CN111079731A - 基于安全帽识别监控系统的配置系统、方法、设备及介质 - Google Patents
基于安全帽识别监控系统的配置系统、方法、设备及介质 Download PDFInfo
- Publication number
- CN111079731A CN111079731A CN201911218481.2A CN201911218481A CN111079731A CN 111079731 A CN111079731 A CN 111079731A CN 201911218481 A CN201911218481 A CN 201911218481A CN 111079731 A CN111079731 A CN 111079731A
- Authority
- CN
- China
- Prior art keywords
- screenshot
- safety helmet
- configuration
- monitoring
- coordinate information
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
- G06V10/235—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on user input or interaction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/66—Remote control of cameras or camera parts, e.g. by remote control devices
- H04N23/661—Transmitting camera control signals through networks, e.g. control via the Internet
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本申请提供一种基于安全帽识别监控系统的配置方法、系统、设备及介质,该系统包括:数据采集模块,用于实时采集视频流;配置模块,用于截取视频流中的截图,根据缩放比例计算截图的中心点或鼠标位置点的坐标信息,利用截图的中心点或鼠标位置点的坐标信息形成任意形状的监测区域,在不同的监控区域对应设置与其匹配的安全帽颜色。通过网络后端对安防或工程建设现场等相关场景的安全帽识别监控系统实现云端配置,能够实时根据需求更改配置,无需工作人员亲自赶赴现场,大大节省了工作人员时间,同时,配置监控系统无需复杂参数设置,通过缩放监控截图简易设置监控区域,大大缩减了配置的难度与工作量,提高了安全帽识别监控系统的配置效率。
Description
技术领域
本申请涉及视频监控技术领域,特别是涉及一种基于安全帽识别监控系统的配置系统、方法、设备及介质。
背景技术
电子装置,特别是配备有摄像机以及感测器的电子装置,被广泛地实际应用于现实生活中。特别是在智能监控应用领域,利用电子装置采集视频,构建安防或工程建设现场等相关场景,尤其对于施工现场的人员安全体系。由于工程施工环境中,需要对不同工种以及外访人员进行安全帽区分,非特定的安全帽颜色不能出现到非指定区域,通过是否带安全帽以及安全帽颜色进行监控,确保施工现场的安全。
然而,现有的安全帽监识别监控系统由于采用局域网配置,无法根据施工要求灵活配置往往需要工作人员前往现场配置监控区域,一方面,到达现场配置费时费力,效率不高;另一方面,配置时需填入大量参数,操作复杂。
申请内容
鉴于以上现有技术的缺点,本申请的目的在于提供一种基于安全帽识别监控系统的配置系统、方法、设备及介质,用于解决现有技术中安全帽识别监控系统配置时,因到达现场配置费时费力、操作复杂的问题。
为实现上述目的及其他相关目的,本申请的第一方面,本申请提供一种基于安全帽识别监控系统的配置系统,包括:
数据采集模块,用于实时采集视频流;
配置模块,远程网联数据采集模块,用于截取视频流中的截图,根据缩放比例计算截图的中心点或鼠标位置点的坐标信息,利用截图的中心点或鼠标位置点的坐标信息形成任意形状的监测区域,在不同的监控区域对应设置与其匹配的安全帽颜色。
在第一方面的某些实施方式中,配置模块用于根据截图的中心点或鼠标位置点放大后的坐标信息,利用该截图缩放比例计算当前像素相对于原截图的像素坐标信息;其中,当检测截图缩放前后以中心点或鼠标位置点标定的两个像素点坐标信息小于预设阈值时,则将其视为同一像素点。
在第一方面的某些实施方式中,数据采集模块还用于提取视频流中的关键帧,利用监控区域的像素灰度均值判断关键帧中的运动物体,从背景目标中分离运动目标;以分级联动的SVM分类器识别运动目标中人体。
在第一方面的某些实施方式中,按时间戳顺序叠加多个关键帧形成视频文件,将视频文件发送至远端流媒体服务器存储。
在第一方面的某些实施方式中,还包括:视频分析模块,利用边框回归原理在监控区域内标注识别人体佩戴的安全帽或未佩戴安全帽的头部;同时,根据RGB转灰度色识别安全帽的颜色,统计该监控区域佩戴安全帽的颜色与安全帽数量。
