CN110443907A - 巡检任务处理方法和巡检任务处理服务器 - Google Patents
巡检任务处理方法和巡检任务处理服务器 Download PDFInfo
- Publication number
- CN110443907A CN110443907A CN201910580043.4A CN201910580043A CN110443907A CN 110443907 A CN110443907 A CN 110443907A CN 201910580043 A CN201910580043 A CN 201910580043A CN 110443907 A CN110443907 A CN 110443907A
- Authority
- CN
- China
- Prior art keywords
- patrol
- patrol officer
- image
- time
- inspection
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种巡检任务处理方法,该方法包括:当检测到巡检任务开始执行时,在预设巡检时间内判断巡检人员是否位于指定的巡检地点;若否,则输出未到达警示信息;若是,则获取巡检人员的出现时间;在出现时间之后的预设身份验证时间内判断巡检人员是否完成身份验证;若否,则输出身份验证提醒信息;该方法还包括:获取巡检人员的离开时间;根据出现时间和离开时间,计算巡检人员在指定的巡检地点的停留时间;若停留时间小于预设停留时间阈值,则输出停留异常信息。本申请提高了巡检任务的处理效率。本申请还涉及一种巡检任务处理服务器。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种巡检任务处理方法和巡检任务处理服务器。
背景技术
在施工现场,经常需要专人在规定的时间内对指定施工场所或机电设备进行有效的巡检,且巡检人员不可替换。
然而,传统的巡检方式不能对巡检人员的巡检行为进行有效监测,例如,发生人员替换却并不知情,从而导致巡检效果不太理想。然而,一旦发生漏检或者不按要求进行检查,就有可能造成严重的安全事故。
因此,传统的巡检方式巡检效率低下。
发明内容
基于此,有必要针对上述传统的巡检方式巡检效率低下的技术问题,提供一种巡检任务处理方法和巡检任务处理服务器。
一种巡检任务处理方法,所述方法包括:
当检测到巡检任务开始执行时,在预设巡检时间内判断巡检人员是否位于指定的巡检地点;
若在所述预设巡检时间内判定巡检人员未位于指定的巡检地点,则输出未到达警示信息;
若在所述预设巡检时间内判定巡检人员位于指定的巡检地点,则获取所述巡检人员的出现时间;
在所述出现时间之后的预设身份验证时间内判断所述巡检人员是否完成身份验证;
若在所述出现时间之后的预设身份验证时间内判定所述巡检人员未完成身份验证,则输出身份验证提醒信息;
所述方法还包括:
获取所述巡检人员的离开时间;
根据所述出现时间和所述离开时间,计算所述巡检人员在所述指定的巡检地点的停留时间;
若所述停留时间小于预设停留时间阈值,则输出停留异常信息。
在其中一个实施例中,当检测到巡检任务开始执行时,在预设巡检时间内判断巡检人员是否位于指定的巡检地点,包括:
获取所述巡检人员的位置信息;
根据所述位置信息,判断所述巡检人员是否位于预设区域内;
若判定所述巡检人员位于预设区域内,则确定所述巡检人员位于指定的巡检地点;
若判定所述巡检人员未位于预设区域内,则确定所述巡检人员未位于指定的巡检地点。
在其中一个实施例中,获取所述巡检人员的位置信息,包括:
获取多个影像设备拍摄的多个拍摄图像;
对所述多个拍摄图像进行图像处理,获得所述巡检人员的位置信息。
在其中一个实施例中,对所述多个拍摄图像进行图像处理,获得所述巡检人员的位置信息,包括:
对所述多个拍摄图像进行特征提取,得到各所述拍摄图像的图像特征;
将各所述拍摄图像的图像特征进行两两匹配,生成本征矩阵;
对所述本征矩阵进行分解,得到各所述拍摄图像对应的影像设备之间的相对姿态;
根据所述相对姿态和各所述拍摄图像的图像特征,构建三维点云和影像设备位姿集;
根据所述三维点云和所述影像设备位姿集,获得所述巡检人员的位置信息。
在其中一个实施例中,根据所述位置信息,判断所述巡检人员是否位于预设区域内之前,包括:
获取待检测图像;
对所述待检测图像进行滤波处理,获得所述待检测图像中每个像素点的梯度;
根据所述每个像素点的梯度,计算得到所述每个像素点对应的张量场;
对所述每个像素点对应的张量场进行平滑处理,获得所述每个像素点对应的平滑结构张量场;
根据所述平滑结构张量场的累积变化程度,获得所述待检测图像的细节度;
根据所述细节度对所述待检测图像进行区域划分,得到所述预设区域。
在其中一个实施例中,根据所述平滑结构张量场的累积变化程度,获得所述待检测图像的细节度,包括:
根据所述平滑结构张量场,计算所述每个像素点的主特征向量;
根据所述主特征向量,获得所述每个像素点的主特征向量的累积方向值,其中,所述累积方向值用于表征所述累积变化程度;
