CN111083441A - 工地监控方法、装置、计算机设备和存储介质 - Google Patents

工地监控方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN111083441A
CN111083441A CN201911310201.0A CN201911310201A CN111083441A CN 111083441 A CN111083441 A CN 111083441A CN 201911310201 A CN201911310201 A CN 201911310201A CN 111083441 A CN111083441 A CN 111083441A
Authority
CN
China
Prior art keywords
equipment
image
monitoring
monitored
monitored object
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
CN201911310201.0A
Other languages
English (en)
Inventor
张志亮
杨荣霞
李站
李栩健
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.)
Guangzhou Suinengtong Energy Technology Co Ltd
Original Assignee
Guangzhou Suinengtong Energy 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 Guangzhou Suinengtong Energy Technology Co Ltd filed Critical Guangzhou Suinengtong Energy Technology Co Ltd
Priority to CN201911310201.0A priority Critical patent/CN111083441A/zh
Publication of CN111083441A publication Critical patent/CN111083441A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Alarm Systems (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及一种工地监控方法、装置、计算机设备和存储介质。所述方法包括：接收与边缘计算设备关联的摄像头所拍摄的工地监控视频；工地监控视频包括监控图像帧；当在监控图像帧中检测到监控对象时，从监控图像帧中提取包含监控对象的监控对象图像；从监控对象图像中，识别监控对象的对象装备；当对象装备与预设的装备要求不匹配时，进行安全告警。采用本方法能够提高工地监控安全告警的实时性和可靠性。

Description

工地监控方法、装置、计算机设备和存储介质
技术领域
本申请涉及智能监控技术领域，特别是涉及一种工地监控方法、工地监控装置、计算机设备和存储介质。
背景技术
工地是指进行工业和民用项目的房屋建筑、土木工程、设备安装、管线敷设等施工活动，经批准占用的施工场地及人类进行安全生产和文明工作的场所。工地环境复杂多样，当部分施工人员由于自我防护意识薄弱而违反工地安全规章制度时，容易带来安全隐患，进而可能会造成安全事故的发生。对工地进行监控可以在一定程度上确保施工安全。传统的工地监控方法是将工地现场的监控视频上传至云端，通过在云端进行云计算来保障工地施工的安全。
然而，工地的网络环境不稳定，存在的干扰较多，采用传统的工地监控方法时容易出现安全隐患告警不及时的情况，安全告警的可靠性较低。
因此，传统的工地监控方法存在安全告警滞后、可靠性较低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种工地监控方法、一种工地监控装置、一种计算机设备和一种计算机可读存储介质。
一种工地监控方法，所述工地监控方法应用于边缘计算设备，所述方法包括：
接收与所述边缘计算设备关联的摄像头所拍摄的工地监控视频；所述工地监控视频包括监控图像帧；
当在所述监控图像帧中检测到监控对象时，从所述监控图像帧中提取包含所述监控对象的监控对象图像；
从所述监控对象图像中，识别所述监控对象的对象装备；
当所述对象装备与预设的装备要求不匹配时，进行安全告警。
在其中一个实施例中，所述工地监控方法还包括：
当根据多个连续监控图像帧，检测到所述监控图像帧中有移动物体时，判定在所述监控图像帧中检测到所述监控对象；
将所述移动物体作为所述监控对象。
在其中一个实施例中，所述从所述监控图像帧中提取包含所述监控对象的监控对象图像，包括：
从所述监控图像帧中提取所述监控对象的监控对象轮廓；
在所述监控图像帧中截取包含所述监控对象轮廓的图像，得到所述监控对象图像。
在其中一个实施例中，所述从所述监控对象图像中，识别所述监控对象的对象装备，包括：
根据预设的装备位置和装备大小，从所述监控对象图像中截取所述监控对象的对象装备图像；
通过对象装备分类器识别所述对象装备图像，得到所述监控对象的对象装备；所述对象装备为安全帽、工作服和绝缘鞋中的至少一种。
在其中一个实施例中，所述根据预设的装备位置和装备大小，从所述监控对象图像中截取所述监控对象的对象装备图像，包括：
根据所述装备位置，确定所述对象装备在所述监控对象图像中的对象装备坐标；
根据所述对象装备坐标和所述装备大小，在所述监控对象图像中确定所述对象装备所处的对象装备区域；
从所述监控对象图像中截取所述对象装备区域，得到所述对象装备图像。
在其中一个实施例中，所述方法还包括：
通过装备状态分类器，识别所述对象装备图像中所述监控对象未能正确穿戴所述对象装备的情况，得到装备异常情况。
在其中一个实施例中，所述当所述对象装备与预设的装备要求不匹配时，进行安全告警，包括：
根据所述装备要求，检测所述监控对象图像中缺失的对象装备，得到缺失装备；
针对所述缺失装备发送第一告警信号；所述第一告警信号用于进行装备缺失告警；
针对发生所述装备异常情况的对象装备发送第二告警信号；所述第二告警信号用于进行装备异常告警。
一种工地监控装置，所述工地监控装置为边缘计算装置，包括：
接收模块，用于接收与所述边缘计算设备关联的摄像头所拍摄的工地监控视频；所述工地监控视频包括监控图像帧；
图像提取模块，用于当在所述监控图像帧中检测到监控对象时，从所述监控图像帧中提取包含所述监控对象的监控对象图像；
