CN115331174B - 一种企业安全生产标准化智能监管***及方法 - Google Patents

一种企业安全生产标准化智能监管***及方法 Download PDF

Info

Publication number
CN115331174B
CN115331174B CN202210996862.9A CN202210996862A CN115331174B CN 115331174 B CN115331174 B CN 115331174B CN 202210996862 A CN202210996862 A CN 202210996862A CN 115331174 B CN115331174 B CN 115331174B
Authority
CN
China
Prior art keywords
production
enterprise
personnel
target
acquiring
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.)
Active
Application number
CN202210996862.9A
Other languages
English (en)
Other versions
CN115331174A (zh
Inventor
何奕
王利群
毕雅静
程玉龙
曹一鸣
王�琦
张明明
张慧
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.)
China Academy of Safety Science and Technology CASST
Original Assignee
China Academy of Safety Science and Technology CASST
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 China Academy of Safety Science and Technology CASST filed Critical China Academy of Safety Science and Technology CASST
Priority to CN202210996862.9A priority Critical patent/CN115331174B/zh
Publication of CN115331174A publication Critical patent/CN115331174A/zh
Application granted granted Critical
Publication of CN115331174B publication Critical patent/CN115331174B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Remote Sensing (AREA)
  • Human Computer Interaction (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Graphics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Social Psychology (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种企业安全生产标准化智能监管***及方法，其中，方法包括：第一获取模块，用于获取企业需要进行安全生产监管的目标生产环节；第二获取模块，用于获取目标生产环节对应的企业生产现场的现场数据；监管模块，用于基于现场数据和目标生产环节对应的预设的安全生产标准库，对目标生产环节进行安全生产监管；输出模块，用于输出安全生产监管结果。本发明的企业安全生产标准化智能监管***及方法，无需在生产现场设置监管人员进行生产是否按照安全生成标准执行的监管，降低了人力成本，另外，自主获取现场数据，引入目标生产环节对应的预设的安全生产标准库，针对性地对企业生产现场进行安全生产监管，提升监管的全面性和及时性。

