CN115641607A - 电力施工现场作业人员穿戴行为检测方法、装置、设备及存储介质 - Google Patents
电力施工现场作业人员穿戴行为检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115641607A CN115641607A CN202211093346.1A CN202211093346A CN115641607A CN 115641607 A CN115641607 A CN 115641607A CN 202211093346 A CN202211093346 A CN 202211093346A CN 115641607 A CN115641607 A CN 115641607A
- Authority
- CN
- China
- Prior art keywords
- information
- construction site
- power construction
- electric power
- worker
- 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
Links
- 238000010276 construction Methods 0.000 title claims abstract description 112
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000006399 behavior Effects 0.000 claims abstract description 41
- 238000001514 detection method Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 abstract description 10
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电力施工现场作业人员穿戴行为检测方法、装置、设备及存储介质,其中,电力施工现场作业人员穿戴行为检测方法,包括:获取无人机拍摄的电力施工现场的图像信息和无人机的坐标信息;基于图像信息识别电力施工现场的作业人员信息、安全帽信息和工作服信息;基于作业人员信息、安全帽信息和工作服信息确定作业人员是否穿戴安全帽和工作服,获得作业人员的穿戴安全结果。可实现远程获取电力施工现场的信息,不需要单独派驻监管人员进行监控,解放监管人员劳动力,使得单个监管人员可同时对多个电力施工现场进行监控。
Description
技术领域
本发明涉及电力作业安全检测技术领域,尤其涉及一种电力施工现场人员穿戴行为检测方法、装置、设备及存储介质。
背景技术
为了满足社会对电力的需求,发电装机容量对应不断增加,相应的电力建设规模也在不断扩大,在此过程中需要进行大量的电力施工现场作业,使得电力施工安全事故频发。
其中,在电力安全事故中违规违章操作是发生人身伤亡的最主要原因,其发生死伤事故数量是产品质量、自然因素和意外事故等其他次要原因造成的事故数量的几倍,甚至几十倍。电力生产作业过程中工序复杂,日常巡检和维修过程中会接触高压电力设备,如操作不当或未佩戴防护装备,容易出现安全事故。
传统的安全管理工作及措施主要依赖在电力施工现场中配有的安全督察员,但很难避免由于安全督察员疏忽,现场监督提醒不及时,或其它人为因素的影响,造成安全事故,仅靠人力很难满足对大型施工项目智能化和安全化的措施要求,也不利于减轻劳动强度和提高工作效率。
发明内容
本发明提供了一种电力施工现场作业人员穿戴行为检测方法、装置、设备及存储介质,以实现对电力施工现场的作业人员的防护装备穿戴情况检测。
根据本发明的一方面,提供了一种电力施工现场作业人员穿戴行为检测方法,包括:
获取无人机拍摄的电力施工现场的图像信息和所述无人机的坐标信息;
基于所述图像信息识别所述电力施工现场的作业人员信息、安全帽信息和工作服信息;
基于所述作业人员信息、所述安全帽信息和工作服信息确定作业人员是否穿戴安全帽和工作服,获得所述作业人员的穿戴安全结果。
可选的,在所述基于所述作业人员信息、所述安全帽信息和工作服信息确定作业人员是否穿戴安全帽和工作服,获得所述作业人员的穿戴安全结果之后,还包括:
基于所述穿戴安全结果生成报警信息;
将所述报警信息推送至管理人员的管理终端上。
可选的,所述获取无人机拍摄的电力施工现场的图像信息和所述无人机的坐标信息,包括:
获取无人机拍摄的电力施工现场的初始图像信息;
对所述初始图像信息进行图像预处理,获得电力施工现场的图像信息;
获取所述无人机的坐标信息。
可选的,所述基于所述图像信息识别所述电力施工现场的作业人员信息、安全帽信息和工作服信息,包括:
基于所述图像信息识别所述电力施工现场的作业人员位置信息和身份信息,作为作业人员信息;
基于所述图像信息识别所述电力施工现场的安全帽位置信息,作为安全帽信息;
