CN114445779A - 待检测区域的安全状态确定方法、***、设备及介质 - Google Patents
待检测区域的安全状态确定方法、***、设备及介质 Download PDFInfo
- Publication number
- CN114445779A CN114445779A CN202210119013.5A CN202210119013A CN114445779A CN 114445779 A CN114445779 A CN 114445779A CN 202210119013 A CN202210119013 A CN 202210119013A CN 114445779 A CN114445779 A CN 114445779A
- Authority
- CN
- China
- Prior art keywords
- detected
- image
- area
- determining
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000004519 manufacturing process Methods 0.000 claims abstract description 65
- 238000001514 detection method Methods 0.000 claims description 58
- 230000033001 locomotion Effects 0.000 claims description 52
- 238000012545 processing Methods 0.000 claims description 16
- 230000009545 invasion Effects 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012423 maintenance Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 229910000831 Steel Inorganic materials 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011410 subtraction method Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000009851 ferrous metallurgy Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Alarm Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提出的一种待检测区域的安全状态确定方法、***、设备及介质,该方法通过获取待检测区域的多张待检测图像,从其中确定至少一个运动目标,若运动目标位于预设敏感区域,获取运动目标的目标人脸图像;将目标人脸图像与多个预设合法人员人脸图像进行比对,根据比对结果确定待检测区域的安全状态,即若运动目标为合法人员则安全,否则为危险并可以进行报警,提醒运动目标撤离待检测区域,可以实现通过机器进行待检测区域的安全状态确定,不易受外界环境和其他目标干扰影响,生产现场的安全状态确定准确性高。
Description
技术领域
本发明涉及钢铁冶金领域和图像处理、图像识别领域,尤其涉及一种待检测区域的安全 状态确定方法、***、设备及介质。
背景技术
钢铁行业的生产现场环境复杂、危险源较多,随着各工序自动化和信息化水平的提高, 现场操作往往不需要借助于人力,生产现场的人员较少,或可能无人,但重点管控的生产单 元出入口无人值守,容易出现人员的误闯导致非法入侵,这将严重影响到员工的身体健康和 生命安全。
目前,钢铁厂的出入口管控方式大多是物理隔断、门禁***、人员巡检、高压脉冲式和 红外对射式电子围栏等,这些物理管控方式消耗了大量的人力物力,且易受外界环境及其他 目标干扰影响,生产现场的安全状态确定准确性较差。
发明内容
鉴于以上所述现有技术的缺点,本发明提供一种待检测区域的安全状态确定方法、***、 设备及介质,以解决相关技术中物理管控人力物力消耗较大,易受外界环境和其他目标干扰 影响,生产现场的安全状态确定准确性差的技术问题。
本发明提供的一种待检测区域的安全状态确定方法,所述方法包括:
获取待检测区域的多张待检测图像,所述待检测图像的图像采集时间不同;
从多张所述待检测图像中确定至少一个运动目标;
若所述运动目标位于预设敏感区域,获取所述运动目标的目标人脸图像;
将所述目标人脸图像与多个预设合法人员人脸图像进行比对,根据比对结果确定待检测 区域的安全状态。
可选的,所述获取待检测区域的多张待检测图像之前,所述方法还包括:
获取生产现场的生产设备的工作数据,并确定工作状态;
若所述工作状态包括生产状态,则所述安全状态包括待定;
若所述工作状态包括检修状态,则所述安全状态包括安全。
可选的,若所述工作状态包括生产状态,所述方法还包括:
采集所述待检测区域的区域初始图像;
从多个所述区域初始图像中选取所述待检测图像。
可选的,所述目标人脸图像通过一个或多个人脸识别装置采集,获取所述运动目标的目 标人脸图像包括:
获取所述人脸识别装置的人脸采集位置信息;
获取所述运动目标的运动抓拍信息,所述运动抓拍信息包括运动抓拍时间和运动抓拍位 置;
根据所述人脸采集位置信息和所述运动抓拍信息确定关联检测有效时间范围,并获取各 所述人脸识别装置采集在所述关联检测有效时间范围所采集的关联人脸图像,将所述关联人 脸图像作为目标人脸图像。
可选的,所述关联检测有效时间范围的确定方式包括以下至少之一:
根据所述人脸采集位置信息和所述运动抓拍信息确定采集距离,根据预设距离-时间关联 关系确定所述采集距离对应的预测采集时长,获取所述人脸识别装置与所述预设敏感区域的 装置区域位置关系,并根据所述运动抓拍时间、预测待采集时长和装置区域位置关系确定所 述关联检测有效时间范围;
根据所述人脸采集位置信息和所述运动抓拍信息确定采集距离,获取所述运动目标的运 动速度,所述运动速度根据所述运动目标在至少两张待检测图像中的移动距离和图像间隔时 间确定,根据所述采集距离和运动速度确定预测采集时长,获取所述人脸识别装置与所述预 设敏感区域的装置区域位置关系,并根据所述运动抓拍时间、预测待采集时长和装置区域位 置关系确定所述关联检测有效时间范围;
根据所述人脸采集位置信息和所述运动抓拍信息确定所述人脸识别装置的设置位置,并 根据所述设置位置获取所述人脸识别装置的预设采集时长,根据所述运动抓拍时间和预设采 集时长确定所述关联检测有效时间范围。
可选的,根据比对结果确定待检测区域的安全状态包括以下至少之一:
若所述关联人脸图像与各所述预设合法人员人脸图像之间的相似度小于预设人脸相似度 阈值,则非法人员侵入;
若所述关联人脸图像与至少一个所述预设合法人员人脸图像之间的相似度大于预设人脸 相似度阈值,则授权人员侵入;
根据各所述关联人脸图像的安全状态确定待检测区域的安全状态。
可选的,所述方法还包括以下至少之一:
若所述安全状态包括授权人员侵入,向所述运动目标发送安全防护提示信息和/或向目标 终端推送授权人员入侵消息;
若所述安全状态包括非法人员入侵,向所述运动目标发送非法侵入警示信息和/或向目标 终端推送非法人员入侵消息;
若所述安全状态包括非法人员入侵,显示所述待检测图像和/或显示所述待检测区域的实 时监控图像;
若所述安全状态包括非法人员入侵,将工作人员的语音提示信息传递给所述运动目标;
若所述安全状态包括非法人员入侵,追踪所述运动目标在所述预设敏感区域的运动状态, 若所述运动目标离开所述预设敏感区域停止报警;