对所有像素点的主特征向量的累积方向值进行归一化处理及反向处理,得到所述待检测图像的细节度。
在其中一个实施例中,所述方法还包括:
当检测到巡检任务开始执行时,获取所述巡检人员的出发位置;
根据所述巡检人员的出发位置以及所述巡检任务,规划所述巡检人员的巡检路线;
根据所述巡检人员的实时位置,获得所述巡检人员的巡检轨迹;
若判定所述巡检轨迹与所述巡检路线之间的偏移量大于预设偏移量,则输出路线错误提示信息。
在其中一个实施例中,所述方法还包括:
接收用户终端发送的巡检要求;
根据所述巡检要求生成所述巡检任务,并将所述巡检任务发送至所述用户终端。
在其中一个实施例中,所述身份验证的方式包括人脸识别、指纹识别以及唇纹识别。
一种巡检任务处理服务器,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述的方法的步骤。
上述巡检任务处理方法和巡检任务处理服务器,能够确保巡检人员在预设巡检时间内到达指定的巡检地点,以及在身份验证时间内完成身份验证,以及在指定的巡检地点的停留时间满足停留要求,如此,既保证了巡检人员不能被替换,又基于巡检任务的时间要求来保证巡检人员有效地进行巡检工作,提高了巡检任务的处理效率,还考虑到停留时间这一因素来保证巡检人员的巡检行为满足巡检规范。
附图说明
图1为一个实施例中巡检任务处理方法的应用环境图;
图2为一个实施例中巡检任务处理方法的流程示意图;
图3为一个实施例中判断巡检人员是否位于预设区域内的补充方案流程示意图;
图4为一个实施例中对多个拍摄图像进行图像处理获得巡检人员的位置信息的补充方案流程示意图;
图5为一个实施例中预设区域的划分的流程示意图;
图6为一个实施例中巡检任务处理服务器的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的巡检任务处理方法,可以应用于如图1所示的应用环境中。其中,用户终端102通过网络与巡检任务处理服务器104进行通信。具体地,巡检人员通过用户终端102开始执行巡检任务,巡检任务处理服务器104在检测到巡检任务开始执行时,根据巡检要求监测巡检人员的巡检行为是否规范,并对违规的巡检人员发出警示。
其中,用户终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,巡检任务处理服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种巡检任务处理方法,以该方法应用于图1中的巡检任务处理服务器104为例进行说明,包括以下步骤:
S202,当检测到巡检任务开始执行时,在预设巡检时间内判断巡检人员是否位于指定的巡检地点。
其中,巡检任务包括指定的巡检地点,巡检任务由巡检任务处理服务器基于用户终端上传的巡检要求生成。
具体地,巡检人员在知晓巡检任务之后,通过用户终端开始执行巡检任务。可选地,用户终端上设置有巡检开始按钮,这样,巡检人员通过点击该巡检开始按钮即可开始进行巡检。与此同时,在用户点击巡检开始按钮时,用户终端发出巡检任务开始信号至巡检任务处理服务器。如此,在巡检任务处理服务器接收到该巡检任务开始信号时,巡检任务处理服务器确定巡检任务开始执行,并基于巡检开始时间,在巡检开始时间之后的预设巡检时间内判断巡检人员是否位于指定的巡检地点。
举例而言,假设巡检开始时间为8:00,到达指定的巡检地点的预设巡检时间为10分钟,可以理解,巡检人员需在8:00到8:10之内到达指定的巡检地点。
其中,预设巡检时间可根据实际经验进行设定,也可以根据巡检要求进行设定。
可选地,在S202之前,该方法还包括:接收用户终端发送的巡检要求;根据巡检要求生成巡检任务,并将巡检任务发送至用户终端。其中,巡检要求可以由巡检人员即时输入,也可以预先配置在用户终端以便巡检人员随时获取。
S204,若在所述预设巡检时间内判定巡检人员未位于指定的巡检地点,则输出未到达警示信息。
可选地,当巡检人员的巡检位置未与指定的巡检地点有重叠时,巡检任务处理服务器判定巡检人员未位于指定的巡检地点。或者,当在指定的巡检地点未拍摄到巡检人员时,巡检任务处理服务器判定巡检人员未位于指定的巡检地点。若巡检任务处理服务器在预设巡检时间内判定巡检人员未位于指定的巡检地点,则输出未到达警示信息。
可选地,输出未到达警示信息可以是以视觉方式输出,例如:通过显示屏显示“未到达指定地点”等字样。输出未到达警示信息也可以是以听觉方式输出,例如:通过扬声器播报“未到达指定地点”等提示音。
进一步地,巡检任务处理服务器向中控室发送未到达警示信息,以提示管理人员进行查看。
S206,若在所述预设巡检时间内判定巡检人员位于指定的巡检地点,则获取所述巡检人员的出现时间。
可选地,当巡检人员的巡检位置与指定的巡检地点有重叠时,巡检任务处理服务器判定巡检人员位于指定的巡检地点;或者,当在指定的巡检地点拍摄到巡检人员时,巡检任务处理服务器判定巡检人员位于指定的巡检地点。
具体地,若在预设巡检时间内,巡检任务处理服务器判定巡检人员位于指定的巡检地点,则获取巡检人员的出现时间。其中,该出现时间可以是巡检人员的巡检位置与指定的巡检地点首次重叠的时间,或者是在指定的巡检地点首次拍摄到巡检人员的时间。