在第一方面的某些实施方式中,根据监控区域配置情况检测监控区域内是否出现未佩戴安全帽或安全帽颜色佩戴有误的情形,当检测到任一情形时,则发出相应报警。
在第一方面的某些实施方式中,利用深度学习卷积神经网络检测监控区域人体佩戴安全帽、安全帽颜色以及未佩戴安全帽的情形,统计相应数量。
本申请的第二方面,提供一种基于安全帽识别监控系统的配置方法,包括:
实时采集视频流,
截取视频流中的截图,根据缩放比例计算截图的中心点或鼠标位置点的坐标信息,利用截图的中心点或鼠标位置点的坐标信息形成任意形状的监测区域,在不同的监控区域对应设置与其匹配的安全帽颜色。
本申请第三方面提供一种服务器,包括:第一存储单元,用于存储至少一种程序;第一网络单元,用于与至少一个数据采集终端进行数据通信;第一处理单元,用于调用并执行存储单元中存储的至少一个程序以截取视频流中的截图,根据缩放比例计算截图的中心点或鼠标位置点的坐标信息,利用截图的中心点或鼠标位置点的坐标信息形成任意形状的监测区域在不同的监控区域对应设置与其匹配的安全帽颜色。
本申请第三方面还提供一种数据采集终端,包括:第二存储单元,用于存储至少一种程序;第二网络单元,用于与至少一个服务器进行数据通信;第二处理单元,用于调用并执行存储单元中存储的至少一个程序以实时采集视频流,提取视频流中的关键帧,利用监控区域的像素灰度均值判断关键帧中的运动物体,从背景目标中分离运动目标;以分级联动的SVM分类器识别运动目标中人体。
本申请的第四方面,提供一种计算机可读存储介质,存储至少一种程序,至少一个程序在被调用并执行时实现如第二方面中任一项的基于安全帽识别监控系统的配置方法。
如上,本申请的基于安全帽识别监控系统的配置系统、方法、设备及介质,具有以下有益效果:
通过远程网络后端对安防或工程建设现场等相关场景的安全帽识别监控系统实现云端配置,能够实时根据需求更改配置,无需工作人员亲自赶赴现场,大大节省了工作人员时间,同时,配置监控系统无需复杂参数设置,通过缩放监控截图简易设置监控区域,大大缩减了配置的难度与工作量,提高了安全帽识别监控系统的配置效率。
附图说明
图1显示为本申请的基于安全帽识别监控系统的配置系统结构框图;
图2显示为本申请的基于安全帽识别监控系统的配置系统完整结构框图;
图3显示为本申请的基于安全帽识别监控系统的配置方法流程图;
图4显示为本申请的基于安全帽识别监控系统的配置方法中数据处理流程图;
图5显示为本申请的基于安全帽识别监控系统的配置方法中配置流程图;
图6显示为本申请的基于安全帽识别监控系统的计算机设备结构框图。
具体实施方式
以下由特定的具体实施例说明本申请的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本申请的其他优点及功效。
在下述描述中,参考附图,附图描述了本申请的若干实施例。应当理解,还可使用其他实施例,并且可以在不背离本公开的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变.下面的详细描述不应该被认为是限制性的,并且本申请的实施例的范围仅由公布的专利的权利要求书所限定.这里使用的术语仅是为了描述特定实施例,而并非旨在限制本申请。空间相关的术语,例如“上”、“下”、“左”、“右”、“下面”、“下方”、“下部”、“上方”、“上部”等,可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。
虽然在一些实例中术语第一、第二等在本文中用来描述各种元件,但是这些元件不应当被这些术语限制。这些术语仅用来将一个元件与另一个元件进行区分。例如,第一预设阈值可以被称作第二预设阈值,并且类似地,第二预设阈值可以被称作第一预设阈值,而不脱离各种所描述的实施例的范围。第一预设阈值和预设阈值均是在描述一个阈值,但是除非上下文以其他方式明确指出,否则它们不是同一个预设阈值。相似的情况还包括第一音量与第二音量。
再者,如同在本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文中有相反的指示.应当进一步理解,术语“包含”、“包括”表明存在的特征、步骤、操作、元件、组件、项目、种类、和/或组,但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加.此处使用的术语“或”和“和/或”被解释为包括性的,或意味着任一个或任何组合.因此,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A、B和C”仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时,才会出现该定义的例外。
请参阅图1,为本申请的基于安全帽识别监控系统的配置系统结构框图,包括:
数据采集模块1,用于实时采集视频流;
其中,数据采集端1可利用NVR(网络录像机)来实现采集视频流;也可通过其它的摄像监控装置来实现获取实时视频流的目的,在此不一一例举。