若所述安全状态包括非法人员入侵,调整设置在所述预设敏感区域内人脸识别装置采集 的拍摄参数,以提升所述目标人脸图像的图像质量。
可选的,从多张所述待检测图像中确定至少一个运动目标的方式包括:
从多张所述待检测图像中确定至少一个疑似目标;
获取待检测图像中各所述疑似目标的疑似连通区域特征,所述疑似连通区域特征包括区 域面积、区域尺寸和区域比例中至少之一;
若所述疑似连通区域特征满足预设区域特征,将所述疑似目标作为运动目标。
可选的,所述方法还包括显示所述待检测区域的待检测区域图像,所述预设敏感区域的 设置方式包括:
获取区域选择指令,所述区域选择指令包括在所述待检测区域图像中所确定的区域点、 区域划线和预设选框中至少之一;
根据所述区域选择指令确定所述预设敏感区域。
本发明还提供了一种电子围栏***,其特征在于,所述***包括:
一个或多个待检测图像采集装置,用于获取待检测区域的多张待检测图像,所述待检测 图像的图像采集时间不同;
运动目标确定模块,用于从多张所述待检测图像中确定至少一个运动目标;
一个或多个人脸识别装置采集,用于若所述运动目标位于预设敏感区域,获取所述运动 目标的目标人脸图像;
状态确定模块,用于将所述目标人脸图像与多个预设合法人员人脸图像进行比对,根据 比对结果确定待检测区域的安全状态。
可选的,所述***还包括以下至少之一:
显示装置,用于若从多张待检测图像中确定至少一个运动目标,显示所述待检测图像采 集装置所采集的图像;
播放器,设置于所述预设敏感区域,用于根据所述安全状态播放提示语音;
报警联动模块,用于若所述安全状态包括非法人员入侵,根据预设报警规则发出声光报 警信号和/或发出报警消息;
***控制模块,用于获取生产现场的生产设备的工作数据,并确定工作状态,若所述工 作状态为目标状态,控制所述人脸识别装置采集人脸图像和/或控制所述待检测图像采集装置 采集待检测图像。
本发明还提供了一种电子设备,包括处理器、存储器和通信总线;
所述通信总线用于将所述处理器和存储器连接;
所述处理器用于执行所述存储器中存储的计算机程序,以实现如上述中任一项实施例所 述的方法。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,
所述计算机程序用于使所述计算机执行如上述任一项实施例所述的方法。
本发明的有益效果:本发明提出的一种待检测区域的安全状态确定方法、***、设备及 介质,该方法通过获取待检测区域的多张待检测图像,从其中确定至少一个运动目标,若运 动目标位于预设敏感区域,获取运动目标的目标人脸图像;将目标人脸图像与多个预设合法 人员人脸图像进行比对,根据比对结果确定待检测区域的安全状态,可以实现通过机器进行 待检测区域的安全状态确定,不易受外界环境和其他目标干扰影响,生产现场的安全状态确 定准确性高。
附图说明
图1是本发明一实施例中提供的待检测区域的安全状态确定方法的一种流程示意图;
图2是本发明一实施例中提供的人脸识别装置与预设敏感区域的一种位置关系示意图;
图3是本发明一实施例中提供的人脸识别装置与预设敏感区域的另一种位置关系示意图;
图4是本发明一实施例中提供的待检测区域的安全状态确定方法的一种具体的流程示意 图;
图5是本发明一实施例中提供的待检测区域的安全状态确定方法的另一种具体的流程示 意图;
图6是本发明一实施例提供的电子围栏***的一种结构示意图;
图7是本发明一实施例提供的一种电子设备的结构示意图;
图8是本发明一实施例中提供的待检测区域的安全状态确定方法的另一种具体的流程示 意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露 的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加 以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精 神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征 可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图 式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实 际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复 杂。
在下文描述中,探讨了大量细节,以提供对本发明实施例的更透彻的解释,然而,对本 领域技术人员来说,可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的, 在其他实施例中,以方框图的形式而不是以细节的形式来示出公知的结构和设备,以避免使 本发明的实施例难以理解。
如图1所示,本实施例提供了一种待检测区域的安全状态确定方法,该方法包括:
步骤S101:获取待检测区域的多张待检测图像。
其中,待检测图像的图像采集时间不同。
可选的,多张待检测图像帧可以是待检测区域的监控视频中所选取的连续或非连续的多 张视频帧。
可选的,多张待检测图像可以是由一个或多个待检测图像采集装置所采集的。每一个待 检测图像采集装置均能够拍摄到预设敏感区域的至少一部分区域。
在一个实施例中,获取待检测区域的多张待检测图像之前,该方法还包括:
获取生产现场的生产设备的工作数据,并确定工作状态;
若工作状态包括生产状态,则安全状态包括待定;
若工作状态包括检修状态,则安全状态包括安全。
待定则需要根据后续运动目标是否合法来进一步确定是否安全。
可选的,若工作状态为生产状态,该方法还包括:
采集待检测区域的区域初始图像;
从多个区域初始图像中选取待检测图像。
其中,生产设备可以是位于待检测区域内的设备,也可以是虽设备本体未放置于待检测 区域,但设备的运行过程中,会对待检测区域内的人造成健康威胁,此时该设备也为该实施 例的生产设备。
例如,目标状态为生产状态(工作),此时自动触发开启电子围栏检测(开启待检测区 域的安全状态确定);工作状态为检修状态时(非目标状态),自动触发停止检测(开启待检测区域的安全状态确定)。
可选的,生产设备的生产数据可以是基础自动化PLC的工作状态数据,例如可以通过 OPC(OLE for Process Control,用于过程控制的OLE(Object Linking andEmbedding,对 象连接与嵌入))、Modbus、TCP/IP等工业常用数据采集协议实时、稳定地采集基础自动化PLC 的工作状态数据。
可选的,在根据工作数据确定工作状态之前,该方法还包括对工作数据预先进行数据清 洗与处理,可以实现数据缺失值处理、异常值处理、数据有效性判断、数据抽取与连接等简 单计算和处理,自动从完整性、唯一性、一致性、精确性、合法性、及时性等多个方面对数 据进行清洗,并对采集的基础数据进行必要的计算、组织、关联,便于分析和处理。
可选的,工作状态至少包括生产状态和检修状态等。例如,当生产状态需要人员辅助时, 目标状态包括生产状态,当采集到PLC(可编程逻辑控制器)的工作状态数据为生产状态时才 进行待检测图像的获取,并执行后续步骤,否则,当采集到PLC的工作状态为检修状态时, 自动触发停止待检测图像的获取,并暂停后续步骤。由于检修等停工状态下,设备的危险性 相对较低,此时可以不再执行安全状态的确定,能够减少资源占用与消耗。
可选的,当工作状态为生产状态(工作)时,则启动待检测图像采集装置,对检检测区 域进行拍摄,可以是录像、抓拍、或者实时监控视频。再从一个时间段内的视频帧或多张抓 拍照(区域初始图像)中选取待检测图像。