Description

一种企业安全生产标准化智能监管***及方法
技术领域
本发明涉及安全生产管控技术领域，特别涉及一种企业安全生产标准化智能监管***及方法。
背景技术
目前，为确保生产安全性，企业在生产时，需严格按照安全生成标准执行。一般的，生产现场会设置有多个监管人员进行生产是否按照安全生成标准执行的监管，但是，人力成本较大，另外，人工监管还有可能出现监管不全面和监管不及时等情况发生。
因此，亟需一种解决办法。
发明内容
本发明目的之一在于提供了一种企业安全生产标准化智能监管***及方法，无需在生产现场设置监管人员进行生产是否按照安全生成标准执行的监管，降低了人力成本，另外，自主获取现场数据，引入目标生产环节对应的预设的安全生产标准库，针对性地对企业生产现场进行安全生产监管，提升监管的全面性和及时性。
本发明实施例提供的一种企业安全生产标准化智能监管***，包括：
第一获取模块，用于获取企业需要进行安全生产监管的目标生产环节；
第二获取模块，用于获取目标生产环节对应的企业生产现场的现场数据；
监管模块，用于基于现场数据和目标生产环节对应的预设的安全生产标准库，对目标生产环节进行安全生产监管。
优选的，第一获取模块获取企业需要进行安全生产监管的目标生产环节，包括：
获取企业的监管员输入的企业需要进行安全生产监管的目标生产环节；
和/或，
获取企业所属的企业行业；
从大数据平台上获取企业行业内历史上发生的生产安全事故事件；
基于生产安全事故事件，确定企业需要进行安全生产监管的目标生产环节。
优选的，基于生产安全事故事件，确定企业需要进行安全生产监管的目标生产环节，包括：
从生产安全事故事件中提取事故产生条件集，事故产生条件集包括：多组一一对应的事故产生条件和必要值；
获取企业生产的生产环节的生产环节信息；
确定生产环节信息是否符合任一事故产生条件；
若是，将生产环节信息符合的事故产生条件对应的必要值作为目标必要值；
累加计算目标必要值，获得必要值和；
若必要值和大于等于预设的必要值和阈值，将对应生产环节作为企业需要进行安全生产监管的目标生产环节。
优选的，第二获取模块获取目标生产环节对应的企业生产现场的现场数据，包括：
获取目标生产环节对应的企业生产现场内的生产设备的设备运行信息，并作为现场数据；
和/或，
获取目标生产环节对应的企业生产现场内的生产人员的行为信息，并作为现场数据。
优选的，第二获取模块获取目标生产环节对应的企业生产现场内的生产人员的行为信息，包括：
获取目标生产环节对应的企业生产现场内的生产人员的人员图像；
对人员图像进行人体轮廓提取，获得生产人员的人员轮廓；
对人员轮廓进行特征提取，获得多个轮廓特征；
基于多个轮廓特征，确定生产人员的行为信息。
优选的，第二获取模块获取目标生产环节对应的企业生产现场内的生产人员的人员图像，包括：
获取企业生产现场对应的预设的现场三维地图；
获取生产人员最近预设的时间内的移动轨迹；
从现场三维地图中确定对应于移动轨迹的地图轨迹；
获取企业生产现场内的图像采集设备的拍摄范围；
从现场三维地图中确定对应于拍摄范围的地图范围；
确定移动轨迹是否局部落在地图范围内；
若是，获取移动轨迹落在地图范围内的局部轨迹的轨迹长度；
若轨迹长度小于等于预设的轨迹长度阈值，获取生产人员当前的人员位置和移动方向；
从现场三维地图中确定对应于人员位置的地图位置；
从现场三维地图中确定对应于移动方向的地图方向；
在现场三维地图中基于地图位置和地图方向，构建第一移动方向向量；
获取地图范围中地面的中心点位置；
在现场三维地图中基于地图位置和由地图位置向中心点位置的直线方向，构建第二方向移动向量；
计算第一移动向量与第二移动向量之间的向量夹角；
通过最小向量夹角对应的图像采集设备拍摄生产人员的人员图像。
优选的，第二获取模块基于多个轮廓特征，确定生产人员的行为信息，包括：
基于多个轮廓特征，构建第一轮廓特征向量；
获取预设的人员行为判定库，人员行为判定库包括：多组一一对应的第二轮廓特征向量和人员行为；
将第一轮廓特征向量与任一第二轮廓特征向量进行匹配；
若匹配符合，将匹配符合的第二轮廓特征向量对应的人员行为作为生产人员的行为信息；