配置模块2,远程网联数据采集模块,用于截取视频流中的截图,根据缩放比例计算截图的中心点或鼠标位置点的坐标信息,利用截图的中心点或鼠标位置点的坐标信息形成任意形状的监测区域,在不同的监控区域对应设置与其匹配的安全帽颜色。
在此,配置模块通过配置在云端服务器,实现远程配置安全帽识别监控系统;具体地,通过远程网络后端对安防或工程建设现场等相关场景的安全帽识别监控系统实现云端配置,能够实时根据需求更改配置,无需工作人员亲自赶赴现场,大大节省了工作人员时间,同时配置监控系统无需复杂参数设置,通过缩放监控截图简易设置监控区域,大大缩减了配置的难度与工作量,提高了安全帽识别监控系统的配置效率。
在一些示例中,为了准确获取配置点的位置信息,配置模块根据截图的中心点或鼠标位置点放大后的坐标信息,利用该截图缩放比例计算当前像素相对于原截图的像素坐标信息;从而准确获取到该像素的坐标信息。需要说明的是,当检测截图缩放前后以中心点或鼠标位置点标定的两个像素点坐标信息小于预设阈值时,则将其视为同一像素点,不仅可迅速标定缩放后的中心点或鼠标位置点,同时,通过在该标定点附近采用线条(直线)形成任意形状的监控区域(ROI),根据缩放比例也能轻易获取到监控区域内任意点的坐标信息,实现精确划定监控区域的范围。在不同的监控区域内可任意设定携带的安全帽颜色、以及预警时长(同一类型预警发生时,间隔发出预警的时间间隔),通过将配置的参数发送至数据采集终端,从而实现远程(云端)配置的效果。
在一些示例中,由于安全帽识别监控系统需要识别安全帽,当完成云端配置后,数据采集模块在采集视频流同时,还用于提取视频流中的关键帧,利用监控区域的像素灰度均值判断关键帧中的运动物体,从背景目标中分离运动目标;以分级联动的SVM分类器识别运动目标中人体,数据采集模块通过提取视频流中的运动目标、以及识别运动目标是否包含人体方便后续处理流程中识别安全帽。
在一些示例中,按时间戳顺序叠加多个关键帧形成视频文件,将视频文件发送至远端流媒体服务器存储,需要说明的是,将原图片中安全帽颜色不符或未佩戴安全帽的人体的关键帧叠加形成识别安全帽后的视频文件,利用路由选择表维护协议将形成的视频文件发送到云端流媒体服务器,便于后续工作人员实时查看。
在另一实施例中,请参阅图2,本申请的基于安全帽识别监控系统的配置系统完整结构框图,还包括:视频分析模块3,利用边框回归原理在监控区域内标注识别人体佩戴的安全帽或未佩戴安全帽的头部;同时,根据RGB转灰度色识别安全帽的颜色,统计该监控区域佩戴安全帽的颜色与安全帽数量。
在此,第一步通过标注佩戴安全帽的头部以及未佩戴安全帽的头部图像,而通过RGB(红绿蓝)转灰度计算从而获取佩戴安全帽的颜色,一方面,可实现监控区域安全帽的监控识别;另一方面,可初步达到统计监控区域佩戴安全帽的颜色与安全帽数量。
在另一更具体示例,根据监控区域配置情况检测监控区域内是否出现未佩戴安全帽或安全帽颜色佩戴有误的情形,当检测到任一情形时,则发出相应报警,例如,当配置到某一监控区域内只能佩戴红色安全帽,如果检测到该监控区域内人佩戴其它颜色安全帽或未佩戴安全帽,则发出不同的声光报警,以提示监控人员和被监控现场的工作人员,例如,可在数据采集终端设置报警模块,也可同时在后端服务器也设置报警模块。
在第一方面的某些实施方式中,利用深度学习卷积神经网络检测监控区域人体佩戴安全帽、安全帽颜色以及未佩戴安全帽的情形,统计相应数量。
需要说明的是,在上述实施例基础上,利用历史检测数据集训练基于深度学习卷积神经网络的分类模型,以得到多种行为模式的分类,能够提高识别测监控区域人体佩戴安全帽、安全帽颜色以及未佩戴安全帽情形的准确率,做到精确统计便于后续监控维护,还需要说明的是,上述基于安全帽监控识别的方式还可以借助人脸识别算法,针对具体识别哪些工作人员佩戴了哪些安全帽,精确监控违规的工作人员。
在另一更具体示例中分类算法包括,利用无监督机器学习而构建的算法模型包括但不限于:深度学习卷积神经网络算法、K-mean算法、BIRCH算法、DBSCAN算法、CURE算法、CLARANS算法等。
请参阅图3,为本申请的基于安全帽识别监控系统的配置方法流程图,包括:
步骤S1,实时采集视频流;
步骤S2,截取视频流中的截图,根据缩放比例计算截图的中心点或鼠标位置点的坐标信息,利用截图的中心点或鼠标位置点的坐标信息形成任意形状的监测区域,在不同的监控区域对应设置与其匹配的安全帽颜色。
其中,根据截图的中心点或鼠标位置点放大后的坐标信息,利用该截图缩放比例计算当前像素相对于原截图的像素坐标信息;从而准确获取到该像素的坐标信息。需要说明的是,当检测截图缩放前后以中心点或鼠标位置点标定的两个像素点坐标信息小于预设阈值时,则将其视为同一像素点,不仅可迅速标定缩放后的中心点或鼠标位置点,同时,通过在该标定点附近采用线条(直线)形成任意形状的监控区域(ROI),根据缩放比例也能轻易获取到监控区域内任意点的坐标信息,实现精确划定监控区域的范围。
如图5所示,为本发明基于安全帽识别监控系统的配置方法中配置流程图,包括:
云端服务器生成配置信息后,将配置信息发送至数据采集终端中的视频分析模块,该视频分析模块检测该配置信息是否配置成功,如果配置成功则更新完成;如果配置不成功,则需重新配置。需要说民的是:云端服务器中的配置模块按照截图标定的作业区域(监控区域),安全帽颜色配置以及报警间隔时间进行配置,具体参照上述配置过程,在此不一一赘述。
需要说明的是,通过上述远端配置后实现安全帽识别监控的方法,详见图4,包括:
利用边框回归原理在监控区域内标注识别人体佩戴的安全帽或未佩戴安全帽的头部;
根据RGB转灰度色识别安全帽的颜色,统计该监控区域佩戴安全帽的颜色与安全帽数量。
根据监控区域配置情况检测监控区域内是否出现未佩戴安全帽或安全帽颜色佩戴有误的情形,当检测到任一情形时,则发出相应报警。
在此,能够检测出被监控区域是否有安全帽颜色不符或未佩戴安全帽的状况,提高了监控实时性。
在另一些实施例中,利用深度学习卷积神经网络检测监控区域人体佩戴安全帽、安全帽颜色以及未佩戴安全帽的情形,统计相应数量。
其中,通过深度学习卷积神经网络提高识别测监控区域人体佩戴安全帽、安全帽颜色以及未佩戴安全帽情形的准确率,做到精确统计便于后续监控维护。
请参阅图6,其显示为本申请的计算机设备一实施例的结构示意图,包括服务器与数据采集终端,该服务器4,包括:第一存储单元41,用于存储至少一种程序;第一网络单元42,用于与至少一个数据采集终端进行数据通信;第一处理单元43,用于调用并执行存储单元中存储的至少一个程序以截取视频流中的截图,根据缩放比例计算截图的中心点或鼠标位置点的坐标信息,利用截图的中心点或鼠标位置点的坐标信息形成任意形状的监测区域,在不同的监控区域对应设置与其匹配的安全帽颜色。
数据采集终端5,包括:第二存储单元51,用于存储至少一种程序;第二网络单元52,用于与至少一个服务器4进行数据通信;第二处理单元53,用于调用并执行存储单元中存储的至少一个程序以实时采集视频流,提取视频流中的关键帧,利用监控区域的像素灰度均值判断关键帧中的运动物体,从背景目标中分离运动目标;以分级联动的SVM分类器识别运动目标中人体。
其中,服务端可如图6及所对应描述的结构,或者,服务端包括任何具有数据运算和逻辑运算能力的服务器(组)。服务端可以包含设置在发电系统侧的服务器或服务器集群;或者服务端包含云服务端;再或者服务端包含上述两种服务器(组),并利用远程通信机制进行数据传输和分摊系统处理压力。其中,云服务端包括公共云(PublicCloud)服务端与私有云(PrivateCloud)服务端,其中,公共或私有云服务端包括Software-as-a-Service(软件即服务,SaaS)、Platform-as-a-Service(平台即服务,PaaS)及Infrastructure-as-a-Service(基础设施即服务,IaaS)等。私有云服务端例如阿里云计算服务平台、亚马逊(Amazon)云计算服务平台、百度云计算平台、腾讯云计算平台等等。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的基于安全帽识别监控系统的配置系统、设备和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
需要说明的是,通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本申请的部分或全部可借助软件并结合必需的通用硬件平台来实现。功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,还可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请还提供一种计算机可读存储介质,存储介质存储有至少一个程序,程序在被执行时实现前述的任一的电力资源管理方法,比如实现前述对应图3所描述的基于安全帽识别监控系统的配置方法。
基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可包括其上存储有机器可执行指令的一个或多个机器可读介质,这些指令在由诸如计算机、计算机网络或其他电子设备等一个或多个机器执行时可使得该一个或多个机器根据本申请的实施例来执行操作。例如电力资源管理方法中的各步骤等。机器可读介质可包括,但不限于,软盘、光盘、CD-ROM(紧致盘-只读存储器)、磁光盘、ROM(只读存储器)、RAM(随机存取存储器)、EPROM(可擦除可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)、磁卡或光卡、闪存、或适于存储机器可执行指令的其他类型的介质/机器可读介质。其中,存储介质可位于本地服务器也可位于第三方服务器中,如位于第三方云服务平台中。在此对具体云服务平台不做限制,如阿里云、腾讯云等。本申请可用于众多通用或专用的计算系统环境或配置中。例如:被配置为分布式系统中一个节点的个人计算机、专用服务器计算机、大型计算机等。