可选的,有时生产过程为无人化,此时意味着生产过程中不允许有人员出现,则目标状 态可以是检测状态,当为检测状态时,采集所述待检测区域的区域初始图像。当为生产状态 时,一旦确定到运动目标时,不再获取目标人脸图像,也不再进行人脸比对,直接将待检测 区域的安全状态确定为非法人员入侵。
可选的,目标状态可以由本领域技术人员根据需要进行设定。
可选的,待检测图像可以预先进行图像校验(如通过获取每张待检测图像的清晰度,当 清晰度大于预设清晰度阈值时,才将该图像作为待检测图像),以保证待检测图像清晰、完 整、能够便于后续进行运动目标的确认。
可选的,根据工作数据确定工作状态的方式可以是通过获取若干个标识数据(如电压数 据、电流数据等),标识数据在生产状态和检修状态、停机状态下的数值存在较大差异,此 时,根据预设的标识阈值与当前所采集的生产数据就可以判断得到该设备的工作状态。当然, 根据工作数据确定工作状态的方式也可以是本领域技术人员所知晓的其他方式。
在一个实施例中,区域初始图像通过待检测图像采集装置实现采集,可以通过工作状态 来控制待检测图像采集装置是否进行图像采集。当工作状态为生产状态时,待检测图像采集 装置进行图像采集;当工作状态为检测状态时,待检测图像采集装置停止图像采集。这样可 以有效的减少资源浪费,减少非必要存储空间的占用。
步骤S102:从多张待检测图像中确定至少一个运动目标。
若从多张待检测图像中没有确定到运动目标,则待检测区域的安全状态为安全。
在一个实施例中,从多张待检测图像中确定至少一个运动目标的方式包括:
从多张待检测图像中确定至少一个疑似目标;
获取待检测图像中各疑似目标的疑似连通区域特征,疑似连通区域特征包括区域面积、 区域尺寸和区域比例中至少之一;
若疑似连通区域特征满足预设区域特征,将疑似目标作为运动目标。
其中,区域面积为疑似目标所在疑似连通区域的面积,区域尺寸为疑似目标所在疑似连 通区域的长、宽等尺寸,区域比例为疑似目标所在疑似连通区域的长宽比等。预设区域特征 可以是预设面积阈值、预设尺寸阈值、预设比例阈值等。通过上述方式对疑似目标进行筛选, 可以将动物、设备、车辆等干扰项进行过滤,进一步确保所提取出来的运动目标为我们需要 的目标。
可选的,从多张待检测图像中确定至少一个疑似目标的方式包括:
获取各待检测图像的感兴趣区域图像,感兴趣区域图像也即待检测图像中的一部分图像;
基于混合高斯模型的背景减除法从多张感兴趣区域图像中提取运动对象信息,并利用形 态学滤波方法获取前景图片,得到疑似目标。
此时,各疑似目标的疑似连通区域特征可以为从各前景图片中提取各疑似目标所对应的 连图区域的特征。
步骤S103:若运动目标位于预设敏感区域,获取运动目标的目标人脸图像。
可选的,运动目标可以是整个身体均进入到了预设敏感区域,也可以是身体的一部分进 入了预设敏感区域。此处的进入敏感区域也可以是解除了预设敏感区域的边缘。具体的,运 动目标是否位于预设敏感区域的边界可以由本领域技术人员根据需要进行设定。
可选的,步骤S103之前,该方法还包括判断运动目标是否位于预设敏感区域。
可选的,判断运动目标是否位于预设敏感区域的方法包括:
获取运动目标位置坐标和预设敏感区域位置坐标阈值,
若运动目标位置坐标位于预设敏感区域位置坐标阈值范围内,则运动目标位于预设敏感 区域。
可选的,运动目标位置可以是真实世界坐标系下的真实位置,也可以是相机等采集装置 的相对位置,后续关于位置的描述均默认其在同一个预设坐标系下。
可选的,由于运动目标可以出现在多个待检测图像中,运动目标位置坐标可以是运动目 标在其中一个待检测图像中的坐标,也可以是运动目标在其出现的各个待检测图像中的坐标。
可选的,运动目标的图像往往具有一定的面积,此时,对于运动目标位置坐标所选择的 标识点可以是运动目标的识别框的各个顶点或其中一个顶点。运动目标位置坐标所选择的标 识点也可以是运动目标上的某一点,如头部上的一点等。
在一个实施例中,目标人脸图像通过一个或多个人脸识别装置采集,获取运动目标的目 标人脸图像包括:
获取人脸识别装置的人脸采集位置信息;
获取运动目标的运动抓拍信息,运动抓拍信息包括运动抓拍时间和运动抓拍位置;
根据人脸采集位置信息和运动抓拍信息确定关联检测有效时间范围,并获取各人脸识别 装置采集在关联检测有效时间范围所采集的关联人脸图像,将关联人脸图像作为目标人脸图 像。
若未获取到关联人脸图像,也即可能在关联检测有效时间范围人脸识别装置没有采集到 人脸图像,此时可以将待检测图像采集装置所采集到的当前图像推送到预设显示屏上进行联 动显示,并向目标客户端推送人员入侵消息。
可选的,人脸识别装置采集可以是人脸抓拍照相机等设备。
由于人脸识别装置与待检测图像采集装置的安装位置可能存在差异,存在一定的距离, 此时,运动目标被人脸识别装置和待检测图像采集装置所拍摄的时间具有一定的时间差。这 样可以根据人脸采集位置信息和运动抓拍信息确定关联检测有效时间范围,提取关联检测有 效时间范围内人脸识别装置中所抓拍的人脸图像作为关联人脸图像。
目标人脸图像可以是与拍摄到运动目标的待检测图像采集装置预设的相关联的人脸识别 装置所拍摄的。换句话说,当预设敏感区域较大或存在一定遮挡时,则可以存在多个待检测 图像采集装置,此时,不是每一个人脸识别装置均能够拍摄到运动目标的人脸图像的,故可 以预先设定各人脸识别装置与待检测图像采集装置的关联关系,在确定到运动目标时,仅获 取与拍摄到该运动目标的待检测图像采集装置相关联的人脸识别装置在关联检测有效时间范 围内所拍摄的关联人脸图像作为目标人脸图像。
可选的,获取人脸识别装置的人脸采集位置信息之前,该方法还包括:
获取采集到运动目标的待检测图像采集装置信息,并根据待检测图像采集装置信息从各 人脸识别装置中确定关联识别装置;
此时获取人脸识别装置的人脸采集位置信息,也即获取关联识别装置的人脸采集位置信 息。后续对于关联人脸图像也为关联识别装置所采集的图像。
在一个实施例中,关联检测有效时间范围的确定方式包括:
根据人脸采集位置信息和运动抓拍信息确定采集距离,根据预设距离-时间关联关系确定 采集距离对应的预测采集时长,获取人脸识别装置与预设敏感区域的装置区域位置关系,并 根据运动抓拍时间、预测待采集时长和装置区域位置关系确定关联检测有效时间范围。
其中,预设距离-时间关联关系可以是由本领域技术人员预先设置的映射表格,可以基于 现场环境所确定的人的最大移动速度和最小移动速度来确定某一距离所对应的移动时长范围, 进而得到距离-时间函数,将采集距离输入到距离-时间函数,得到的时长范围即为预测采集 时长。换句话说,预测采集时长为运动目标被待检测图像采集装置所抓拍到前(后)被人脸 识别装置采集到人脸图像的可能的时间段。预设采集时长可以是某一特定的值,也可以是一 个取值范围。当预设采集时长为某一特定的值时(如5分钟),在确定关联检测有效时间范 围时,先得到一个确定的时间值(假设运动抓拍时间为12点整,装置区域位置关系为人脸识 别装置在预设敏感区域内,则预设采集时长为12:05),在取该时间值的前后若干时间(如 前后3分钟)作为最终的关联检测有效时间范围(如12:02-12:08)。
装置区域位置关系包括:人脸识别装置在预设敏感区域内,人脸识别装置在预设敏感区 域外。
如图2所示,当人脸识别装置(人脸识别B)在预设敏感区域内时,则运动目标A先被待检测图像采集装置所拍摄到,在经过一定的时间被人脸识别装置所拍摄到。假设预测采集 时长为3-5分钟(也即最快3分钟会被人脸识别装置抓拍到,最慢5分钟会被人脸识别装置 抓拍到),运动抓拍时间为12点整,则关联检测有效时间范围为12:03-12:05。
如图3所示,当人脸识别装置(人脸识别A)在预设敏感区域外时,则运动目标B先被人脸识别装置所拍摄到,在经过一定的时间被待检测图像采集装置所拍摄到。假设预测采集 时长为3-5分钟(也即最快3分钟前会被人脸识别装置抓拍到,最慢5分钟前会被人脸识别 装置抓拍到),运动抓拍时间为12点整,则关联检测有效时间范围为11:55-11:57。
