CN110287804A - 一种基于移动视频监控的电力作业人员着装识别方法 - Google Patents
一种基于移动视频监控的电力作业人员着装识别方法 Download PDFInfo
- Publication number
- CN110287804A CN110287804A CN201910464565.8A CN201910464565A CN110287804A CN 110287804 A CN110287804 A CN 110287804A CN 201910464565 A CN201910464565 A CN 201910464565A CN 110287804 A CN110287804 A CN 110287804A
- Authority
- CN
- China
- Prior art keywords
- dressing
- server
- image
- ground
- operating 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
Abstract
本发明涉及视频监控辨别着装技术领域,更具体地,提供一种基于移动视频监控的电力作业人员着装识别方法,用于判断作业人员是否佩戴安全帽、工作服、安全带,通过摄像头拍摄在高空以及地面施工的施工人员的视频,截取视频中的图像,并输入至算法服务器中通过卷积神经网络进行训练而得到高空着装识别模型和地面着装识别模型,来判断施工人员着装是否规范,若在周期内所得到的判断结果均为“不规范”,则输出报警信息,这样能够减少误报现象的发生。
Description
技术领域
本发明涉及视频监控辨别着装技术领域,更具体地,提供一种基于移动视频监控的电力作业人员着装识别方法。
背景技术
电力施工有其特殊性,施工过程中,特别是带电作业的条件下,对工作人员的着装有着严格的要求。施工人员必须在佩戴好安全帽,穿好工作服的前提下方可进入场地作业施工;高空作业时,施工人员还需系上安全带。由于施工环境的复杂性,监管人员对施工人员的着装监督往往存在着一定的困难性,很难实现实时有效的监督。
近年来随着科学技术的迅猛发展,信息技术在人们的生产生活中越来越重要,因此在电力系统自动化技术中应该将信息化大力发展,数字化电网和数字化变电站的开发能够有力地保证我国电网工作的运行效率和安全。
发明内容
本发明的目的在于克服现有技术无法监督高空和地面施工人员着装的问题,提供一种基于移动视频监控的电力作业人员着装识别方法,能够提高监管力度,降低电力施工过程中发生事故的概率,节省监管的人力物力。
为解决上述技术问题,本发明采用的技术方案是:
提供一种基于移动视频监控的电力作业人员着装识别方法,用于判断作业人员是否佩戴安全帽、工作服、安全带,包括以下步骤:
S1.获取规范的高空、地面着装图像样本,以及不规范高空、地面着装图像样本,并对图像样本在算法服务器中进行预处理,调参后通过卷积神经网络进行训练,得到高空着装识别模型和地面着装识别模型;
S2.在步骤S1之后,在施工现场设置若干拍摄现场高空以及地面的摄像头,视频流服务器通过RTMP方式或RTSP方式接收摄像头拍摄的视频流;
S3.在步骤S2之后,应用服务器中发送相应摄像头编号和地址至所述图像识别服务器,所述图像识别服务器根据地址读取视频流服务器中相应的视频流,周期性截取视频流中的图像;
S4.将步骤S3中所获取的高空、地面的图像对应输入至步骤S1中的高空着装识别模型和地面着装识别模型,进行卷积操作,得出物体特征,并判断着装是否规范,并将判断结果发送至所述图像识别服务器;
S5.在步骤S4之后,所述图像识别服务器对判断结果进行累加运算,在周期内重复识别仍为异常则将报警信息发送至应用服务器。
本发明为一种基于移动视频监控的电力作业人员着装识别方法,包括顺次通信连接的摄像头、视频流服务器、图像识别服务器、算法服务器,还包括应用服务器,摄像头、图像识别服务器、算法服务器均与应用服务器无线连接。摄像头用于拍摄现场施工状况;视频流服务器用于接收摄像头拍摄的视频以及储存视频流;图像识别服务器用于读取视频流,并对图像作预处理;算法服务器用于将图像送入相应的算法模型进行识别;应用服务器用于接收告警信息。
通过摄像头拍摄在高空以及地面施工的施工人员的视频,截取视频中的图像,并输入至算法服务器中通过卷积神经网络进行训练而得到高空着装识别模型和地面着装识别模型,来判断施工人员着装是否规范,若在周期内所得到的判断结果均为“不规范”,则输出报警信息,这样能够减少误报现象的发生。
为了更好地实现本发明,所述步骤S1的具体步骤如下:
S11.预训练模型:利用深度学习框架的视频物体识别系统,使用预训练模型;
S12.标注图片并生成训练数据:对图像进行标注并形成原始训练数据,数据包括安全帽、制服、安全带、工人四类;
S13.训练模型:对预训练模型参数进行调参,把预训练模型参数中的学习率调整为0.001,权值衰减调整为0.9,批处理量调整为10,然后对预训练模型进行训练,当损失行数降低为0.95~1.05时,训练完成。