和/或，
将多个轮廓特征输入至预设的人员行为判定模型，确定生产人员的行为信息。
优选的，监管模块基于现场数据和目标生产环节对应的预设的安全生产标准库，对目标生产环节进行安全生产监管，包括：
从安全生产标准库中提取多组一一对应的安全生产标准和预警策略；
确定现场数据是否不符合任一安全生产标准；
若是，将现场数据不符合的安全生产标准对应的预警策略作为目标预警策略；
执行目标预警策略；
基于目标预警策略对应的预设的现场响应情况获取模板，获取企业生产现场的现场响应情况；
基于目标预警策略对应的预设的现场响应情况评价模板，对现场响应情况进行评价，获得评价值；
若评价值小于等于预设的评价值阈值，执行目标预警策略对应的预设的深度预警策略。
本发明实施例提供的一种企业安全生产标准化智能监管方法，包括：
步骤1：获取企业需要进行安全生产监管的目标生产环节；
步骤2：获取目标生产环节对应的企业生产现场的现场数据；
步骤3：基于现场数据和目标生产环节对应的预设的安全生产标准库，对目标生产环节进行安全生产监管。
优选的，步骤1：获取企业需要进行安全生产监管的目标生产环节，包括：
获取企业的监管员输入的企业需要进行安全生产监管的目标生产环节；
和/或，
获取企业所属的企业行业；
从大数据平台上获取企业行业内历史上发生的生产安全事故事件；
基于生产安全事故事件，确定企业需要进行安全生产监管的目标生产环节。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种企业安全生产标准化智能监管***的示意图；
图2为本发明实施例中一种企业安全生产标准化智能监管方法的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提供了一种企业安全生产标准化智能监管***，如图1所示，包括：
第一获取模块1，用于获取企业需要进行安全生产监管的目标生产环节；
第二获取模块2，用于获取目标生产环节对应的企业生产现场的现场数据；
监管模块3，用于基于现场数据和目标生产环节对应的预设的安全生产标准库，对目标生产环节进行安全生产监管。
上述技术方案的工作原理及有益效果为：
一般的，企业在进行生产作业时，不同的生产环节在不同生产现场内完成。因此，首先，获取企业需要进行安全生产监管的目标生产环节，例如：汽车配件装配环节。接着，获取目标生产环节对应的企业生产现场的现场数据，例如：汽车配件装配车间内的工作人员的人员行为和设备工作状态等。其次，引入目标生产环节对应的预设的安全生产标准库，安全生产标准库中存储有企业进行该目标生产环节的生产时应严格按照的安全生产标准，例如：汽车配件的吊具在移动时，严禁人为干预。最后，基于现场数据和安全生产标准库，对生产现场进行安全生产监管，例如：检测汽车配件安装现场内是否有人员在汽车配件的吊具移动时，对吊具进行人为干预。
本申请无需在生产现场设置监管人员进行生产是否按照安全生成标准执行的监管，降低了人力成本，另外，自主获取现场数据，引入目标生产环节对应的预设的安全生产标准库，针对性地对企业生产现场进行安全生产监管，提升监管的全面性和及时性。
在一个实施例中，第一获取模块1获取企业需要进行安全生产监管的目标生产环节，包括：
获取企业的监管员输入的企业需要进行安全生产监管的目标生产环节；
和/或，
获取企业所属的企业行业；
从大数据平台上获取企业行业内历史上发生的生产安全事故事件；
基于生产安全事故事件，确定企业需要进行安全生产监管的目标生产环节。
上述技术方案的工作原理及有益效果为：
企业需要进行安全生产监管的目标生产环节的获取由两种方式：第一种，由企业的管理员根据企业意愿进行自主输入。第二种，根据企业所属的企业行业内历史上发生的生产安全事故事件，确定企业内可能会产生生产安全事故即需要进行安全生产监管的目标生产环节，例如：汽车生产行业内历史上某企业在汽车零配件装配环节出现事故，则将企业的汽车零配件装配环节作为需要进行安全生产监管的目标生产环节。自适应自主为企业确定，提升用户体验，也更加人性化。另外，在获取生产安全事故事件时，可以从大数据平台上获取，大数据平台负责收集企业所属的企业行业内历史上发生的生产安全事故事件。