在一个实施例中,关联检测有效时间范围的确定方式包括:
根据人脸采集位置信息和运动抓拍信息确定采集距离,获取运动目标的运动速度,运动 速度根据运动目标在至少两张待检测图像中的移动距离和图像间隔时间(两种待检测图像的 采集时间差)确定,根据采集距离和运动速度确定预测采集时长,获取人脸识别装置与预设 敏感区域的装置区域位置关系,并根据运动抓拍时间、预测待采集时长和装置区域位置关系 确定关联检测有效时间范围。
此时,可以根据每一个运动目标个体的差异确定该运动目标实际的运动速度,再基于该 运动速度和采集距离确定运动目标在人脸识别装置与待检测图像采集装置之间移动所需要的 时间作为预测采集时长,进而确定关联检测有效时间范围。与前述方式类似,在确定到关联 检测有效时间范围后,为例避免误差,还可取一个调整参数(如前后调整2分钟)来对关联 检测有效时间范围进行调整,进一步保证能够获取到运动目标的关联人脸图像,如关联检测 有效时间范围为12:00,调整参数为±2分钟,则调整后的关联检测有效时间范围为 11:58-12:02。
在一个实施例中,关联检测有效时间范围的确定方式包括:
根据人脸采集位置信息和运动抓拍信息确定人脸识别装置的设置位置,并根据设置位置 获取人脸识别装置的预设采集时长,根据运动抓拍时间和预设采集时长确定关联检测有效时 间范围。
可选的,本领域技术人员也可以基于人脸识别装置和待检测图像采集装置之间的位置关 系和距离来预先设定预设采集时长,进而确定关联检测有效时间范围。如预设采集时长为(-5 分钟,-1分钟),运动抓拍时间为12点整,关联检测有效时间范围为11:55-11:59。
步骤S104:将目标人脸图像与多个预设合法人员人脸图像进行比对,根据比对结果确定 待检测区域的安全状态。
可以理解,当存在至少一个运动目标时,待检测区域的安全状态也可以理解为运动目标 的安全状态,当待检测区域安全时(生产设备处于检修状态或者合法人员进入时),对于进 入到预设敏感区域的人或其他目标没有较高的风险,运动目标处于安全状态。但当待检测区 域危险时(生产设备处于生产状态或者非法人员进入时),对于进入到预设敏感区域的人或 其他目标将存在较高的风险,运动目标处于危险状态。
将目标人脸图像与多个预设合法人员人脸图像进行比对可以基于预先训练好的人脸比对 模型实现。
在一个实施例中,根据比对结果确定待检测区域的安全状态包括以下至少之一:
若关联人脸图像与各预设合法人员人脸图像之间的相似度阈值小于预设人脸相似度阈值, 则非法人员侵入;
若关联人脸图像与至少一个预设合法人员人脸图像之间的相似度阈值大于预设人脸相似 度阈值,则授权人员侵入;
根据各关联人脸图像的安全状态确定待检测区域的安全状态。
检测区域的安全状态可能包括非法人员侵入和/或授权人员侵入。
在一个实施例中,该方法还包括以下至少之一:
若安全状态包括授权人员侵入,向运动目标发送安全防护提示信息和/或向目标终端推送 授权人员入侵消息;
若安全状态包括非法人员入侵,向运动目标发送非法侵入警示信息和/或向目标终端推送 非法人员入侵消息;
若安全状态包括非法人员入侵,显示待检测图像和/或显示待检测区域的实时监控图像;
若安全状态包括非法人员入侵,将工作人员的语音提示信息传递给运动目标;
若安全状态包括非法人员入侵,追踪运动目标在预设敏感区域的运动状态,若运动目标 离开预设敏感区域停止报警;
若安全状态包括非法人员入侵,调整设置在预设敏感区域内人脸识别装置采集的拍摄参 数,以提升目标人脸图像的图像质量。
通过对入侵人员(运动目标)的权限识别(将目标人脸图像与多个预设合法人员人脸图 像进行比对),从而实现得到授权的人员(授权人员)可以进入警戒区域(预设敏感区域), 自动联动现场前端发出语音提示,提示已进入危险区域,请做好安全防护;未经授权的人员 (非法人员)进入时,自动联动现场前端发出语音警示,告知对方非法侵入,请立即离开。 可选的,可以自动联动集控后端的麦克风,使得操作人员可以对现场进行喊话。
在本实施例中,检测到非法入侵事件时,集控后端产生一系列报警联动动作,包括联动 视频上屏、联动声音告警、联动报警录像、联动抓拍、联动邮件、联动报警推送等,构建现 场前端和远程集控之间的数据纽带,达到提前预警的功能。在本实施例中,还包括报警推送, 用于进行报警信息的推送和转发,转发方式包括Socket电文转发、Restful接口转发等。还包 括数据访问接口,用于通过API接口实现信息获取。
在本实施例中,还包括可视化终端,用于进行人机交互;通过可视化终端,可以绘制电 子围栏警戒区域、查看电子围栏报警信息、用户权限管理等;电子围栏报警信息包括报警时 间、报警区域、报警状态、报警抓拍照片、报警录像等,报警录像的起点为人员入侵时刻, 终点为人员离开警戒区域或人工处理消除报警。
优选地,在本实施例中,在采集图像前还包括:调整图像采集装置的焦距,使图像能够 完全清晰拍摄出安全警戒区域和人脸照片。
在一个实施例中,该方法还包括显示待检测区域的待检测区域图像,预设敏感区域的设 置方式包括:
获取区域选择指令,区域选择指令包括在待检测区域图像中所确定的区域点、区域划线 和预设选框中至少之一;
根据区域选择指令确定预设敏感区域。
例如,用户可以在客户端显示的视频画面(对待检测区域的监控画面)中进行警戒区域 (预设敏感区域)的划定,具体方法如:其一,用户可通过鼠标在视频画面中指定多个点, ***会由点自动连接生成一个封闭的多边形区域,并将其作为警戒区域;其二,用户可通过 鼠标在视频画面中进行划线,直接绘制出一个多边形的区域作为警戒区域;其三,用户可通 过选择***提供的标准图形(圆形、三角形、四边形等),拖至视频画面中,通过鼠标放大 缩小形成警戒区域等。
在一些实施例中,该方法还包括:
获取所述运动目标的运动方向,以及运动目标与预设敏感区域边界的边界距离,若运动 方向为远离预设敏感区域且边界距离小于预设边界阈值,则停止对该运动目标的报警。这样, 在人员离开预设敏感区域时不会产生误报警。
上述实施例提供的待检测区域的安全状态确定方法,该方法通过获取待检测区域的多张 待检测图像,从其中确定至少一个运动目标,若运动目标位于预设敏感区域,获取运动目标 的目标人脸图像;将目标人脸图像与多个预设合法人员人脸图像进行比对,根据比对结果确 定待检测区域的安全状态,可以实现通过机器进行待检测区域的安全状态确定,不易受外界 环境和其他目标干扰影响,生产现场的安全状态确定准确性高。
可选的,可以通过获取生产现场的生产设备的工作数据,进而确定工作状态,基于该工 作状态来确定是否进行待检测图像的获取,当该方法应用于电子围栏时,可以实现根据工作 状态对电子围栏进行布防或撤防。
可选的,该方法可以通过对入侵人员的人员权限进行确定,如对人脸识别装置所采集的 目标人脸图像进行比对,得到目标人脸图像对应的人员的权限情况,以知晓当前安全状态的 紧急情况,进而便于后续对入侵事件的处理。
可选的,可以通过采集划线摄像机(待检测图像采集装置)所拍摄的实时图像信息,输 入至预设入侵检测模型以判断是否有人员闯入警戒区域,其中预设入侵检测模型可以是本领 域技术人员预先训练的模型,基于该模型可以实现对闯入到待检测区域的人员的检测,也就 是说能够检测到非现场环境的其他生物。
可选的,该方法还包括当安全状态为非法人员侵入和/或授权人员侵入时,记录关联人脸 图像和待检测图像采集装置所拍摄的图片或视频,这样可以便于后端统一记录、管理、回溯 报警事件,能够适应钢铁厂远程集控的需求。进而提升生产管控的智能化水平,为厂区生产 稳定顺行和人员生命安全保驾护航。还可以根据预设厂级管理规范发出声光报警信号,集控 端产生报警联动。
