CN110618635A - 一种基于ai技术的列车驾驶室作业规范监测系统 - Google Patents

一种基于ai技术的列车驾驶室作业规范监测系统 Download PDF

Info

Publication number
CN110618635A
CN110618635A CN201910948201.7A CN201910948201A CN110618635A CN 110618635 A CN110618635 A CN 110618635A CN 201910948201 A CN201910948201 A CN 201910948201A CN 110618635 A CN110618635 A CN 110618635A
Authority
CN
China
Prior art keywords
module
event
target detection
monitoring system
video data
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
CN201910948201.7A
Other languages
English (en)
Inventor
张金飞
薛全华
王文
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.)
Zhongxing Flying Mdt Infotech Ltd
Original Assignee
Zhongxing Flying Mdt Infotech 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 Zhongxing Flying Mdt Infotech Ltd filed Critical Zhongxing Flying Mdt Infotech Ltd
Priority to CN201910948201.7A priority Critical patent/CN110618635A/zh
Publication of CN110618635A publication Critical patent/CN110618635A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0428—Safety, monitoring
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24024—Safety, surveillance

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于AI技术的列车驾驶室作业规范监测系统，包括视频数据采集模块、目标检测模块、人脸识别模块、姿态估计模块、事件分析模块、事件预警模块和事件存储模块，视频数据采集模块的输出端分别与目标检测模块、人脸识别模块和姿态估计模块的输入端连接，本发明涉及铁路交通技术领域。该基于AI技术的列车驾驶室作业规范监测系统，可实现分析速度快，通过利用改进的深度学习目标检测算法模块、人脸识别模块、姿态估计模块，使得推理时间达到实时的目的，同时通过提出基于深度学习目标检测方法、姿态估计方法及人脸识别算法，实现对驾驶室在值人员操作规范进行系统分析，同时检测准确率高，达到了实时违章操作预警。

Description

一种基于AI技术的列车驾驶室作业规范监测系统
技术领域
本发明涉及铁路交通技术领域，具体为一种基于AI技术的列车驾驶室作业规范监测系统。
背景技术
在铁路系统中，需要对驾驶室在值人员的操作进行严格审查，避免出现不规范的违章操作进而产生安全隐患，专利“CN201710131328”-《机车司机行为识别方法、装置及系统》与本发明较为相关，该机车司机行为识别方法包括：预先定义包含多类司机行为的待训练图像集合；利用神经网络算法对所述待训练图像集合进行模型训练，生成行为训练模型；采集机车驾驶室的实时监控图像，将所述实时监控图像输入所述行为训练模型，识别出司机行为所属的类别。本发明通过深度学习算法，可以对司机日常的几类操作进行自动识别；同时，通过对图像自动化的检索，可以解脱繁重的人工工作，提高了分析的效率和准确性。
同事参考专利“CN201810567349”-《基于深度学习的实时的列车驾驶员动作识别系统和方法》与本发明较为相关，该发明包括：摄像头采集模块，
驾驶员关键部位检测模块，物体检测模块，动作匹配模块，监控预警模块，监控记录模块；其中动作匹配模块包括人类自身动作识别模块，人类环境交互动作识别模块。该系统使用深度卷积神经网络进行物体、人体检测，具有较强的泛化能力，对驾驶室内的物体和驾驶员的识别非常准确。同时动作模板经过离线数据的分析与建模，非常精准地捕捉了动作的特定规律和运动范围，从而可以精确地匹配驾驶员的动作。
现有技术采取的措施主要是离线分析、人工对驾驶室监控视频盯控，同时以上参考专利无法进行实时分析和预警，工作量大且耗时，本发明基于AI技术的列车驾驶室作业规范监测系统，利用深度学习相关技术，实现对驾驶室中在值人员的操作规范进行实时监控及预警，在一定程度上降低因违章操作带来的安全隐患，对保障行车安全具有重大意义。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于AI技术的列车驾驶室作业规范监测系统，利用AI技术和深度学习的目标检测方法、姿态估计、人脸识别算法分析建模，从而可以准确判断驾驶室在值人员的操作行为。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种基于AI技术的列车驾驶室作业规范监测系统，包括视频数据采集模块、目标检测模块、人脸识别模块、姿态估计模块、事件分析模块、事件预警模块和事件存储模块，所述视频数据采集模块的输出端分别与目标检测模块、人脸识别模块和姿态估计模块的输入端连接，且目标检测模块、人脸识别模块和姿态估计模块的输出端均与事件分析模块的输入端连接，所述事件分析模块的输出端分别与事件预警模块和事件存储模块的输入端连接。
优选的，所述视频数据采集模块用于采集列车驾驶室中的图像画面。
优选的，所述目标检测模块用于检测采集到的视频数据中的目标及其位置。
优选的，所述人脸识别模块用于检测视频数据中在值人员的人脸图像。
优选的，所述姿态估计模块用于检测出在值人员的人体关键点。
优选的，所述事件分析模块用于对得到的数据进行分析，判断是否有违章项点。
优选的，所述事件预警模块用于及时对分析出的违章项点事件进行输出预警。
优选的，所述事件存储模块用于将分析出的事件视频进行及时存储。
优选的，整个列车室作业规范监测系统的和工作方法具体包括以下步骤：
S1、首先利用视频数据采集模块将得到的视频数据分别给目标检测模块、人脸识别模块、姿态估计模块和事件分析模块；
S2、在目标检测模块中，使用改进的深度学习目标检测算法，检测视频画面中的人、手机、视频左上角的时间、右上角的速度、左下角的车次车号、门、人头以及座椅物体信息，并将检测结果输出到事件分析模块中；
S3、在姿态估计模块中，使用基于深度学习的姿态估计算法，检测出所有在值人员的人体姿态关键点，并将姿态结果输出到事件分析模块中；
S4、在事件分析模块中，分别接收来自目标检测模块、人脸识别模块、姿态估计模块以及视频数据采集模块的数据，然后综合这四个模块的数据信息，分别对运行中开门、运行中离岗、打玩手机、扭头闲聊、间断瞭望、盹睡、遮挡镜头和抬腿违章作业进行分析，并对产生的违章作业及时通过事件预警模块进行预警，同时将对应产生违章作业的事件视频数据及时存储到事件存储模块中。
(三)有益效果
本发明提供了一种基于AI技术的列车驾驶室作业规范监测系统。与现有技术相比具备以下有益效果：
(1)、该基于AI技术的列车驾驶室作业规范监测系统，包括视频数据采集模块、目标检测模块、人脸识别模块、姿态估计模块、事件分析模块、事件预警模块和事件存储模块，视频数据采集模块的输出端分别与目标检测模块、人脸识别模块和姿态估计模块的输入端连接，且目标检测模块、人脸识别模块和姿态估计模块的输出端均与事件分析模块的输入端连接，事件分析模块的输出端分别与事件预警模块和事件存储模块的输入端连接，可实现分析速度快，通过利用改进的深度学习目标检测算法模块、人脸识别模块、姿态估计模块，使得推理时间达到实时的目的，同时通过提出基于深度学习目标检测方法、姿态估计方法及人脸识别算法，实现对驾驶室在值人员操作规范进行系统分析。
(2)、该基于AI技术的列车驾驶室作业规范监测系统，准确性高，基于深度学习算法和采集的大量样本数据，并通过数据增广技术，使得系统不仅泛化能力强，同时检测准确率高，实现了对驾驶室的实时视频监控分析，进而达到了实时违章操作预警。
(3)、该基于AI技术的列车驾驶室作业规范监测系统，系统稳定性强，系统运行在服务器资源，并有防宕机、备份机制以及自启动机制，保证系统稳定运行及数据安全。
附图说明
图1为本发明系统的结构原理框图；
图2为本发明运行中开门危险操作识别逻辑图；
图3为本发明打玩手机危险操作识别逻辑图。
图中，101视频数据采集模块、102目标检测模块、103人脸识别模块、104姿态估计模块、105事件分析模块、106事件预警模块、107事件存储模块。
具体实施方式
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，都属于本发明保护的范围。
请参阅图1-3，本发明实施例提供一种技术方案：一种基于AI技术的列车驾驶室作业规范监测系统，包括视频数据采集模块101、目标检测模块102、人脸识别模块103、姿态估计模块104、事件分析模块105、事件预警模块106和事件存储模块107，视频数据采集模块101的输出端分别与目标检测模块102、人脸识别模块103和姿态估计模块104的输入端连接，且目标检测模块102、人脸识别模块103和姿态估计模块104的输出端均与事件分析模块105的输入端连接，事件分析模块105的输出端分别与事件预警模块106和事件存储模块107的输入端连接。
视频数据采集模块101：主要负责采集驾驶室监控实时视频数据。
目标检测模块102：接收来自视频数据采集模块101的数据，对其运用深度学习目标检测算法，检测出视频监控画面中的人、手机、门、左上角时间、右上角速度、左下角车次车号、座椅、人头等物体信息。
人脸识别模块103：接收来自视频数据采集模块101的实时视频数据，对其运用深度学习人脸识别算法，检测出视频监控画面中在值人员的人脸信息。
姿态估计模块104：接收来自视频数据采集模块101的实时视频数据，对应运用深度学习姿态估计算法，检测出视频监控画面中的在值人员的人体关键点信息。
事件分析模块105：接收来自视频数据采集模块101、目标检测模块102、人脸识别模块103和姿态估计模块104的信息，作为事件分析的输入数据，结合相关数据分别进行是否有运行中开门、运行中离岗、打玩手机、扭头闲聊、间断瞭望、盹睡、遮挡镜头、抬腿等违章操作。
事件预警模块106对事件分析模块105分析出的结果，会及时将分析出的违章操作项预警输出。
事件存储模块107对事件分析模块105分析出的结果，会将分析出的含有违章操作点的视频数据进行存储到系统中去，同时，对分析的结果可以进行人工比对，若有误判情况，比对后，系统自动将其加入样本数据库，进行优化系统模型，从而不断更新系统泛化能力和鲁棒性，提高准确性。
具体地系统执行流程如下：
运行中开门：
如图2所示，模块201：对得到的视频监控数据，利用实时深度学习目标检测算法，检测出其中的列车速度数据以及列车车门的状态；
模块202：对检测出的列车速度，判断列车速度是否大于0；若大于0，则列车在运行中，否则列车未运行，从而不进行后续车门状态分析；
模块203：若检测出速度大于0且检测出车门开启，则有可能发生运行中开门违章事件，进入模块204，否则结束；
模块204：若检测出列车车门在速度大于0的情况下，车门开启，且持续时间大于T1；则可分析出有运行中车门开启事件发生；
运行中离岗：此事件分析过程同运行中开门相似，不再赘述。
打玩手机：
如图3所示，模块301：对得到的视频监控数据，利用实时的深度学习目标检测算法，检测出列车驾驶室中的手机目标；
模块302：对驾驶室中的在值人员，通过实时的姿态检测算法，检测出每个人的身体关键点；
模块303：对检测出的人体手部的关键点和手机区域框，判断手部关键点与区域框的位置距离是否小于阈值D1；小于则进入模块304，否则结束；
模块304：判断手部关键点与区域框的位置距离小于阈值D1的持续时间是否是否大于阈值T2；大于则进入模块305，分析为有打玩手机事件发生，否则结束；
扭头闲聊及间断瞭望：
由于在驾驶室侧后方有监控摄像头，因此通过侧后方的监控视频数据，通过人脸识别模块103，检测出人脸信息，同时在目标检测模块102中，检测出右上角速度不为0，并持续时间超过预定帧数即可分析为扭头闲聊/间断瞭望；若持续时间未达到预定帧数，但在预先设定的间隔时间内，连续多次检测出人脸，此时分析为扭头闲聊/间断瞭望事件发生；
盹睡：通过目标检测模块102中，检测右上角速递不为0的情况下，对检测出的人脸信息，进一步经过分类模型，对眼部闭合状态进行分类，当持续检测出闭眼状态超过预定帧数，即分析为有盹睡事件发生；另一方面，在未检测到人脸信息时，通过判断人体姿态变化信息和人体框变化信息，当检测出人体姿态关键点信息及人体框信息连续超过预定帧数都几乎没有变化时，即可分析为有盹睡事件发生；
抬腿：通过人体姿态估计模块104，检测出在值人员的人体关键点信息，通过分析腿部几个关键点坐标信息，结合抬腿时人体的腿部姿态坐标信息和姿态规律，当有连续超过设定的帧数时，即可分析为有抬腿事件发生；
遮挡镜头：通过对视频监控画面数据进行二值化等图像处理技术处理，二值化图像后，找出面积最大的黑色轮廓面积，当此时面积大于设定整个视频画面的预定比例并持续超过预设的帧数时，即可分析为有遮挡镜头事件发生。
综上所述
本发明可实现分析速度快，通过利用改进的深度学习目标检测算法模块102、人脸识别模块103、姿态估计模块104，使得推理时间达到实时的目的，同时通过提出基于深度学习目标检测方法、姿态估计方法及人脸识别算法，实现对驾驶室在值人员操作规范进行系统分析，准确性高，基于深度学习算法和采集的大量样本数据，并通过数据增广技术，使得系统不仅泛化能力强，同时检测准确率高，实现了对驾驶室的实时视频监控分析，进而达到了实时违章操作预警，系统稳定性强，系统运行在服务器资源，并有防宕机、备份机制以及自启动机制，保证系统稳定运行及数据安全。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (9)

1.一种基于AI技术的列车驾驶室作业规范监测系统，其特征在于：包括视频数据采集模块(101)、目标检测模块(102)、人脸识别模块(103)、姿态估计模块(104)、事件分析模块(105)、事件预警模块(106)和事件存储模块(107)，所述视频数据采集模块(101)的输出端分别与目标检测模块(102)、人脸识别模块(103)和姿态估计模块(104)的输入端连接，且目标检测模块(102)、人脸识别模块(103)和姿态估计模块(104)的输出端均与事件分析模块(105)的输入端连接，所述事件分析模块(105)的输出端分别与事件预警模块(106)和事件存储模块(107)的输入端连接。
2.根据权利要求1所述的一种基于AI技术的列车驾驶室作业规范监测系统，其特征在于：所述视频数据采集模块(101)用于采集列车驾驶室中的图像画面。
3.根据权利要求1所述的一种基于AI技术的列车驾驶室作业规范监测系统，其特征在于：所述目标检测模块(102)用于检测采集到的视频数据中的目标及其位置。
4.根据权利要求1所述的一种基于AI技术的列车驾驶室作业规范监测系统，其特征在于：所述人脸识别模块(103)用于检测视频数据中在值人员的人脸图像。
5.根据权利要求1所述的一种基于AI技术的列车驾驶室作业规范监测系统，其特征在于：所述姿态估计模块(104)用于检测出在值人员的人体关键点。
6.根据权利要求1所述的一种基于AI技术的列车驾驶室作业规范监测系统，其特征在于：所述事件分析模块(105)用于对得到的数据进行分析，判断是否有违章项点。
7.根据权利要求1所述的一种基于AI技术的列车驾驶室作业规范监测系统，其特征在于：所述事件预警模块(106)用于及时对分析出的违章项点事件进行输出预警。
8.根据权利要求1所述的一种基于AI技术的列车驾驶室作业规范监测系统，其特征在于：所述事件存储模块(107)用于将分析出的事件视频进行及时存储。
9.根据权利要求1-8任意一项所述的一种基于AI技术的列车驾驶室作业规范监测系统，其特征在于：整个列车室作业规范监测系统的和工作方法具体包括以下步骤：
S1、首先利用视频数据采集模块(101)将得到的视频数据分别给目标检测模块(102)、人脸识别模块(103)、姿态估计模块(104)和事件分析模块(105)；
S2、在目标检测模块(102)中，使用改进的深度学习目标检测算法，检测视频画面中的人、手机、视频左上角的时间、右上角的速度、左下角的车次车号、门、人头以及座椅物体信息，并将检测结果输出到事件分析模块(105)中；
S3、在姿态估计模块(104)中，使用基于深度学习的姿态估计算法，检测出所有在值人员的人体姿态关键点，并将姿态结果输出到事件分析模块(105)中；
S4、在事件分析模块(105)中，分别接收来自目标检测模块(102)、人脸识别模块(103)、姿态估计模块(104)以及视频数据采集模块(101)的数据，然后综合这四个模块的数据信息，分别对运行中开门、运行中离岗、打玩手机、扭头闲聊、间断瞭望、盹睡、遮挡镜头和抬腿违章作业进行分析，并对产生的违章作业及时通过事件预警模块(106)进行预警，同时将对应产生违章作业的事件视频数据及时存储到事件存储模块(107)中。
CN201910948201.7A 2019-10-08 2019-10-08 一种基于ai技术的列车驾驶室作业规范监测系统 Pending CN110618635A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910948201.7A CN110618635A (zh) 2019-10-08 2019-10-08 一种基于ai技术的列车驾驶室作业规范监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910948201.7A CN110618635A (zh) 2019-10-08 2019-10-08 一种基于ai技术的列车驾驶室作业规范监测系统

Publications (1)

Publication Number Publication Date
CN110618635A true CN110618635A (zh) 2019-12-27

Family

ID=68925135

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910948201.7A Pending CN110618635A (zh) 2019-10-08 2019-10-08 一种基于ai技术的列车驾驶室作业规范监测系统

Country Status (1)

Country Link
CN (1) CN110618635A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111147821A (zh) * 2020-01-02 2020-05-12 朔黄铁路发展有限责任公司 机车车载视频智能监控方法及其装置
CN111368696A (zh) * 2020-02-28 2020-07-03 淮阴工学院 基于视觉协同的危化品运输车违规驾驶行为检测方法及系统
CN111666915A (zh) * 2020-06-18 2020-09-15 上海眼控科技股份有限公司 监控方法、装置、设备以及存储介质
CN111767881A (zh) * 2020-07-06 2020-10-13 中兴飞流信息科技有限公司 一种基于ai技术的自适应人群密度估计装置
CN112215567A (zh) * 2020-09-28 2021-01-12 上海鸢安智能科技有限公司 生产流程合规检查方法及系统、存储介质及终端
CN112597965A (zh) * 2021-01-05 2021-04-02 株洲中车时代电气股份有限公司 一种驾驶行为识别方法、装置和计算机可读存储介质
CN113341825A (zh) * 2021-06-17 2021-09-03 浙江凌镜智能有限公司 设备运维智能监测方法及系统
CN113408445A (zh) * 2021-06-24 2021-09-17 深圳市长龙铁路电子工程有限公司 机车乘务员的违章行为分析方法、装置、设备及存储介质
CN113721502A (zh) * 2021-08-14 2021-11-30 山西太钢不锈钢股份有限公司 一种机车司乘人员自动监测控制系统
CN114677666A (zh) * 2022-03-31 2022-06-28 东风商用车有限公司 一种振动试验中驾驶室运动姿态检测方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104732251A (zh) * 2015-04-23 2015-06-24 郑州畅想高科股份有限公司 一种基于视频的机车司机驾驶状态检测方法
CN106941602A (zh) * 2017-03-07 2017-07-11 中国铁道科学研究院 机车司机行为识别方法、装置及系统
CN108583592A (zh) * 2017-12-30 2018-09-28 西安市地下铁道有限责任公司 一种地铁乘务作业信息采集智能检测方法
CN108960067A (zh) * 2018-06-05 2018-12-07 北京华纵科技有限公司 基于深度学习的实时的列车驾驶员动作识别系统和方法
CN109383516A (zh) * 2018-09-13 2019-02-26 行为科技(北京)有限公司 一种基于用户行为分析的异常分析行为检测系统
CN109409173A (zh) * 2017-08-18 2019-03-01 安徽三联交通应用技术股份有限公司 基于深度学习的驾驶人状态监测方法、系统、介质及设备
CN110298994A (zh) * 2019-07-01 2019-10-01 南京派光智慧感知信息技术有限公司 一种轨道列车驾驶员行为综合监测警示系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104732251A (zh) * 2015-04-23 2015-06-24 郑州畅想高科股份有限公司 一种基于视频的机车司机驾驶状态检测方法
CN106941602A (zh) * 2017-03-07 2017-07-11 中国铁道科学研究院 机车司机行为识别方法、装置及系统
CN109409173A (zh) * 2017-08-18 2019-03-01 安徽三联交通应用技术股份有限公司 基于深度学习的驾驶人状态监测方法、系统、介质及设备
CN108583592A (zh) * 2017-12-30 2018-09-28 西安市地下铁道有限责任公司 一种地铁乘务作业信息采集智能检测方法
CN108960067A (zh) * 2018-06-05 2018-12-07 北京华纵科技有限公司 基于深度学习的实时的列车驾驶员动作识别系统和方法
CN109383516A (zh) * 2018-09-13 2019-02-26 行为科技(北京)有限公司 一种基于用户行为分析的异常分析行为检测系统
CN110298994A (zh) * 2019-07-01 2019-10-01 南京派光智慧感知信息技术有限公司 一种轨道列车驾驶员行为综合监测警示系统