为了更好地实现本发明,所述步骤S4的具体步骤如下:
S41.选用SSD神经网络:主网络结构为VGG16,将两个全连接层改成卷积层后,再增加4个卷积层构造神经网络;对其中5个不同的卷积层的输出分别用两个不同的3*3的卷积核进行卷积;
S42.特征检测:对高空着装识别模型和地面着装识别模型中的原始训练数据的各个二维图片同时作8*8、4*4的特征图feature map,在feature map的每个小格上生成一系列固定大小的实线框;在步骤S3中所获取的高空、地面图像对应输入高空着装识别模型和地面着装识别模型后,会获得对各个二维图片同时作8*8、4*4的特征图feature map,在feature map的每个小格上生成一系列固定大小的虚线框default box;
S43.匹配策略:将实际选取的default box与对应包含原始训练数据的实线框进行匹配;
S44.识别结果:在全部匹配完成后,若匹配成功,则算法服务器将向图像识别服务器返回对应原始训练数据的坐标、类型、相似度,图像识别服务器再通过识别个数、置信度进行加工判断;若匹配不成功,则不算入识别结果。
为了减少截取的图像中由于出现电线杆等遮挡物而导致的误报,在步骤S5中,在3~5秒内重复识别仍为异常则将报警信息发送至应用服务器。
为了减少误报现象的发生,采用T=a*T+N进行累加运算,其中T为量化的告警指数,N为算法服务器现在的返回的告警指数,a为衰减因子;利用累加器接收识别帧,若识别出规范着装的识别帧时,不发送告警信息;若识别帧均为不规范着装时,则发送告警信息。
为了使识别结果更为准确,在步骤S3中,每秒内截取10帧视频流中的图像。
为了更好地实现本发明,所述应用服务器为java应用服务器。
为了更好地实现本发明,所述视频流服务器为nginx服务器。
与现有技术相比,本发明的有益效果是:
本发明为一种基于移动视频监控的电力作业人员着装识别方法,通过摄像头拍摄在高空以及地面施工的施工人员的视频,截取视频中的图像,并输入至算法服务器中通过卷积神经网络进行训练而得到高空着装识别模型和地面着装识别模型,来判断施工人员着装是否规范,若在3~5内所得到的判断结果均为“不规范”,则输出报警信息,这样能够减少误报现象的发生。
附图说明
图1为本发明一种基于移动视频监控的电力作业人员着装识别方法的流程图。
具体实施方式
下面结合具体实施方式对本发明作进一步的说明。其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本专利的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
实施例1
如图1所示为本发明一种基于移动视频监控的电力作业人员着装识别方法的第一实施例,用于判断作业人员是否佩戴安全帽、工作服、安全带,包括以下步骤:
S1.获取规范的高空、地面着装图像样本,以及不规范高空、地面着装图像样本,并对图像样本在算法服务器中进行预处理,调参后通过卷积神经网络进行训练,得到高空着装识别模型和地面着装识别模型;
S2.在步骤S1之后,在施工现场设置若干拍摄现场高空以及地面的摄像头,视频流服务器通过RTMP方式或RTSP方式接收摄像头拍摄的视频流;
S3.在步骤S2之后,应用服务器中发送相应摄像头编号和地址至所述图像识别服务器,所述图像识别服务器根据地址读取视频流服务器中相应的视频流,周期性截取视频流中的图像;
S4.将步骤S3中所获取的高空、地面的图像对应输入至步骤S1中的高空着装识别模型和地面着装识别模型,进行卷积操作,得出物体特征,并判断着装是否规范,并将判断结果发送至所述图像识别服务器;
S5.在步骤S4之后,所述图像识别服务器对判断结果进行累加运算,在周期内重复识别仍为异常则将报警信息发送至应用服务器。
本发明为一种基于移动视频监控的电力作业人员着装识别方法,包括顺次通信连接的摄像头、视频流服务器、图像识别服务器、算法服务器,还包括应用服务器,摄像头、图像识别服务器、算法服务器均与应用服务器无线连接。摄像头用于拍摄现场施工状况;视频流服务器用于接收摄像头拍摄的视频以及储存视频流;图像识别服务器用于读取视频流,并对图像作预处理;算法服务器用于将图像送入相应的算法模型进行识别;应用服务器用于接收告警信息。
通过摄像头拍摄在高空以及地面施工的施工人员的视频,截取视频中的图像,并输入至算法服务器中通过卷积神经网络进行训练而得到高空着装识别模型和地面着装识别模型,来判断施工人员着装是否规范,若在周期内所得到的判断结果均为“不规范”,则输出报警信息,这样能够减少误报现象的发生。识别结果能够通过app进行展示,监管人员也能够在手机端进行查看。
本实施例的步骤S2中,RTMP为实时消息传输协议,用于对象、视频、音频的传输。RTSP为实时流传输协议,控制实时数据的发送,使实时数据,如音频与视频的受控点播成为可能。
另外,步骤S1的具体步骤如下:
S11.预训练模型:利用深度学习框架(Tensorflow)的视频物体识别系统(ObjectDetection API),使用ssdlite_mobilenet_v2_coco预训练模型;