在一个实施例中，基于生产安全事故事件，确定企业需要进行安全生产监管的目标生产环节，包括：
从生产安全事故事件中提取事故产生条件集，事故产生条件集包括：多组一一对应的事故产生条件和必要值；
获取企业生产的生产环节的生产环节信息；
确定生产环节信息是否符合任一事故产生条件；
若是，将生产环节信息符合的事故产生条件对应的必要值作为目标必要值；
累加计算目标必要值，获得必要值和；
若必要值和大于等于预设的必要值和阈值，将对应生产环节作为企业需要进行安全生产监管的目标生产环节。
上述技术方案的工作原理及有益效果为：
基于生产安全事故事件，确定企业需要进行安全生产监管的目标生产环节时，企业内是可能不会产生该事故事件，例如：生产安全事故事件为机械臂与工作人员产生碰撞，但是，企业内机械臂工作区域有围栏封闭，因此，需要判断企业内是否可能会产生该事故事件。
提取生产安全事故事件中的事故产生条件集，事故产生条件集中的多组一一对应的事故产生条件和必要值具体为：事故产生条件为产生生产安全事故事件所需的条件，例如：事故为机械臂与工作人员产生碰撞，则事故产生条件为机械臂与工作人员协同进行作业，必要值代表产生生产安全事故事件所需的条件导致事故产生的条件导致权重，必要值越大，若企业符合该事故产生条件，产生该事故的可能性越大。
获取企业生产的生产环节的生产环节信息，生产环境信息为生产环节中生产现场的布局、人员设置和设备信息等，例如：生产环节为汽车零配件装配，生产环境信息为现场机械臂与工作人员协同进行作业等。
确定生产环节信息是否符合任一事故产生条件，若是，将生产环节信息符合的事故产生条件对应的必要值作为目标必要值，累加计算目标必要值，获得必要值和。累加计算公式为：
Figure BDA0003805739430000081
Figure BDA0003805739430000082
为必要值和，Di为第i个目标必要值，n为目标必要值的总数目。若必要值和大于等于预设的必要值和阈值，说明企业内对应生产环节可能会产生该事故，作为企业需要进行安全生产监管的目标生产环节。
本申请对企业内是否可能会产生该事故事件进行判断，保证企业需要进行安全生产监管的目标生产环节确定的精准性，提升了与大数据平台配合的适用性，另外，在进行判断时，引入事故产生条件和必要值，综合进行事故发生的可能性判断，提升判断精准性和判断效率。
在一个实施例中，第二获取模块2获取目标生产环节对应的企业生产现场的现场数据，包括：
获取目标生产环节对应的企业生产现场内的生产设备的设备运行信息，并作为现场数据；
和/或，
获取目标生产环节对应的企业生产现场内的生产人员的行为信息，并作为现场数据。
上述技术方案的工作原理及有益效果为：
目标生产环节对应的企业生产现场的现场数据的获取方式有两种：第一种，获取企业生产现场内的生产设备的设备运行信息，作为现场数据，例如：汽车配件吊具的吊装高度和运行周期等。第二种，获取企业生产现场内的生产人员的行为信息，作为现场数据，例如：人员的动作行为，可以基于动作行为，确定作业风险。引入两种方式获取现场数据，提升***的全面性和适用性。
在一个实施例中，第二获取模块2获取目标生产环节对应的企业生产现场内的生产人员的行为信息，包括：
获取目标生产环节对应的企业生产现场内的生产人员的人员图像；
对人员图像进行人体轮廓提取，获得生产人员的人员轮廓；
对人员轮廓进行特征提取，获得多个轮廓特征；
基于多个轮廓特征，确定生产人员的行为信息。
上述技术方案的工作原理及有益效果为：
获取行为信息时，首先获取企业生产现场内的生产人员的人员图像，提取出生产人员的人员轮廓，再提取出轮廓特征，基于轮廓特征，确定生产人员的行为信息。轮廓特征可以为：头部轮廓与胸部轮廓的所呈角度、头部轮廓的大小、头部轮廓的形状以及其他部位之间的轮廓的所呈角度和其他部位的大小和形状等。例如：基于头部轮廓的形状和大小可以判定生产人员是否佩戴安全帽等，头部轮廓与胸部轮廓的所呈角度小于150度，说明用户在低头等。提升了行为信息确定的确定精准性和确定效率。