参见图4,以将人脸识别装置设置在预设敏感区域内部为例,各待检测图像采集装置为 电子围栏相机,人脸识别装置为人脸识别相机,该人脸识别相机内置有预设人脸识别模型, 能够判断所采集的人脸图像是否为授权人员。当确定到运动目标(图中以人员为例)位于预 设敏感区域时(也即电子围栏相机监测到人员入侵),如图2所示,针对开阔区域设置电子 围栏(设定预设敏感区域),在围栏内部的固定位置安装有人脸识别相机。由于是开阔区域, 进入区域的人不一定会经过人脸识别相机的点位。电子围栏相机可以选择一个或者多个人脸 识别相机进行关联。当电子围栏相机选择某一人脸识别相机进行关联设置的时候,同时需要 设置“关联检测有效时间”,即:检测到人员入侵的时刻往后推的一段时间。此处引入“关 联检测有效时间”,是基于进入电子围栏区域的人员会在一段可预估的时间内经过人脸识别 点位的假定。下面通过具体的实施例示例性的对上述方法进行说明,如图4所示,该具体的 实施例包括:
步骤S401:电子围栏相机监测到人员入侵。
步骤S402:判断当前是否处于工作时间段,若是,则执行步骤S403,若否执行步骤S404。
工作时间段可以是通过对生产现场的生产设备的工作状态来确定的。若当前生产设备处 于工作时间段,且该生产过程为无人化,此时不论进入生产现场(预设敏感区域)的人是谁, 均为非法人员侵入,执行步骤S403。若当前生产设备为检修状态,则可以允许部分人员进入, 则需要判定进入人员的身份是否合法,执行步骤S404及相关步骤。
步骤S403:大屏视频联动,并对外推送报警(非授权人员入侵)。
该报警消息可以是非授权人员入侵消息。
大屏视频联动可以是实时将电子围栏相机所拍摄的图像进行播放。
步骤S404:判断该电子围栏相机是否设置了关联的人脸识别相机,若是,执行步骤S406, 若否执行步骤S405。
步骤S405:大屏视频联动,并对外推送报警(授权人员入侵)
该报警消息可以是授权人员入侵消息。
报警可以是语音、视频、指示灯、***消息、邮件、电话、短信等方式。
步骤S406:***针对每一个关联的人脸识别相机,开启超时定时器,时长为“关联有效 时间”。
该关联有效时间也即上述实施例所述的预测采集时长或预设采集时长。
步骤S407:在定时器有效时间范围内,***每2秒判断与该相机关联的所有人脸识别相 机的检测信息。
此时,***间隔时间也可以由本领域技术人员根据需要进行设定,不拘泥于2秒。
步骤S408:判断存在某一个关联的人脸识别相机检测到进入的人员为非授权人员,若是 执行步骤S404,若否执行步骤S409。
步骤S409:判断定时器是否超时,若是执行步骤S407,若否执行步骤S410。
步骤S410:判断所有关联的人脸识别相机在“关联检测有效时间”内都没有检测到人, 若是执行步骤S405,若否执行步骤S411。
步骤S411:仅对外推送报警数据(授权人员入侵)。
参见图5,以将人脸识别装置设置在预设敏感区域外部为例,各待检测图像采集装置为 电子围栏相机,人脸识别装置为人脸识别相机,该人脸识别相机内置有预设人脸识别模型, 能够判断所采集的人脸图像是否为授权人员。当确定到运动目标(图中以人员为例)位于预 设敏感区域时(也即电子围栏相机监测到人员入侵),如图3所示,针对人员先经过指定的 人脸检测点位(例如:某厂区的多个入口),然后才能进入内部布防区域的场景。电子围栏 相机可以选择一个或者多个人脸识别相机进行关联。当电子围栏相机选择某一人脸识别相机 进行关联设置的时候,同时需要设置“关联检测有效时间”,即:检测到人员入侵的时刻往 前推的一段时间。此处引入“关联检测有效时间”,是基于进入入口处的人员会在一段可预 估的时间内进入电子围栏布防区域的假定。下面通过具体的实施例示例性的对上述方法进行 说明,如图5所示,该具体的实施例包括:
步骤S501:电子围栏相机监测到人员入侵。
步骤S502:判断当前是否处于工作时间段,若是,则执行步骤S504,若否执行步骤S503。
工作时间段可以是通过对生产现场的生产设备的工作状态来确定的。若当前生产设备处 于工作时间段,且该生产过程为无人化,此时不论进入生产现场(预设敏感区域)的人是谁, 均为非法人员侵入,执行步骤S403。若当前生产设备为检修状态,则可以允许部分人员进入, 则需要判定进入人员的身份是否合法,执行步骤S404及相关步骤。
步骤S503:判断该电子围栏相机是否设置了关联的人脸识别相机,若是,执行步骤S505, 若否执行步骤S508。
步骤S504:大屏视频联动,并对外推送报警(非授权人员入侵)。
该报警消息可以是非授权人员入侵消息。
报警可以是语音、视频、指示灯、***消息、邮件、电话、短信等方式。
步骤S505:***检测与该相机关联的所有人脸识别相机在“关联检测有效时间”内的信 息。
该关联有效时间也即上述实施例所述的预测采集时长或预设采集时长。
步骤S506:判断是否存在某一个关联的人脸识别相机在“关联检测有效时间”内检测到 进入的人员为非授权人员,若是执行步骤S504,若否执行步骤S507。
步骤S507:判断所有关联的人脸识别相机在“关联检测有效时间”内是否都没有检测到 人,若是执行步骤S508,若否执行步骤S509。
步骤S508:大屏视频联动,并对外推送报警(授权人员入侵)。
步骤S509:仅对外推送报警数据(授权人员入侵)。
通过上述方法,可以有效、准确的检测人员非法入侵行为,并在现场前端和集控后端分 别产生报警联动,实现报警事件的采集、分析、存储及展示,辅助操作人员及时把控生产安 全状况,减轻人员劳动强度,提升生产稳定性和安全性,提升集控智能化,为厂区安全生产 提供技术保障。
请参阅图8,将预设敏感区域设置为电子围栏,以下提供一种具体的实施例,以示例性 的说明以上实施例所述的待检测区域的安全状态确定方法,该方法包括:
S801:采集基础自动化***的工作状态信息,根据工作状态自动对电子围栏进行布防或 撤防。
S802:采集划线摄像机实时图像信息,输入至入侵检测模型,用于判断是否有人员闯入 警戒区域。
S803:获取人脸识别摄像机抓拍的人脸图像,输入至人脸比对模型,用于判断该入侵人 员是否具有权限。
S804:针对检测到的非法入侵事件,现场端根据管理规则发出声光报警信号,集控端产 生报警联动。
在本实施例中,用户首先在客户端显示的待检测图像采集装置所拍摄的视频画面中进行 警戒区域(预设敏感区域)的划定,具体的划定方式包括但不限于以下方法:其一,用户可 通过鼠标在视频画面中指定多个点,***会由点自动连接生成一个封闭的多边形区域,并将 其作为警戒区域;其二,用户可通过鼠标在视频画面中进行划线,直接绘制出一个多边形的 区域作为警戒区域;其三,用户可通过选择***提供的标准图形(圆形、三角形、四边形等), 拖至视频画面中,通过鼠标放大缩小形成警戒区域。
在本实施例中,可以通过OPC、Modbus、TCP/IP等工业常用数采协议,实时、稳定地采 集基础自动化PLC的工作状态数据,为电子围栏的智能应用与服务提供可靠的原始数据支撑。 在本实施例中,还包括数据清洗与处理,可以实现数据缺失值处理、异常值处理、数据有效 性判断、数据抽取与连接等简单计算和处理,自动从完整性、唯一性、一致性、精确性、合 法性、及时性等多个方面对数据进行清洗,并对采集的基础数据进行必要的计算、组织、关 联,便于分析和处理。在本实施例中,还包括自动实现电子围栏的布防和撤防,当采集到PLC 的工作状态数据为生产状态时自动触发开启电子围栏检测;当采集到PLC的工作状态为检修 状态时,自动触发停止算法检测。
在本实施例中,对摄像机的实时图像设置安全敏感区域(预设敏感区域),基于混合高 斯模型的背景减除法,利用形态学滤波方法获取前景图片信息;根据连通区域保留有效目标 数,并对有效目标进行过滤,去除面积、尺寸、比例不符合要求的连通区域,当有动物、设 备、车辆等干扰项入侵时会被自动过滤,由此判断前景图片中的运动目标是否进入安全敏感 区域。