识别模块，用于从所述监控对象图像中，识别所述监控对象的对象装备；
告警模块，用于当所述对象装备与预设的装备要求不匹配时，进行安全告警。
一种计算机设备，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以下步骤：
接收与所述边缘计算设备关联的摄像头所拍摄的工地监控视频；所述工地监控视频包括监控图像帧；
当在所述监控图像帧中检测到监控对象时，从所述监控图像帧中提取包含所述监控对象的监控对象图像；
从所述监控对象图像中，识别所述监控对象的对象装备；
当所述对象装备与预设的装备要求不匹配时，进行安全告警。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
接收与所述边缘计算设备关联的摄像头所拍摄的工地监控视频；所述工地监控视频包括监控图像帧；
当在所述监控图像帧中检测到监控对象时，从所述监控图像帧中提取包含所述监控对象的监控对象图像；
从所述监控对象图像中，识别所述监控对象的对象装备；
当所述对象装备与预设的装备要求不匹配时，进行安全告警。
上述工地监控方法、工地监控装置、计算机设备和计算机可读存储介质，通过摄像头拍摄并发送工地监控视频，并通过与摄像头相关联的边缘计算设备接收工地监控视频，可以将与安全告警相关的数据处理放在边缘端进行本地化，降低网络延迟造成的告警时延，进而提高安全告警的实时性和可靠性；当边缘计算设备检测到监控对象时，从监控图像帧中提取包含监控对象的图像，得到监控对象图像，便于后续针对监控对象进行图像处理，降低处理复杂度，减少处理时间；边缘计算设备从监控对象图像中识别监控对象的对象装备，当对象装备与预设的装备要求不匹配时，进行安全告警，可以在对象设备不符合工地安全规章制度时进行安全告警，提高安全告警的实时性和可靠性。
附图说明
图1是一个实施例的一种工地监控方法的流程示意图；
图2是一个实施例的一种工地监控方法的应用环境图；
图3是一个实施例的一种工地监控方法的正样本加负样本分类器示意图；
图4是一个实施例的一种工地监控方法的人工智能边缘计算单元示意图；
图5是一个实施例的一种工地监控装置的结构框图；
图6是一个实施例的一种计算机设备的内部结构图。
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。
在一个实施例中，如图1所示，提供了一种工地监控方法。本实施例提供的工地监控方法，可以应用于如图2所示的应用环境中。在该应用环境中，包括摄像头终端201和边缘计算服务器202，其中，摄像头终端201可以但不限于是各种具有图像和视频采集功能的摄像机、录像机、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；边缘计算服务器202可以但不限于是各种具有边缘计算功能的个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
本实施例中的一种工地监控方法，以该方法应用于图2中的边缘计算服务器202为例进行说明，包括以下步骤：
步骤S110，接收与边缘计算设备关联的摄像头所拍摄的工地监控视频。
其中，边缘计算设备为具有边缘计算功能的设备，可以为边缘计算服务器202。
其中，工地监控视频由多帧图像组成，每帧图像为一个监控图像帧。
具体实现中，可以在工地上选取一个或多个监控点来安装摄像头终端201，通过摄像头终端201来拍摄工地上需要监控的区域。例如，可以将摄像头终端201安装在工地入口，以监控进入工地的人员的安全装备配备情况。摄像头终端201与边缘计算设备相关联，可以通过Wi-Fi、移动通信网络(4G、5G等)和以太网将监控视频发送至边缘计算服务器202，边缘计算服务器202在接收到监控视频后，可以对监控视频进行存储和数据处理。
步骤S120，当在监控图像帧中检测到监控对象时，从监控图像帧中提取包含监控对象的监控对象图像。
其中，监控对象为进入摄像头拍摄范围内的对象，可以为工地上进入某个摄像头拍摄范围内的施工人员。
其中，监控对象图像为从监控图像帧中截取的一个图像，其中包含监控对象，以便在后续识别对象装备过程中降低运算复杂度。
具体实现中，可以通过检测监控图像帧中是否有移动物体，来检测监控图像帧中是否有监控对象。在检测移动物体时，边缘计算服务器202可以根据监控视频的视频流速率设置视频图像帧采集速率，按照采集速率采集监控视频中的多个连续监控图像帧，并对其中相邻的监控图像帧进行比较，当相比于前一监控图像帧，当前监控图像帧中的部分区域存在整体上的位置移动时，判定监控视频中存在监控对象，且上述移动区域为相应的监控对象。例如，通过将前一监控图像帧与当前监控图像帧相重叠，可以检测到相比于前一监控图像帧，当前监控图像帧中有一人形区域存在位置移动，据此判定前一监控图像帧和当前监控图像帧中存在监控对象，且上述人形区域为监控对象。进一步地，通过多个连续监控图像帧执行上述过程，可以提高监控对象检测的准确性。
在监控图像帧中检测到监控对象后，可以确定监控对象在监控图像帧中的位置，即监控对象位置。具体地，边缘计算服务器202可以从监控图像帧中提取监控对象轮廓，并对监控对象轮廓进行采样，用{(xi,yi),i＝1,2,…,N}表示监控对象轮廓的采样点集合，其中包含N个采样点，(xi，yi)表示第i个采样点在当前监控图像帧中的坐标，根据监控对象轮廓的采样点集合，可以计算监控对象位置(x0，y0)，具体计算公式为：
Figure BDA0002324306070000061
在得到监控对象位置后，可以根据监控对象位置从监控图像帧中截取监控对象图像，以便后续图像处理过程中可以仅对监控对象图像进行处理，降低运算复杂度。具体地，可以以监控对象位置为中心，从监控图像帧中截取一块图像作为监控对象图像，监控对象图像中需包含监控对象轮廓的全部采样点。例如，可以以监控对象位置(x0，y0)为中心，在监控图像帧中截取一块包含监控对象轮廓全部采样点的最小矩形作为监控对象图像，即监控对象图像可以为包含某个施工人员的最小矩形图像。
步骤S130，从监控对象图像中，识别监控对象的对象装备。
其中，监控对象的对象装备为监控对象所配备的安全装备，包括但不限于安全帽、工作服和绝缘鞋。