S208,在所述出现时间之后的预设身份验证时间内判断所述巡检人员是否完成身份验证。
具体地,巡检任务处理服务器在获得巡检人员的出现时间之后,根据预设身份验证时间,判断在该预设身份验证时间内,巡检人员是否完成身份验证。可选地,身份验证的方式包括人脸验证、指纹验证及唇纹验证的一种或多种。
举例而言,假设巡检人员8:10到达指定的巡检地点,即巡检人员的出现时间为8:10,预设身份验证时间为5分钟,可以理解,巡检人员需在8:10到8:15之内进行身份验证,以确保巡检人员未被替换。
S210,若在所述出现时间之后的预设身份验证时间内判定所述巡检人员未完成身份验证,则输出身份验证提醒信息。
具体地,若在出现时间之后的预设身份验证时间内,巡检任务处理服务器判定巡检人员未完成身份验证,则提醒巡检人员进行身份验证。可选地,提醒方式包括语音提醒或视觉提醒。
举例而言,若巡检人员在8:15还未进行身份验证,则提醒巡检人员进行身份验证。
进一步地,该方法还包括以下步骤:
S212,获取所述巡检人员的离开时间。
可选地,用户终端上还设置有检查结束按钮,这样,巡检人员在该指定的巡检地点完成检查之后,在用户终端上点击该检查结束按钮即表示完成了该指定的巡检地点的巡检任务。与此同时,用户终端发送检查结束信号至巡检任务处理服务器,巡检任务处理服务器在接收到该检查结束信号时,确定该指定的巡检地点的巡检任务已完成,并将任务完成时间确定为巡检人员的离开时间。
S214,根据所述出现时间和所述离开时间,计算所述巡检人员在所述指定的巡检地点的停留时间。
具体地,巡检任务处理服务器根据巡检人员的出现时间和离开时间,计算得到巡检人员在指定的巡检地点的停留时间。
S216,若所述停留时间小于预设停留时间阈值,则输出停留异常信息。
由于每一项检查工作通常会花费一段时间,因此,基于该时间预先设定停留时间阈值,以保证巡检人员按照巡检规范进行检查行为。
具体地,若巡检任务处理服务器判定该停留时间小于预设停留时间阈值,则巡检任务处理服务器输出停留异常信息。可选地,信息输出方式包括语音输出或视觉输出。
上述巡检任务处理方法,能够确保巡检人员在预设巡检时间内到达指定的巡检地点,以及在身份验证时间内完成身份验证,以及在指定的巡检地点的停留时间满足停留要求,如此,既保证了巡检人员不能被替换,又基于巡检任务的时间要求来保证巡检人员有效地进行巡检工作,提高了巡检任务的处理效率,还考虑到停留时间这一因素来保证巡检人员的巡检行为满足巡检规范。
在一个实施例中,请参阅图3,涉及当检测到巡检任务开始执行时,在预设巡检时间内判断巡检人员是否位于指定的巡检地点的一种可能的实现过程。在上述实施例的基础上,S202包括以下步骤:
S222,获取所述巡检人员的位置信息;
S224,根据所述位置信息,判断所述巡检人员是否位于预设区域内;
S226,若判定所述巡检人员位于预设区域内,则确定所述巡检人员位于指定的巡检地点;
S228,若判定所述巡检人员未位于预设区域内,则确定所述巡检人员未位于指定的巡检地点。
其中,巡检地点可以是通过定位系统在作业场所中进行划分的区域,因此,巡检地点与预设区域存在对应关系。
具体地,巡检任务处理服务器通过定位装置获取巡检人员的位置信息,并将巡检人员的位置与预设区域进行匹配。若匹配成功,则巡检任务处理服务器判定巡检人员位于预设区域内,并确定巡检人员位于指定的巡检地点;若匹配失败,则巡检任务处理服务器判定巡检人员未位于预设区域内,并确定巡检人员未位于指定的巡检地点。
在一个实施例中,涉及获取巡检人员的位置信息的一种可能的实现过程。在上述实施例的基础上,S222包括以下步骤:
S232,获取多个影像设备拍摄的多个拍摄图像;
S234,对所述多个拍摄图像进行图像处理,获得所述巡检人员的位置信息。
可选地,影像设备可安装在作业场所中。例如,影像设备安装在通道处、机电设备处等。设置在作业场所中的多个影像设备可对附近场景进行拍摄,得到多个拍摄图像。
具体地,巡检任务处理服务器获取多个影像设备拍摄的多个拍摄图像,并分别对该多个拍摄图像进行图像处理,基于构建的影像坐标系统,计算得到巡检人员的位置信息。
本申请实施例中,可准确确定巡检人员的巡检位置,进而保证巡检人员的巡检效率。
在一个实施例中,请参阅图4,涉及对多个拍摄图像进行图像处理,获得巡检人员的位置信息的一种可能的实现过程。在上述实施例的基础上,S234包括以下步骤:
S242,对所述多个拍摄图像进行特征提取,得到各所述拍摄图像的图像特征;
S244,将各所述拍摄图像的图像特征进行两两匹配,生成本征矩阵;
S246,对所述本征矩阵进行分解,得到各所述拍摄图像对应的影像设备之间的相对姿态;
S248,根据所述相对姿态和各所述拍摄图像的图像特征,构建三维点云和影像设备位姿集;
S250,根据所述三维点云和所述影像设备位姿集,获得所述巡检人员的位置信息。
其中,本征矩阵包括物理空间中两个影像设备相关的旋转(R)和平移信息(T)。T和R描述了一台影像设备相对于另外一台影像设备在全局坐标系中的相对位置。
具体地,巡检任务处理服务器分别对多个拍摄图像提取SIFT(Scale-invariantfeature transform,尺度不变特征变换)特征,得到各拍摄图像的图像特征。之后,巡检任务处理服务器将各拍摄图像的图像特征进行两两匹配,若匹配成功,则基于匹配成功的图像特征估计本征矩阵。可以理解,若将两两匹配的图像特征组织起来,则可形成多条轨迹,其中,每条轨迹对应于将被重构的一个3D(三维)点。之后,巡检任务处理服务器对本征矩阵进行分解,得到各拍摄图像对应的影像设备之间的相对姿态Riq,Ciq,其中,相对姿态中的平移Ciq只能提供方向,不能提供大小。
巡检任务处理服务器在得到相对姿态之后,根据该相对姿态和各拍摄图像的图像特征构建对应的姿态图。具体地,可通过预设的姿态图创建公式根据多个影像设备之间的相对姿态和个图像特征构建对应的姿态图。其中,在本申请的实施例中,预设的姿态图创建公式可为:
G=(NP,NX,EP,EX) (1)
其中,NP为影像设备节点,NX为图像特征(即样本3D点)节点,EP为影像设备-影像设备连接边,边上附有影像设备i和k之间的相对位置姿态属性,该属性可包括相对旋转Rik和相对平移方向Cik,即EPrelpose(i,k)=(Rik,Cik);EX为影像设备-图像特征连接边,该边上附有该影像设备观测到的图像特征坐标EXox=xij;根据该姿态图可以定义可视性函数visX(Xj,Ps)和visP(Pi,Xs),其中visX(Xj,Ps)={i:(i,j)∈EX,i∈Ps}意为给定图像特征Xj和影像设备集合Ps的条件下,返回Ps中观测到Xj的影像设备集合;visP(Pi,Xs)={j:(i,j)∈EX,j∈Xs}意为给定图像特征集合Xs和影像设备Pi的条件下,返回Xs中被Pi观测到的影像特征集合。
之后,巡检任务处理服务器分别获取多个影像设备的模型,并分别根据多个影像设备的模型定义对应的射线模型,并基于对应的射线模型对姿态图进行增量式重构以生成三维点云和影像设备位姿集。之后,巡检任务处理服务器获取查询图像,并对查询图像进行特征提取以得到对应的二维特征点集合,根据二维特征点集合、三维点云和影像设备位姿集,获得巡检人员的位置信息。更具体地,巡检任务处理服务器将查询图像的特征与离线部分生成的三维点云的特征进行匹配(即2D-3D匹配),依据足够数量的有效匹配,利用影像设备姿态估计算法估计查询图像的初始位姿,之后,可根据该初始位姿查询近邻库影像设备(即近邻图像),并融合2D-3D匹配和与近邻图像之间的相对姿态建立定位姿态图优化框架并进行优化以得到巡检人员更高精度的定位结果。
在一个实施例中,请参阅图5,涉及划分预设区域的具体过程。在上述实施例的基础上,S224之前还包括以下步骤:
S262,获取待检测图像。
其中,待检测图像可通过影像设备采集得到。
S264,对所述待检测图像进行滤波处理,获得所述待检测图像中每个像素点的梯度。
可选地,巡检任务处理服务器通过sobel算子计算待检测图像中每个像素点在x,y方向上的梯度,具体公式如下:
其中,R,G,B分别表示是每个像素点对应的红色(R)、绿色(G)、蓝色(B)的分量,f为x,y方向上的梯度向量。
需要指出,上述x,y方向上梯度的计算方试并不限于通过sobel算子计算梯度。
S266,根据所述每个像素点的梯度,计算得到所述每个像素点对应的张量场。
具体地,巡检任务处理服务器根据每个像素点在x、y方向上的梯度计算每个像素点对应的张量场。
S268,对所述每个像素点对应的张量场进行平滑处理,获得所述每个像素点对应的平滑结构张量场。
具体地,巡检任务处理服务器对每个像素点对应的张量场做平滑处理,例如对每个像素点的张量场做高斯模糊处理,获得每个像素点对应的平滑结构张量场。
S270,根据所述平滑结构张量场的累积变化程度,获得所述待检测图像的细节度。
具体地,巡检任务处理服务器根据每个像素点的平滑结构张量场计算每个像素点的主特征向量。接着巡检任务处理服务器根据主特征向量,获得每个像素点的主特征向量的累积方向值,其中,累积方向值用于表征所述累积变化程度,具体可以是分别计算每个像素点沿其主特征向量正方向的累积方向值以及每个像素点沿其主特征向量反方向的累积方向值。之后巡检任务处理服务器对所有像素点的主特征向量的累积方向值进行归一化处理及反向处理,得到待检测图像的细节度。
S272,根据所述细节度对所述待检测图像进行区域划分,得到所述预设区域。
具体地,巡检任务处理服务器在得到待检测图像的细节度后,可以用经典的阈值划分的方式对待检测图像进行细节度的划分,从而实现对待检测图像的区域划分,得到预设区域。
本申请实施例中,可准确划分巡检地点,从而进一步提高巡检任务的处理效率。
在一个实施例中,该方法还包括以下步骤:
S282,当检测到巡检任务开始执行时,获取所述巡检人员的出发位置;
S284,根据所述巡检人员的出发位置以及所述巡检任务,规划所述巡检人员的巡检路线;
S286,根据所述巡检人员的实时位置,获得所述巡检人员的巡检轨迹;
S288,若判定所述巡检轨迹与所述巡检路线之间的偏移量大于预设偏移量,则输出路线错误提示信息。
具体地,当检测到巡检任务开始执行时,巡检任务处理服务器获取巡检人员的出发位置,并根据巡检人员的出发位置以及巡检任务中的指定的巡检地点,规划巡检人员的巡检路线。与此同时,巡检任务处理服务器获取巡检人员的实时位置,根据巡检人员的实时位置,获得巡检人员的巡检轨迹。之后,巡检任务处理服务器比较该巡检轨迹和巡检路线,得到偏移量,若该偏移量大于预设偏移量,则输出路线错误提示信息。
可选地,偏移量可以是方向、位置或者其结合。例如,若巡检人员的前进方向与巡检轨迹的方向大于90度,巡检人员的位置到巡检轨迹的距离大于2m,巡检任务处理服务器可判定偏移量大于预设偏移量。需要指出,上述预设偏移量的取值可取任意数值。
本申请实施例中,为巡检人员规划巡检路线以及提醒巡检人员按照巡检路线进行巡检,可保证巡检人员不会漏检以及保证巡检人员的巡检效率。
应该理解的是,虽然图2-5流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,提供了一种巡检任务处理服务器,其内部结构图可以如图6所示。该巡检任务处理服务器包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该巡检任务处理服务器的处理器用于提供计算和控制能力。该巡检任务处理服务器的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该巡检任务处理服务器的数据库用于存储巡检任务的相关数据。该巡检任务处理服务器的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种巡检任务处理方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种巡检任务处理服务器,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
当检测到巡检任务开始执行时,在预设巡检时间内判断巡检人员是否位于指定的巡检地点;
若在所述预设巡检时间内判定巡检人员未位于指定的巡检地点,则输出未到达警示信息;
若在所述预设巡检时间内判定巡检人员位于指定的巡检地点,则获取所述巡检人员的出现时间;
在所述出现时间之后的预设身份验证时间内判断所述巡检人员是否完成身份验证;
若在所述出现时间之后的预设身份验证时间内判定所述巡检人员未完成身份验证,则输出身份验证提醒信息;
所述方法还包括:
获取所述巡检人员的离开时间;
根据所述出现时间和所述离开时间,计算所述巡检人员在所述指定的巡检地点的停留时间;
若所述停留时间小于预设停留时间阈值,则输出停留异常信息。
上述巡检任务处理服务器,能够确保巡检人员在预设巡检时间内到达指定的巡检地点,以及在身份验证时间内完成身份验证,以及在指定的巡检地点的停留时间满足停留要求,如此,既保证了巡检人员不能被替换,又基于巡检任务的时间要求来保证巡检人员有效地进行巡检工作,提高了巡检任务的处理效率,还考虑到停留时间这一因素来保证巡检人员的巡检行为满足巡检规范。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取所述巡检人员的位置信息;根据所述位置信息,判断所述巡检人员是否位于预设区域内;若判定所述巡检人员位于预设区域内,则确定所述巡检人员位于指定的巡检地点;若判定所述巡检人员未位于预设区域内,则确定所述巡检人员未位于指定的巡检地点。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取多个影像设备拍摄的多个拍摄图像;对所述多个拍摄图像进行图像处理,获得所述巡检人员的位置信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对所述多个拍摄图像进行特征提取,得到各所述拍摄图像的图像特征;将各所述拍摄图像的图像特征进行两两匹配,生成本征矩阵;对所述本征矩阵进行分解,得到各所述拍摄图像对应的影像设备之间的相对姿态;根据所述相对姿态和各所述拍摄图像的图像特征,构建三维点云和影像设备位姿集;根据所述三维点云和所述影像设备位姿集,获得所述巡检人员的位置信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取待检测图像;对所述待检测图像进行滤波处理,获得所述待检测图像中每个像素点的梯度;根据所述每个像素点的梯度,计算得到所述每个像素点对应的张量场;对所述每个像素点对应的张量场进行平滑处理,获得所述每个像素点对应的平滑结构张量场;根据所述平滑结构张量场的累积变化程度,获得所述待检测图像的细节度;根据所述细节度对所述待检测图像进行区域划分,得到所述预设区域。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据所述平滑结构张量场,计算所述每个像素点的主特征向量;根据所述主特征向量,获得所述每个像素点的主特征向量的累积方向值,其中,所述累积方向值用于表征所述累积变化程度;对所有像素点的主特征向量的累积方向值进行归一化处理及反向处理,得到所述待检测图像的细节度。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当检测到巡检任务开始执行时,获取所述巡检人员的出发位置;根据所述巡检人员的出发位置以及所述巡检任务,规划所述巡检人员的巡检路线;根据所述巡检人员的实时位置,获得所述巡检人员的巡检轨迹;若判定所述巡检轨迹与所述巡检路线之间的偏移量大于预设偏移量,则输出路线错误提示信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:接收用户终端发送的巡检要求;根据所述巡检要求生成所述巡检任务,并将所述巡检任务发送至所述用户终端。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种巡检任务处理方法,其特征在于,所述方法包括:
当检测到巡检任务开始执行时,在预设巡检时间内判断巡检人员是否位于指定的巡检地点;
若在所述预设巡检时间内判定巡检人员未位于指定的巡检地点,则输出未到达警示信息;
若在所述预设巡检时间内判定巡检人员位于指定的巡检地点,则获取所述巡检人员的出现时间;
在所述出现时间之后的预设身份验证时间内判断所述巡检人员是否完成身份验证;
若在所述出现时间之后的预设身份验证时间内判定所述巡检人员未完成身份验证,则输出身份验证提醒信息;
所述方法还包括:
获取所述巡检人员的离开时间;
根据所述出现时间和所述离开时间,计算所述巡检人员在所述指定的巡检地点的停留时间;
若所述停留时间小于预设停留时间阈值,则输出停留异常信息。
2.根据权利要求1所述的方法,其特征在于,当检测到巡检任务开始执行时,在预设巡检时间内判断巡检人员是否位于指定的巡检地点,包括:
获取所述巡检人员的位置信息;
根据所述位置信息,判断所述巡检人员是否位于预设区域内;
若判定所述巡检人员位于预设区域内,则确定所述巡检人员位于指定的巡检地点;
若判定所述巡检人员未位于预设区域内,则确定所述巡检人员未位于指定的巡检地点。
3.根据权利要求2所述的方法,其特征在于,获取所述巡检人员的位置信息,包括:
获取多个影像设备拍摄的多个拍摄图像;
对所述多个拍摄图像进行图像处理,获得所述巡检人员的位置信息。
4.根据权利要求3所述的方法,其特征在于,对所述多个拍摄图像进行图像处理,获得所述巡检人员的位置信息,包括:
对所述多个拍摄图像进行特征提取,得到各所述拍摄图像的图像特征;
将各所述拍摄图像的图像特征进行两两匹配,生成本征矩阵;
对所述本征矩阵进行分解,得到各所述拍摄图像对应的影像设备之间的相对姿态;
根据所述相对姿态和各所述拍摄图像的图像特征,构建三维点云和影像设备位姿集;
根据所述三维点云和所述影像设备位姿集,获得所述巡检人员的位置信息。
5.根据权利要求2所述的方法,其特征在于,根据所述位置信息,判断所述巡检人员是否位于预设区域内之前,包括:
获取待检测图像;
对所述待检测图像进行滤波处理,获得所述待检测图像中每个像素点的梯度;
根据所述每个像素点的梯度,计算得到所述每个像素点对应的张量场;
对所述每个像素点对应的张量场进行平滑处理,获得所述每个像素点对应的平滑结构张量场;
根据所述平滑结构张量场的累积变化程度,获得所述待检测图像的细节度;
根据所述细节度对所述待检测图像进行区域划分,得到所述预设区域。
6.根据权利要求5所述的方法,其特征在于,根据所述平滑结构张量场的累积变化程度,获得所述待检测图像的细节度,包括:
根据所述平滑结构张量场,计算所述每个像素点的主特征向量;
根据所述主特征向量,获得所述每个像素点的主特征向量的累积方向值,其中,所述累积方向值用于表征所述累积变化程度;
对所有像素点的主特征向量的累积方向值进行归一化处理及反向处理,得到所述待检测图像的细节度。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当检测到巡检任务开始执行时,获取所述巡检人员的出发位置;
根据所述巡检人员的出发位置以及所述巡检任务,规划所述巡检人员的巡检路线;
根据所述巡检人员的实时位置,获得所述巡检人员的巡检轨迹;
若判定所述巡检轨迹与所述巡检路线之间的偏移量大于预设偏移量,则输出路线错误提示信息。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
接收用户终端发送的巡检要求;
根据所述巡检要求生成所述巡检任务,并将所述巡检任务发送至所述用户终端。
9.根据权利要求1所述的方法,其特征在于,所述身份验证的方式包括人脸验证、指纹验证以及唇纹验证。
10.一种巡检任务处理服务器,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910580043.4A CN110443907A (zh) | 2019-06-28 | 2019-06-28 | 巡检任务处理方法和巡检任务处理服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910580043.4A CN110443907A (zh) | 2019-06-28 | 2019-06-28 | 巡检任务处理方法和巡检任务处理服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110443907A true CN110443907A (zh) | 2019-11-12 |
Family
ID=68428680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910580043.4A Pending CN110443907A (zh) | 2019-06-28 | 2019-06-28 | 巡检任务处理方法和巡检任务处理服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110443907A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111310947A (zh) * | 2020-02-28 | 2020-06-19 | 广州正为明昱信息科技有限公司 | 基于5g的建筑设施运维方法、设备、存储介质及系统 |
CN112233267A (zh) * | 2020-09-02 | 2021-01-15 | 广东飞企互联科技股份有限公司 | 一种消防设备监控方法和系统 |
CN112862205A (zh) * | 2021-03-02 | 2021-05-28 | 岭东核电有限公司 | 位置信息处理方法、装置、计算机设备和存储介质 |
CN113256166A (zh) * | 2021-06-24 | 2021-08-13 | 鑫安利中(北京)科技有限公司 | 基于物联网的安全管理系统及管理方法 |
CN113297945A (zh) * | 2021-05-18 | 2021-08-24 | 北京远舢智能科技有限公司 | 基于混合现实空间定位的室内设备巡检辅助方法及系统 |
CN113531400A (zh) * | 2020-04-22 | 2021-10-22 | 中国石油天然气股份有限公司 | 基于移动设备定位数据的管道巡线方法及系统 |
CN113696176A (zh) * | 2021-07-21 | 2021-11-26 | 国家石油天然气管网集团有限公司 | 一种输油场站防爆轮式巡检机器人远程控制装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886622A (zh) * | 2012-12-21 | 2014-06-25 | 腾讯科技(深圳)有限公司 | 自动图像区域划分的实现方法及实现装置 |
CN203909857U (zh) * | 2014-06-26 | 2014-10-29 | 国家电网公司 | 配网巡检智能定位与管理系统 |
CN105844696A (zh) * | 2015-12-31 | 2016-08-10 | 清华大学 | 基于射线模型三维重构的图像定位方法以及装置 |
CN106875161A (zh) * | 2017-02-28 | 2017-06-20 | 青岛海信网络科技股份有限公司 | 一种道路巡查监督方法和装置 |
CN206370113U (zh) * | 2016-12-08 | 2017-08-01 | 江苏展邦智能科技有限公司 | 一种监测巡检人员的系统 |
CN109242119A (zh) * | 2018-11-07 | 2019-01-18 | 福建亿榕信息技术有限公司 | 一种智能变电站二次设备自动巡检方法及系统 |
CN109377584A (zh) * | 2018-07-31 | 2019-02-22 | 浙江宏电环保科技有限公司 | 一种智慧巡检系统 |
-
2019
- 2019-06-28 CN CN201910580043.4A patent/CN110443907A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886622A (zh) * | 2012-12-21 | 2014-06-25 | 腾讯科技(深圳)有限公司 | 自动图像区域划分的实现方法及实现装置 |
CN203909857U (zh) * | 2014-06-26 | 2014-10-29 | 国家电网公司 | 配网巡检智能定位与管理系统 |
CN105844696A (zh) * | 2015-12-31 | 2016-08-10 | 清华大学 | 基于射线模型三维重构的图像定位方法以及装置 |
CN206370113U (zh) * | 2016-12-08 | 2017-08-01 | 江苏展邦智能科技有限公司 | 一种监测巡检人员的系统 |
CN106875161A (zh) * | 2017-02-28 | 2017-06-20 | 青岛海信网络科技股份有限公司 | 一种道路巡查监督方法和装置 |
CN109377584A (zh) * | 2018-07-31 | 2019-02-22 | 浙江宏电环保科技有限公司 | 一种智慧巡检系统 |