在本实施例中,还包括入侵人员的权限识别,从而实现得到授权的人员可以进入警戒区 域,自动联动现场前端发出语音提示,提示已进入危险区域,请做好安全防护;未经授权的 人员进入时,自动联动现场前端发出语音警示,告知对方非法侵入,请立即离开。同时,自 动联动集控后端的麦克风,使得操作人员可以对现场进行喊话。
在本实施例中,检测到非法入侵事件时(安全状态包括非法人员入侵或授权人员入侵), 集控后端产生一系列报警联动动作,包括联动视频上屏、联动声音告警、联动报警录像、联 动抓拍、联动邮件、联动报警推送等,构建现场前端和远程集控之间的数据纽带,达到提前 预警的功能。在本实施例中,还包括报警推送,用于进行报警信息的推送和转发,转发方式 包括Socket电文转发、Restful接口转发等。还包括数据访问接口,用于通过API接口实现 信息获取。
在本实施例中,还包括可视化终端,用于进行人机交互;通过可视化终端,可以绘制电 子围栏警戒区域、查看电子围栏报警信息、用户权限管理等;电子围栏报警信息包括报警时 间、报警区域、报警状态、报警抓拍照片、报警录像等,报警录像的起点为人员入侵时刻, 终点为人员离开警戒区域或人工处理消除报警。
优选地,在本实施例中,在采集图像前还包括:调整图像采集装置的焦距,使图像能够 完全清晰拍摄出安全警戒区域和人脸照片。
请参阅图6,本实施例提供了一种电子围栏***600,该***包括:
一个或多个待检测图像采集装置601,用于获取待检测区域的多张待检测图像,待检测 图像的图像采集时间不同;
运动目标确定模块602,用于从多张待检测图像中确定至少一个运动目标;
一个或多个人脸识别装置采集603,用于若运动目标位于预设敏感区域,获取运动目标 的目标人脸图像;
状态确定模块604,用于将目标人脸图像与多个预设合法人员人脸图像进行比对,根据 比对结果确定待检测区域的安全状态。
可选的,该***还包括以下至少之一:
显示装置,用于若从多张待检测图像中确定至少一个运动目标,显示待检测图像采集装 置所采集的图像;
播放器,设置于预设敏感区域,用于根据安全状态播放提示语音;
报警联动模块,用于若安全状态包括非法人员入侵,根据预设报警规则发出声光报警信 号和/或发出报警消息,其中预设报警规则可以是报警声音、报警声光发布位置等,报警消息 可以是向预设客户端推送消息,可以是邮件、短信、微信、***消息等方式;
***控制模块,用于获取生产现场的生产设备的工作数据,并确定工作状态,若工作状 态为目标状态,控制人脸识别装置采集人脸图像和/或控制待检测图像采集装置采集待检测图 像。
在本实施例中,该***实质上是设置了多个模块用以执行上述实施例中的方法,具体功 能和技术效果参照上述实施例中的方法效果即可,此处不再赘述。
参见图7,本发明实施例还提供了一种电子设备700,包括处理器701、存储器702和通 信总线703;
通信总线703用于将处理器701和存储器连接702;
处理器701用于执行存储器702中存储的计算机程序,以实现如上述实施例一中的一个 或多个所述的方法。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,
计算机程序用于使计算机执行如上述实施例一中的任一项所述的方法。
本申请实施例还提供了一种非易失性可读存储介质,该存储介质中存储有一个或多个模 块(programs),该一个或多个模块被应用在设备时,可以使得该设备执行本申请实施例的实 施例一所包含步骤的指令(instructions)。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可 读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于—— 电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机 可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计 算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM 或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述 的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介 质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中,计 算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算 机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信 号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何 计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装 置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适 当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入 该电子设备中。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代 码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括 常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在 用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户 计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计 算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)— 连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网 连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的方法和计算机程序产品的可能 实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、 程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定 的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也 可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行 地执行,它们有时也可以按相反的顺序执行,依所涉及的功能而定。也要注意的是,框图和/ 或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操 作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技 术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡 所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等 效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (13)
1.一种待检测区域的安全状态确定方法,其特征在于,所述方法包括:
获取待检测区域的多张待检测图像,所述待检测图像的图像采集时间不同;