具体实现中，边缘计算服务器202可以从监控对象图像中截取对象装备图像，通过对象装备图像识别监控对象的对象装备。边缘计算服务器202可以根据预设的装备位置确定对象装备在监控对象图像中的坐标，得到对象装备坐标，在对象装备坐标处，可以根据预设的装备大小在监控对象图像中截取一块区域，得到对象装备区域，对象装备区域所对应的图像为对象装备图像。例如，对于大小为500像素×200像素的监控对象图像，可以设置监控对象位于监控对象图像中间，且对象装备中的安全帽位于监控对象图像上部1/5大小的区域(头部区域)，工作服位于监控对象图像中部3/5大小的区域(身体区域)，绝缘鞋位于监控对象图像下部1/5大小的区域(足部区域)。以监控对象图像的左上角为原点，根据上述相对装备位置的设置，可以确定安全帽、工作服和绝缘鞋的中心在监控对象图像中的坐标，即分别为(50像素，50像素)，(50像素，250像素)和(50像素，450像素)。预设的装备大小可以为对象装备在监控对象图像中的相对大小，例如，可以设置安全帽图像的长和宽分别为监控对象图像长和宽的10％，即50像素×20像素大小。由此，可以确定安全帽图像为监控对象图像中50像素×20像素大小的矩形，且以(50像素，50像素)为中心。
边缘计算服务器202可以使用对象装备分类器对对象装备图像进行分类，根据分类结果判断对象装备图像中为何种对象装备。其中，对象装备分类器可以为正样本加负样本分类器，得到的分类结果可以为一个具体数值，当该数值在预设的分类区间内时，可以判定对象装备图像中的对象装备为安全帽、工作服或绝缘鞋。例如，可以设置安全帽的分类区间为0.5～0.8，当针对一幅对象装备图像，对象装备分类器器输出结果为0.75时，表示监控对象佩戴了安全帽；当对象装备分类器输出结果为0.4时，表示监控对象未佩戴安全帽。
步骤S140，当对象装备与预设的装备要求不匹配时，进行安全告警。
其中，预设的装备要求为工地安全规章制度中所规定的装备要求，可以为佩戴安全帽且穿着工作服和绝缘鞋，还可以安全帽、工作服和绝缘鞋的正确佩戴与穿着。
具体实现中，边缘计算服务器202可以统计监控对象图像中所识别出的对象装备，通过与工地安全规章制度中规定的装备配备要求，确定监控对象所缺失的对象装备，得到缺失装备，针对缺失装备发送告警信号，进行装备缺失告警。例如，工地安全规章制度中要求施工人员需配备有安全帽、工作服和绝缘鞋，边缘计算服务器202检测到监控对象佩戴有安全帽，并穿着工作服，由此可知监控对象未穿着绝缘鞋，需要针对绝缘鞋进行绝缘鞋装备缺失告警。
进一步地，边缘计算服务器202还可以将对象装备图像输入装备状态分类器，识别对象装备是否符合预设的装备要求，即是否正确佩戴或穿着。其中，装备状态分类器可以为正样本加负样本分类器，得到的分类结果可以为一个具体数值，当该数值超过预设的分类器阈值时，可以判定对象装备符合要求；反之，当该数值低于预设的分类器阈值时，可以判定对象装备不符合要求。例如，针对一幅包含监控对象头部区域的对象装备图像，设置安全帽装备分类器阈值为0.9，当装备状态分类器输出结果为0.95时，表示监控对象的安全帽佩戴正常，符合工地安全规章制度的要求，此时不需告警；若装备分类器输出结果为0.5，则表示监控对象的安全帽佩戴异常，不符合工地安全规章制度的要求，此时需要进行安全帽异常告警。
上述工地监控方法，通过摄像头拍摄并发送工地监控视频，并通过与摄像头相关联的边缘计算设备接收工地监控视频，可以将与安全告警相关的数据处理放在边缘端进行本地化，降低网络延迟造成的告警时延，进而提高安全告警的实时性和可靠性；当边缘计算设备检测到监控对象时，从监控图像帧中提取包含监控对象的图像，得到监控对象图像，便于后续针对监控对象进行图像处理，降低处理复杂度，减少处理时间；边缘计算设备从监控对象图像中识别监控对象的对象装备，当对象装备与预设的装备要求不匹配时，进行安全告警，可以在对象设备不符合工地安全规章制度时进行安全告警，提高安全告警的实时性和可靠性。
在一个实施例中，上述工地监控方法，可以还包括：当根据多个连续监控图像帧，检测到监控图像帧中有移动物体时，判定在监控图像帧中检测到监控对象；将移动物体作为监控对象。
具体实现中，边缘计算服务器可以通过检测监控图像帧中是否有移动物体，来检测监控图像帧中是否有监控对象。在检测移动物体时，边缘计算服务器可以根据监控视频的视频流速率设置视频图像帧采集速率，按照采集速率采集监控视频中的多个连续监控图像帧，并对其中相邻的监控图像帧进行比较，当相比于前一监控图像帧，当前监控图像帧中的部分区域存在整体上的位置移动时，判定监控视频中存在监控对象，且上述移动区域为相应的监控对象。
例如，通过将前一监控图像帧与当前监控图像帧相重叠，可以检测到相比于前一监控图像帧，当前监控图像帧中有一人形区域存在位置移动，据此判定前一监控图像帧和当前监控图像帧中存在监控对象，且上述人形区域为监控对象。进一步地，通过多个连续监控图像帧执行上述过程，可以提高监控对象检测的准确性。
上述方法通过在多个连续监控图像帧中检测移动物体，来检测监控图像帧中的监控对象，并将移动物体作为监控对象，能够降低监控对象识别的复杂度。
在一个实施例中，上述步骤S120，可以具体包括：从监控图像帧中提取监控对象的监控对象轮廓；在监控图像帧中截取包含监控对象轮廓的图像，得到监控对象图像。
具体实现中，边缘计算服务器在监控图像帧中检测到监控对象后，可以确定监控对象在监控图像帧中的位置，即监控对象位置。具体地，边缘计算服务器可以从监控图像帧中提取监控对象轮廓，并对监控对象轮廓进行采样，用{(xi,yi),i＝1,2,…,N}表示监控对象轮廓的采样点集合，其中包含N个采样点，(xi，yi)表示第i个采样点在当前监控图像帧中的坐标，根据监控对象轮廓的采样点集合，可以计算监控对象位置(x0，y0)，具体计算公式为：
Figure BDA0002324306070000091
在得到监控对象位置后，可以根据监控对象位置从监控图像帧中截取监控对象图像，以便后续图像处理过程中可以仅对监控对象图像进行处理，降低运算复杂度。具体地，可以以监控对象位置为中心，从监控图像帧中截取一块图像作为监控对象图像，监控对象图像中需包含监控对象轮廓的全部采样点。例如，可以以监控对象位置(x0，y0)为中心，在监控图像帧中截取一块包含监控对象轮廓全部采样点的最小矩形作为监控对象图像，即监控对象图像可以为包含某个施工人员的最小矩形图像。
上述方法通过从监控图像帧中提取监控对象的监控对象轮廓，在监控图像帧中截取监控对象图像，可以降低后续监控数据处理过程的运算复杂度和运算时间。
在一个实施例中，上述步骤S130，可以具体包括：根据预设的装备位置和装备大小，从监控对象图像中截取监控对象的对象装备图像；通过对象装备分类器识别对象装备图像，得到监控对象的对象装备；对象装备为安全帽、工作服和绝缘鞋中的至少一种。
其中，对象装备分类器为通过对对象装备图像进行分类，识别对象装备为安全帽、工作服或绝缘鞋的分类器，对象装备分类器可以为正样本加负样本分类器。