在一个实施例中，第二获取模块2获取目标生产环节对应的企业生产现场内的生产人员的人员图像，包括：
获取企业生产现场对应的预设的现场三维地图；
获取生产人员最近预设的时间内的移动轨迹；
从现场三维地图中确定对应于移动轨迹的地图轨迹；
获取企业生产现场内的图像采集设备的拍摄范围；
从现场三维地图中确定对应于拍摄范围的地图范围；
确定移动轨迹是否局部落在地图范围内；
若是，获取移动轨迹落在地图范围内的局部轨迹的轨迹长度；
若轨迹长度小于等于预设的轨迹长度阈值，获取生产人员当前的人员位置和移动方向；
从现场三维地图中确定对应于人员位置的地图位置；
从现场三维地图中确定对应于移动方向的地图方向；
在现场三维地图中基于地图位置和地图方向，构建第一移动方向向量；
获取地图范围中地面的中心点位置；
在现场三维地图中基于地图位置和由地图位置向中心点位置的直线方向，构建第二方向移动向量；
计算第一移动向量与第二移动向量之间的向量夹角；
通过最小向量夹角对应的图像采集设备拍摄生产人员的人员图像。
上述技术方案的工作原理及有益效果为：
一般的，企业生产现场内会设置多个摄像头，想要获取生产人员的人员图像时，需要对每一摄像头采集到的现场图像进行人像检测，确定是否有某生产人员出现，当有某生产人员出现时，提取出人员图像。当生产人员在摄像头的拍摄范围内丢失时，仍需每一摄像头采集到的现场图像进行人像检测，确定该生产人员的新的人员图像。全程较繁琐，且***检测资源占用较多。因此，亟需进行解决。
引入企业生产现场对应的预设的现场三维地图，现场三维地图为基于BIM技术1：1还原企业生产现场的三维地图。获取生产人员最近预设的时间内的移动轨迹，预设的时间为7秒，移动轨迹的获取可根据之前摄像头采集的生产人员的图像确定的人员位置构成。从现场三维地图中确定对应于移动轨迹的地图轨迹，即在现场三维地图中标记移动轨迹。获取企业生产现场内的图像采集设备的拍摄范围。从现场三维地图中确定对应于拍摄范围的地图范围，即在现场三维地图中标记拍摄范围。确定移动轨迹是否局部落在地图范围内，若是，说明生产人员在摄像头拍摄范围内出现，获取移动轨迹落在地图范围内的局部轨迹的轨迹长度，若轨迹长度小于等于预设的轨迹长度阈值，说明生产人员在摄像头拍摄范围内刚出现，获取生产人员当前的人员位置和移动方向，人员位置和移动方向可基于局部轨迹确定，例如：将局部轨迹的截止点作为人员位置，局部轨迹上截止点前一定距离的轨迹点与截止点之间的直线方向作为移动方向。在现场三维地图中基于地图位置和地图方向，构建第一移动方向向量。获取地图范围中地面的中心点位置，在现场三维地图中基于地图位置和由地图位置向中心点位置的直线方向，构建第二方向移动向量。计算第一移动向量与第二移动向量之间的向量夹角。第二方向移动向量反应了若生产人员向摄像头的拍摄范围内的路面中心点移动应产生的移动情况，因此，向量夹角越小，说明生产人员越向摄像头的拍摄范围内的路面中心点移动，若利用该摄像头拍摄该生产人员的图像，生产人员在拍摄范围内的时长应最长，短时间内摄像头无需调整，因此，通过最小向量夹角对应的图像采集设备拍摄生产人员的人员图像。
本申请只需开始短暂对每一摄像头采集到的现场图像进行人像检测，当检测到生产人员产生位置移动轨迹时，则选择跟踪获取的摄像头进行跟踪获取，无需再对每一摄像头采集到的现场图像进行人像检测，提升了便捷性，减少资源占用，另外，在挑选适宜的摄像头进行跟踪获取时，挑选出跟踪时长能够最长的摄像头进行跟踪获取，提升了适宜的摄像头挑选的挑选适宜性和挑选效率，同时，也更加智能化。
在一个实施例中，第二获取模块2基于多个轮廓特征，确定生产人员的行为信息，包括：
基于多个轮廓特征，构建第一轮廓特征向量；
获取预设的人员行为判定库，人员行为判定库包括：多组一一对应的第二轮廓特征向量和人员行为；
将第一轮廓特征向量与任一第二轮廓特征向量进行匹配；
若匹配符合，将匹配符合的第二轮廓特征向量对应的人员行为作为生产人员的行为信息；
和/或，
将多个轮廓特征输入至预设的人员行为判定模型，确定生产人员的行为信息。
上述技术方案的工作原理及有益效果为：