从多张所述待检测图像中确定至少一个运动目标;
若所述运动目标位于预设敏感区域,获取所述运动目标的目标人脸图像;
将所述目标人脸图像与多个预设合法人员人脸图像进行比对,根据比对结果确定待检测区域的安全状态。
2.如权利要求1所述的方法,其特征在于,所述获取待检测区域的多张待检测图像之前,所述方法还包括:
获取生产现场的生产设备的工作数据,并确定工作状态;
若所述工作状态包括生产状态,则所述安全状态包括待定;
若所述工作状态包括检修状态,则所述安全状态包括安全。
3.如权利要求2所述的方法,其特征在于,若所述工作状态包括生产状态,所述方法还包括:
采集所述待检测区域的区域初始图像;
从多个所述区域初始图像中选取所述待检测图像。
4.如权利要求1所述的方法,其特征在于,所述目标人脸图像通过一个或多个人脸识别装置采集,获取所述运动目标的目标人脸图像包括:
获取所述人脸识别装置的人脸采集位置信息;
获取所述运动目标的运动抓拍信息,所述运动抓拍信息包括运动抓拍时间和运动抓拍位置;
根据所述人脸采集位置信息和所述运动抓拍信息确定关联检测有效时间范围,并获取各所述人脸识别装置采集在所述关联检测有效时间范围所采集的关联人脸图像,将所述关联人脸图像作为目标人脸图像。
5.如权利要求4所述的方法,其特征在于,所述关联检测有效时间范围的确定方式包括以下至少之一:
根据所述人脸采集位置信息和所述运动抓拍信息确定采集距离,根据预设距离-时间关联关系确定所述采集距离对应的预测采集时长,获取所述人脸识别装置与所述预设敏感区域的装置区域位置关系,并根据所述运动抓拍时间、预测待采集时长和装置区域位置关系确定所述关联检测有效时间范围;
根据所述人脸采集位置信息和所述运动抓拍信息确定采集距离,获取所述运动目标的运动速度,所述运动速度根据所述运动目标在至少两张待检测图像中的移动距离和图像间隔时间确定,根据所述采集距离和运动速度确定预测采集时长,获取所述人脸识别装置与所述预设敏感区域的装置区域位置关系,并根据所述运动抓拍时间、预测待采集时长和装置区域位置关系确定所述关联检测有效时间范围;
根据所述人脸采集位置信息和所述运动抓拍信息确定所述人脸识别装置的设置位置,并根据所述设置位置获取所述人脸识别装置的预设采集时长,根据所述运动抓拍时间和预设采集时长确定所述关联检测有效时间范围。
6.如权利要求4所述的方法,其特征在于,根据比对结果确定待检测区域的安全状态包括以下至少之一:
若所述关联人脸图像与各所述预设合法人员人脸图像之间的相似度小于预设人脸相似度阈值,则非法人员侵入;
若所述关联人脸图像与至少一个所述预设合法人员人脸图像之间的相似度大于预设人脸相似度阈值,则授权人员侵入;
根据各所述关联人脸图像的安全状态确定待检测区域的安全状态。
7.如权利要求1-6任一项所述的方法,其特征在于,所述方法还包括以下至少之一:
若所述安全状态包括授权人员侵入,向所述运动目标发送安全防护提示信息和/或向目标终端推送授权人员入侵消息;
若所述安全状态包括非法人员入侵,向所述运动目标发送非法侵入警示信息和/或向目标终端推送非法人员入侵消息;
若所述安全状态包括非法人员入侵,显示所述待检测图像和/或显示所述待检测区域的实时监控图像;
若所述安全状态包括非法人员入侵,将工作人员的语音提示信息传递给所述运动目标;
若所述安全状态包括非法人员入侵,追踪所述运动目标在所述预设敏感区域的运动状态,若所述运动目标离开所述预设敏感区域停止报警;
若所述安全状态包括非法人员入侵,调整设置在所述预设敏感区域内人脸识别装置采集的拍摄参数,以提升所述目标人脸图像的图像质量。
8.如权利要求1-6任一项所述的方法,其特征在于,从多张所述待检测图像中确定至少一个运动目标的方式包括:
从多张所述待检测图像中确定至少一个疑似目标;
获取待检测图像中各所述疑似目标的疑似连通区域特征,所述疑似连通区域特征包括区域面积、区域尺寸和区域比例中至少之一;
若所述疑似连通区域特征满足预设区域特征,将所述疑似目标作为运动目标。
9.如权利要求1-6任一项所述的方法,其特征在于,所述方法还包括显示所述待检测区域的待检测区域图像,所述预设敏感区域的设置方式包括:
获取区域选择指令,所述区域选择指令包括在所述待检测区域图像中所确定的区域点、区域划线和预设选框中至少之一;
根据所述区域选择指令确定所述预设敏感区域。
10.一种电子围栏***,其特征在于,所述***包括:
一个或多个待检测图像采集装置,用于获取待检测区域的多张待检测图像,所述待检测图像的图像采集时间不同;
运动目标确定模块,用于从多张所述待检测图像中确定至少一个运动目标;
一个或多个人脸识别装置采集,用于若所述运动目标位于预设敏感区域,获取所述运动目标的目标人脸图像;
状态确定模块,用于将所述目标人脸图像与多个预设合法人员人脸图像进行比对,根据比对结果确定待检测区域的安全状态。
11.如权利要求10所述的***,其特征在于,所述***还包括以下至少之一:
显示装置,用于若从多张待检测图像中确定至少一个运动目标,显示所述待检测图像采集装置所采集的图像;
播放器,设置于所述预设敏感区域,用于根据所述安全状态播放提示语音;
报警联动模块,用于若所述安全状态包括非法人员入侵,根据预设报警规则发出声光报警信号和/或发出报警消息;
***控制模块,用于获取生产现场的生产设备的工作数据,并确定工作状态,若所述工作状态为目标状态,控制所述人脸识别装置采集人脸图像和/或控制所述待检测图像采集装置采集待检测图像。
12.一种电子设备,其特征在于,包括处理器、存储器和通信总线;
所述通信总线用于将所述处理器和存储器连接;
所述处理器用于执行所述存储器中存储的计算机程序,以实现如权利要求1-9中任一项所述的方法。
13.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,
所述计算机程序用于使所述计算机执行如权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210119013.5A CN114445779B (zh) | 2022-02-08 | 2022-02-08 | 待检测区域的安全状态确定方法、***、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210119013.5A CN114445779B (zh) | 2022-02-08 | 2022-02-08 | 待检测区域的安全状态确定方法、***、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114445779A true CN114445779A (zh) | 2022-05-06 |
CN114445779B CN114445779B (zh) | 2024-07-09 |
Family
ID=81371953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210119013.5A Active CN114445779B (zh) | 2022-02-08 | 2022-02-08 | 待检测区域的安全状态确定方法、***、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114445779B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115256059A (zh) * | 2022-08-01 | 2022-11-01 | 长鑫存储技术有限公司 | 一种磨片装置控制方法、***及研磨抛光机 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101549599B1 (ko) * | 2014-06-02 | 2015-09-02 | 고권태 | 안면인식과 태그인식을 이용하여 접근자의 신분확인 및 동선추적이 가능한 제한구역 출입 경고시스템 |
