CN111091104A - 一种目标物体的防护检测方法、装置、设备及存储介质 - Google Patents
一种目标物体的防护检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111091104A CN111091104A CN201911338475.0A CN201911338475A CN111091104A CN 111091104 A CN111091104 A CN 111091104A CN 201911338475 A CN201911338475 A CN 201911338475A CN 111091104 A CN111091104 A CN 111091104A
- Authority
- CN
- China
- Prior art keywords
- target object
- image information
- protection
- determining
- distance
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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]
Abstract
本发明实施例公开了一种目标物体的防护检测方法、装置、设备及存储介质。该方法包括:获取摄像头拍摄的图像信息,确定图像信息中的目标物体,并判断图像信息中是否存在与目标物体相关的防护装置;若确定图像信息中存在与目标物体相关的防护装置,则确定目标物体与防护装置间的实际距离,并通过预设安全距离阈值,检测目标物体是否符合防护要求;若目标物体与防护装置间的相对距离小于等于预设安全距离阈值,则确定目标物体符合防护要求。本发明实施例所提供的技术方案,实现了对加油机的自动安全防护检测,减少了人力成本和时间成本,提高了加油站的安全检测效率,降低了检测错误率。
Description
技术领域
本发明实施例涉及图像识别技术领域,尤其涉及一种目标物体的防护检测方法、装置、设备及存储介质。
背景技术
随着科技的不断发展,各种各样的工业设备出现在人们生产生活中,为工业生产提供了技术保证的同时,也存在着诸多安全风险,这也对工业设备的安全隐患检测提出了更高要求。
以加油站为例,加油站通过加油机为用户提供车辆行驶必须的油料物质,大量油料物质的存在,也带来了易燃和易爆的潜在风险,因此对于加油机的防护检测成为了加油站安全运营的关键问题。
现有技术对于加油站的安全检测,尤其是加油机的安全检测还是使用传统的人工方法,通过派遣监管人员到现场,利用肉眼观测等方式对现场设施的完善情况进行判断,这样的方式下的检查结果错误率较高,浪费人力物力且效率十分低下。
发明内容
本发明实施例提供了一种目标物体的防护检测方法、装置、设备及存储介质,以检查加油站现场安全保障设施的完善情况,大大提高了对加油站安全检查的效率。
第一方面,本发明实施例提供了一种目标物体的防护检测方法,该方法包括:
获取摄像头拍摄的图像信息,确定图像信息中的目标物体,并判断图像信息中是否存在与目标物体相关的防护装置;
若确定图像信息中存在与目标物体相关的防护装置,则确定目标物体与防护装置间的实际距离,并通过预设安全距离阈值,检测目标物体是否符合防护要求;
若目标物体与防护装置间的相对距离小于等于预设安全距离阈值,则确定目标物体符合防护要求。
第二方面,本发明实施例还提供了一种目标物体的防护检测装置,该装置包括:
目标物体确定模块,用于获取摄像头拍摄的图像信息,确定图像信息中的目标物体,并判断图像信息中是否存在与目标物体相关的防护装置;
距离确定模块,用于若确定图像信息中存在与目标物体相关的防护装置,则确定目标物体与防护装置间的实际距离,并通过预设安全距离阈值,检测目标物体是否符合防护要求;
防护要求符合判断模块,用于若目标物体与防护装置间的相对距离小于等于预设安全距离阈值,则确定目标物体符合防护要求。
第三方面,本发明实施例还提供了一种设备,该设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明任意实施例所提供的目标物体的防护检测方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明任意实施例所提供的目标物体的防护检测方法。