基于多个轮廓特征，确定生产人员的行为信息的方式有两种：第一种，基于多个轮廓特征，构建第一轮廓特征向量；引入预设的人员行为判定库，人员行为判定库中的多组一一对应的第二轮廓特征向量和人员行为具体为：预先确定什么轮廓特征可以代表生产人员产生什么行为，例如：头部轮廓与胸部轮廓的所呈角度小于150度，说明用户在低头，基于这些轮廓特征构建第二轮廓特征向量，设定人员行为为用户低头；将第一轮廓特征向量与任一第二轮廓特征向量进行匹配，若匹配符合，将匹配符合的第二轮廓特征向量对应的人员行为作为生产人员的行为信息。第二种，引入预设的人员行为判定模型，人员行为判定模型为利用大量人工根据轮廓特征进行人员行为判定的逻辑记录作为训练样本对神经网络模型进行训练获得的能够代替人工根据轮廓特征进行人员行为判定的人工智能模型。提升***进行人员行为判定的全面性和精准性。
在一个实施例中，监管模块3基于现场数据和目标生产环节对应的预设的安全生产标准库，对目标生产环节进行安全生产监管，包括：
从安全生产标准库中提取多组一一对应的安全生产标准和预警策略；
确定现场数据是否不符合任一安全生产标准；
若是，将现场数据不符合的安全生产标准对应的预警策略作为目标预警策略；
执行目标预警策略；
基于目标预警策略对应的预设的现场响应情况获取模板，获取企业生产现场的现场响应情况；
基于目标预警策略对应的预设的现场响应情况评价模板，对现场响应情况进行评价，获得评价值；
若评价值小于等于预设的评价值阈值，执行目标预警策略对应的预设的深度预警策略。
上述技术方案的工作原理及有益效果为：
安全生产标准库中多组一一对应的安全生产标准和预警策略具体为：安全生产标准为该目标生产环节的生产时应严格按照的安全生产标准，预警策略为若生产不符合该安全生产标准则执行的预警策略，例如：安全生产标准为汽车配件的吊具在移动时，严禁人为干预，则预警策略为提醒现场人员停止对吊具进行人为干预。确定现场数据是否不符合任一安全生产标准，若是，将现场数据不符合的安全生产标准对应的预警策略作为目标预警策略，并进行执行。
但是，执行目标预警策略后，现场可能没有及时进行改正，基于目标预警策略对应的预设的现场响应情况获取模板，获取企业生产现场的现场响应情况，基于目标预警策略对应的预设的现场响应情况评价模板，对现场响应情况进行评价，获得评价值，评价值小于等于预设的评价值阈值，执行目标预警策略对应的预设的深度预警策略。目标预警策略对应的预设的现场响应情况获取模板具体为，例如：目标预测策略为提醒现场人员停止对吊具进行人为干预，则现场响应情况获取模板为获取现场对吊具进行人工干预的人员是否停止干预，将该情况作为现场响应情况。目标预警策略对应的预设的现场响应情况评价模板具体为，例如：目标预测策略为提醒现场人员停止对吊具进行人为干预，现场响应情况评价模板则为评价现场对吊具进行人工干预的人员停止干预的响应时间，若响应时间越短，评价值越高。目标预警策略对应的预设的深度预警策略具体为，例如：目标预测策略为提醒现场人员停止对吊具进行人为干预，停止吊具移动，以确保安全性。
本申请首先确定目标预警策略，进行轻度预警，在轻度预警后，获取现场响应情况，决定是否进行深度预警，若是，进行深度预警，提升了监管效率和监管精准性，另外，在确定目标预警策略时，引入安全生产标准和预警策略，进行标配符合判定确定，在获取现场响应情况，引入现场响应情况获取模板等，极大程度提升了***的工作效率。
本发明实施例提供了一种企业安全生产标准化智能监管方法，如图2所示，包括：
步骤1：获取企业需要进行安全生产监管的目标生产环节；
步骤2：获取目标生产环节对应的企业生产现场的现场数据；
步骤3：基于现场数据和目标生产环节对应的预设的安全生产标准库，对目标生产环节进行安全生产监管。
在一个实施例中，步骤1：获取企业需要进行安全生产监管的目标生产环节，包括：
获取企业的监管员输入的企业需要进行安全生产监管的目标生产环节；
和/或，
获取企业所属的企业行业；
从大数据平台上获取企业行业内历史上发生的生产安全事故事件；
基于生产安全事故事件，确定企业需要进行安全生产监管的目标生产环节。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (7)