具体实现中，装备位置和装备大小可以为对象装备图像在监控对象图像中的相对位置和相对大小，边缘计算服务器预先设置对象装备图像与监控对象图像的相对位置和相对大小，根据相对位置和相对大小从监控对象图像中截取对象装备图像，通过对象装备分类器对对象装备图像进行分类，根据分类结果判断对象装备图像中为何种对象装备。其中，对象装备分类器可以为正样本加负样本分类器，得到的分类结果可以为一个具体数值，当该数值在预设的分类区间内时，可以判定对象装备图像中的对象装备为安全帽、工作服或绝缘鞋。
例如，可以设置安全帽的分类区间为0.5～0.8，当针对一幅对象装备图像，对象装备分类器器输出结果为0.75时，表示监控对象佩戴了安全帽，此时可以通过装备状态分类器进一步识别监控对象安全帽的佩戴是否符合安全生产规章制度的要求；当对象装备分类器输出结果为0.4时，表示监控对象未佩戴安全帽，需要进行装备缺失告警。
上述方法根据预设的装备位置和装备大小，从监控对象图像中截取监控对象的对象装备图像，可以降低后续处理过程的运算复杂度和运算时间；通过对象装备分类器识别对象装备图像，得到监控对象的对象装备，可以识别监控对象的对象装备是否配备完全，完善告警信息，提高安全告警的实时性和可靠性。
在一个实施例中，上述步骤S130，还可以具体包括：根据装备位置，确定对象装备在监控对象图像中的对象装备坐标；根据对象装备坐标和装备大小，在监控对象图像中确定对象装备所处的对象装备区域；从监控对象图像中截取对象装备区域，得到对象装备图像。
其中，对象装备坐标为对象装备在监控对象图像中的坐标位置，对象装备区域为监控对象图像中包含对象装备的一个图像区域。
具体实现中，边缘计算服务器可以从监控对象图像中截取对象装备图像，通过对象装备图像识别监控对象的对象装备。边缘计算服务器可以根据预设的装备位置确定对象装备在监控对象图像中的坐标，得到对象装备坐标，在对象装备坐标处，可以根据预设的装备大小在监控对象图像中截取一块区域，得到对象装备区域，对象装备区域所对应的图像为对象装备图像。
例如，对于大小为500像素×200像素的监控对象图像，可以设置监控对象位于监控对象图像中间，且对象装备中的安全帽位于监控对象图像上部1/5大小的区域(头部区域)，工作服位于监控对象图像中部3/5大小的区域(身体区域)，绝缘鞋位于监控对象图像下部1/5大小的区域(足部区域)。以监控对象图像的左上角为原点，根据上述相对装备位置的设置，可以确定安全帽、工作服和绝缘鞋的中心在监控对象图像中的坐标，即分别为(50像素，50像素)，(50像素，250像素)和(50像素，450像素)。预设的装备大小可以为对象装备在监控对象图像中的相对大小，例如，可以设置安全帽图像的长和宽分别为监控对象图像长和宽的10％，即50像素×20像素大小。由此，可以确定安全帽图像为监控对象图像中50像素×20像素大小的矩形，且以(50像素，50像素)为中心。
上述方法根据装备位置确定对象装备在监控对象图像中的对象装备坐标，根据对象装备坐标和装备大小在监控对象图像中确定对象装备所处的对象装备区域，从监控对象图像中截取对象装备区域，得到对象装备图像，可以快速确定对象装备区域，降低后续处理过程的运算复杂度和运算时间，提高安全告警的实时性。
在一个实施例中，上述工地监控方法，还可以具体包括：通过装备状态分类器，识别对象装备图像中监控对象未能正确穿戴对象装备的情况，得到装备异常情况。
其中，装备状态分类器为通过对对象装备图像进行分类，得到对象装备图像中对象装备是否佩戴正确的分类器，对象装备图像可以为正样本加负样本分类器。
具体实现中，边缘计算服务器可以将对象装备图像输入装备状态分类器，识别对象装备是否符合预设的装备要求，即是否正确佩戴或穿着。其中，装备状态分类器可以为正样本加负样本分类器，得到的分类结果可以为一个具体数值，当该数值超过预设的分类器阈值时，可以判定对象装备符合要求；反之，当该数值低于预设的分类器阈值时，可以判定对象装备不符合要求。
例如，针对一幅包含监控对象头部区域的对象装备图像，设置安全帽装备分类器阈值为0.9，当装备状态分类器输出结果为0.95时，表示监控对象的安全帽佩戴正常，符合工地安全规章制度的要求，此时不需告警；若装备分类器输出结果为0.5，则表示监控对象的安全帽佩戴异常，不符合工地安全规章制度的要求，此时需要进行安全帽异常告警。
上述方法通过装备状态分类器，识别对象装备图像中监控对象未能正确穿戴对象装备的情况，得到装备异常情况，可以对监控对象有无正确配备装备进行识别，完善告警信息，提高安全告警的实时性和可靠性。
在一个实施例中，上述步骤S140，可以具体包括：根据装备要求，检测监控对象图像中缺失的对象装备，得到缺失装备；针对缺失装备发送第一告警信号；第一告警信号用于进行装备缺失告警；针对发生装备异常情况的对象装备发送第二告警信号；第二告警信号用于进行装备异常告警。
其中，装备缺失告警为针对监控对象图像中缺少安全帽、工作服和绝缘鞋中至少一种而进行的告警。
其中，装备异常告警为针对监控对象未正确佩戴安全帽，或者未正确穿着工作服和绝缘鞋而进行的告警。
具体实现中，边缘计算服务器可以统计监控对象图像中所识别出的对象装备，通过与工地安全规章制度中规定的装备配备要求，确定监控对象所缺失的对象装备，得到缺失装备，针对缺失装备发送告警信号，进行装备缺失告警。例如，工地安全规章制度中要求施工人员需配备有安全帽、工作服和绝缘鞋，边缘计算服务器检测到监控对象佩戴有安全帽，并穿着工作服，由此可知监控对象未穿着绝缘鞋，需要针对绝缘鞋进行绝缘鞋装备缺失告警。
进一步地，边缘计算服务器还可以将对象装备图像输入装备状态分类器，识别对象装备是否符合预设的装备要求，即是否正确佩戴或穿着。其中，装备状态分类器可以为正样本加负样本分类器，得到的分类结果可以为一个具体数值，当该数值超过预设的分类器阈值时，可以判定对象装备符合要求；反之，当该数值低于预设的分类器阈值时，可以判定对象装备不符合要求。例如，针对一幅包含监控对象头部区域的对象装备图像，设置安全帽装备分类器阈值为0.9，当装备状态分类器输出结果为0.95时，表示监控对象的安全帽佩戴正常，符合工地安全规章制度的要求，此时不需告警；若装备分类器输出结果为0.5，则表示监控对象的安全帽佩戴异常，不符合工地安全规章制度的要求，此时需要进行安全帽异常告警。
上述方法通过根据装备要求检测监控对象图像中缺失的对象装备，得到缺失装备，并针对缺失装备发送第一告警信号，可以对监控对象未配备安全帽、工作服或绝缘鞋进行告警；针对发生装备异常情况的对象装备发送第二告警信号，可以对监控对象配备的安全帽、工作服和/或绝缘鞋不符合安全规章制度要求进行告警，完善告警信息，提高安全告警的实时性和可靠性。