本发明实施例提供了一种目标物体的防护检测方法,通过获取摄像头拍摄的图像信息,确定图像中的目标物体,并判断图像信息中是否存在与目标物体相关的防护装置,若存在相关的防护装置,则再通过确定目标物体与防护装置间的实际距离,并判断该实际距离与预设安全距离阈值的关系来确定目标物体是否符合防护要求;实现了对加油机的自动安全防护检测,减少了人力成本和时间成本,提高了加油站的安全检测效率,降低了检测错误率。
附图说明
图1是本发明实施例一提供的目标物体的防护检测方法的流程图;
图2是本发明实施例二提供的目标物体的防护检测方法的流程图;
图3是本发明实施例三提供的目标物体的防护检测装置的结构框图;
图4是本发明实施例四提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本发明实施例一提供的目标物体的防护检测方法的流程图。本实施例可适用于对加油站进行安全保障设施检查的情况,该方法可以由本发明实施例提供的目标物体的防护检测装置来执行,该装置可以由硬件和/或软件的方式来实现,一般可集成于计算机设备中。如图1所示,具体包括如下步骤:
S11、获取摄像头拍摄的图像信息,确定所述图像信息中的目标物体,并判断所述图像信息中是否存在与所述目标物体相关的防护装置。
可选的,在获取摄像头拍摄的图像信息之前,计算机设备为用户提供一个用户界面,以便于接收用户的操作进行相关的动作。用户界面上包括拍照按键、上传按键、当前检测结果显示框及历史检测结果显示框等,当接收到用户点击拍照按键的操作时,控制摄像头进行拍摄并获取摄像头拍摄的图像信息,当接收到用户点击上传按键的操作时,将获取到的图像信息上传到用于执行识别算法的部分并获得识别结果,在识别结果中确定图像信息中的目标物体。在本实施例中,目标物体可以是加油站中的加油机。
可选的,还可以按照一定的周期控制摄像头进行拍摄并获取摄像头拍摄的图像信息,以实现图像信息的自动获取进而自动循环检查现场的情况。示例性的,每隔一个小时控制摄像头进行拍摄并获取摄像头拍摄的图像信息,然后对获取到的图像信息执行识别算法并获得识别结果,在识别结果中确定图像信息中的目标物体。
在确定图像信息中的目标物体后,继续识别图像信息中与目标物体相关的防护装置,防护装置是需要与目标物体配套存在的装置,示例性的,当目标物体是加油机时,防护装置可以包括防撞栏、灭火器和安全标识。在识别出图像信息中与目标物体相关的防护装置后,判断防护装置是否齐全,即防护装置的种类及个数是否均符合安全要求。
可选的,在判断图像信息中是否存在与目标物体相关的防护装置之前,为防护装置设置预设标识,并将安全要求中的防护装置按照预设标识构成安全标识集合,以便于将识别结果与安全要求进行比较,在识别出图像信息中与目标物体相关的防护装置后,将识别出的防护装置对应的标识构成集合并与安全标识集合进行比较,以判断图像信息中是否存在与目标物体相关的防护装置。
S12、若确定所述图像信息中存在与所述目标物体相关的防护装置,则确定所述目标物体与所述防护装置间的实际距离,并通过预设安全距离阈值,检测所述目标物体是否符合防护要求。
对于目标物体的防护,除了可以在图像中获取到相应的防护装置外,还需要确定防护装置与目标物体的实际距离,以避免防护装置距离目标物体过远,导致存在不能及时对目标物体进行防护的潜在风险。以对加油站中的加油机的防护为例,若防撞栏、灭火器或安全标识距离加油机超过2米,则可能在危险发生时无法及时起到防护的作用。
可选的,根据摄像头与目标物体间的实际距离和像素距离,以及目标物体与防护装置间的像素距离,确定目标物体与防护装置间的实际距离。具体而言,摄像头与目标物体间的实际距离为图像信息底边中点对应的实际位置与目标物体底边之间的实际距离,可以是接收到的用户录入的测量值,也可以是通过测距装置采集到的结果,摄像头与目标物体间的像素距离可以是在图像信息中,以图像底边中点为起点,到达目标物体底边中点在图像中位置的像素距离,具体可以是像素点的个数。可选的,利用开源计算机视觉库(OpenSource Computer Vision Library,OpenCV)确定图像中像素点的个数,并在确定像素距离之前,调整图像的分辨率,以使图像清晰且像素点的个数便于统计。
