CN115147930A - 一种基于人工智能的大数据视频ai分析*** - Google Patents

一种基于人工智能的大数据视频ai分析*** Download PDF

Info

Publication number
CN115147930A
CN115147930A CN202210851434.7A CN202210851434A CN115147930A CN 115147930 A CN115147930 A CN 115147930A CN 202210851434 A CN202210851434 A CN 202210851434A CN 115147930 A CN115147930 A CN 115147930A
Authority
CN
China
Prior art keywords
action
early warning
module
feature
artificial intelligence
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210851434.7A
Other languages
English (en)
Inventor
李新玲
陈丽佳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202210851434.7A priority Critical patent/CN115147930A/zh
Publication of CN115147930A publication Critical patent/CN115147930A/zh
Pending legal-status Critical Current

Links

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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/24—Reminder alarms, e.g. anti-loss alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Human Computer Interaction (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于人工智能的大数据视频AI分析***，涉及大数据视频AI分析技术领域，解决了现有技术中无法及时制止人员的违规动作的技术问题；本发明通过数据采集模块采集工作人员的动作图像，并将动作图像发送至数据处理模块；数据处理模块根据动作图像和动作识别模型获取特征标签；将预设时间段内的特征标签进行整合，获取特征标签组，将特征标签组和数据库内进行相似度比较，获取目标违规动作；并将目标违规动作发送至智能预警模块；智能预警根据目标违规动作获取预警指令，将预警指令发送至广播；根据现有动作预测即将做出的行为，若行为存在不规范或危险，及时预警提醒，防止违规动作的发生，提高了工作人员工作的规范性和安全性。