另外,任何连接都可以适当地称为计算机可读介质。例如,如果指令是使用同轴电缆、光纤光缆、双绞线、数字订户线(DSL)或者诸如红外线、无线电和微波之类的无线技术,从网站、服务器或其它远程源发送的,则同轴电缆、光纤光缆、双绞线、DSL或者诸如红外线、无线电和微波之类的无线技术包括在介质的定义中。然而,应当理解的是,计算机可读写存储介质和数据存储介质不包括连接、载波、信号或者其它暂时性介质,而是旨在针对于非暂时性、有形的存储介质。如申请中所使用的磁盘和光盘包括压缩光盘(CD)、激光光盘、光盘、数字多功能光盘(DVD)、软盘和蓝光光盘,其中,磁盘通常磁性地复制数据,而光盘则用激光来光学地复制数据。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
在本申请所提供的几个实施例中,应该理解到,所揭露的基于安全帽识别监控系统的配置系统、设备和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
综上,本申请通过远程网络后端对安防或工程建设现场等相关场景的安全帽识别监控系统实现云端配置,能够实时根据需求更改配置,无需工作人员亲自赶赴现场,大大节省了工作人员时间,同时,配置监控系统无需复杂参数设置,通过缩放监控截图简易设置监控区域大大缩减了配置的难度与工作量,提高了安全帽识别监控系统的配置效率。所以,本申请有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本申请的原理及其功效,而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本申请的权利要求所涵盖。
Claims (10)
1.一种基于安全帽识别监控系统的配置系统,其特征在于,系统包括:
数据采集模块,用于实时采集视频流;
配置模块,远程网联数据采集模块,用于截取视频流中的截图,根据缩放比例计算截图的中心点或鼠标位置点的坐标信息,利用截图的中心点或鼠标位置点的坐标信息形成任意形状的监测区域,在不同的监控区域对应设置与其匹配的安全帽颜色。
2.根据权利要求1的基于安全帽识别监控系统的配置系统,其特征在于,配置模块用于根据截图的中心点或鼠标位置点放大后的坐标信息,利用该截图缩放比例计算当前像素相对于原截图的像素坐标信息;其中,当检测截图缩放前后以中心点或鼠标位置点标定的两个像素点坐标信息小于预设阈值时,则将其视为同一像素点。
3.根据权利要求1的基于安全帽识别监控系统的配置系统,其特征在于,数据采集模块还用于提取视频流中的关键帧,利用监控区域的像素灰度均值判断关键帧中的运动物体,从背景目标中分离运动目标;以分级联动的SVM分类器识别运动目标中人体。
4.根据权利要求3的基于安全帽识别监控系统的配置系统,其特征在于,按时间戳顺序叠加多个关键帧形成视频文件,将所述视频文件发送至远端流媒体服务器存储。
5.根据权利要求3的基于安全帽识别监控系统的配置系统,其特征在于,还包括:视频分析模块,利用边框回归原理在监控区域内标注识别人体佩戴的安全帽或未佩戴安全帽的头部;同时,根据RGB转灰度色识别安全帽的颜色,统计该监控区域佩戴安全帽的颜色与安全帽数量。
6.根据权利要求5的基于安全帽识别监控系统的配置系统,其特征在于,根据监控区域配置情况检测监控区域内是否出现未佩戴安全帽或安全帽颜色佩戴有误的情形,当检测到任一情形时,则发出相应报警。
7.根据权利要求5的基于安全帽识别监控系统的配置系统,其特征在于,利用深度学习卷积神经网络检测监控区域人体佩戴安全帽、安全帽颜色以及未佩戴安全帽的情形,统计相应数量。
8.一种基于安全帽识别监控系统的配置方法,其特征在于,方法包括以下步骤:
实时采集视频流,
截取视频流中的截图,根据缩放比例计算截图的中心点或鼠标位置点的坐标信息,利用截图的中心点或鼠标位置点的坐标信息形成任意形状的监测区域,在不同的监控区域对应设置与其匹配的安全帽颜色。
9.一种服务端,其特征在于,包括:
第一存储单元,用于存储至少一种程序;
第一网络单元,用于与至少一个数据采集终端进行数据通信;
第一处理单元,用于调用并执行存储单元中存储的至少一个程序以截取视频流中的截图,根据缩放比例计算截图的中心点或鼠标位置点的坐标信息,利用截图的中心点或鼠标位置点的坐标信息形成任意形状的监测区域,在不同的监控区域对应设置与其匹配的安全帽颜色。
10.一种计算机可读存储介质,其特征在于,存储至少一种程序,至少一个程序在被调用并执行时实现权利要求8中任一项的基于安全帽识别监控系统的配置方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911218481.2A CN111079731A (zh) | 2019-12-03 | 2019-12-03 | 基于安全帽识别监控系统的配置系统、方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911218481.2A CN111079731A (zh) | 2019-12-03 | 2019-12-03 | 基于安全帽识别监控系统的配置系统、方法、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111079731A true CN111079731A (zh) | 2020-04-28 |