CN109242119A (zh) * | 2018-11-07 | 2019-01-18 | 福建亿榕信息技术有限公司 | 一种智能变电站二次设备自动巡检方法及系统 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111310947A (zh) * | 2020-02-28 | 2020-06-19 | 广州正为明昱信息科技有限公司 | 基于5g的建筑设施运维方法、设备、存储介质及系统 |
CN113531400A (zh) * | 2020-04-22 | 2021-10-22 | 中国石油天然气股份有限公司 | 基于移动设备定位数据的管道巡线方法及系统 |
CN113531400B (zh) * | 2020-04-22 | 2023-04-25 | 中国石油天然气股份有限公司 | 基于移动设备定位数据的管道巡线方法及系统 |
CN112233267A (zh) * | 2020-09-02 | 2021-01-15 | 广东飞企互联科技股份有限公司 | 一种消防设备监控方法和系统 |
CN112862205A (zh) * | 2021-03-02 | 2021-05-28 | 岭东核电有限公司 | 位置信息处理方法、装置、计算机设备和存储介质 |
CN113297945A (zh) * | 2021-05-18 | 2021-08-24 | 北京远舢智能科技有限公司 | 基于混合现实空间定位的室内设备巡检辅助方法及系统 |
CN113256166A (zh) * | 2021-06-24 | 2021-08-13 | 鑫安利中(北京)科技有限公司 | 基于物联网的安全管理系统及管理方法 |
CN113696176A (zh) * | 2021-07-21 | 2021-11-26 | 国家石油天然气管网集团有限公司 | 一种输油场站防爆轮式巡检机器人远程控制装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110443907A (zh) | 巡检任务处理方法和巡检任务处理服务器 | |
JP7282851B2 (ja) | 装置、方法及びプログラム | |
CN107370983B (zh) | 用于视频监控系统的行踪轨迹的获取方法和装置 | |
JP7036493B2 (ja) | 監視方法及び装置 | |
CN102369549B (zh) | 用于估计物体位置的信息创建设备、用于估计物体位置的信息创建方法 | |
CN111815675A (zh) | 目标对象的跟踪方法及装置、电子设备和存储介质 | |
US11501482B2 (en) | Anonymization apparatus, surveillance device, method, computer program and storage medium | |
Gupta et al. | CrowdVAS-Net: A deep-CNN based framework to detect abnormal crowd-motion behavior in videos for predicting crowd disaster | |
US10660062B1 (en) | Indoor positioning | |
CN111770306A (zh) | 场景监控方法、装置、计算机设备和存储介质 | |
CN111400550A (zh) | 一种目标运动轨迹构建方法、设备以及计算机存储介质 | |
JP2012003649A (ja) | 作業分析装置、作業分析方法、およびプログラム | |
JP7103229B2 (ja) | 不審度推定モデル生成装置 | |
CN109214326A (zh) | 一种信息处理方法、装置和系统 | |
CN111881740A (zh) | 人脸识别方法、装置、电子设备及介质 | |
JP2021077039A (ja) | 画像処理装置、画像処理方法、及びプログラム。 | |
Huang et al. | Laplacian change point detection for single and multi-view dynamic graphs | |
CN103591953B (zh) | 一种基于单摄像头的人员定位方法 | |
CN109523360B (zh) | 一种信息推荐方法及系统 | |
CN113569594A (zh) | 一种人脸关键点的标注方法及装置 | |
CN113591885A (zh) | 目标检测模型训练方法、设备及计算机存储介质 | |
KR102030736B1 (ko) | 다중 분산 영상 데이터 분석 장치 | |
CN114648572A (zh) | 虚拟定位方法及装置、虚拟定位系统 | |
CN113420919A (zh) | 基于无人机视觉感知的工程异常管控方法 | |
CN109194917A (zh) | 一种智能安防系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191112 |