1.一种企业安全生产标准化智能监管***，其特征在于，包括：
第一获取模块，用于获取企业需要进行安全生产监管的目标生产环节；
第二获取模块，用于获取所述目标生产环节对应的企业生产现场的现场数据；
监管模块，用于基于所述现场数据和所述目标生产环节对应的预设的安全生产标准库，对所述目标生产环节进行安全生产监管；
所述第二获取模块获取所述目标生产环节对应的企业生产现场的现场数据，包括：
获取所述目标生产环节对应的企业生产现场内的生产人员的行为信息，并作为现场数据；
所述第二获取模块获取所述目标生产环节对应的企业生产现场内的生产人员的行为信息，包括：
获取所述目标生产环节对应的企业生产现场内的生产人员的人员图像；
对所述人员图像进行人体轮廓提取，获得所述生产人员的人员轮廓；
对所述人员轮廓进行特征提取，获得多个轮廓特征；
基于所述多个轮廓特征，确定所述生产人员的行为信息；
所述第二获取模块获取所述目标生产环节对应的企业生产现场内的生产人员的人员图像，包括：
获取所述企业生产现场对应的预设的现场三维地图；
获取所述生产人员最近预设的时间内的移动轨迹；
从所述现场三维地图中确定对应于所述移动轨迹的地图轨迹；
获取所述企业生产现场内的图像采集设备的拍摄范围；
从所述现场三维地图中确定对应于所述拍摄范围的地图范围；
确定所述移动轨迹是否局部落在所述地图范围内；
若是，获取所述移动轨迹落在所述地图范围内的局部轨迹的轨迹长度；
若所述轨迹长度小于等于预设的轨迹长度阈值，获取所述生产人员当前的人员位置和移动方向；
从所述现场三维地图中确定对应于所述人员位置的地图位置；
从所述现场三维地图中确定对应于所述移动方向的地图方向；
在所述现场三维地图中基于所述地图位置和所述地图方向，构建第一移动方向向量；
获取所述地图范围中地面的中心点位置；
在所述现场三维地图中基于所述地图位置和由所述所述地图位置向所述中心点位置的直线方向，构建第二方向移动向量；
计算所述第一移动向量与所述第二移动向量之间的向量夹角；
通过最小所述向量夹角对应的所述图像采集设备拍摄所述生产人员的人员图像。
2.如权利要求1所述的一种企业安全生产标准化智能监管***，其特征在于，所述第一获取模块获取企业需要进行安全生产监管的目标生产环节，包括：
获取企业的监管员输入的企业需要进行安全生产监管的目标生产环节；
和/或，
获取企业所属的企业行业；
从大数据平台上获取所述企业行业内历史上发生的生产安全事故事件；
基于所述生产安全事故事件，确定企业需要进行安全生产监管的目标生产环节。
3.如权利要求2所述的一种企业安全生产标准化智能监管***，其特征在于，所述基于所述生产安全事故事件，确定企业需要进行安全生产监管的目标生产环节，包括：
从所述生产安全事故事件中提取事故产生条件集，所述事故产生条件集包括：多组一一对应的事故产生条件和必要值；
获取企业生产的生产环节的生产环节信息；
确定所述生产环节信息是否符合任一所述事故产生条件；
若是，将所述生产环节信息符合的所述事故产生条件对应的所述必要值作为目标必要值；
累加计算所述目标必要值，获得必要值和；
若所述必要值和大于等于预设的必要值和阈值，将对应所述生产环节作为企业需要进行安全生产监管的目标生产环节。
4.如权利要求1所述的一种企业安全生产标准化智能监管***，其特征在于，所述第二获取模块基于所述多个轮廓特征，确定所述生产人员的行为信息，包括：
基于所述多个轮廓特征，构建第一轮廓特征向量；
获取预设的人员行为判定库，所述人员行为判定库包括：多组一一对应的第二轮廓特征向量和人员行为；
将所述第一轮廓特征向量与任一所述第二轮廓特征向量进行匹配；
若匹配符合，将匹配符合的所述第二轮廓特征向量对应的所述人员行为作为所述生产人员的行为信息；
和/或，
将所述多个轮廓特征输入至预设的人员行为判定模型，确定所述生产人员的行为信息。
5.如权利要求1所述的一种企业安全生产标准化智能监管***，其特征在于，所述监管模块基于所述现场数据和所述目标生产环节对应的预设的安全生产标准库，对所述目标生产环节进行安全生产监管，包括：
从所述安全生产标准库中提取多组一一对应的安全生产标准和预警策略；
确定所述现场数据是否不符合任一所述安全生产标准；
若是，将所述现场数据不符合的所述安全生产标准对应的所述预警策略作为目标预警策略；
执行所述目标预警策略；
基于所述目标预警策略对应的预设的现场响应情况获取模板，获取所述企业生产现场的现场响应情况；
基于所述目标预警策略对应的预设的现场响应情况评价模板，对所述现场响应情况进行评价，获得评价值；
若所述评价值小于等于预设的评价值阈值，执行所述目标预警策略对应的预设的深度预警策略。
6.一种企业安全生产标准化智能监管方法，其特征在于，包括：
步骤1：获取企业需要进行安全生产监管的目标生产环节；
步骤2：获取所述目标生产环节对应的企业生产现场的现场数据；
步骤3：基于所述现场数据和所述目标生产环节对应的预设的安全生产标准库，对所述目标生产环节进行安全生产监管；
所述步骤2：获取所述目标生产环节对应的企业生产现场的现场数据，包括：
获取所述目标生产环节对应的企业生产现场内的生产人员的行为信息，并作为现场数据；
所述获取所述目标生产环节对应的企业生产现场内的生产人员的行为信息，包括：
获取所述目标生产环节对应的企业生产现场内的生产人员的人员图像；
对所述人员图像进行人体轮廓提取，获得所述生产人员的人员轮廓；
对所述人员轮廓进行特征提取，获得多个轮廓特征；
基于所述多个轮廓特征，确定所述生产人员的行为信息；
所述获取所述目标生产环节对应的企业生产现场内的生产人员的人员图像，包括：
获取所述企业生产现场对应的预设的现场三维地图；
获取所述生产人员最近预设的时间内的移动轨迹；
从所述现场三维地图中确定对应于所述移动轨迹的地图轨迹；
获取所述企业生产现场内的图像采集设备的拍摄范围；
从所述现场三维地图中确定对应于所述拍摄范围的地图范围；
确定所述移动轨迹是否局部落在所述地图范围内；
若是，获取所述移动轨迹落在所述地图范围内的局部轨迹的轨迹长度；
若所述轨迹长度小于等于预设的轨迹长度阈值，获取所述生产人员当前的人员位置和移动方向；
从所述现场三维地图中确定对应于所述人员位置的地图位置；
从所述现场三维地图中确定对应于所述移动方向的地图方向；
在所述现场三维地图中基于所述地图位置和所述地图方向，构建第一移动方向向量；
获取所述地图范围中地面的中心点位置；
在所述现场三维地图中基于所述地图位置和由所述所述地图位置向所述中心点位置的直线方向，构建第二方向移动向量；
计算所述第一移动向量与所述第二移动向量之间的向量夹角；
通过最小所述向量夹角对应的所述图像采集设备拍摄所述生产人员的人员图像。
7.如权利要求6所述的一种企业安全生产标准化智能监管方法，其特征在于，所述步骤1：获取企业需要进行安全生产监管的目标生产环节，包括：
获取企业的监管员输入的企业需要进行安全生产监管的目标生产环节；
和/或，
获取企业所属的企业行业；
从大数据平台上获取所述企业行业内历史上发生的生产安全事故事件；
基于所述生产安全事故事件，确定企业需要进行安全生产监管的目标生产环节。
CN202210996862.9A 2022-08-19 2022-08-19 一种企业安全生产标准化智能监管***及方法 Active CN115331174B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210996862.9A CN115331174B (zh) 2022-08-19 2022-08-19 一种企业安全生产标准化智能监管***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210996862.9A CN115331174B (zh) 2022-08-19 2022-08-19 一种企业安全生产标准化智能监管***及方法