Description

一种基于人工智能的大数据视频AI分析***
技术领域
本发明属于人工智能领域，涉及大数据视频AI分析技术，具体是一种基于人工智能的大数据视频AI分析***。
背景技术
随着人工智能技术的发展，有效地预测人体动作在计算视觉领域的多方面应用中发挥着重要作用，例如，人机交互、智能安防、虚拟现实健康观察、自动驾驶和人体目标跟踪等。然而，由于人体各部分关节在动作中的非线性和高度时空依赖性，预测未来可能的人体动作是一项非常具有挑战性的任务。
为此，提出一种基于人工智能的大数据视频AI分析***。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于人工智能的大数据视频AI分析***，该一种基于人工智能的大数据视频AI分析***解决了现有技术中无法及时制止人员的违规动作的问题。
为实现上述目的，根据本发明的第一方面的实施例提出一种基于人工智能的大数据视频AI分析***，包括数据采集模块、数据处理模块、智能预警模块以及数据库；各个模块之间基于数据信号的方式进行信息交互；
所述数据采集模块用于采集工作人员的动作图像，并将所述动作图像发送至所述数据处理模块；
所述数据处理模块用于接收所述动作图像，根据所述动作图像和动作识别模型获取特征标签；其中，所述动作识别模型基于人工智能模型获取；
将预设时间段内的特征标签进行整合，获取特征标签组，将所述特征标签组和数据库内进行重合度比较，获取目标违规动作；
并将所述目标违规动作发送至所述智能预警模块；
所述智能预警模块用于接收所述目标违规动作，并根据所述目标违规动作获取预警指令，将所述预警指令发送至广播。
优选的，所述数据采集模块包括图像采集装置，所述图像采集装置包括智能照相机。
优选的，数据采集模块采集工作人员的动作图像，具体过程包括：
所述数据采集模块设定一个采集周期，所述采集周期用T表示，单位为s；其中，T为大于0的实数；
所述图像采集装置每隔Ts采集一次工作人员的动作图像；
所述数据采集模块将所述动作图像根据采集的时间进行标号，并将标号后的动作图像发送至数据处理模块。
优选的，所述动作识别模型基于人工智能模型获取，具体过程包括：
从数据处理模块获取标准训练数据；
通过标准训练数据对人工智能模型进行训练，将训练完成的人工智能模型标记为动作识别模型。
标准训练数据包括若干组输入数据以及对应的特征标签，且输入动作图像和原始数据内容属性一致；
人工智能模型包括深度卷积神经网络模型和RBF神经网络模型。
优选的，将预设时间段内的特征标签进行整合，获取特征标签组，将所述特征标签组和数据库内进行相似度比较，获取目标违规动作，具体过程包括：
根据所述动作图像和动作识别模型获取特征标签；
获取当前时间；
获取当前时间前Ys内的所有特征标签；
将当前时间前Ys内的所有特征标签进行筛选；
筛选过程包括：相邻且一致的特征标签仅保留一个；
将筛选完后的特征标签整合为特征标签组；
将所述特征标签组和数据库内的违规动作特征标签组进行相似度比较，获取重合度；
所述违规动作特征标签组包含违规动作的特征标签；
所述重合度标记为Di，其中，i为数据库内的违规动作特征标签组的标号，i的取值为1,2，3……；
设定重合度阈值Dmax；
比较重合度Di和重合度阈值Dmax；
当Di＜Dmax时，表示无违规动作；
当Di≥Dmax时，获取Y个Di≥Dmax的违规动作特征标签组；其中，Y为大于0的整数；
将Y个违规动作特征标签组进行降序排列，获取首位的违规动作特征标签组，并将所述违规动作特征标签组的违规动作标记为目标违规动作；
将所述目标违规动作发送至所述智能预警模块。
优选的，所述智能预警模块接收所述目标违规动作，并根据所述目标违规动作获取预警指令，将所述预警指令发送至广播，具体过程包括：
所述智能预警模块接收所述目标违规动作，
所述智能预警模块设置预警指令模板；
根据所述预警指令模板和目标违规动作获取预警指令；
根据所述目标违规动作获取预警指令，
所述智能预警模块将预警指令发送至广播，广播播放预警指令内容。
优选的，所述数据采集模块与所述数据处理模块通信和/或电气连接；
所述数据处理模块与所述智能预警模块通信和/或电气连接。
与现有技术相比，本发明的有益效果是：
本发明通过数据采集模块采集工作人员的动作图像，并将动作图像发送至数据处理模块；数据处理模块接收动作图像，根据动作图像和动作识别模型获取特征标签；将预设时间段内的特征标签进行整合，获取特征标签组，将特征标签组和数据库内进行相似度比较，获取目标违规动作；并将目标违规动作发送至智能预警模块；智能预警模块接收目标违规动作，并根据目标违规动作获取预警指令，将预警指令发送至广播；分析工作人员的动作，根据现有动作预测即将做出的行为，若行为存在不规范或危险，及时预警提醒，防止违规动作的发生，提高了工作人员工作的规范性和安全性。
附图说明
图1为本发明的原理图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，一种基于人工智能的大数据视频AI分析***，包括数据采集模块、数据处理模块、智能预警模块以及数据库；各个模块之间基于数据信号的方式进行信息交互；