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111147821A (zh) * 2020-01-02 2020-05-12 朔黄铁路发展有限责任公司 机车车载视频智能监控方法及其装置
CN111368696A (zh) * 2020-02-28 2020-07-03 淮阴工学院 基于视觉协同的危化品运输车违规驾驶行为检测方法及系统
CN111666915A (zh) * 2020-06-18 2020-09-15 上海眼控科技股份有限公司 监控方法、装置、设备以及存储介质
CN111767881A (zh) * 2020-07-06 2020-10-13 中兴飞流信息科技有限公司 一种基于ai技术的自适应人群密度估计装置
CN112215567A (zh) * 2020-09-28 2021-01-12 上海鸢安智能科技有限公司 生产流程合规检查方法及系统、存储介质及终端
CN112597965A (zh) * 2021-01-05 2021-04-02 株洲中车时代电气股份有限公司 一种驾驶行为识别方法、装置和计算机可读存储介质
CN113341825A (zh) * 2021-06-17 2021-09-03 浙江凌镜智能有限公司 设备运维智能监测方法及系统
CN113408445A (zh) * 2021-06-24 2021-09-17 深圳市长龙铁路电子工程有限公司 机车乘务员的违章行为分析方法、装置、设备及存储介质
CN113721502A (zh) * 2021-08-14 2021-11-30 山西太钢不锈钢股份有限公司 一种机车司乘人员自动监测控制系统
CN113721502B (zh) * 2021-08-14 2024-04-26 山西太钢不锈钢股份有限公司 一种机车司乘人员自动监测控制系统
CN114677666A (zh) * 2022-03-31 2022-06-28 东风商用车有限公司 一种振动试验中驾驶室运动姿态检测方法及系统
CN114677666B (zh) * 2022-03-31 2024-05-31 东风商用车有限公司 一种振动试验中驾驶室运动姿态检测方法及系统

Similar Documents

Publication Publication Date Title
CN110618635A (zh) 一种基于ai技术的列车驾驶室作业规范监测系统
CN109726652B (zh) 一种基于卷积神经网络检测值班人员睡觉行为的方法
CN112396658B (zh) 一种基于视频的室内人员定位方法及定位系统
Yan et al. Driving posture recognition by joint application of motion history image and pyramid histogram of oriented gradients
CN102799893A (zh) 考场监控视频处理方法
CN112686090A (zh) 一种公交车内异常行为智能监控系统
CN104881956A (zh) 一种疲劳驾驶预警系统
CN108776452B (zh) 一种特种设备现场维保监控方法及系统
CN108805184B (zh) 一种固定空间、车辆上的图像识别方法及系统
CN115691034A (zh) 一种智能家居异常情况告警方法、系统及存储介质
CN113239854A (zh) 一种基于深度学习的船舶身份识别方法及系统
CN102456129B (zh) 一种安检图像纠偏方法和系统
Singh et al. Driver fatigue detection using machine vision approach
CN114429677A (zh) 一种煤矿场景作业行为安全识别考核方法及系统
CN115909212A (zh) 一种电力作业典型违章行为实时预警方法
CN116030404A (zh) 一种基于人工智能的作业区域电子警戒围栏架设和安全监控方法
Mentari et al. Detecting Objects Using Haar Cascade for Human Counting Implemented in OpenMV
Bakunah et al. A hybrid technique for intelligent bank security system based on blink gesture recognition
Sun et al. Driver fatigue alarm based on eye detection and gaze estimation
CN110348338A (zh) 基于深度学习的驾驶员辅助驾驶后视镜及包含其的系统
CN116894978B (zh) 一种融合面部情绪与行为多特征的线上考试防作弊系统
CN118135490A (zh) 一种基于图形组态的安全隐患排查及事故预警方法和系统
Jensen et al. Identification of deceptive behavioral cues extracted from video
CN117671365A (zh) 生产行为管控方法、装置、设备及存储介质
CN115967794A (zh) 一种防盗门家庭异常安全监控系统及方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20191227