S12.标注图片并生成训练数据:用LabelIMG工具对图像进行标注并形成原始训练数据,数据包括安全帽(“helmet”)、制服(“uniform”)、安全带(“safetyBelt”)、工人(“worker”)四类在辨识中需要用到的物体,对于高空规范着装,则要求包含安全帽、制服、安全带、工人;对于地面规范着装,则要求包含安全帽、制服、工人;再使用脚本将这些训练数据转化为Tensorflow能够识别“.record”数据,与原始图片一起放入Object DetectionAPI的目录结构,完成了训练数据的准备工作。
S13.训练模型:对预训练模型参数activation、num_classes、l2_regularizer、truncated_normal_initializer、batch_size、initial_learning_rate等进行调参,把学习率调整为0.001,权值衰减调整为0.9,批处理量调整为10,然后对预训练模型进行训练,当损失行数降低为0.95~1.05时,训练完成。调低学习率和权值衰减是为了防止已调整好的参数出现震荡的情况。
步骤S4的具体步骤如下:
S41.选用SSD神经网络:主网络结构为VGG16,将两个全连接层改成卷积层后,再增加4个卷积层构造神经网络;对其中5个不同的卷积层的输出(feature map)分别用两个不同的3*3的卷积核进行卷积,一个输出分类用的confidence,每个default box生成21个confidence(针对VOC数据集包含20个object类别而言);一个输出回归用的localization,每个default box生成4个坐标值(x,y,w,h)。另外这5个卷积层还经过prior Box层生成default box(生成的是坐标)。上面所述的5个卷积层中每一层的default box的数量是给定的。最后将前面3个计算结果分别合并然后传递给loss层;
S42.特征检测:同时采用lower和upper的feature maps做检测,对高空着装识别模型和地面着装识别模型中的原始训练数据的各个二维图片同时作8*8、4*4的特征图feature map,在feature map的每个小格上生成一系列固定大小的实线框;在步骤S3中所获取的高空、地面图像对应输入高空着装识别模型和地面着装识别模型后,会获得对各个二维图片同时作8*8、4*4的特征图feature map,在feature map的每个小格上生成一系列固定大小的虚线框default box;对于每个feature map而言其default box的scale是按以下公式计算的:
这里的smin=0.2,smax=0.9;表示最底层的scale是0.2,最高层的scale是0.9。
而横纵比表示为下式,这里展示我们采用的横纵比:
因此每个default box的宽计算公式就是:
高的计算公式就是:
当横纵比(aspect ratio)为1时,还有一种default box:
因此,对于每个特征图的网格而言,一共会有10个default box。default box在不同的层有不同的scale,在同一层又有不同的横纵比,基本可以覆盖到输入图像的各种形状和大小的物体;
S43.匹配策略:决定default box与ground truth box(包含真实物体的框)的对应关系,将实际选取的default box与对应包含原始训练数据的实线框进行匹配;首先,对于每个ground truth box,会从default box中选择与其jaccard overlap(交并比)最高的default box。然后,对于所有的default box,会与任意jaccard overlap大于某个阈值(threshold)的ground truth box做匹配。这样的做法简化了训练过程,网络可以为多个拥有高jaccard overlap(交并比)default box预测分数;
S44.识别结果:在全部匹配完成后,若匹配成功,则算法服务器将向图像识别服务器返回对应原始训练数据的坐标、类型、相似度,图像识别服务器再通过识别个数、置信度进行加工判断;若匹配不成功,则不算入识别结果。
另外,在步骤S5中,在3~5秒内重复识别仍为异常则将报警信息发送至应用服务器。3~5秒内重复识别的设置能够减少由于截取画面中出现电线杆而无法正常识别着装的误报现象的发生。
其中,采用T=a*T+N进行累加运算,其中T为量化的告警指数,N为服务器现在的返回的告警指数,a为衰减因子;利用累加器接收识别帧,若识别出规范着装的识别帧时,不发送告警信息;若识别帧均为不规范着装时,则发送告警信息。当设定3秒内重复识别时:累加器count==接收的识别帧a*3时,count=0,每识别一次,count自增1,达到3秒则清零;其中若有识别出规范着装的识别帧时,则不发送告警信息,若识别帧均为不规范着装时,则发送告警信息。