所述数据采集模块用于采集工作人员的动作图像，并将所述动作图像发送至所述数据处理模块；
所述数据处理模块用于接收所述动作图像，根据所述动作图像和动作识别模型获取特征标签；其中，所述动作识别模型基于人工智能模型获取；
将预设时间段内的特征标签进行整合，获取特征标签组，将所述特征标签组和数据库内进行相似度比较，获取目标违规动作；
并将所述目标违规动作发送至所述智能预警模块；
所述智能预警模块用于接收所述目标违规动作，并根据所述目标违规动作获取预警指令，将所述预警指令发送至广播。
本实施例中，所述数据采集模块包括图像采集装置，
所述图像采集装置包括智能照相机等能够拍照的工具。
本实施例中，数据采集模块采集工作人员的动作图像，具体过程包括：
所述数据采集模块设定一个采集周期，所述采集周期用T表示，单位为s；其中，T为大于0的实数；
所述图像采集装置每隔Ts采集一次工作人员的动作图像；
所述数据采集模块将所述动作图像根据采集的时间进行标号，并将标号后的动作图像发送至数据处理模块。
举例说明；
设置采样周期为1s；
所述图像采集装置在8时0分10秒开始采集第一个动作图像，对应的动作图像标号为1；
所述图像采集装置在8时0分11秒采集第二个动作图像，对应的动作图像标号为2；
所述图像采集装置在8时0分12秒采集第三个动作图像，对应的动作图像标号为3；
以此类推，获取N个动作图像。
需要进一步说明的是，所述图像采集模块可精准定位工作人员的位置，并采集工作人员的动作图像。
本实施例中，所述动作识别模型基于人工智能模型获取，具体过程包括：
从数据处理模块获取标准训练数据；
通过标准训练数据对人工智能模型进行训练，将训练完成的人工智能模型标记为动作识别模型。
本实施例中，标准训练数据包括若干组输入数据以及对应的特征标签，且输入动作图像和原始数据内容属性一致；可以理解的是，输入数据和原始数据均包括动作图像，只是动作图像的动作不一定相同。
本实施例中，人工智能模型包括深度卷积神经网络模型或者RBF神经网络模型等具有强大非线性拟合能力的模型。
本实施例中，将预设时间段内的特征标签进行整合，获取特征标签组，将所述特征标签组和数据库内进行相似度比较，获取目标违规动作，具体过程包括：
根据所述动作图像和动作识别模型获取特征标签；
获取当前时间；
获取当前时间前Ys内的所有特征标签；
将当前时间前Ys内的所有特征标签进行筛选；
筛选过程包括：相邻且一致的特征标签仅保留一个；
举例说明：
当前时间为9时3分45秒；
获取当前时间前30秒内的所有特征标签，即为9是3分15秒至9时3分45秒内的所有特征标签；
9时3分25秒、9时3分26秒以及9时3分27秒的特征标签均为特征三，这3个特征三标签仅保留一个。
将筛选完后的特征标签整合为特征标签组；
将所述特征标签组和数据库内的违规动作特征标签组进行相似度比较，获取重合度；需要进一步说明的是，所述违规动作特征标签组包含违规动作的特征标签；根据特征标签组和违规动作特征标签组的重合度，即可判断工作人员是否将做出违规动作；
所述重合度标记为Di，其中，i为数据库内的违规动作特征标签组的标号，i的取值为1,2，3……；
设定重合度阈值Dmax；
比较重合度Di和重合度阈值Dmax；
当Di＜Dmax时，表示无违规动作；
当Di≥Dmax时，获取Y个Di≥Dmax的违规动作特征标签组；其中，Y为大于0的整数；
将Y个违规动作特征标签组进行降序排列，获取首位的违规动作特征标签组，并将所述违规动作特征标签组的违规动作标记为目标违规动作；
将所述目标违规动作发送至所述智能预警模块。
本实施例中，所述智能预警模块接收所述目标违规动作，并根据所述目标违规动作获取预警指令，将所述预警指令发送至广播，具体过程包括：
所述智能预警模块接收所述目标违规动作，
所述智能预警模块设置预警指令模板；需要进一步说明的是，预警指令模板为“请不要***！”，将目标违规动作填入至空白部分；
根据所述预警指令模板和目标违规动作获取预警指令；
根据所述目标违规动作获取预警指令，
举例说明，预警指令为：“请不要***！”；
当目标违规动作为抽烟；
则预警指令为：“请不要抽烟！”；
当目标违规动作为摘下头盔；
则预警指令为：“请不要摘下头盔！”；
所述智能预警模块将预警指令发送至广播，广播播放预警指令内容。
本实施例中，所述数据采集模块与所述数据处理模块通信和/或电气连接；
所述数据处理模块与所述智能预警模块通信和/或电气连接。
本发明的工作原理：
数据采集模块采集工作人员的动作图像，并将动作图像发送至数据处理模块；
数据处理模块接收动作图像，根据动作图像和动作识别模型获取特征标签；将预设时间段内的特征标签进行整合，获取特征标签组，将特征标签组和数据库内进行相似度比较，获取目标违规动作；并将目标违规动作发送至智能预警模块；
智能预警模块接收目标违规动作，并根据目标违规动作获取预警指令，将预警指令发送至广播。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (7)