为了便于本领域技术人员深入理解本申请实施例，以下将结合图3和图4的具体示例进行说明。
在一个实施例中，如图3所示，提供了一种工地监控方法的正样本加负样本分类器示意图。其中，当正样本加负样本分类器为对象装备分类器时，正样本可以为监控对象配备有安全帽、工作服和绝缘鞋的图像，负样本可以为监控对象未配备安全帽、工作服和绝缘鞋中至少一种的图像；当正样本加负样本分类器为装备状态分类器时，正样本可以为对象装备被正确佩戴，符合工地安全规章制度要求的图像，负样本可以为对象装备未被正确佩戴，不符合工地安全规章制度要求的图像。在提取出正样本特征和负样本特征后，分别对正样本和负样本加标签，根据标签对正样本加负样本分类器进行训练，得到分类因子，将监控对象图像或装备图像输入分类器，根据算得的结果是否超过预设的分类器阈值或区间，可以对监控对象图像或对象装备图像进行分类。
在一个实施例中，如图4所示，提供一种工地监控方法的人工智能边缘计算单元示意图，该单元可以从本地NVR(Network Video Recorder，网络录像机)获取数据，并进行实时分析，将告警信息上传至边缘计算系统进行统计分析及巡检运维工作的推送，其中POWER用于指示人工智能单元上电情况，STATUS用于指示人工智能单元自身状态，NET用于指示人工智能单元的网络状态。该单元主要由ARM和GPU芯片、接口模块和网络模块等部分组成，且具备以下特点：
1)采用ARM、AI(Artificial Intelligence，人工智能)加速芯片，超低功耗设计，通过CPU、AI加速芯片内存复用技术实现深度学习内存零拷贝，提供丰富的标准硬件接口，适配性较强；
2)支持USB、RS232、CAN、I2C、SPI、microSD/SIM卡插座、蓝牙等多种设备接口，且支持多样扩展，适用范围较广；
3)采用无风扇、热翅散热技术，以及全密闭三防技术，能够在-20℃～+60℃的环境中工作，且具备防尘防潮的功能，能够在工地环境中稳定运行，为工地安全提供硬件保障；
4)支持多种网络接入方式，适用于工地不稳定的环境，能够支持Wi-Fi、4G和以太网接入，可以在多种通信模式之间自由切换或人工干预切换。
上述人工智能边缘计算单元适用于工地场景，能够在网络环境较差且不稳定的情况下稳定运行，通过采用CPU和AI加速芯片结合的架构、多种接口和多种网络接入方式，能够确保智慧工地的人工智能边缘计算单元稳定运行。
应该理解的是，虽然图1和图3的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1和图3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，如图5所示，提供了一种工地监控装置500，包括：接收模块501、图像提取模块502、识别模块503和告警模块504，其中：
接收模块501，用于接收与边缘计算设备关联的摄像头所拍摄的工地监控视频；工地监控视频包括监控图像帧；
图像提取模块502，用于当在监控图像帧中检测到监控对象时，从监控图像帧中提取包含监控对象的监控对象图像；
识别模块503，用于从监控对象图像中，识别监控对象的对象装备；
告警模块504，用于当对象装备与预设的装备要求不匹配时，进行安全告警。
在一个实施例中，上述配电房监控装置500，还用于当根据多个连续监控图像帧，检测到监控图像帧中有移动物体时，判定在监控图像帧中检测到监控对象；将移动物体作为监控对象。
在一个实施例中，图像提取模块502，还用于从监控图像帧中提取监控对象的监控对象轮廓；在监控图像帧中截取包含监控对象轮廓的图像，得到监控对象图像。
在一个实施例中，识别模块503，还用于根据预设的装备位置和装备大小，从监控对象图像中截取监控对象的对象装备图像；通过对象装备分类器识别对象装备图像，得到监控对象的对象装备；对象装备为安全帽、工作服和绝缘鞋中的至少一种。
在一个实施例中，识别模块503，还用于根据装备位置，确定对象装备在监控对象图像中的对象装备坐标；根据对象装备坐标和装备大小，在监控对象图像中确定对象装备所处的对象装备区域；从监控对象图像中截取对象装备区域，得到对象装备图像。
在一个实施例中，工地监控装置500，还用于通过装备状态分类器，识别对象装备图像中监控对象未能正确穿戴对象装备的情况，得到装备异常情况。
在一个实施例中，告警模块504，还用于根据装备要求，检测监控对象图像中缺失的对象装备，得到缺失装备；针对缺失装备发送第一告警信号；第一告警信号用于进行装备缺失告警；针对发生装备异常情况的对象装备发送第二告警信号；第二告警信号用于进行装备异常告警。
关于工地监控装置的具体限定可以参见上文中对于工地监控方法的限定，在此不再赘述。上述工地监控装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
上述提供的工地监控装置可用于执行上述任意实施例提供的工地监控方法，具备相应的功能和有益效果。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备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和计算机程序。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。该计算机设备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空气传感器的室内定位方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
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，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
接收与边缘计算设备关联的摄像头所拍摄的工地监控视频；工地监控视频包括监控图像帧；
当在监控图像帧中检测到监控对象时，从监控图像帧中提取包含监控对象的监控对象图像；
从监控对象图像中，识别监控对象的对象装备；
当对象装备与预设的装备要求不匹配时，进行安全告警。
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：当根据多个连续监控图像帧，检测到监控图像帧中有移动物体时，判定在监控图像帧中检测到监控对象；将移动物体作为监控对象。