另外,在步骤S3中,每秒内截取10帧视频流中的图像,使识别结果更为准确。
实施例2
本实施例与实施例1类似,所不同之处在于,本实施例中应用服务器为java应用服务器,视频流服务器为nginx服务器。nginx服务器是一个轻量级的Web服务器/反向代理服务器及电子邮件(IMAP/POP3)代理服务器,其占有内存少,并发能力强。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (8)
1.一种基于移动视频监控的电力作业人员着装识别方法,用于判断作业人员是否佩戴安全帽、工作服、安全带,其特征在于,包括以下步骤:
S1.获取规范的高空、地面着装图像样本,以及不规范高空、地面着装图像样本,并对图像样本在算法服务器中进行预处理,调参后通过卷积神经网络进行训练,得到高空着装识别模型和地面着装识别模型;
S2.在步骤S1之后,在施工现场设置若干拍摄现场高空以及地面的摄像头,视频流服务器通过RTMP方式或RTSP方式接收摄像头拍摄的视频流;
S3.在步骤S2之后,应用服务器中发送相应摄像头编号和地址至所述图像识别服务器,所述图像识别服务器根据地址读取视频流服务器中相应的视频流,周期性截取视频流中的图像;
S4.将步骤S3中所获取的高空、地面的图像对应输入至步骤S1中的高空着装识别模型和地面着装识别模型,进行卷积操作,得出物体特征,并判断着装是否规范,并将判断结果发送至所述图像识别服务器;
S5.在步骤S4之后,所述图像识别服务器对判断结果进行累加运算,在周期内重复识别仍为异常则将报警信息发送至应用服务器。
2.根据权利要求1所述的一种基于移动视频监控的电力作业人员着装识别方法,其特征在于,所述步骤S1的具体步骤如下:
S11.预训练模型:利用深度学习框架的视频物体识别系统,使用预训练模型;
S12.标注图片并生成训练数据:对图像进行标注并形成原始训练数据,数据包括安全帽、制服、安全带、工人四类;
S13.训练模型:对预训练模型参数进行调参,把预训练模型参数中的学习率调整为0.001,权值衰减调整为0.9,批处理量调整为10,然后对预训练模型进行训练,当损失行数降低为0.95~1.05时,训练完成。
3.根据权利要求2所述的一种基于移动视频监控的电力作业人员着装识别方法,其特征在于,所述步骤S4的具体步骤如下:
S41.选用SSD神经网络:主网络结构为VGG16,将两个全连接层改成卷积层后,再增加4个卷积层构造神经网络;对其中5个不同的卷积层的输出分别用两个不同的3*3的卷积核进行卷积;
S42.特征检测:对高空着装识别模型和地面着装识别模型中的原始训练数据的各个二维图片同时作8*8、4*4的特征图feature map,在feature map的每个小格上生成一系列固定大小的实线框;在步骤S3中所获取的高空、地面图像对应输入高空着装识别模型和地面着装识别模型后,会获得对各个二维图片同时作8*8、4*4的特征图feature map,在featuremap的每个小格上生成一系列固定大小的虚线框default box;
S43.匹配策略:将实际选取的default box与对应包含原始训练数据的实线框进行匹配;
S44.识别结果:在全部匹配完成后,若匹配成功,则算法服务器将向图像识别服务器返回对应原始训练数据的坐标、类型、相似度,图像识别服务器再通过识别个数、置信度进行加工判断;若匹配不成功,则不算入识别结果。
4.根据权利要求1所述的一种基于移动视频监控的电力作业人员着装识别方法,其特征在于,在步骤S5中,在3~5秒内重复识别仍为异常则将报警信息发送至应用服务器。
5.根据权利要求4所述的一种基于移动视频监控的电力作业人员着装识别方法,其特征在于,采用T=a*T+N进行累加运算,其中T为量化的告警指数,N为算法服务器现在的返回的告警指数,a为衰减因子;利用累加器接收识别帧,若识别出规范着装的识别帧时,不发送告警信息;若识别帧均为不规范着装时,则发送告警信息。
6.根据权利要求1所述的一种基于移动视频监控的电力作业人员着装识别方法,其特征在于,在步骤S3中,每秒内截取10帧视频流中的图像。
7.根据权利要求1所述的一种基于移动视频监控的电力作业人员着装识别方法,其特征在于,所述应用服务器为java应用服务器。
8.根据权利要求1所述的一种基于移动视频监控的电力作业人员着装识别方法,其特征在于,所述视频流服务器为nginx服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910464565.8A CN110287804A (zh) | 2019-05-30 | 2019-05-30 | 一种基于移动视频监控的电力作业人员着装识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910464565.8A CN110287804A (zh) | 2019-05-30 | 2019-05-30 | 一种基于移动视频监控的电力作业人员着装识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110287804A true CN110287804A (zh) | 2019-09-27 |