1.一种基于人工智能的大数据视频AI分析***，其特征在于，包括数据采集模块、数据处理模块、智能预警模块以及数据库；各个模块之间基于数据信号的方式进行信息交互；
所述数据采集模块用于采集工作人员的动作图像，并将所述动作图像发送至所述数据处理模块；
所述数据处理模块用于接收所述动作图像，根据所述动作图像和动作识别模型获取特征标签；其中，所述动作识别模型基于人工智能模型获取；
将预设时间段内的特征标签进行整合，获取特征标签组，将所述特征标签组和数据库内进行相似度比较，获取目标违规动作；
并将所述目标违规动作发送至所述智能预警模块；
所述智能预警模块用于接收所述目标违规动作，并根据所述目标违规动作获取预警指令，将所述预警指令发送至广播。
2.根据权利要求1所述的一种基于人工智能的大数据视频AI分析***，其特征在于，所述数据采集模块包括图像采集装置，所述图像采集装置包括智能照相机。
3.根据权利要求2所述的一种基于人工智能的大数据视频AI分析***，其特征在于，数据采集模块采集工作人员的动作图像，具体过程包括：
所述数据采集模块设定一个采集周期，所述采集周期用T表示，单位为s；其中，T为大于0的实数；
所述图像采集装置每隔Ts采集一次工作人员的动作图像；
所述数据采集模块将所述动作图像根据采集的时间进行标号，并将标号后的动作图像发送至数据处理模块。
4.根据权利要求3所述的一种基于人工智能的大数据视频AI分析***，其特征在于，所述动作识别模型基于人工智能模型获取，具体过程包括：
从数据处理模块获取标准训练数据；
通过标准训练数据对人工智能模型进行训练，将训练完成的人工智能模型标记为动作识别模型；
标准训练数据包括若干组输入数据以及对应的特征标签，且输入动作图像和原始数据内容属性一致；
人工智能模型包括深度卷积神经网络模型和RBF神经网络模型。
5.根据权利要求4所述的一种基于人工智能的大数据视频AI分析***，其特征在于，将预设时间段内的特征标签进行整合，获取特征标签组，将所述特征标签组和数据库内进行相似度比较，获取目标违规动作，具体过程包括：
根据所述动作图像和动作识别模型获取特征标签；
获取当前时间；
获取当前时间前Ys内的所有特征标签；
将当前时间前Ys内的所有特征标签进行筛选；
筛选过程包括：相邻且一致的特征标签仅保留一个；
将筛选完后的特征标签整合为特征标签组；
将所述特征标签组和数据库内的违规动作特征标签组进行相似度比较，获取重合度；
所述违规动作特征标签组包含违规动作的特征标签；
所述重合度标记为Di，其中，i为数据库内的违规动作特征标签组的标号，i的取值为1,2，3……；
设定重合度阈值Dmax；
比较重合度Di和重合度阈值Dmax；
当Di＜Dmax时，表示无违规动作；
当Di≥Dmax时，获取Y个Di≥Dmax的违规动作特征标签组；其中，Y为大于0的整数；
将Y个违规动作特征标签组进行降序排列，获取首位的违规动作特征标签组，并将所述违规动作特征标签组的违规动作标记为目标违规动作；
将所述目标违规动作发送至所述智能预警模块。
6.根据权利要求5所述的一种基于人工智能的大数据视频AI分析***，其特征在于，所述智能预警模块接收所述目标违规动作，并根据所述目标违规动作获取预警指令，将所述预警指令发送至广播，具体过程包括：
所述智能预警模块接收所述目标违规动作，
所述智能预警模块设置预警指令模板；
根据所述预警指令模板和目标违规动作获取预警指令；
根据所述目标违规动作获取预警指令，
所述智能预警模块将预警指令发送至广播，广播播放预警指令内容。
7.根据权利要求6所述的一种基于人工智能的大数据视频AI分析***，其特征在于，所述数据采集模块与所述数据处理模块通信和/或电气连接；
所述数据处理模块与所述智能预警模块通信和/或电气连接。
CN202210851434.7A 2022-07-19 2022-07-19 一种基于人工智能的大数据视频ai分析*** Pending CN115147930A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210851434.7A CN115147930A (zh) 2022-07-19 2022-07-19 一种基于人工智能的大数据视频ai分析***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210851434.7A CN115147930A (zh) 2022-07-19 2022-07-19 一种基于人工智能的大数据视频ai分析***