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：从监控图像帧中提取监控对象的监控对象轮廓；在监控图像帧中截取包含监控对象轮廓的图像，得到监控对象图像。
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：根据预设的装备位置和装备大小，从监控对象图像中截取监控对象的对象装备图像；通过对象装备分类器识别对象装备图像，得到监控对象的对象装备；对象装备为安全帽、工作服和绝缘鞋中的至少一种。
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：根据装备位置，确定对象装备在监控对象图像中的对象装备坐标；根据对象装备坐标和装备大小，在监控对象图像中确定对象装备所处的对象装备区域；从监控对象图像中截取对象装备区域，得到对象装备图像。
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：通过装备状态分类器，识别对象装备图像中监控对象未能正确穿戴对象装备的情况，得到装备异常情况。
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：根据装备要求，检测监控对象图像中缺失的对象装备，得到缺失装备；针对缺失装备发送第一告警信号；第一告警信号用于进行装备缺失告警；针对发生装备异常情况的对象装备发送第二告警信号；第二告警信号用于进行装备异常告警。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
接收与边缘计算设备关联的摄像头所拍摄的工地监控视频；工地监控视频包括监控图像帧；
当在监控图像帧中检测到监控对象时，从监控图像帧中提取包含监控对象的监控对象图像；
从监控对象图像中，识别监控对象的对象装备；
当对象装备与预设的装备要求不匹配时，进行安全告警。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当根据多个连续监控图像帧，检测到监控图像帧中有移动物体时，判定在监控图像帧中检测到监控对象；将移动物体作为监控对象。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：从监控图像帧中提取监控对象的监控对象轮廓；在监控图像帧中截取包含监控对象轮廓的图像，得到监控对象图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据预设的装备位置和装备大小，从监控对象图像中截取监控对象的对象装备图像；通过对象装备分类器识别对象装备图像，得到监控对象的对象装备；对象装备为安全帽、工作服和绝缘鞋中的至少一种。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据装备位置，确定对象装备在监控对象图像中的对象装备坐标；根据对象装备坐标和装备大小，在监控对象图像中确定对象装备所处的对象装备区域；从监控对象图像中截取对象装备区域，得到对象装备图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：通过装备状态分类器，识别对象装备图像中监控对象未能正确穿戴对象装备的情况，得到装备异常情况。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据装备要求，检测监控对象图像中缺失的对象装备，得到缺失装备；针对缺失装备发送第一告警信号；第一告警信号用于进行装备缺失告警；针对发生装备异常情况的对象装备发送第二告警信号；第二告警信号用于进行装备异常告警。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
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)

1.一种工地监控方法，其特征在于，所述工地监控方法应用于边缘计算设备，所述方法包括：
接收与所述边缘计算设备关联的摄像头所拍摄的工地监控视频；所述工地监控视频包括监控图像帧；
当在所述监控图像帧中检测到监控对象时，从所述监控图像帧中提取包含所述监控对象的监控对象图像；
从所述监控对象图像中，识别所述监控对象的对象装备；
当所述对象装备与预设的装备要求不匹配时，进行安全告警。
2.根据权利要求1所述的工地监控方法，其特征在于，所述方法还包括：
当根据多个连续监控图像帧，检测到所述监控图像帧中有移动物体时，判定在所述监控图像帧中检测到所述监控对象；
将所述移动物体作为所述监控对象。
3.根据权利要求1所述的方法，其特征在于，所述从所述监控图像帧中提取包含所述监控对象的监控对象图像，包括：
从所述监控图像帧中提取所述监控对象的监控对象轮廓；
在所述监控图像帧中截取包含所述监控对象轮廓的图像，得到所述监控对象图像。
4.根据权利要求1所述的方法，其特征在于，所述从所述监控对象图像中，识别所述监控对象的对象装备，包括：
根据预设的装备位置和装备大小，从所述监控对象图像中截取所述监控对象的对象装备图像；
通过对象装备分类器识别所述对象装备图像，得到所述监控对象的对象装备；所述对象装备为安全帽、工作服和绝缘鞋中的至少一种。
5.根据权利要求4所述的方法，其特征在于，所述根据预设的装备位置和装备大小，从所述监控对象图像中截取所述监控对象的对象装备图像，包括：
根据所述装备位置，确定所述对象装备在所述监控对象图像中的对象装备坐标；
根据所述对象装备坐标和所述装备大小，在所述监控对象图像中确定所述对象装备所处的对象装备区域；
从所述监控对象图像中截取所述对象装备区域，得到所述对象装备图像。
6.根据权利要求4所述的工地监控方法，其特征在于，所述方法还包括：
通过装备状态分类器，识别所述对象装备图像中所述监控对象未能正确穿戴所述对象装备的情况，得到装备异常情况。
7.根据权利要求6所述的方法，其特征在于，所述当所述对象装备与预设的装备要求不匹配时，进行安全告警，包括：
根据所述装备要求，检测所述监控对象图像中缺失的对象装备，得到缺失装备；
针对所述缺失装备发送第一告警信号；所述第一告警信号用于进行装备缺失告警；
针对发生所述装备异常情况的对象装备发送第二告警信号；所述第二告警信号用于进行装备异常告警。
8.一种工地监控装置，其特征在于，所述工地监控装置为边缘计算装置，所述装置包括：
接收模块，用于接收与所述边缘计算设备关联的摄像头所拍摄的工地监控视频；所述工地监控视频包括监控图像帧；
图像提取模块，用于当在所述监控图像帧中检测到监控对象时，从所述监控图像帧中提取包含所述监控对象的监控对象图像；