Family
ID=68002912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910464565.8A Pending CN110287804A (zh) | 2019-05-30 | 2019-05-30 | 一种基于移动视频监控的电力作业人员着装识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110287804A (zh) |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110619324A (zh) * | 2019-11-25 | 2019-12-27 | 南京桂瑞得信息科技有限公司 | 一种行人和安全帽检测方法、装置及系统 |
CN110705505A (zh) * | 2019-10-14 | 2020-01-17 | 国网山东省电力公司泰安供电公司 | 一种电力营业厅服务规范智能识别装置、方法及系统 |
CN110728223A (zh) * | 2019-10-08 | 2020-01-24 | 济南东朔微电子有限公司 | 一种基于深度学习的安全帽佩戴识别方法 |
CN110889367A (zh) * | 2019-11-22 | 2020-03-17 | 贵州科学院(贵州省应用技术研究院) | 一种基于深度学习的厨房工作人员穿着规范识别方法 |
CN110909767A (zh) * | 2019-11-04 | 2020-03-24 | 浙江工业大学 | 一种移动端的救生衣检测方法 |
CN111091110A (zh) * | 2019-12-24 | 2020-05-01 | 山东仁功智能科技有限公司 | 一种基于人工智能的反光背心穿戴识别方法 |
CN111178246A (zh) * | 2019-12-27 | 2020-05-19 | 深圳供电局有限公司 | 基于电力施工操作的远程监测方法、装置和计算机设备 |
CN111639546A (zh) * | 2020-05-07 | 2020-09-08 | 金钱猫科技股份有限公司 | 一种基于神经网络的小尺度目标云计算识别方法和装置 |
CN112004067A (zh) * | 2020-09-07 | 2020-11-27 | 智点恒创(苏州)智能科技有限公司 | 视频监控方法、装置和存储介质 |
CN112019806A (zh) * | 2020-08-05 | 2020-12-01 | 程子赫 | 人工智能技术对重要岗位操作不规范行为监控矫正系统 |
CN112132051A (zh) * | 2020-09-24 | 2020-12-25 | 广东电网有限责任公司广州供电局 | 一种配电房安全识别系统及其识别方法 |
CN112257620A (zh) * | 2020-10-27 | 2021-01-22 | 广州华微明天软件技术有限公司 | 一种安全穿戴情况识别方法 |
CN112381074A (zh) * | 2021-01-15 | 2021-02-19 | 北京每日优鲜电子商务有限公司 | 图像识别方法、装置、电子设备和计算机可读介质 |
CN112396017A (zh) * | 2020-11-27 | 2021-02-23 | 上海建科工程咨询有限公司 | 一种基于图像识别的工程安全隐患识别方法及系统 |
CN112528855A (zh) * | 2020-12-11 | 2021-03-19 | 南方电网电力科技股份有限公司 | 一种电力作业着装规范识别方法和装置 |
CN112633308A (zh) * | 2020-09-15 | 2021-04-09 | 北京华电天仁电力控制技术有限公司 | 一种电厂作业人员是否佩戴安全带的检测方法及检测系统 |
CN112804498A (zh) * | 2021-02-04 | 2021-05-14 | 国能信控互联技术有限公司 | 一种安全防护装具佩戴情况监控系统和方法 |
CN112966618A (zh) * | 2021-03-11 | 2021-06-15 | 京东数科海益信息科技有限公司 | 着装识别方法、装置、设备及计算机可读介质 |
CN113221640A (zh) * | 2021-04-01 | 2021-08-06 | 国网江苏省电力有限公司淮安供电分公司 | 一种基于人工智能精准定位的带电作业主动预警与安全监测系统 |
CN113255527A (zh) * | 2021-05-28 | 2021-08-13 | 汉谷云智(武汉)科技有限公司 | 混凝土卸料过程操作规范性监测方法及设备 |
CN113392713A (zh) * | 2021-05-20 | 2021-09-14 | 上海可深信息科技有限公司 | 一种工衣工服穿戴识别方法 |
