及其相应节点的第三安全值;
根据所述第一安全值、所述第三安全值、以及根据所述员工轨迹图中所述节点的入度分配的权重,得到所述节点的安全量化指标;根据所述员工的移动数量得到所述节点间的边权值;利用所述节点的安全量化指标和所述边权值对所述员工轨迹图进行更新以得到所述生产现场的关联图谱;
获取所述关联图谱的嵌入向量;根据所述运动轨迹图的变动数量得到多个所述员工的变动程度,进而根据所述嵌入向量和所述变动程度得到所述生产现场的生产安全量化指标。
2.如权利要求1所述的方法,其特征在于,所述第三安全值的获取方法,包括:
将多个所述运动轨迹图中相同节点的所述第二安全值的均值作为所述员工轨迹图中相应所述节点的所述第三安全值。
3.如权利要求1所述的方法,其特征在于,所述根据所述员工轨迹图中所述节点的入度分配的权重的方法,包括:
利用所述入度和所述员工的总数量的比值得到所述节点的所述权重。
4.如权利要求1所述的方法,其特征在于,所述节点的安全量化指标是根据所述第一安全值、所述第三安全值、以及所述权重的乘积得到的。
5.如权利要求1所述的方法,其特征在于,所述生产现场的生产安全量化指标是根据所述嵌入向量和所述变动程度的比值得到的。
6.一种基于多维感知和企业数据量化的智慧风控评估***,其特征在于,该***包括:
图像处理单元,用于采集生产现场的全景图,根据所述全景图以获取生产设备和多个员工的位置信息;
生产设备检测单元,用于根据所述生产设备的位置信息获得设备运行区域,并结合所述生产设备的安全等级和运行环境参数得到所述生产设备的第一安全值;
运动轨迹分析单元,用于根据所述员工的位置信息获取所述员工在所述设备运行区域的停留时间;以所述生产设备为节点、所述停留时间为所述节点的第二安全值、每个所述员工的移动方向为所述节点间的有向边,构成每个所述员工的运动轨迹图;融合多个所述员工的运动轨迹图得到员工轨迹图及其相应节点的第三安全值;
关联图谱获取单元,用于根据所述第一安全值、所述第三安全值、以及根据所述员工轨迹图中所述节点的入度分配的权重,得到所述节点的安全量化指标;根据所述员工的移动数量得到所述节点间的边权值;利用所述节点的安全量化指标和所述边权值对所述员工轨迹图进行更新以得到所述生产现场的关联图谱;
安全指标获取单元,用于获取所述关联图谱的嵌入向量;根据所述运动轨迹图的变动数量得到多个所述员工的变动程度,进而根据所述嵌入向量和所述变动程度得到所述生产现场的生产安全量化指标。
7.如权利要求6所述的***,其特征在于,所述运动轨迹分析单元中所述第三安全值的获取方法为:
将多个所述运动轨迹图中相同节点的所述第二安全值的均值作为所述员工轨迹图中相应所述节点的所述第三安全值。
8.如权利要求7所述的***,其特征在于,所述关联图谱获取单元中所述根据所述员工轨迹图中所述节点的入度分配的权重的方法,包括:
利用所述入度和所述员工的总数量的比值得到所述节点的所述权重。
9.如权利要求6所述的***,其特征在于,所述关联图谱获取单元中所述节点的安全量化指标是根据所述第一安全值、所述第三安全值、以及所述权重的乘积得到的。
10.如权利要求6所述的***,其特征在于,所述安全指标获取单元中所述生产现场的生产安全量化指标是根据所述嵌入向量和所述变动程度的比值得到的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110390767.XA CN113112151B (zh) | 2021-04-12 | 2021-04-12 | 基于多维感知和企业数据量化的智慧风控评估方法与*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110390767.XA CN113112151B (zh) | 2021-04-12 | 2021-04-12 | 基于多维感知和企业数据量化的智慧风控评估方法与*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113112151A true CN113112151A (zh) | 2021-07-13 |
CN113112151B CN113112151B (zh) | 2023-12-08 |
Family
ID=76715978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110390767.XA Active CN113112151B (zh) | 2021-04-12 | 2021-04-12 | 基于多维感知和企业数据量化的智慧风控评估方法与*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113112151B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114048953A (zh) * | 2021-10-14 | 2022-02-15 | 王明康 | 一种基于多维感知和企业数据量化的智慧风控评估方法 |
CN114707856A (zh) * | 2022-04-02 | 2022-07-05 | 河南鑫安利安全科技股份有限公司 | 基于计算机视觉的风险辨识分析与预警*** |
CN115641149A (zh) * | 2022-08-27 | 2023-01-24 | 北京华宜信科技有限公司 | 一种定制化数据资产估值方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150045072A1 (en) * | 2013-08-06 | 2015-02-12 | Qualcomm Incorporated | Method and apparatus for position estimation using trajectory |
KR101652099B1 (ko) * | 2015-12-15 | 2016-08-29 | 한국가스안전공사 | 위험지도 기반 사고대응 및 사고예방 시스템 |
GB202016383D0 (en) * | 2020-10-15 | 2020-12-02 | Continental Automotive Romania Srl | Method of updating the existance probability of a track in fusion based on sensor perceived areas |
CN112202789A (zh) * | 2020-09-30 | 2021-01-08 | 国网智能科技股份有限公司 | 一种变电站全景感知数据处理方法及*** |
-
2021
- 2021-04-12 CN CN202110390767.XA patent/CN113112151B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150045072A1 (en) * | 2013-08-06 | 2015-02-12 | Qualcomm Incorporated | Method and apparatus for position estimation using trajectory |
KR101652099B1 (ko) * | 2015-12-15 | 2016-08-29 | 한국가스안전공사 | 위험지도 기반 사고대응 및 사고예방 시스템 |
CN112202789A (zh) * | 2020-09-30 | 2021-01-08 | 国网智能科技股份有限公司 | 一种变电站全景感知数据处理方法及*** |
GB202016383D0 (en) * | 2020-10-15 | 2020-12-02 | Continental Automotive Romania Srl | Method of updating the existance probability of a track in fusion based on sensor perceived areas |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114048953A (zh) * | 2021-10-14 | 2022-02-15 | 王明康 | 一种基于多维感知和企业数据量化的智慧风控评估方法 |
CN114048953B (zh) * | 2021-10-14 | 2023-09-29 | 上海翼方键数科技有限公司 | 一种基于多维感知和企业数据量化的智慧风控评估方法 |
CN114707856A (zh) * | 2022-04-02 | 2022-07-05 | 河南鑫安利安全科技股份有限公司 | 基于计算机视觉的风险辨识分析与预警*** |
CN115641149A (zh) * | 2022-08-27 | 2023-01-24 | 北京华宜信科技有限公司 | 一种定制化数据资产估值方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113112151B (zh) | 2023-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113112151B (zh) | 基于多维感知和企业数据量化的智慧风控评估方法与*** | |
CN113705478B (zh) | 一种基于改进YOLOv5的红树林单木目标检测方法 | |
CN107808139B (zh) | 一种基于深度学习的实时监控威胁分析方法及*** | |
JP5384629B2 (ja) | 監視ゾーン内の対象物の移動を分類する装置および方法 | |
CN108009473A (zh) | 基于目标行为属性视频结构化处理方法、***及存储装置 | |
CN108275524B (zh) | 一种基于第一视角视频序列操作评估的电梯维保操作监测与指导装置 | |
CN112287827A (zh) | 基于智慧灯杆的复杂环境行人口罩佩戴检测方法及*** | |
CN110414400B (zh) | 一种施工现场安全帽穿戴自动检测方法及*** | |
CN115880784B (zh) | 基于人工智能的景区多人动作行为监测方法 | |
CN108470138A (zh) | 用于目标检测的方法和装置 | |
CN109657615A (zh) | 一种目标检测的训练方法、装置及终端设备 | |
CN112560745B (zh) | 一种电力作业现场人员甄别方法及相关装置 | |
CN109711322A (zh) | 一种基于rfcn的人车分离方法 | |
CN110728252B (zh) | 一种应用于区域人员运动轨迹监控的人脸检测方法 | |
CN110046677B (zh) | 数据预处理方法、地图构建方法、回环检测方法及*** | |
CN113076899B (zh) | 一种基于目标跟踪算法的高压输电线路异物检测方法 | |
CN112200021A (zh) | 基于有限范围场景内的目标人群跟踪监控方法 | |
CN116824335A (zh) | 一种基于YOLOv5改进算法的火灾预警方法及*** | |
CN111401301A (zh) | 人员着装监控方法、装置、设备及存储介质 | |
CN112528974A (zh) | 测距方法、装置、电子设备及可读存储介质 | |
CN116129135A (zh) | 基于小目标视觉识别和虚拟实体映射的塔吊安全预警方法 | |
CN114373162B (zh) | 用于变电站视频监控的危险区域人员入侵检测方法及*** | |
CN117079351B (zh) | 一种重点区域人员行为分析方法及*** | |
CN113538513A (zh) | 监控对象的进出控制方法、装置、设备及存储介质 | |
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 |
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 |