通过摄像头与目标物体间的实际距离和像素距离可以确定像素距离与实际距离的对应关系,在同样的分辨率下,获取目标物体与防护装置间的像素距离,即可根据像素距离与实际距离的对应关系确定目标物体与防护装置间的实际距离。具体而言,目标物体与防护装置间的像素距离为图像中目标物体的几何中心到防护装置的几何中心在水平方向上投影之间的像素距离。由于摄像头可能与目标物体正对方向存在一定角度,可选的,在获取该像素距离之后,根据图像底边中心与目标物体底边中心的连线确定摄像头的拍摄角度,并利用该角度修正目标物体与防护装置间的实际距离。然后通过修正后的实际距离与预设安全距离阈值进行比较,以检测目标物体是否符合防护要求。
S13、若所述目标物体与所述防护装置间的相对距离小于等于所述预设安全距离阈值,则确定所述目标物体符合防护要求。
目标物体与防护装置间的相对距离即为上述修正后的实际距离,可选的,将预设安全距离阈值设置为2米,那么若目标物体与防护装置间的相对距离小于等于2米,则确定目标物体符合防护要求。
可选的,若目标物体与防护装置间的相对距离大于预设安全距离阈值,则通过语义算法发送提示信息,其中,语义算法是将计算机的运算结果转化为语言的一种算法。具体而言,若目标物体与防护装置间的相对距离大于预设安全距离阈值,则确定目标物体不符合防护要求,在确定目标物体不符合防护要求之后,通过语义算法将结果的提示信息以用户可以理解的形式发送给用户,可选的,可通过提供的用户界面中的结果显示框进行展示。示例性的,若确定目标物体不符合防护要求,则在结果显示框中显示“检测未通过”。可选的,在确定目标物体符合防护要求之后,也可在结果显示框中显示“检测通过”来提示用户检测完成。
通过利用语义算法发送提示信息,可以清楚的使用户知晓当前目标物体的环境安全状态,并在目标物体不符合防护要求时,及时提醒相关人员解决,以避免出现安全事故。
在上述技术方案的基础上,可选的,在确定目标物体符合防护要求后,还包括:保存图像信息以及对应的检测结果,并标注检测编号;如果接收到查询指令,则根据接收到的检测编号显示对应的图像信息及检测结果。具体而言,将每次检测时摄像头拍摄的图像信息加以保存,同时保存对应的检测结果,并标注检测编号以便于索引查找相应时间的图像信息及检测结果。在采用上述目标物体的防护检测方法过程中,如果接收到用户的查询指令,即历史数据查询指令,则根据用户输入的检测编号搜索对应的图像信息及检测结果并加以显示,以便于用户对检测过程的查阅或统计。
本发明实施例所提供的技术方案,通过获取摄像头拍摄的图像信息,确定图像中的目标物体,并判断图像信息中是否存在与目标物体相关的防护装置,若存在相关的防护装置,则再通过确定目标物体与防护装置间的实际距离,并判断该实际距离与预设安全距离阈值的关系来确定目标物体是否符合防护要求;实现了对加油机的自动安全防护检测,减少了人力成本和时间成本,提高了加油站的安全检测效率,降低了检测错误率。
实施例二
图2为本发明实施例二提供的目标物体的防护检测方法的流程图。本实施例的技术方案在上述技术方案的基础上进一步细化,可选的,在本实施例中,通过训练后的神经网络模型,确定图像信息中的目标物体,并判断图像信息中是否存在与目标物体相关的防护装置。相应的,在通过训练后的神经网络模型,确定图像信息中的目标物体,并判断图像信息中是否存在与目标物体相关的防护装置前,需要对初始神经网络模型进行训练。相应的,如图2所示,具体包括如下步骤:
S21、获取训练样本集合;其中,所述训练样本集合包括多个训练样本,各所述训练样本均预先框选出所述目标物体以及与所述目标物体相关的防护装置。
可选的,本实施例通过神经网络模型对图像进行分割识别处理,具体的,该神经网络模型可以是像素级区域卷积神经网络(Mask R-CNN)模型。在使用该模型之前,需要首先对初始状态的该模型进行训练,训练则需要大量的学习样本。
可选的,接收用户录入的样本数据,其中,样本数据包括从相对于目标物体的多个角度拍摄的图像信息。示例性的,可包括从目标物体的斜左方向、正方向及斜右方向拍摄的图像信息,从而使得样本数据丰富且清晰。可选的,样本数据包括训练样本数据和测试样本数据。示例性的,样本数据中包括5000张样本,其中训练样本4800张,测试样本200张。以便于在训练好的神经网络模型的基础上进行测试,并可根据测试结果的权重和准确率对神经网络模型的相关参数进行调试,以提高使用该神经网络模型进行图像识别时的识别成功率。