CN113536842A (zh) * | 2020-04-15 | 2021-10-22 | 普天信息技术有限公司 | 电力作业人员安全着装识别方法及装置 |
CN113554834A (zh) * | 2021-08-03 | 2021-10-26 | 匠人智慧(江苏)科技有限公司 | 基于人工智能技术的化工园区视觉识别应用系统 |
CN113743199A (zh) * | 2021-07-26 | 2021-12-03 | 中广核工程有限公司 | 工装穿戴检测方法、装置、计算机设备和存储介质 |
CN113837138A (zh) * | 2021-09-30 | 2021-12-24 | 重庆紫光华山智安科技有限公司 | 一种着装监控方法、系统、介质及电子终端 |
CN113989625A (zh) * | 2021-12-13 | 2022-01-28 | 上海华谊信息技术有限公司 | 基于边缘计算的图像识别方法、装置、设备及存储介质 |
WO2022111271A1 (zh) * | 2020-11-24 | 2022-06-02 | 华为云计算技术有限公司 | 服装规范化检测方法及装置 |
CN114708557A (zh) * | 2022-04-19 | 2022-07-05 | 国网湖北省电力有限公司黄石供电公司 | 一种基于空地通信的电力施工监控方法及系统 |
CN114724080A (zh) * | 2022-03-31 | 2022-07-08 | 慧之安信息技术股份有限公司 | 基于安防视频监控的工地智能化安全识别方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108174165A (zh) * | 2018-01-17 | 2018-06-15 | 重庆览辉信息技术有限公司 | 电力安全作业及运维智能监管系统及方法 |
CN108921159A (zh) * | 2018-07-26 | 2018-11-30 | 北京百度网讯科技有限公司 | 用于检测安全帽的佩戴情况的方法和装置 |
CN109543542A (zh) * | 2018-10-24 | 2019-03-29 | 杭州叙简科技股份有限公司 | 一种特定场所人员着装是否规范的判定方法 |
-
2019
- 2019-05-30 CN CN201910464565.8A patent/CN110287804A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108174165A (zh) * | 2018-01-17 | 2018-06-15 | 重庆览辉信息技术有限公司 | 电力安全作业及运维智能监管系统及方法 |
CN108921159A (zh) * | 2018-07-26 | 2018-11-30 | 北京百度网讯科技有限公司 | 用于检测安全帽的佩戴情况的方法和装置 |
CN109543542A (zh) * | 2018-10-24 | 2019-03-29 | 杭州叙简科技股份有限公司 | 一种特定场所人员着装是否规范的判定方法 |
Non-Patent Citations (2)
Title |
---|
汪友杰 等: "智能识别技术在电力现场作业管控中的应用研究", 《国网电投(北京)科技中心会议论文集》 * |
菜鸟知识搬运工: "SSD详解", 《HTTPS://BLOG.CSDN.NET/QQ_30815237/ARTICLE/DETAILS/90292639》 * |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110728223A (zh) * | 2019-10-08 | 2020-01-24 | 济南东朔微电子有限公司 | 一种基于深度学习的安全帽佩戴识别方法 |
CN110705505A (zh) * | 2019-10-14 | 2020-01-17 | 国网山东省电力公司泰安供电公司 | 一种电力营业厅服务规范智能识别装置、方法及系统 |
CN110909767A (zh) * | 2019-11-04 | 2020-03-24 | 浙江工业大学 | 一种移动端的救生衣检测方法 |
CN110889367A (zh) * | 2019-11-22 | 2020-03-17 | 贵州科学院(贵州省应用技术研究院) | 一种基于深度学习的厨房工作人员穿着规范识别方法 |
CN110619324A (zh) * | 2019-11-25 | 2019-12-27 | 南京桂瑞得信息科技有限公司 | 一种行人和安全帽检测方法、装置及系统 |
CN111091110B (zh) * | 2019-12-24 | 2023-11-17 | 山东仁功智能科技有限公司 | 一种基于人工智能的反光背心穿戴识别方法 |