基于所述图像信息识别所述电力施工现场的工作服位置信息,作为工作服信息。
可选的,所述基于所述图像信息识别所述电力施工现场的作业人员位置信息和身份信息,作为作业人员信息,包括:
利用预先训练的YOLOv7模型对所述图像信息进行处理,获得表征所述电力施工现场的作业人员的位置的人体目标框,作为作业人员位置信息;
利用预先训练的Faster-RCNN模型对图像信息进行处理,获得所述图像信息中的人脸的身份信息和人脸位置信息;
将基于所述作业人员位置信息、所述人脸位置信息将所述作业人员位置信息与所述身份信息进行关联,作为作业人员信息。
可选的,基于所述图像信息识别所述电力施工现场的安全帽位置信息,作为安全帽信息,包括:
利用预先训练的YOLOv7模型对所述图像信息进行处理,获得表征所述电力施工现场的安全帽的位置的安全帽目标框,作为安全帽信息。
可选的,所述基于所述图像信息识别所述电力施工现场的工作服位置信息,作为工作服信息,包括:
利用预先训练的YOLOv7模型对所述图像信息进行处理,获得表征所述电力施工现场的工作服的位置的工作服目标框,作为工作服信息。
根据本发明的另一方面,提供了一种电力施工现场作业人员穿戴行为检测装置,其特征在于,包括:
获取模块,用于执行获取无人机拍摄的电力施工现场的图像信息和所述无人机的坐标信息;
识别模块,用于执行基于所述图像信息识别所述电力施工现场的作业人员信息、安全帽信息和工作服信息;
判断模块,用于执行基于所述作业人员信息、所述安全帽信息和工作服信息确定作业人员是否穿戴安全帽和工作服,获得所述作业人员的穿戴安全结果。
根据本发明的另一方面,提供了一种电力施工现场作业人员穿戴行为检测设备,所述设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的电力施工现场作业人员穿戴行为检测方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的电力施工现场作业人员穿戴行为检测方法。
本发明实施例的技术方案,通过无人机对电力施工现场进行拍摄获取电力施工现场的图像信息,并从获取的图像信息中提取的工作人员信息、安全帽信息和工作服信息确定作业人员是否穿戴安全帽和工作服可实现远程获取电力施工现场的信息,不需要单独派驻监管人员进行监控,解放监管人员劳动力,使得单个监管人员可同时对多个电力施工现场进行监控。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,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他的附图。
图1是根据本发明实施例一提供的一种电力施工现场作业人员穿戴行为检测方法的流程图;
图2是根据本发明实施例二提供的一种电力施工现场作业人员穿戴行为检测装置的结构图;
图3是根据本发明实施例三实现本发明实施例的电力施工现场作业人员穿戴行为检测方法的电力施工现场作业人员穿戴行为检测设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中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的实施例,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他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种电力施工现场作业人员穿戴行为检测方法的流程图,本实施例可适用于对电力施工现场作业的作业人员是否穿戴安全帽和工作服进行判断的情况,该方法可以由电力施工现场作业人员穿戴行为检测装置来执行,该电力施工现场作业人员穿戴行为检测装置可以采用硬件和/或软件的形式实现,该电力施工现场作业人员穿戴行为检测装置可配置于计算机设备中,例如,服务器、工作站、个人电脑,等等。如图1所示,该方法包括:
S110、获取无人机拍摄的电力施工现场的图像信息和无人机的坐标信息。
一般的,无人机(unmanned aerial vehicle或drone)是一种由无线电遥控设备或自身程序控制装置操纵的无人驾驶飞行器。无人机的用途广泛,可用于实现在空中对物体进行无人机航拍摄影。无人机航拍摄影是以无人驾驶飞机作为空中平台,以机载遥感设备,如高分辨率CCD数码相机、轻型光学相机、红外扫描仪,激光扫描仪、磁测仪等获取信息,用计算机对图像信息进行处理,并按照一定精度要求制作成图像。全***在设计和最优化组合方面具有突出的特点,是集成了高空拍摄、遥控、遥测技术、视频影像微波传输和计算机影像信息处理的新型应用技术。使用无人机进行小区域遥感航拍技术,在实践中取得了明显成效和经验。以无人机为空中遥感平台的微型航空遥感技术,在电力***建设中得到广泛应用,实现对电力设备的巡检、电力作业过程中的监控等。
在本发明实施例中,利用无人机对电力施工现场进行航拍获取电力施工现场的图像信息,并且在拍摄的同时对拍摄地点的坐标信息进行同步获取。其中图像信息可以是拍摄的多张照片或拍摄的多段视频素材,坐标信息可以是经纬度信息或者是***内建的坐标信息,只要能够实现对拍摄地点的位置记录和表征即可。
S120、基于图像信息识别电力施工现场的作业人员信息、安全帽信息和工作服信息。
利用无人机获取的图像信息中包含位于电力施工现场的工作人员、电力设备和其他物体的信息。在本发明实施例中,主要针对的是电力施工现场的工作人员的安全帽、工作服佩戴情况的判断,所以在本步骤中则是要从图像信息中将作业人员信息、安全帽信息和工作服信息。其中,作业人员信息至少包括作业人员的身份信息和位置信息。
身份信息指的是作业人员的身份特征、身份标识等与作业人员的身份关联的信息;位置信息则是作业人员在获取的图像信息中的相对位置或者是在电力施工现场的具***置,其可以是采用图框框出来的位置信息,或者是计算后定义的单点信息等,只要能够明确工作人员的位置即可。
安全帽信息和工作服信息则是表征着在获取的图像信息中安全帽、工作服的位置信息和其他特征信息。其他特征信息可以是安全帽、工作服的颜色、样式等。
S130、基于作业人员信息、安全帽信息和工作服信息确定作业人员是否穿戴安全帽和工作服,获得作业人员的穿戴安全结果。
在前述步骤中从电力施工现场的图像信息中对作业人员信息、安全帽信息和工作服信息进行了获取,则本步骤中可基于作业人员信息与安全帽信息和工作服信息中的位置信息对比确认各个工作人员是否正确的佩戴安全帽和工作服。
示例性的,可通过计算工作人员与安全帽和工作服的重叠度判断工作人员是否佩戴安全帽和工作服。进一步的还可基于安全帽和工作服的颜色信息、样式信息等判断工作人员佩戴的安全帽和工作服是否符合规定等操作。
在本发明实施例中,通过无人机对电力施工现场进行拍摄获取电力施工现场的图像信息,并从获取的图像信息中提取的工作人员信息、安全帽信息和工作服信息确定作业人员是否穿戴安全帽和工作服可实现远程获取电力施工现场的信息,不需要单独派驻监管人员进行监控,解放监管人员劳动力,使得单个监管人员可同时对多个电力施工现场进行监控。
在本发明实施例中,在确定作业人员是否穿戴安全帽和工作服之后,还可以包括:
S140、基于穿戴安全结果生成报警信息。
S150、将报警信息推送至管理人员的管理终端上。
在前述步骤中对工作人员是否穿戴安全帽和工作服进行确认,该步骤中可基于穿戴安全结果生成对应的报警信息发送到管理人员的管理终端上。其中,管理终端可以是管理人员手中的移动设备,或者是其他可接收消息的设备。
在S110中可包括:
S111、获取无人机拍摄的电力施工现场的初始图像信息。
S112、对初始图像信息进行图像预处理,获得电力施工现场的图像信息。
一般的,图像预处理在对图像信息中的信息进行提取识别前对图像信息进行像素亮度变换、灰度级变换、几何变换、局部预处理、图像平滑、边缘检测算子、二阶导数过零点、Canny边缘提取、多光谱图像中的边缘、图像复原等处理,使图像信息中的关键信息更突出,并减少不相关信息的影响,以有效的提高后期的识别率。
S113、获取无人机的坐标信息。
在S120中,包括:
S121、基于图像信息识别电力施工现场的作业人员位置信息和身份信息,作为作业人员信息。
可选的,利用预先训练的YOLOv7模型对图像信息进行处理,获得表征电力施工现场的作业人员的位置的人体目标框,作为作业人员位置信息;
将图像信息输入到针对人***置识别预先训练的YOLOv7模型中进行识别图像信息中的人体,可获得人体所在位置的人体目标框Bbox-b(xb1,yb1),(xb2,yb2)…。
YOLOv7由提出YOLOv4的团队开发,输入图片需要转换成640*640*3像素大小,然后进入特征提取网络,经过预测器输出三个不同大小的特征图,经过Rep和conv输出预测结果。特征提取网络中首先经过4个CBS,CBS主要是卷积层Conv、正则化BN构成,激活函数使用SiLU,随后经过ELAN模块,ELAN由多个CBS构成。MP层由Maxpool和CBS构成,同时使用了最大池化层和卷积层。
SiLU激活函数公式为:SiLU(x)=x*sigmoid(x)。
利用预先训练的Faster-RCNN模型对图像信息进行处理,获得图像信息中的人脸的身份信息和人脸位置信息。
将图像信息输入到针对人脸信息预先训练的Faster-RCNN模型中确定人脸目标框(人脸位置信息)Bbox-f(xf1,yf1),(xf2,yf2)…和对应的人脸的身份信息,
将基于作业人员位置信息、人脸位置信息将作业人员位置信息与身份信息进行关联,作为作业人员信息。
示例性的,通过计算人体目标框Bbox-b与人脸目标框Bbox-f的交并比IOU,交并比大于M1的人脸与此人体属于同一人。
SA=(xb1-xb2)(yb1-yb2)
SB=(xf1-xf2)(yf1-yf2)
如果IOU≥M1,M1为阈值,则判定此人脸属于此人体。
S122、基于图像信息识别电力施工现场的安全帽位置信息,作为安全帽信息;
可选的,利用预先训练的YOLOv7模型对图像信息进行处理,获得表征电力施工现场的安全帽的位置的安全帽目标框,作为安全帽信息。
将图像信息输入到针对安全帽位置识别预先训练的YOLOv7模型中进行识别图像信息中的安全帽,可获得安全帽所在位置的安全帽目标框Bbox-a(xa1,ya1),(xa2,ya2)…。
进一步的,计算人体目标框Bbox-b与安全帽目标框Bbox-a的交并比IOU,在交并比大于阈值M2可判断在人体范围内存在安全帽。
SA=(xa1-xa2)(ya1-ya2)
SB=(xb1-xb2)(yb1-yb2)
如果IOU≥M2,M2为阈值,则判定人体范围内有安全帽。
再进一步的,计算人脸目标框Bbox-f与安全帽目标框Bbox-a的中心欧几里得距离d,可进一步的判断该工作人员是否正确佩戴安全帽。
其中,安全帽目标框Bbox-a的中心坐标设定为(x1,y1),人脸目标框Bbox-f的中心坐标设定为(x2,y2)。
欧式距离的阈值为:
式中Δ为修正值,当d小于等于D时,判定对应工作人员戴了安全帽。
S123、基于图像信息识别电力施工现场的工作服位置信息,作为工作服信息。
可选的,利用预先训练的YOLOv7模型对图像信息进行处理,获得表征电力施工现场的工作服的位置的工作服目标框,作为工作服信息。
将图像信息输入到针对工作服位置识别预先训练的YOLOv7模型中进行识别图像信息中的工作服,可获得工作服所在位置的工作服目标框Bbox-g(xg1,yg1),(xg2,yg2)…。进一步的,计算人体目标框Bbox-b与工作服目标框Bbox-g计算交并比IOU,交并比大于M3时,判定施工人员穿了工作服。
其中,M1、M2、M3的值可通过K-means聚类方法对标注过的图像数据进行聚类获取。
实施例二
图2为本发明实施例二提供的一种电力施工现场作业人员穿戴行为检测装置的结构示意图。如图2所示,该装置包括获取模块21、识别模块22和判断模块23。其中:
获取模块21,用于执行获取无人机拍摄的电力施工现场的图像信息和无人机的坐标信息;
识别模块22,用于执行基于图像信息识别电力施工现场的作业人员信息、安全帽信息和工作服信息;
判断模块23,用于执行基于作业人员信息、安全帽信息和工作服信息确定作业人员是否穿戴安全帽和工作服,获得作业人员的穿戴安全结果。
可选的,还包括:
生成模块,用于执行基于穿戴安全结果生成报警信息;
推送模块,用于执行将报警信息推送至管理人员的管理终端上。
可选的,获取模块21包括:
获取单元,用于执行获取无人机拍摄的电力施工现场的初始图像信息;
预处理单元,用于执行对初始图像信息进行图像预处理,获得电力施工现场的图像信息;
坐标单元,用于执行获取无人机的坐标信息。
可选的,识别模块22包括:
第一识别单元,用于执行基于图像信息识别电力施工现场的作业人员位置信息和身份信息,作为作业人员信息;
第二识别单元,用于执行基于图像信息识别电力施工现场的安全帽位置信息,作为安全帽信息;
第三识别单元,用于执行基于图像信息识别电力施工现场的工作服位置信息,作为工作服信息。
第一识别单元可包括:
人体目标框子单元,用于执行利用预先训练的YOLOv7模型对图像信息进行处理,获得表征电力施工现场的作业人员的位置的人体目标框,作为作业人员位置信息;
身份信息子单元,用于执行利用预先训练的Faster-RCNN模型对图像信息进行处理,获得图像信息中的人脸的身份信息和人脸位置信息;
关联子单元,用于执行将基于作业人员位置信息、人脸位置信息将作业人员位置信息与身份信息进行关联,作为作业人员信息。
第二识别单元可包括:
安全帽目标框子单元,用于执行利用预先训练的YOLOv7模型对图像信息进行处理,获得表征电力施工现场的安全帽的位置的安全帽目标框,作为安全帽信息。
第三识别单元可包括:
工作服目标框子单元,用于执行利用预先训练的YOLOv7模型对图像信息进行处理,获得表征电力施工现场的工作服的位置的工作服目标框,作为工作服信息。
本发明实施例所提供的电力施工现场作业人员穿戴行为检测装置可执行本发明任意实施例所提供的电力施工现场作业人员穿戴行为检测方法,具备执行方法相应的功能模块和有益效果。
实施例三
图3示出了可以用来实施本发明的实施例的电力施工现场作业人员穿戴行为检测设备10的结构示意图。电力施工现场作业人员穿戴行为检测设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电力施工现场作业人员穿戴行为检测设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图3所示,电力施工现场作业人员穿戴行为检测设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电力施工现场作业人员穿戴行为检测设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电力施工现场作业人员穿戴行为检测设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电力施工现场作业人员穿戴行为检测设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如电力施工现场作业人员穿戴行为检测方法。