识别模块，用于从所述监控对象图像中，识别所述监控对象的对象装备；
告警模块，用于当所述对象装备与预设的装备要求不匹配时，进行安全告警。
9.一种计算机设备，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1至7中任一项所述的工地监控方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的工地监控方法的步骤。
CN201911310201.0A 2019-12-18 2019-12-18 工地监控方法、装置、计算机设备和存储介质 Pending CN111083441A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911310201.0A CN111083441A (zh) 2019-12-18 2019-12-18 工地监控方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911310201.0A CN111083441A (zh) 2019-12-18 2019-12-18 工地监控方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN111083441A true CN111083441A (zh) 2020-04-28

Family

ID=70315491

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911310201.0A Pending CN111083441A (zh) 2019-12-18 2019-12-18 工地监控方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN111083441A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112351258A (zh) * 2020-11-06 2021-02-09 华能国际电力股份有限公司上海石洞口第一电厂 一种基于5g通讯技术的施工现场安防监控系统及方法
CN113191252A (zh) * 2021-04-28 2021-07-30 北京东方国信科技股份有限公司 一种用于生产管控的视觉识别系统及生产管控方法
CN113205056A (zh) * 2021-05-12 2021-08-03 延边国泰新能源汽车有限公司 一种基于公共安全问题的主动图像识别预警系统及其处理方法
CN115100595A (zh) * 2022-06-27 2022-09-23 深圳市神州云海智能科技有限公司 一种安全隐患检测方法、系统、计算机设备和存储介质

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104902227A (zh) * 2015-05-06 2015-09-09 南京第五十五所技术开发有限公司 一种变电站安全帽情况佩戴视频监控系统
CN106295551A (zh) * 2016-08-05 2017-01-04 南京理工大学 一种基于视频分析的人员安全帽佩戴情况实时检测方法
CN106372662A (zh) * 2016-08-30 2017-02-01 腾讯科技（深圳）有限公司 安全帽佩戴的检测方法和装置、摄像头、服务器
CN107609544A (zh) * 2017-10-27 2018-01-19 华润电力技术研究院有限公司 一种检测方法以及装置
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
CN108319926A (zh) * 2018-02-12 2018-07-24 安徽金禾软件股份有限公司 一种工地现场的安全帽佩戴检测系统及检测方法
CN108366303A (zh) * 2018-01-25 2018-08-03 努比亚技术有限公司 一种视频播放方法、移动终端及计算机可读存储介质
CN108509938A (zh) * 2018-04-16 2018-09-07 重庆邮电大学 一种基于视频监控的跌倒检测方法
CN108564531A (zh) * 2018-05-08 2018-09-21 麒麟合盛网络技术股份有限公司 一种图像处理方法及装置
CN108846335A (zh) * 2018-05-31 2018-11-20 武汉市蓝领英才科技有限公司 基于视频图像的智慧工地区域管理及入侵检测方法、系统
CN109117827A (zh) * 2018-09-05 2019-01-01 武汉市蓝领英才科技有限公司 基于视频的工服工帽穿戴状态自动识别方法与报警系统
CN109325933A (zh) * 2017-07-28 2019-02-12 阿里巴巴集团控股有限公司 一种翻拍图像识别方法及装置
CN109711416A (zh) * 2018-11-23 2019-05-03 西安天和防务技术股份有限公司 目标识别方法、装置、计算机设备和存储介质
CN110008831A (zh) * 2019-02-23 2019-07-12 晋能大土河热电有限公司 一种基于计算机视觉分析的智能化监控融合系统
CN110111016A (zh) * 2019-05-14 2019-08-09 深圳供电局有限公司 作业人员的危险状态监控方法、装置及计算机设备
CN110211195A (zh) * 2019-05-22 2019-09-06 北京字节跳动网络技术有限公司 生成图像集合的方法、装置、电子设备和计算机可读存储介质
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

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104902227A (zh) * 2015-05-06 2015-09-09 南京第五十五所技术开发有限公司 一种变电站安全帽情况佩戴视频监控系统
CN106295551A (zh) * 2016-08-05 2017-01-04 南京理工大学 一种基于视频分析的人员安全帽佩戴情况实时检测方法
CN106372662A (zh) * 2016-08-30 2017-02-01 腾讯科技（深圳）有限公司 安全帽佩戴的检测方法和装置、摄像头、服务器
CN109325933A (zh) * 2017-07-28 2019-02-12 阿里巴巴集团控股有限公司 一种翻拍图像识别方法及装置