CN111091110A (zh) * | 2019-12-24 | 2020-05-01 | 山东仁功智能科技有限公司 | 一种基于人工智能的反光背心穿戴识别方法 |
CN111178246A (zh) * | 2019-12-27 | 2020-05-19 | 深圳供电局有限公司 | 基于电力施工操作的远程监测方法、装置和计算机设备 |
CN111178246B (zh) * | 2019-12-27 | 2024-02-09 | 深圳供电局有限公司 | 基于电力施工操作的远程监测方法、装置和计算机设备 |
CN113536842A (zh) * | 2020-04-15 | 2021-10-22 | 普天信息技术有限公司 | 电力作业人员安全着装识别方法及装置 |
CN111639546A (zh) * | 2020-05-07 | 2020-09-08 | 金钱猫科技股份有限公司 | 一种基于神经网络的小尺度目标云计算识别方法和装置 |
CN112019806A (zh) * | 2020-08-05 | 2020-12-01 | 程子赫 | 人工智能技术对重要岗位操作不规范行为监控矫正系统 |
CN112004067A (zh) * | 2020-09-07 | 2020-11-27 | 智点恒创(苏州)智能科技有限公司 | 视频监控方法、装置和存储介质 |
CN112633308A (zh) * | 2020-09-15 | 2021-04-09 | 北京华电天仁电力控制技术有限公司 | 一种电厂作业人员是否佩戴安全带的检测方法及检测系统 |
CN112132051A (zh) * | 2020-09-24 | 2020-12-25 | 广东电网有限责任公司广州供电局 | 一种配电房安全识别系统及其识别方法 |
CN112257620B (zh) * | 2020-10-27 | 2021-10-26 | 广州华微明天软件技术有限公司 | 一种安全穿戴情况识别方法 |
CN112257620A (zh) * | 2020-10-27 | 2021-01-22 | 广州华微明天软件技术有限公司 | 一种安全穿戴情况识别方法 |
WO2022111271A1 (zh) * | 2020-11-24 | 2022-06-02 | 华为云计算技术有限公司 | 服装规范化检测方法及装置 |
CN112396017A (zh) * | 2020-11-27 | 2021-02-23 | 上海建科工程咨询有限公司 | 一种基于图像识别的工程安全隐患识别方法及系统 |
CN112528855A (zh) * | 2020-12-11 | 2021-03-19 | 南方电网电力科技股份有限公司 | 一种电力作业着装规范识别方法和装置 |
WO2022121886A1 (zh) * | 2020-12-11 | 2022-06-16 | 南方电网电力科技股份有限公司 | 一种电力作业着装规范识别方法和装置 |
CN112381074A (zh) * | 2021-01-15 | 2021-02-19 | 北京每日优鲜电子商务有限公司 | 图像识别方法、装置、电子设备和计算机可读介质 |
CN112804498A (zh) * | 2021-02-04 | 2021-05-14 | 国能信控互联技术有限公司 | 一种安全防护装具佩戴情况监控系统和方法 |
CN112804498B (zh) * | 2021-02-04 | 2023-05-12 | 国能信控互联技术有限公司 | 一种安全防护装具佩戴情况监控系统和方法 |
CN112966618B (zh) * | 2021-03-11 | 2024-02-09 | 京东科技信息技术有限公司 | 着装识别方法、装置、设备及计算机可读介质 |
CN112966618A (zh) * | 2021-03-11 | 2021-06-15 | 京东数科海益信息科技有限公司 | 着装识别方法、装置、设备及计算机可读介质 |
CN113221640A (zh) * | 2021-04-01 | 2021-08-06 | 国网江苏省电力有限公司淮安供电分公司 | 一种基于人工智能精准定位的带电作业主动预警与安全监测系统 |
CN113221640B (zh) * | 2021-04-01 | 2022-07-22 | 国网江苏省电力有限公司淮安供电分公司 | 一种带电作业主动预警与安全监测系统 |
CN113392713A (zh) * | 2021-05-20 | 2021-09-14 | 上海可深信息科技有限公司 | 一种工衣工服穿戴识别方法 |
CN113255527B (zh) * | 2021-05-28 | 2021-10-08 | 汉谷云智(武汉)科技有限公司 | 混凝土卸料过程操作规范性监测方法及设备 |
CN113255527A (zh) * | 2021-05-28 | 2021-08-13 | 汉谷云智(武汉)科技有限公司 | 混凝土卸料过程操作规范性监测方法及设备 |