CN107390610A (zh) * | 2017-08-10 | 2017-11-24 | 芜湖德海机器人科技有限公司 | 一种工厂车间安全预警机器人 |
CN110276261A (zh) * | 2019-05-23 | 2019-09-24 | 平安科技(深圳)有限公司 | 人员自动跟踪监控方法、装置、计算机设备及存储介质 |
CN112836689A (zh) * | 2021-03-26 | 2021-05-25 | 中建海峡建设发展有限公司 | 一种基于图像识别的危险区域人员管控***及方法 |
-
2022
- 2022-02-08 CN CN202210119013.5A patent/CN114445779B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101549599B1 (ko) * | 2014-06-02 | 2015-09-02 | 고권태 | 안면인식과 태그인식을 이용하여 접근자의 신분확인 및 동선추적이 가능한 제한구역 출입 경고시스템 |
CN107390610A (zh) * | 2017-08-10 | 2017-11-24 | 芜湖德海机器人科技有限公司 | 一种工厂车间安全预警机器人 |
CN110276261A (zh) * | 2019-05-23 | 2019-09-24 | 平安科技(深圳)有限公司 | 人员自动跟踪监控方法、装置、计算机设备及存储介质 |
CN112836689A (zh) * | 2021-03-26 | 2021-05-25 | 中建海峡建设发展有限公司 | 一种基于图像识别的危险区域人员管控***及方法 |
Non-Patent Citations (2)
Title |
---|
CHOWDHRY, DA 等: "Smart Security System for Sensitive Area Using Face Recognition", 《2013 IEEE CONFERENCE ON SUSTAINABLE UTILIZATION AND DEVELOPMENT IN ENGINEERING AND TECHNOLOGY (CSUDET)》, 2 April 2014 (2014-04-02), pages 11 - 14 * |
赵蒙蒙等: "房屋建筑施工中人工智能技术的应用", 《住宅与房地产》, vol. 2021, no. 22, 5 August 2021 (2021-08-05), pages 243 - 244 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115256059A (zh) * | 2022-08-01 | 2022-11-01 | 长鑫存储技术有限公司 | 一种磨片装置控制方法、***及研磨抛光机 |
CN115256059B (zh) * | 2022-08-01 | 2024-01-23 | 长鑫存储技术有限公司 | 一种磨片装置控制方法、***及研磨抛光机 |
Also Published As
Publication number | Publication date |
---|---|
CN114445779B (zh) | 2024-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109040693B (zh) | 智能告警***及方法 | |
US20230005176A1 (en) | Throwing position acquisition method and apparatus, computer device and storage medium | |
CN109672862B (zh) | 图像处理方法、装置、介质及电子设备 | |
KR101036947B1 (ko) | 컴퓨터 영상 분석기술을 이용한 범죄 및 사고예방 자동경비 시스템 | |
CN110111515A (zh) | 一种边界入侵检测方法、装置、服务器及*** | |
CN109426798A (zh) | 一种边界入侵检测方法、装置及*** | |
CN116743970B (zh) | 一种具有视频ai预警分析的智能管理平台 | |
CN112382032A (zh) | 一种监控方法及装置、电子设备、存储介质 | |
CN112257494A (zh) | 一种基于智能视频分析技术的行为识别方法及应用 | |
CN114445779B (zh) | 待检测区域的安全状态确定方法、***、设备及介质 | |
CN111523362A (zh) | 一种基于电子围网的数据分析方法、装置及电子设备 | |
CN112757300A (zh) | 机器人的防护***及方法 | |
CN113538825A (zh) | 一种用于校园翻墙事件报警方法及*** | |
US20220292829A1 (en) | Method and device for determining smoke | |
CN111811399B (zh) | 一种检测方法及装置 | |
KR101454644B1 (ko) | 보행자 추적기를 이용한 서성거림을 탐지하는 방법 | |
US20190347366A1 (en) | Computer-aided design and analysis method for physical protection systems | |
KR20230039468A (ko) | 영상의 객체 간 상호작용행위 검출 장치 및 방법 | |
CN113920543A (zh) | 禁入区域安全检测方法、装置、设备及存储介质 | |
CN116259013B (zh) | 一种入侵检测*** | |
CN113505709A (zh) | 一种用于实时监测人体危险行为的方法以及*** | |
EP3839908A1 (en) | Close object detection for surveillance cameras | |
CN110691222A (zh) | 入侵监控方法及*** | |
KR20150084237A (ko) | 스마트로테이션 감시 방법을 이용하는 영상촬영장치에서 후보 감시영역을 자동으로 갱신하는 방법 | |
CN114387544A (zh) | 一种高空抛物检测方法、***、电子设备及存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 401329 No. 5-6, building 2, No. 66, Nongke Avenue, Baishiyi Town, Jiulongpo District, Chongqing Applicant after: MCC CCID information technology (Chongqing) Co.,Ltd. Address before: 401329 No. 5-6, building 2, No. 66, Nongke Avenue, Baishiyi Town, Jiulongpo District, Chongqing Applicant before: CISDI CHONGQING INFORMATION TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |