CN109911550A - 基于红外热成像与可见光视频分析的刮板运输机保护装置 - Google Patents

基于红外热成像与可见光视频分析的刮板运输机保护装置 Download PDF

Info

Publication number
CN109911550A
CN109911550A CN201910309266.7A CN201910309266A CN109911550A CN 109911550 A CN109911550 A CN 109911550A CN 201910309266 A CN201910309266 A CN 201910309266A CN 109911550 A CN109911550 A CN 109911550A
Authority
CN
China
Prior art keywords
image
thermal imaging
board conveyor
scratch board
personnel
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
CN201910309266.7A
Other languages
English (en)
Inventor
王静宜
李国颖
瞿开毅
张俊喆
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 (beijing) Tianxin Intelligent Institute Of Low Carbon Technology Co Ltd
Original Assignee
China (beijing) Tianxin Intelligent Institute Of Low Carbon Technology Co Ltd
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 (beijing) Tianxin Intelligent Institute Of Low Carbon Technology Co Ltd filed Critical China (beijing) Tianxin Intelligent Institute Of Low Carbon Technology Co Ltd
Priority to CN201910309266.7A priority Critical patent/CN109911550A/zh
Publication of CN109911550A publication Critical patent/CN109911550A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/10—Greenhouse gas [GHG] capture, material saving, heat recovery or other energy efficient measures, e.g. motor control, characterised by manufacturing processes, e.g. for rolling metal or metal working

Landscapes

  • Closed-Circuit Television Systems (AREA)

Abstract

本发明提供一种基于红外热成像与可见光视频分析的刮板运输机保护装置，在刮板运输机的两侧支架上方安装红外热成像摄像头以及可见光摄像头，两个摄像头将监控信号经交换机传送到井下防爆计算机进行检测处理，包括对热成像视频帧图像和可见光视频帧图像的处理，处理后井下防爆计算机发送控制信号给变频器，变频信号接入刮板运输机的驱动装置，从而控制刮板运输机的启停。本发明能够有效减少并克服井下光线不足，粉尘等带来的算法准确性降低及鲁棒性问题，改善了现有目标检测算法的目标检测框生成方式，更加准确快速地适用于井下场景。

Description

基于红外热成像与可见光视频分析的刮板运输机保护装置
技术领域
本发明涉及一种视频检测装置，尤其是涉及一种基于红外热成像与可见光视频分析的刮板运输机保护装置。
背景技术
刮板运输机是煤矿采煤运输过程中不可缺少的主要设备，刮板运输机能保持持续运转，生产就能正常进行，否则降低整个采煤工作面生产效率甚至直接停产，造成较大经济损失。常规的刮板运输机保护装置对如断链故障、跳链故障等设备故障进行有效保护，但由于人员违规攀爬、滞留刮板运输机附近等造成的安全事故也时有发生，目前尚未有相关方法及装置能检测此种因人员违进造成的安全事故发生。
发明内容
本发明提供了一种基于红外热成像与可见光视频分析的刮板运输机保护装置，用于弥补现有刮板机保护装置的缺陷，通过使用红外热成像和可见光双摄像头对刮板运输机附近区域进行实时监控，并基于改进的行人检测算法进行人员检测，一旦检测到有人员进入，立即闭锁刮板运输机，并发送报警信号到调度室，以便相关人员及时处理。本发明的装置结构简单明确，安装维护方便。
其技术方案如下所述：
一种基于红外热成像与可见光视频分析的刮板运输机保护装置，在刮板运输机的两侧支架上方安装红外热成像摄像头以及可见光摄像头，两个摄像头将监控信号经交换机传送到井下防爆计算机进行检测处理，包括对热成像视频帧图像和可见光视频帧图像的处理，处理后井下防爆计算机发送控制信号给变频器，变频信号接入刮板运输机的驱动装置，从而控制刮板运输机的启停。
检测处理包括两个步骤：1)利用红外图像和可见光图像，定位人员所在区域并按照人体形态特征生成检测框，并训练人员检测模型；2)利用模型实时预测视频帧图像，并给出报警信息。
步骤1)中，生成检测框并训练人员检测模型包括以下步骤：
(1)收集并人工标注图像数据集，可见光图像先将三通道的彩色图转换成单通道的灰度图，并使用高斯滤波对图像进行去噪平滑；红外图像本身为单通道图像，直接使用高斯滤波进行去噪处理；
(2)图像去噪后，分别对红外图像和可见光图像提取候选区域，两个候选区域通过求并集进行融合，从而得到疑似人员候选区域；
(3)基于候选区域，按照人体长宽比特征构造滑窗，使用滑窗扫描疑似人员候选区域生成多个候选检测框，然后把检测框缩放到统一尺度，输入卷积神经网络进行特征提取，得到人员检测框；
(4)多个检测框经上述训练过程得到人员检测模型并保存，训练过程以离线方式进行，并定期扩充数据进行模型更新。
进一步的，步骤(1)中，高斯滤波是使用一个高斯核对灰度图进行卷积操作：
Iσ＝l*Gσ
其中*表示卷积操作，Gσ是标准差为σ的二维高斯核，定义为:
其中(x,y)为相对卷积核中心点的周边像素点坐标，针对灰度图中的每个像素点，通过与高斯核进行卷积计算，从而得到滤波后的图像。
进一步的，步骤(2)中，红外图像采用OTSU阈值化处理得到高亮区域，得到只有黑色和白色的二值图像，再进行形态学腐蚀操作去除分散的孤立点，然后使用膨胀操作连接非连通区域，从而得到红外图像的候选区域。
进一步的，步骤(2)中，可见光图像用于提取目标的运动信息，对背景进行建模，然后使用当前帧图像减去背景得到运动前景图像，提取出候选区域。
卷积神经网络结构选择VGG16模型，对每个候选检测框，卷积神经网络提取特征，提取后的特征输入二类别分类器进行类别判断，使用回归器修正检测框位置，从而完成目标检测。
步骤2)中，红外热成像摄像头以及可见光摄像头实时获取每帧视频图像，并获取图像中的人员边界框；设定违进区域边界框，计算人员边界框与违进区域边界框的重合率，重合率r的定义如下：
其中，Ap∩v表示人员边界框与违进区域边界框重合部分面积，Ap∪v表示人员边界框与违进区域边界框除重合区域外的总面积，如果重合率r大于设定阈值则发出入侵报警信号给控制中心进行处理，如果小于阈值或未获取到人员边界框，则不做操作，继续读取下一帧图像进行处理。
红外热成像摄像头以及可见光摄像头实时获取每帧视频图像，将视频帧图像进行高斯滤波去噪，通过红外图像和可见光图像综合提取出候选区域，并构造滑窗生成检测框，将检测框输入训练好的人员检测模型进行预测，可得到当前帧疑似人员的人员边界框。
所述基于红外热成像与可见光视频分析的刮板运输机保护装置通过红外热成像摄像头、可见光摄像头、交换机、计算机等相关装置，基于红外热成像和可见光AI视频分析来识别井下区域人员入侵，能够有效减少并克服井下光线不足，粉尘等带来的算法准确性降低及鲁棒性问题，改善了现有目标检测算法的目标检测框生成方式，更加准确快速地适用于井下场景。
附图说明
图1是本发明基于红外热成像与可见光AI视频分析的刮板运输机保护装置的结构示意图；
图2是本发明基于红外热成像与可见光AI视频分析的人员入侵检测方法模型训练流程图；
图3是本发明基于红外热成像与可见光AI视频分析的人员入侵检测方法的使用流程图。
具体实施方式
如图1所示，本发明在刮板运输机1的两侧支架上方安装红外热成像摄像头2以及可见光摄像头3，两个摄像头的监控范围覆盖整个刮板运输机工作面，将监控信号经交换机4传送到井下防爆计算机5进行处理，处理后发送控制信号给变频器6，变频信号接入刮板运输机的驱动装置7，从而控制刮板运输机的启停。
本发明包含两个监控设备，红外热成像摄像头，用于获取热成像视频帧图像；可见光摄像头，用于获取可见光视频帧图像。一个交换机用于传输视频流信号到计算机，一台计算机用于分析两个摄像头的视频流数据并依据人员检测结果给出变频控制信号，一个变频器用于接收变频控制信号并调节刮板运输机的驱动装置的频率，从而达到启停刮板运输机的目的。
相应地，本发明提出一种基于红外热成像与可见光视频分析的人员检测方法，按照以下步骤实施：
步骤1、利用红外图像和可见光图像训练人员检测模型。
本发明方法基于井下特殊场景，提出一种基于区域卷积神经网络结构的改进方法，采用红外热成像图像和可见光图像结合的方式，定位人员所在区域并按照人体形态特征生成检测框，替换原有的选择性搜索生成方法，减少计算开销，实时准确地识别刮板运输机附近是否有人员出入。
煤矿井下环境恶劣，光照条件较差，尤其是刮板运输机附近，进行采煤作业时粉尘会比较大，常规可见光摄像头针对井下场景的目标检测会受到极大影响。而红外热成像摄像头在光照较差的情况下也可以准确探测到目标的热信号，并对热信号成像。因此，采用红外热成像摄像头和可见光摄像头作为互补图像来源对井下人员进行检测。
参照图2所示流程进行模型训练。首先，收集并人工标注图像数据集，可见光图像先将三通道的彩色图转换成单通道的灰度图，并使用高斯滤波对图像进行去噪平滑。红外图像本身就是单通道图像，故直接使用高斯滤波进行去噪处理。高斯滤波就是使用一个高斯核对灰度图进行卷积操作：
Iσ＝I*Gσ
其中*表示卷积操作，I表示灰度图，Iσ表示高斯滤波后的图像。Gσ是标准差为σ的二维高斯核，定义为：
其中(x，y)为相对卷积核中心点的周边像素点坐标。针对灰度图中的每个像素点，通过与高斯核进行卷积计算，从而得到滤波后的图像。
图像去噪后，分别对红外图像和可见光图像提取候选区域。红外图像不受光照影响，图像中的人会比背景亮，采用OTSU阈值化处理得到高亮区域，OTSU阈值化方法是一种自适应阈值方法，能自动根据图像计算一个阈值，并根据阈值将图像进行二值分割，得到只有黑色和白色的二值图像。
二值图像进行形态学腐蚀操作去除分散的孤立点，然后使用膨胀操作连接非连通区域，从而得到红外图像的候选区域。由于刮板运输机采煤的时候，采煤面也是高热区域，这会影响红外图像中候选区域的提取。
因此，使用可见光结合提取出候选区域。可见光图像主要提取目标的运动信息，对背景进行建模，然后使用当前帧图像减去背景得到运动前景图像，提取出候选区域。两个候选区域通过求并集进行融合，从而得到疑似人员候选区域。
基于区域的卷积神经网络是利用深度学习算法结构来进行目标检测的经典方法，该方法使用选择性搜索算法来生成候选检测框，然后送入卷积神经网络提取特征，提取后的特征输入二类别分类器进行类别判断，使用回归器修正检测框位置，从而完成目标检测。其中，生成候选检测框使用的选择性搜索算法是一种基于贪心策略的遍历搜索方法，计算复杂度高，且候选框存在大量重叠，特征存在冗余。
本发明方法基于候选区域，按照人体长宽比特征构造滑窗，使用滑窗扫描疑似人员候选区域生成多个候选检测框，然后把检测框缩放到统一尺度，输入卷积神经网络进行特征提取。
卷积神经网络结构选择经典的VGG16模型，包含13个卷积层和3个全连接层，通过选择比较小的卷积核、较小的跨步，提高模型精度。对每个候选检测框，卷积神经网络提取特征后，使用分类器(支持向量机分类模型)进行判断是否是人员，并使用回归器(线性回归模型)判断检测框是否框得完美，并根据结果进行精修，从而得到人员检测框。
人员检测框是用于检测框圈出来的人员，多个检测框经上述训练过程得到人员检测模型并保存。训练过程以离线方式进行，并定期扩充数据进行模型更新，保证模型的准确性和长期有效性。
步骤2、利用模型实时预测视频帧图像，并给出报警信息。
参照图3所示，红外热成像摄像头以及可见光摄像头实时获取每帧视频图像，将视频帧图像进行高斯滤波去噪，通过红外图像和可见光图像综合提取出候选区域，并构造滑窗生成检测框，将检测框输入训练好的人员检测模型进行预测，通过人员检测模型判断出疑似人员，进而可得到当前帧中的疑似人员边界框。边界框是用于说明检测到的疑似人员的检测框边界范围。
设定刮板运输机的违进区域边界框后(仅需设定一次，工作人员设置一次，之后就不用再设置了，除非需要修改违进区域)。判断人员违进，主要就是根据人员检测框与违进区域的重合程度，来判断是否发生人员违进。计算人员边界框与违进区域边界框的重合率，重合率r的定义如下：
其中，Ap∩v表示人员边界框与违进区域边界框重合部分面积，Ap∪v表示人员边界框与违进区域边界框除重合区域外的总面积。如果重合率r大于设定阈值则发出入侵报警信号给控制中心进行处理，如果小于阈值或未获取到人员边界框，则不做操作，继续读取下一帧图像进行处理。

Claims (9)

1.一种基于红外热成像与可见光视频分析的刮板运输机保护装置，其特征在于：在刮板运输机的两侧支架上方安装红外热成像摄像头以及可见光摄像头，两个摄像头将监控信号经交换机传送到井下防爆计算机进行检测处理，包括对热成像视频帧图像和可见光视频帧图像的处理，处理后井下防爆计算机发送控制信号给变频器，变频信号接入刮板运输机的驱动装置，从而控制刮板运输机的启停。
2.根据权利要求1所述的基于红外热成像与可见光视频分析的刮板运输机保护装置，其特征在于：检测处理包括两个步骤：1)利用红外图像和可见光图像，定位人员所在区域并按照人体形态特征生成检测框，并训练人员检测模型；2)利用模型实时预测视频帧图像，并给出报警信息。
3.根据权利要求2所述的基于红外热成像与可见光视频分析的刮板运输机保护装置，其特征在于：步骤1)中，生成检测框并训练人员检测模型包括以下步骤：
(1)收集并人工标注图像数据集，可见光图像先将三通道的彩色图转换成单通道的灰度图，并使用高斯滤波对图像进行去噪平滑；红外图像本身为单通道图像，直接使用高斯滤波进行去噪处理；
(2)图像去噪后，分别对红外图像和可见光图像提取候选区域，两个候选区域通过求并集进行融合，从而得到疑似人员候选区域；
(3)基于候选区域，按照人体长宽比特征构造滑窗，使用滑窗扫描疑似人员候选区域生成多个候选检测框，然后把检测框缩放到统一尺度，输入卷积神经网络进行特征提取，得到人员检测框；
(4)多个检测框经上述训练过程得到人员检测模型并保存，训练过程以离线方式进行，并定期扩充数据进行模型更新。
4.根据权利要求3所述的基于红外热成像与可见光视频分析的刮板运输机保护装置，其特征在于：步骤(1)中，高斯滤波是使用一个高斯核对灰度图进行卷积操作：
Iσ＝I*Gσ
其中*表示卷积操作，Gσ是标准差为σ的二维高斯核，定义为:
其中(x,y)为相对卷积核中心点的周边像素点坐标，针对灰度图中的每个像素点，通过与高斯核进行卷积计算，从而得到滤波后的图像。
5.根据权利要求3所述的基于红外热成像与可见光视频分析的刮板运输机保护装置，其特征在于：步骤(2)中，红外图像采用OTSU阈值化处理得到高亮区域，得到只有黑色和白色的二值图像，再进行形态学腐蚀操作去除分散的孤立点，然后使用膨胀操作连接非连通区域，从而得到红外图像的候选区域。
6.根据权利要求3所述的基于红外热成像与可见光视频分析的刮板运输机保护装置，其特征在于：步骤(2)中，可见光图像用于提取目标的运动信息，对背景进行建模，然后使用当前帧图像减去背景得到运动前景图像，提取出候选区域。
7.根据权利要求3所述的基于红外热成像与可见光视频分析的刮板运输机保护装置，其特征在于：卷积神经网络结构选择VGG16模型，对每个候选检测框，卷积神经网络提取特征，提取后的特征输入二类别分类器进行类别判断，使用回归器修正检测框位置，从而完成目标检测。
8.根据权利要求2所述的基于红外热成像与可见光视频分析的刮板运输机保护装置，其特征在于：步骤2)中，红外热成像摄像头以及可见光摄像头实时获取每帧视频图像，并获取图像中的人员边界框；设定违进区域边界框，计算人员边界框与违进区域边界框的重合率，重合率r的定义如下：
其中，Ap∪v表示人员边界框与违进区域边界框重合部分面积，Ap∪v表示人员边界框与违进区域边界框除重合区域外的总面积，如果重合率r大于设定阈值则发出入侵报警信号给控制中心进行处理，如果小于阈值或未获取到人员边界框，则不做操作，继续读取下一帧图像进行处理。
9.根据权利要求8所述的基于红外热成像与可见光视频分析的刮板运输机保护装置，其特征在于：红外热成像摄像头以及可见光摄像头实时获取每帧视频图像，将视频帧图像进行高斯滤波去噪，通过红外图像和可见光图像综合提取出候选区域，并构造滑窗生成检测框，将检测框输入训练好的人员检测模型进行预测，可得到当前帧疑似人员的人员边界框。
CN201910309266.7A 2019-04-17 2019-04-17 基于红外热成像与可见光视频分析的刮板运输机保护装置 Pending CN109911550A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910309266.7A CN109911550A (zh) 2019-04-17 2019-04-17 基于红外热成像与可见光视频分析的刮板运输机保护装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910309266.7A CN109911550A (zh) 2019-04-17 2019-04-17 基于红外热成像与可见光视频分析的刮板运输机保护装置

Publications (1)

Publication Number Publication Date
CN109911550A true CN109911550A (zh) 2019-06-21

Family

ID=66977574

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910309266.7A Pending CN109911550A (zh) 2019-04-17 2019-04-17 基于红外热成像与可见光视频分析的刮板运输机保护装置

Country Status (1)

Country Link
CN (1) CN109911550A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110276931A (zh) * 2019-07-19 2019-09-24 精英数智科技股份有限公司 采煤机割煤时危险区域有人作业的报警方法、装置及系统
CN110334642A (zh) * 2019-07-01 2019-10-15 河南牧业经济学院 一种猪行为的机器视觉识别方法及系统
CN110569772A (zh) * 2019-08-30 2019-12-13 北京科技大学 一种泳池内人员状态检测方法
CN110675593A (zh) * 2019-10-11 2020-01-10 宁夏广天夏电子科技有限公司 一种基于红外热成像技术的人员安全检测系统
CN112213244A (zh) * 2020-10-27 2021-01-12 中国科学院合肥物质科学研究院 基于机器学习的机动车尾气林格曼黑度测量装置及方法
CN113835374A (zh) * 2021-09-15 2021-12-24 江苏欧软信息科技有限公司 一种智能制造车间的实时监控方法和系统
CN117142009A (zh) * 2023-10-30 2023-12-01 山西海诚智能制造有限公司 一种基于图卷积网络的刮板输送机健康状态评估方法
CN117613822A (zh) * 2024-01-18 2024-02-27 深圳市科沃电气技术有限公司 变频器快速停机方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108566538A (zh) * 2018-05-22 2018-09-21 华电电力科学研究院有限公司 基于红外-可见光融合跟踪的圆形煤场人员安全防护与自燃的监控系统及方法
CN108665487A (zh) * 2017-10-17 2018-10-16 国网河南省电力公司郑州供电公司 基于红外和可见光融合的变电站作业对象和目标定位方法
CN108921100A (zh) * 2018-07-04 2018-11-30 武汉高德智感科技有限公司 一种基于可见光图像与红外图像融合的人脸识别方法及系统
CN109558848A (zh) * 2018-11-30 2019-04-02 湖南华诺星空电子技术有限公司 一种基于多源信息融合的无人机生命探测方法
CN109583396A (zh) * 2018-12-05 2019-04-05 广东亿迅科技有限公司 一种基于cnn两阶段人体检测的区域防范方法、系统以及终端

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108665487A (zh) * 2017-10-17 2018-10-16 国网河南省电力公司郑州供电公司 基于红外和可见光融合的变电站作业对象和目标定位方法
CN108566538A (zh) * 2018-05-22 2018-09-21 华电电力科学研究院有限公司 基于红外-可见光融合跟踪的圆形煤场人员安全防护与自燃的监控系统及方法
CN108921100A (zh) * 2018-07-04 2018-11-30 武汉高德智感科技有限公司 一种基于可见光图像与红外图像融合的人脸识别方法及系统
CN109558848A (zh) * 2018-11-30 2019-04-02 湖南华诺星空电子技术有限公司 一种基于多源信息融合的无人机生命探测方法
CN109583396A (zh) * 2018-12-05 2019-04-05 广东亿迅科技有限公司 一种基于cnn两阶段人体检测的区域防范方法、系统以及终端

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
TORRESAN, HELENE: "Advanced surveillance systems: combining video and thermal imagery for pedestrian detection", 《PROCEEDINGS OF SPIE - THE INTERNATIONAL SOCIETY FOR OPTICAL ENGINEERING》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110334642A (zh) * 2019-07-01 2019-10-15 河南牧业经济学院 一种猪行为的机器视觉识别方法及系统
CN110276931A (zh) * 2019-07-19 2019-09-24 精英数智科技股份有限公司 采煤机割煤时危险区域有人作业的报警方法、装置及系统
CN110569772B (zh) * 2019-08-30 2022-03-08 北京科技大学 一种泳池内人员状态检测方法
CN110569772A (zh) * 2019-08-30 2019-12-13 北京科技大学 一种泳池内人员状态检测方法
CN110675593A (zh) * 2019-10-11 2020-01-10 宁夏广天夏电子科技有限公司 一种基于红外热成像技术的人员安全检测系统
CN112213244A (zh) * 2020-10-27 2021-01-12 中国科学院合肥物质科学研究院 基于机器学习的机动车尾气林格曼黑度测量装置及方法
CN112213244B (zh) * 2020-10-27 2023-10-10 中国科学院合肥物质科学研究院 基于机器学习的机动车尾气林格曼黑度测量装置及方法
CN113835374A (zh) * 2021-09-15 2021-12-24 江苏欧软信息科技有限公司 一种智能制造车间的实时监控方法和系统
CN113835374B (zh) * 2021-09-15 2023-09-22 江苏欧软信息科技有限公司 一种智能制造车间的实时监控方法和系统
CN117142009A (zh) * 2023-10-30 2023-12-01 山西海诚智能制造有限公司 一种基于图卷积网络的刮板输送机健康状态评估方法
CN117142009B (zh) * 2023-10-30 2024-03-15 西安重装蒲白煤矿机械有限公司 一种基于图卷积网络的刮板输送机健康状态评估方法
CN117613822A (zh) * 2024-01-18 2024-02-27 深圳市科沃电气技术有限公司 变频器快速停机方法、装置、设备及存储介质
CN117613822B (zh) * 2024-01-18 2024-04-09 深圳市科沃电气技术有限公司 变频器快速停机方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN109911550A (zh) 基于红外热成像与可见光视频分析的刮板运输机保护装置
CN110261436B (zh) 基于红外热成像和计算机视觉的轨道故障检测方法及系统
CN101751744B (zh) 一种烟雾检测和预警方法
CN110425005B (zh) 矿井下皮带运输人员人机交互行为安全监控与预警方法
Han et al. Deep learning-based workers safety helmet wearing detection on construction sites using multi-scale features
CN110378179B (zh) 基于红外热成像的地铁逃票行为检测方法及系统
CN103761529A (zh) 一种基于多色彩模型和矩形特征的明火检测方法和系统
CN115311241B (zh) 一种基于图像融合和特征增强的煤矿井下行人检测方法
CN106991668B (zh) 一种天网摄像头拍摄画面的评价方法
CN106951889A (zh) 井下高危区域动目标监测和管理系统
CN105678811A (zh) 一种基于运动检测的人体异常行为检测方法
CN108229407A (zh) 一种视频分析中的行为检测方法与系统
CN106331636A (zh) 基于行为事件触发的输油管道智能视频监控系统及方法
CN112528861B (zh) 应用于铁路隧道内道床的异物检测方法及装置
CN108647619A (zh) 一种基于深度学习的视频中安全帽佩戴的检测方法及装置
CN103150549A (zh) 一种基于烟雾早期运动特征的公路隧道火灾检测方法
CN112184773A (zh) 一种基于深度学习的安全帽佩戴检测方法及系统
KR20100121020A (ko) 객체의 이동궤적을 이용한 철도건널목 위험지역의 지장물 영상검지장치 및 그 제어방법
CN105976398A (zh) 一种白天火灾视频检测方法
CN112308032A (zh) 一种视频检测的井下风门智能协同联动控制方法
CN113111840A (zh) 一种煤矿综采工作面作业人员违规和危险行为预警方法
CN112287823A (zh) 一种基于视频监控的面部口罩识别方法
CN113111771A (zh) 一种发电厂工作人员不安全行为的识别方法
CN110363109B (zh) 一种基于计算机视觉的覆盖式漏油检测系统及方法
CN114049543A (zh) 一种基于深度学习的废钢卸料变化区域自动识别方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190621

RJ01 Rejection of invention patent application after publication