Family
ID=70312495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911218481.2A Pending CN111079731A (zh) | 2019-12-03 | 2019-12-03 | 基于安全帽识别监控系统的配置系统、方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111079731A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111601081A (zh) * | 2020-05-13 | 2020-08-28 | 上海百安胜信息技术有限公司 | 一种吊篮作业的监控方法和装置 |
CN112434560A (zh) * | 2020-10-28 | 2021-03-02 | 武汉科技大学 | 一种基于深度学习的安全装备实时检测方法及装置 |
CN113033327A (zh) * | 2021-03-05 | 2021-06-25 | 湖南智连方舟工程科技有限公司 | 一种建筑工程现场人员监测系统及监测设备 |
CN113963436A (zh) * | 2021-10-14 | 2022-01-21 | 山东大学 | 基于深度学习的安全帽识别增量学习与角色判定方法 |
CN115984782A (zh) * | 2023-03-17 | 2023-04-18 | 青岛文达通科技股份有限公司 | 一种基于图像处理的安全监控方法以及系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100245554A1 (en) * | 2009-03-24 | 2010-09-30 | Ajou University Industry-Academic Cooperation | Vision watching system and method for safety hat |
CN104036575A (zh) * | 2014-07-01 | 2014-09-10 | 江苏省南京市公路管理处公路科学研究所 | 施工现场安全帽佩戴情况监控方法 |
CN104318732A (zh) * | 2014-10-27 | 2015-01-28 | 国网冀北电力有限公司张家口供电公司 | 基于视频分析和rfid的变电站现场人员监控管理系统及方法 |
JP2015075879A (ja) * | 2013-10-08 | 2015-04-20 | 富士電機株式会社 | 安全制御装置および安全制御システム |
WO2016143976A1 (ko) * | 2015-03-06 | 2016-09-15 | 중앙대학교 산학협력단 | 작업 현장 영상 데이터 내의 작업자 인식 방법 |
CN107103617A (zh) * | 2017-03-27 | 2017-08-29 | 国机智能科技有限公司 | 基于光流法的安全帽佩戴状态识别方法及系统 |
CN107133564A (zh) * | 2017-03-26 | 2017-09-05 | 天津普达软件技术有限公司 | 一种工装工帽检测方法 |
CN107545224A (zh) * | 2016-06-29 | 2018-01-05 | 珠海优特电力科技股份有限公司 | 变电站人员行为识别的方法及装置 |
CN107679524A (zh) * | 2017-10-31 | 2018-02-09 | 天津天地伟业信息系统集成有限公司 | 一种基于视频的安全帽佩戴情况的检测方法 |
CN108319934A (zh) * | 2018-03-20 | 2018-07-24 | 武汉倍特威视系统有限公司 | 基于视频流数据的安全帽佩戴情况检测方法 |
CN108460358A (zh) * | 2018-03-20 | 2018-08-28 | 武汉倍特威视系统有限公司 | 基于视频流数据的安全帽识别方法 |
CN108921004A (zh) * | 2018-04-27 | 2018-11-30 | 淘然视界(杭州)科技有限公司 | 安全帽佩戴识别方法、电子设备、存储介质及系统 |
US20190108392A1 (en) * | 2017-10-10 | 2019-04-11 | Caterpillar Inc. | Method and system for tracking workers at worksites |
CN110188724A (zh) * | 2019-06-05 | 2019-08-30 | 中冶赛迪重庆信息技术有限公司 | 基于深度学习的安全帽定位与颜色识别的方法及系统 |
CN110263609A (zh) * | 2019-01-27 | 2019-09-20 | 杭州品茗安控信息技术股份有限公司 | 一种安全帽佩戴情况的自动识别方法 |
-
2019
- 2019-12-03 CN CN201911218481.2A patent/CN111079731A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100245554A1 (en) * | 2009-03-24 | 2010-09-30 | Ajou University Industry-Academic Cooperation | Vision watching system and method for safety hat |
JP2015075879A (ja) * | 2013-10-08 | 2015-04-20 | 富士電機株式会社 | 安全制御装置および安全制御システム |
CN104036575A (zh) * | 2014-07-01 | 2014-09-10 | 江苏省南京市公路管理处公路科学研究所 | 施工现场安全帽佩戴情况监控方法 |
CN104318732A (zh) * | 2014-10-27 | 2015-01-28 | 国网冀北电力有限公司张家口供电公司 | 基于视频分析和rfid的变电站现场人员监控管理系统及方法 |
WO2016143976A1 (ko) * | 2015-03-06 | 2016-09-15 | 중앙대학교 산학협력단 | 작업 현장 영상 데이터 내의 작업자 인식 방법 |
CN107545224A (zh) * | 2016-06-29 | 2018-01-05 | 珠海优特电力科技股份有限公司 | 变电站人员行为识别的方法及装置 |
CN107133564A (zh) * | 2017-03-26 | 2017-09-05 | 天津普达软件技术有限公司 | 一种工装工帽检测方法 |
CN107103617A (zh) * | 2017-03-27 | 2017-08-29 | 国机智能科技有限公司 | 基于光流法的安全帽佩戴状态识别方法及系统 |
US20190108392A1 (en) * | 2017-10-10 | 2019-04-11 | Caterpillar Inc. | Method and system for tracking workers at worksites |
CN107679524A (zh) * | 2017-10-31 | 2018-02-09 | 天津天地伟业信息系统集成有限公司 | 一种基于视频的安全帽佩戴情况的检测方法 |
CN108319934A (zh) * | 2018-03-20 | 2018-07-24 | 武汉倍特威视系统有限公司 | 基于视频流数据的安全帽佩戴情况检测方法 |
CN108460358A (zh) * | 2018-03-20 | 2018-08-28 | 武汉倍特威视系统有限公司 | 基于视频流数据的安全帽识别方法 |
CN108921004A (zh) * | 2018-04-27 | 2018-11-30 | 淘然视界(杭州)科技有限公司 | 安全帽佩戴识别方法、电子设备、存储介质及系统 |
CN110263609A (zh) * | 2019-01-27 | 2019-09-20 | 杭州品茗安控信息技术股份有限公司 | 一种安全帽佩戴情况的自动识别方法 |
CN110188724A (zh) * | 2019-06-05 | 2019-08-30 | 中冶赛迪重庆信息技术有限公司 | 基于深度学习的安全帽定位与颜色识别的方法及系统 |
Non-Patent Citations (4)
Title |
---|
XITIAN LONG ET AL: ""Safety Helmet Wearing Detection Based On Deep Learning"", 《2019 IEEE 3RD INFORMATION TECHNOLOGY, NETWORKING, ELECTRONIC AND AUTOMATION CONTROL CONFERENCE (ITNEC)》 * |
上海市城市建设工程学校组编: "《装配式混凝土建筑结构施工》", 同济大学出版社, pages: 193 - 194 * |
张明媛等: ""基于深度学习的建筑工人安全帽佩戴识别研究"", 《安全与环境学报》, vol. 19, pages 535 - 541 * |
杨莉琼等: ""基于机器学习方法的安全帽佩戴行为检测"", 《中国安全生产科学技术》, vol. 15, pages 152 - 157 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111601081A (zh) * | 2020-05-13 | 2020-08-28 | 上海百安胜信息技术有限公司 | 一种吊篮作业的监控方法和装置 |
CN112434560A (zh) * | 2020-10-28 | 2021-03-02 | 武汉科技大学 | 一种基于深度学习的安全装备实时检测方法及装置 |
CN113033327A (zh) * | 2021-03-05 | 2021-06-25 | 湖南智连方舟工程科技有限公司 | 一种建筑工程现场人员监测系统及监测设备 |