在一些实施例中,电力施工现场作业人员穿戴行为检测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电力施工现场作业人员穿戴行为检测设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的电力施工现场作业人员穿戴行为检测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行电力施工现场作业人员穿戴行为检测方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电力施工现场作业人员穿戴行为检测设备上实施此处描述的***和技术,该电力施工现场作业人员穿戴行为检测设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电力施工现场作业人员穿戴行为检测设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种电力施工现场作业人员穿戴行为检测方法,其特征在于,包括:
获取无人机拍摄的电力施工现场的图像信息和所述无人机的坐标信息;
基于所述图像信息识别所述电力施工现场的作业人员信息、安全帽信息和工作服信息;
基于所述作业人员信息、所述安全帽信息和工作服信息确定作业人员是否穿戴安全帽和工作服,获得所述作业人员的穿戴安全结果。
2.根据权利要求1所述的电力施工现场作业人员穿戴行为检测方法,其特征在于,在所述基于所述作业人员信息、所述安全帽信息和工作服信息确定作业人员是否穿戴安全帽和工作服,获得所述作业人员的穿戴安全结果之后,还包括:
基于所述穿戴安全结果生成报警信息;
将所述报警信息推送至管理人员的管理终端上。
3.根据权利要求1所述的电力施工现场作业人员穿戴行为检测方法,其特征在于,所述获取无人机拍摄的电力施工现场的图像信息和所述无人机的坐标信息,包括:
获取无人机拍摄的电力施工现场的初始图像信息;
对所述初始图像信息进行图像预处理,获得电力施工现场的图像信息;
获取所述无人机的坐标信息。
4.根据权利要求1所述的电力施工现场作业人员穿戴行为检测方法,其特征在于,所述基于所述图像信息识别所述电力施工现场的作业人员信息、安全帽信息和工作服信息,包括:
基于所述图像信息识别所述电力施工现场的作业人员位置信息和身份信息,作为作业人员信息;
基于所述图像信息识别所述电力施工现场的安全帽位置信息,作为安全帽信息;
基于所述图像信息识别所述电力施工现场的工作服位置信息,作为工作服信息。
5.根据权利要求4所述的电力施工现场作业人员穿戴行为检测方法,其特征在于,所述基于所述图像信息识别所述电力施工现场的作业人员位置信息和身份信息,作为作业人员信息,包括:
利用预先训练的YOLOv7模型对所述图像信息进行处理,获得表征所述电力施工现场的作业人员的位置的人体目标框,作为作业人员位置信息;
利用预先训练的Faster-RCNN模型对图像信息进行处理,获得所述图像信息中的人脸的身份信息和人脸位置信息;
将基于所述作业人员位置信息、所述人脸位置信息将所述作业人员位置信息与所述身份信息进行关联,作为作业人员信息。
6.根据权利要求4所述的电力施工现场作业人员穿戴行为检测方法,其特征在于,基于所述图像信息识别所述电力施工现场的安全帽位置信息,作为安全帽信息,包括:
利用预先训练的YOLOv7模型对所述图像信息进行处理,获得表征所述电力施工现场的安全帽的位置的安全帽目标框,作为安全帽信息。
7.根据权利要求4所述的电力施工现场作业人员穿戴行为检测方法,其特征在于,所述基于所述图像信息识别所述电力施工现场的工作服位置信息,作为工作服信息,包括:
利用预先训练的YOLOv7模型对所述图像信息进行处理,获得表征所述电力施工现场的工作服的位置的工作服目标框,作为工作服信息。
8.一种电力施工现场作业人员穿戴行为检测装置,其特征在于,包括:
获取模块,用于执行获取无人机拍摄的电力施工现场的图像信息和所述无人机的坐标信息;
识别模块,用于执行基于所述图像信息识别所述电力施工现场的作业人员信息、安全帽信息和工作服信息;
判断模块,用于执行基于所述作业人员信息、所述安全帽信息和工作服信息确定作业人员是否穿戴安全帽和工作服,获得所述作业人员的穿戴安全结果。
9.一种电力施工现场作业人员穿戴行为检测设备,其特征在于,所述设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的电力施工现场作业人员穿戴行为检测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的电力施工现场作业人员穿戴行为检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211093346.1A CN115641607A (zh) | 2022-09-08 | 2022-09-08 | 电力施工现场作业人员穿戴行为检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211093346.1A CN115641607A (zh) | 2022-09-08 | 2022-09-08 | 电力施工现场作业人员穿戴行为检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115641607A true CN115641607A (zh) | 2023-01-24 |
Family
ID=84942617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211093346.1A Pending CN115641607A (zh) | 2022-09-08 | 2022-09-08 | 电力施工现场作业人员穿戴行为检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115641607A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116824723A (zh) * | 2023-08-29 | 2023-09-29 | 山东数升网络科技服务有限公司 | 一种基于视频数据的矿工下井作业智能安检***和方法 |
-
2022
- 2022-09-08 CN CN202211093346.1A patent/CN115641607A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116824723A (zh) * | 2023-08-29 | 2023-09-29 | 山东数升网络科技服务有限公司 | 一种基于视频数据的矿工下井作业智能安检***和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110414400B (zh) | 一种施工现场安全帽穿戴自动检测方法及*** | |
CN113177968A (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN111062303A (zh) | 图像处理方法、***及计算机存储介质 | |
CN113177469A (zh) | 人体属性检测模型的训练方法、装置、电子设备及介质 | |
CN114186632A (zh) | 关键点检测模型的训练方法、装置、设备、存储介质 | |
CN113627361B (zh) | 人脸识别模型的训练方法、装置及计算机程序产品 | |
CN115376130A (zh) | 电力施工现场识别模型的生成方法、装置、设备及介质 | |
TW202201275A (zh) | 手部作業動作評分裝置、方法及電腦可讀取存儲介質 | |
CN111259763A (zh) | 目标检测方法、装置、电子设备及可读存储介质 | |
CN115346171A (zh) | 一种输电线路监控方法、装置、设备及存储介质 | |
CN113901911A (zh) | 图像识别、模型训练方法、装置、电子设备及存储介质 | |
CN113361420A (zh) | 基于机器人的矿井火灾监测方法、装置、设备及存储介质 | |
CN115641607A (zh) | 电力施工现场作业人员穿戴行为检测方法、装置、设备及存储介质 | |
CN116363751A (zh) | 电力登塔作业攀爬动作识别方法、装置、设备及存储介质 | |
CN115171082B (zh) | 驾驶行为的检测方法、装置、电子设备及可读存储介质 | |
CN112434560B (zh) | 一种基于深度学习的安全装备实时检测方法及装置 | |
CN115019394A (zh) | 基于设备维护的过程跟踪方法、装置、设备及存储介质 | |
CN113642425A (zh) | 基于多模态的图像检测方法、装置、电子设备及存储介质 | |
CN114173158A (zh) | 人脸识别方法、云端设备、客户端设备、电子设备及介质 | |
CN112949606A (zh) | 工服穿戴状态检测方法、装置、存储介质及电子装置 | |
KR20130081126A (ko) | 손 제스처 인식 방법 및 그 장치 | |
CN113344064A (zh) | 事件处理方法和装置 | |
CN113887607A (zh) | 目标对象信息的处理方法、装置及计算机程序产品 | |
CN112560848A (zh) | 兴趣点poi预训练模型的训练方法、装置及电子设备 | |
CN113012439B (zh) | 车辆检测方法、装置、设备和存储介质 |
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 |