CN107609544A (zh) * 2017-10-27 2018-01-19 华润电力技术研究院有限公司 一种检测方法以及装置
CN108366303A (zh) * 2018-01-25 2018-08-03 努比亚技术有限公司 一种视频播放方法、移动终端及计算机可读存储介质
CN108319926A (zh) * 2018-02-12 2018-07-24 安徽金禾软件股份有限公司 一种工地现场的安全帽佩戴检测系统及检测方法
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
CN108509938A (zh) * 2018-04-16 2018-09-07 重庆邮电大学 一种基于视频监控的跌倒检测方法
CN108564531A (zh) * 2018-05-08 2018-09-21 麒麟合盛网络技术股份有限公司 一种图像处理方法及装置
CN108846335A (zh) * 2018-05-31 2018-11-20 武汉市蓝领英才科技有限公司 基于视频图像的智慧工地区域管理及入侵检测方法、系统
CN109117827A (zh) * 2018-09-05 2019-01-01 武汉市蓝领英才科技有限公司 基于视频的工服工帽穿戴状态自动识别方法与报警系统
CN109711416A (zh) * 2018-11-23 2019-05-03 西安天和防务技术股份有限公司 目标识别方法、装置、计算机设备和存储介质
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
CN110008831A (zh) * 2019-02-23 2019-07-12 晋能大土河热电有限公司 一种基于计算机视觉分析的智能化监控融合系统
CN110111016A (zh) * 2019-05-14 2019-08-09 深圳供电局有限公司 作业人员的危险状态监控方法、装置及计算机设备
CN110211195A (zh) * 2019-05-22 2019-09-06 北京字节跳动网络技术有限公司 生成图像集合的方法、装置、电子设备和计算机可读存储介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112351258A (zh) * 2020-11-06 2021-02-09 华能国际电力股份有限公司上海石洞口第一电厂 一种基于5g通讯技术的施工现场安防监控系统及方法
CN112351258B (zh) * 2020-11-06 2023-10-31 华能国际电力股份有限公司上海石洞口第一电厂 一种基于5g通讯技术的施工现场安防监控系统及方法
CN113191252A (zh) * 2021-04-28 2021-07-30 北京东方国信科技股份有限公司 一种用于生产管控的视觉识别系统及生产管控方法
CN113205056A (zh) * 2021-05-12 2021-08-03 延边国泰新能源汽车有限公司 一种基于公共安全问题的主动图像识别预警系统及其处理方法
CN113205056B (zh) * 2021-05-12 2023-08-22 延边国泰新能源汽车有限公司 一种基于公共安全问题的主动图像识别预警系统及其处理方法
CN115100595A (zh) * 2022-06-27 2022-09-23 深圳市神州云海智能科技有限公司 一种安全隐患检测方法、系统、计算机设备和存储介质

Similar Documents

Publication Publication Date Title
CN111083441A (zh) 工地监控方法、装置、计算机设备和存储介质
CN111199200A (zh) 基于电力防护装备的佩戴检测方法、装置和计算机设备
WO2022160413A1 (zh) 电力生产异常监控方法、装置、计算机设备和存储介质
CN111191581B (zh) 基于电力施工的安全帽检测方法、装置和计算机设备
CN110490902B (zh) 应用于智慧城市的目标跟踪方法、装置、计算机设备
US9292939B2 (en) Information processing system, information processing method and program
CN112396658B (zh) 一种基于视频的室内人员定位方法及定位系统
KR102530219B1 (ko) 동작 인식의 오류를 검출하는 방법 및 장치
CN111738240A (zh) 区域监测方法、装置、设备及存储介质
CN111178246B (zh) 基于电力施工操作的远程监测方法、装置和计算机设备
CN113139403A (zh) 违规行为识别方法、装置、计算机设备和存储介质
WO2019076187A1 (zh) 视频遮蔽区域选取方法、装置、电子设备及系统
US20160217330A1 (en) Image processing system and image processing method
KR102022971B1 (ko) 영상의 객체 처리 방법 및 장치
CN110751809A (zh) 施工安全监控方法及相关产品
CN107786848A (zh) 运动目标检测与动作识别的方法、装置、终端及存储介质
WO2016153479A1 (en) Scan face of video feed
CN111010544B (zh) 配电房监控方法、装置、计算机设备和存储介质
CN112804494A (zh) 电力施工现场监控方法、系统和存储介质
KR20170083256A (ko) 뎁스 영상 기반 감시 영상 제공 장치 및 방법
KR102526771B1 (ko) 착용형 가속도 센서와 영상 기반 자세 정보를 이용한 하이브리드 낙상 감지 방법 및 시스템
JP2017167800A (ja) 監視システム、情報処理装置、監視方法および監視プログラム
CN115953815A (zh) 基建现场的监测方法及装置
CN116258992A (zh) 作业检测方法及系统
CN112906651B (zh) 目标检测方法及装置

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: 20200428

RJ01 Rejection of invention patent application after publication