CN113743199A (zh) * | 2021-07-26 | 2021-12-03 | 中广核工程有限公司 | 工装穿戴检测方法、装置、计算机设备和存储介质 |
CN113554834A (zh) * | 2021-08-03 | 2021-10-26 | 匠人智慧(江苏)科技有限公司 | 基于人工智能技术的化工园区视觉识别应用系统 |
CN113837138A (zh) * | 2021-09-30 | 2021-12-24 | 重庆紫光华山智安科技有限公司 | 一种着装监控方法、系统、介质及电子终端 |
CN113837138B (zh) * | 2021-09-30 | 2023-08-29 | 重庆紫光华山智安科技有限公司 | 一种着装监控方法、系统、介质及电子终端 |
CN113989625A (zh) * | 2021-12-13 | 2022-01-28 | 上海华谊信息技术有限公司 | 基于边缘计算的图像识别方法、装置、设备及存储介质 |
CN114724080A (zh) * | 2022-03-31 | 2022-07-08 | 慧之安信息技术股份有限公司 | 基于安防视频监控的工地智能化安全识别方法和装置 |
CN114724080B (zh) * | 2022-03-31 | 2023-10-27 | 慧之安信息技术股份有限公司 | 基于安防视频监控的工地智能化安全识别方法和装置 |
CN114708557A (zh) * | 2022-04-19 | 2022-07-05 | 国网湖北省电力有限公司黄石供电公司 | 一种基于空地通信的电力施工监控方法及系统 |
CN114708557B (zh) * | 2022-04-19 | 2023-01-24 | 国网湖北省电力有限公司黄石供电公司 | 一种基于空地通信的电力施工监控方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110287804A (zh) | 一种基于移动视频监控的电力作业人员着装识别方法 | |
US10922585B2 (en) | Deterministic labeled data generation and artificial intelligence training pipeline | |
CN107291810B (zh) | 数据处理方法、装置及存储介质 | |
CN110414400B (zh) | 一种施工现场安全帽穿戴自动检测方法及系统 | |
EP3719708A1 (en) | Model test method and device | |
CN110414313A (zh) | 异常行为告警方法、装置、服务器及存储介质 | |
CN106878670B (zh) | 一种视频处理方法及装置 | |
CN108460356A (zh) | 一种基于监控系统的人脸图像自动处理系统 | |
CN107220633A (zh) | 一种智能移动执法系统及方法 | |
CN107818133A (zh) | 一种基于大数据的居民区网络能力分析方法及系统 | |
CN109815813A (zh) | 图像处理方法及相关产品 | |
CN106791655A (zh) | 一种视频处理方法及装置 | |
CN112966589A (zh) | 一种在危险区域的行为识别方法 | |
CN106817708B (zh) | 一种巡检簇构建方法及装置 | |
CN106937087A (zh) | 一种视频处理方法及装置 | |
CN110399822A (zh) | 基于深度学习的举手动作识别方法、装置及存储介质 | |
CN114612813A (zh) | 身份识别方法、模型训练方法、装置、设备和存储介质 | |
Elsayed et al. | Deep learning for covid-19 facemask detection using autonomous drone based on IoT | |
CN108229289A (zh) | 目标检索方法、装置和电子设备 | |
CN105844168B (zh) | 用于群智感知的隐私保护方法及装置 | |
CN116092199A (zh) | 一种员工工作状态识别方法及识别系统 | |
CN106713864B (zh) | 一种视频处理方法及装置 | |
CN110134810A (zh) | 检索图像的方法及装置 | |
CN106331060A (zh) | 一种基于wifi进行布控的方法和系统 | |
CN112215567A (zh) | 生产流程合规检查方法及系统、存储介质及终端 |
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: 20190927 |
|
RJ01 | Rejection of invention patent application after publication |