CN113963436A (zh) * | 2021-10-14 | 2022-01-21 | 山东大学 | 基于深度学习的安全帽识别增量学习与角色判定方法 |
CN115984782A (zh) * | 2023-03-17 | 2023-04-18 | 青岛文达通科技股份有限公司 | 一种基于图像处理的安全监控方法以及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111079731A (zh) | 基于安全帽识别监控系统的配置系统、方法、设备及介质 | |
CN109117827B (zh) | 基于视频的工服工帽穿戴状态自动识别方法与报警系统 | |
US20190130189A1 (en) | Suppressing duplicated bounding boxes from object detection in a video analytics system | |
EP2688296B1 (en) | Video monitoring system and method | |
US10223590B2 (en) | Methods and systems of performing adaptive morphology operations in video analytics | |
CN110070155B (zh) | 一种基于可穿戴设备的服刑人员综合行为识别方法及系统 | |
CN109460744B (zh) | 一种基于深度学习的视频监控系统 | |
WO2018031096A1 (en) | Methods and systems of performing blob filtering in video analytics | |
US10037504B2 (en) | Methods for determining manufacturing waste to optimize productivity and devices thereof | |
US10078139B2 (en) | Device and method for tracking compliance information of a rider | |
CN108537422A (zh) | 安全风险预警系统和方法 | |
KR101454644B1 (ko) | 보행자 추적기를 이용한 서성거림을 탐지하는 방법 | |
CN110348343A (zh) | 一种暴力行为监测方法、装置、存储介质及终端设备 | |
CN110781735A (zh) | 一种用于识别人员在岗状态的报警方法及系统 | |
CN109243139A (zh) | 一种人员安全监控方法、终端设备、系统及存储介质 | |
CN114022810A (zh) | 建筑工地爬架防护网工作状态检测方法、系统、介质及终端 | |
CN102646312B (zh) | 一种适于分布式并行处理的森林烟火监测识别方法 | |
CN113408338A (zh) | 一种矿工异常行为监测方法、装置及系统 | |
KR101581162B1 (ko) | 실시간 영상 기반의 화염, 연기 및 물체 움직임 자동 감지 방법, 장치 및 시스템 | |
CN108073854A (zh) | 一种现场巡检的检测方法及装置 | |
CN116723295A (zh) | 基于gpgpu芯片的多摄像头监控管理系统 | |
CN116682162A (zh) | 一种基于实时视频流的机器人人员检测算法 | |
CN115953815A (zh) | 基建现场的监测方法及装置 | |
CN209845008U (zh) | 基于片上系统的集群监控系统 | |
KR20220000424A (ko) | 엣지 컴퓨팅 기반 지능형 보안 감시 카메라 시스템 |
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 | ||
CB02 | Change of applicant information |
Address after: 401329 No. 5-6, building 2, No. 66, Nongke Avenue, Baishiyi Town, Jiulongpo District, Chongqing Applicant after: MCC CCID information technology (Chongqing) Co.,Ltd. Address before: Building 1, No. 11, Huijin Road, North New District, Yubei District, Chongqing Applicant before: CISDI CHONGQING INFORMATION TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information |