Publications (2)

Publication Number Publication Date
CN115331174A CN115331174A (zh) 2022-11-11
CN115331174B true CN115331174B (zh) 2023-06-13

Family

ID=83926441

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210996862.9A Active CN115331174B (zh) 2022-08-19 2022-08-19 一种企业安全生产标准化智能监管***及方法

Country Status (1)

Country Link
CN (1) CN115331174B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110636923A (zh) * 2017-05-17 2019-12-31 深圳配天智能技术研究院有限公司 一种机器人的运动控制方法、机器人及控制器
CN212440011U (zh) * 2020-03-26 2021-02-02 海南和方信息科技有限公司 一种游戏模型地图定位***

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4281402B2 (ja) * 2003-04-21 2009-06-17 ソニー株式会社 画像管理システム及び画像管理方法、並びにコンピュータ・プログラム
JP4996404B2 (ja) * 2007-09-20 2012-08-08 技研トラステム株式会社 人物行動検索装置
US10659750B2 (en) * 2014-07-23 2020-05-19 Apple Inc. Method and system for presenting at least part of an image of a real object in a view of a real environment, and method and system for selecting a subset of a plurality of images
CN105426859A (zh) * 2015-12-01 2016-03-23 东华大学 一种学校运动场使用情况智能监控统计***
CN110192168B (zh) * 2017-12-29 2022-06-10 深圳市大疆创新科技有限公司 一种无人机拍照方法、图像处理方法和装置
CN108416321A (zh) * 2018-03-23 2018-08-17 北京市商汤科技开发有限公司 用于预测目标对象运动朝向的方法、车辆控制方法及装置
CN111190420B (zh) * 2020-01-07 2021-11-12 大连理工大学 一种多移动机器人在安防领域中协作搜索与围捕方法
CN111405246B (zh) * 2020-03-12 2021-04-06 厦门宇昊软件有限公司 一种智慧城市监控方法、装置及管理终端
CN113657747B (zh) * 2021-08-12 2023-06-16 中国安全生产科学研究院 一种企业安全生产标准化级别智能评定***
CN113657788A (zh) * 2021-08-24 2021-11-16 中国安全生产科学研究院 一种企业安全生产标准化智能监管***及方法
CN114282788A (zh) * 2021-12-13 2022-04-05 上海异工同智信息科技有限公司 企业风险预警方法、装置、电子设备及可读存储介质
CN114841660B (zh) * 2022-04-17 2023-05-26 河南鑫安利安全科技股份有限公司 一种基于现场信息的企业智慧安全管控云平台
CN114721342A (zh) * 2022-04-28 2022-07-08 南京安工信息科技有限公司 一种化工企业安全生产管理一体化平台***及其预警***

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110636923A (zh) * 2017-05-17 2019-12-31 深圳配天智能技术研究院有限公司 一种机器人的运动控制方法、机器人及控制器
CN212440011U (zh) * 2020-03-26 2021-02-02 海南和方信息科技有限公司 一种游戏模型地图定位***

Also Published As

Publication number Publication date
CN115331174A (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
CN111144263B (zh) 一种建筑工人高坠事故预警方法及装置
CN112347916B (zh) 基于视频图像分析的电力现场作业安全监控方法及装置
CN111079722B (zh) 一种吊装过程人员安全监测方法及***
CN112685812A (zh) 一种动态监管方法、装置、设备及存储介质
Lee et al. Intelligent robot for worker safety surveillance: Deep learning perception and visual navigation
WO2023104557A1 (en) Machine-learning for safety rule violation determination
WO2021110226A1 (en) A method of monitoring a production area and a system thereof
CN117115728A (zh) 一种应用于变电站现场作业的风险识别方法及***
CN114495421A (zh) 智能化开放式道路施工作业监测预警方法及***
CN115331174B (zh) 一种企业安全生产标准化智能监管***及方法
CN117612249A (zh) 一种基于改进OpenPose算法的井下矿工危险行为识别方法和装置
CN112991544A (zh) 一种基于全景影像建模的群体疏散行为仿真方法
CN116167545A (zh) 一种bim智慧工地管理平台***及方法
CN115861364B (zh) 一种基于ai识别的现场人员管控方法和***
CN114113487B (zh) 一种挥发性有机物在线监测***及方法
CN117523914A (zh) 碰撞预警方法、装置、设备、可读存储介质及程序产品
CN112668538A (zh) 一种装药操作行为规范监控方法
EP4350639A1 (en) Safety rule violation detection in a construction or constructed site
Chen et al. A novel system for automated proper use identification of personal protective equipment in decommissioning site of fukushima daiichi nuclear power station
CN116580294B (zh) 基于大数据的矿山动态监控风险预警方法及***
Medvedev et al. Computer Vision Method for Detecting Safety Violations Using the YOLOv8 Model
Gu et al. Computer vision-based human-machine collision warning system on construction site
CN118211754B (zh) 基于数字孪生的智能化工厂安全管理***
CN112802303A (zh) 一种基于3d视觉的实时风险预测方法及***
Kim et al. Abnormal Detection of Worker by Interaction Analysis of Accident-Causing Objects

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