Publications (1)

Publication Number Publication Date
CN115147930A true CN115147930A (zh) 2022-10-04

Family

ID=83412837

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210851434.7A Pending CN115147930A (zh) 2022-07-19 2022-07-19 一种基于人工智能的大数据视频ai分析***

Country Status (1)

Country Link
CN (1) CN115147930A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115958609A (zh) * 2023-03-16 2023-04-14 山东卓朗检测股份有限公司 基于智能机器人自动控制***的指令数据安全预警方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115958609A (zh) * 2023-03-16 2023-04-14 山东卓朗检测股份有限公司 基于智能机器人自动控制***的指令数据安全预警方法
CN115958609B (zh) * 2023-03-16 2023-07-14 山东卓朗检测股份有限公司 基于智能机器人自动控制***的指令数据安全预警方法

Similar Documents

Publication Publication Date Title
CN110188724B (zh) 基于深度学习的安全帽定位与颜色识别的方法及***
CN110070033B (zh) 一种电力领域危险工作区域内安全帽佩戴状态检测方法
CN112396658B (zh) 一种基于视频的室内人员定位方法及定位***
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
CN111598040B (zh) 一种建筑工人身份识别及安全帽佩戴检测方法及***
CN111191586B (zh) 一种施工现场人员安全帽佩戴情况巡检方法及***
CN110852183B (zh) 一种未佩戴安全帽人员识别方法、***、装置和存储介质
CN110414400B (zh) 一种施工现场安全帽穿戴自动检测方法及***
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
CN110728252B (zh) 一种应用于区域人员运动轨迹监控的人脸检测方法
CN110490171B (zh) 一种危险姿态识别方法、装置、计算机设备及存储介质
CN112329691A (zh) 一种监控视频的分析方法及装置、电子设备、存储介质
CN112437280A (zh) 一种基于大数据分析的智慧监控安防数据处理管理***
CN114187561A (zh) 异常行为的识别方法、装置、终端设备及存储介质
CN111325119B (zh) 一种安全生产的视频监控方法及***
CN114579791A (zh) 一种基于作业票的施工安全违章识别方法及***
CN110781754A (zh) 一种人工巡检智能监测的方法、装置、***及存储介质
CN115147930A (zh) 一种基于人工智能的大数据视频ai分析***
CN114782988A (zh) 一种面向施工环境的多级安全预警方法
CN115082861A (zh) 人员身份与安全违章识别方法及***
CN114359976A (zh) 一种基于人物识别的智能安防方法与装置
CN105095891A (zh) 一种人脸捕捉的方法，装置及***
CN113485277A (zh) 一种智慧电厂视频识别监控管理***和方法
Ali et al. Real-time safety monitoring vision system for linemen in buckets using spatio-temporal inference
CN116886869A (zh) 一种基于ai的视频监控***及视频追溯方法

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