可选的,在对初始神经网络模型进行训练之前,首先对样本的分辨率进行调整,以使分辨率可以达到训练的最好标准。再通过图像标注插件(VGG Image Annotator,VIA)对训练样本中的内容进行标注,即将目标物体以及与目标物体相关的防护装置用多边形框出,并为不同样本中框出的相同部分设置相同的标签,以便于对神经网络模型进行训练。其中,VIA是一种开源的图像标注工具,可以在线或离线使用,并可标注矩形、圆、椭圆、多边形、点及线。标记过程主要包括添加图片、定义特征、标注特征及导出标注文件四个部分。示例性的,当目标物体为加油机时,防护装置包括防撞栏、灭火器和安全标识,则将上述物体根据各自的轮廓用贴近的多边形框出,并为加油机设置标签1,为防撞栏、灭火器和安全标识分别设置标签2、3和4。
S22、通过所述训练样本集合对初始神经网络模型进行训练,以获取训练后的神经网络模型。
在获取到训练样本集合并对目标物体以及与目标物体相关的防护装置进行了标注之后,可以自动将数据导出为JS对象简谱(JavaScript Object Notation,JSON)文件格式,再根据该JSON文件以及相关的训练参数,对初始神经网络模型进行训练,以获取训练后的神经网络模型。
S23、获取摄像头拍摄的图像信息,通过训练后的神经网络模型,确定所述图像信息中的目标物体,并判断所述图像信息中是否存在与所述目标物体相关的防护装置。
可选的,通过训练后的Mask R-CNN神经网络进行图像识别,确定图像信息中的目标物体过程包括:通过训练好的神经网络获得图像信息的feature map(卷积层中的每层二维图像),然后为feature map中的每个点设定预设数量的感兴趣区域(Region OfInterest,ROI),从而获得多个候选ROI,再将候选的ROI送入区域生成网络(RegionProposal Network,RPN)进行二值分类(前景或背景)及边界回归(Bounding-boxregression,BB回归),以过滤一部分候选的ROI,再将剩余的ROI进行对齐操作,即将feature map与目标物体的特征对应起来,最后对每个剩余的ROI进行分类、BB回归及掩膜(MASK)生成。然后再通过同样的方式确定图像信息中与目标物体相关的防护装置,进而判断图像信息中与目标物体相关的防护装置是否齐全。
S24、若确定所述图像信息中存在与所述目标物体相关的防护装置,则确定所述目标物体与所述防护装置间的实际距离,并通过预设安全距离阈值,检测所述目标物体是否符合防护要求。
S25、若所述目标物体与所述防护装置间的相对距离小于等于所述预设安全距离阈值,则确定所述目标物体符合防护要求。
本发明实施例所提供的技术方案,通过利用训练后的神经网络模型确定图像信息中的目标物体以及与目标物体相关的防护装置,进一步提高了加油站安全检查的效率及准确率。
实施例三
图3为本发明实施例三提供的目标物体的防护检测装置的结构框图,该装置用于执行本发明任意实施例所提供的目标物体的防护检测方法。如图3所示,该装置包括:
目标物体确定模块31,用于获取摄像头拍摄的图像信息,确定图像信息中的目标物体,并判断图像信息中是否存在与目标物体相关的防护装置;
距离确定模块32,用于若确定图像信息中存在与目标物体相关的防护装置,则确定目标物体与防护装置间的实际距离,并通过预设安全距离阈值,检测目标物体是否符合防护要求;
防护要求符合判断模块33,用于若目标物体与防护装置间的相对距离小于等于预设安全距离阈值,则确定目标物体符合防护要求。
本发明实施例所提供的技术方案,通过获取摄像头拍摄的图像信息,确定图像中的目标物体,并判断图像信息中是否存在与目标物体相关的防护装置,若存在相关的防护装置,则再通过确定目标物体与防护装置间的实际距离,并判断该实际距离与预设安全距离阈值的关系来确定目标物体是否符合防护要求;实现了对加油机的自动安全防护检测,减少了人力成本和时间成本,提高了加油站的安全检测效率,降低了检测错误率。
在上述技术方案的基础上,可选的,目标物体包括加油机;防护装置包括防撞栏、灭火器和安全标识。
在上述技术方案的基础上,可选的,距离确定模块32具体用于:
根据摄像头与目标物体间的实际距离和像素距离,以及目标物体与防护装置间的像素距离,确定目标物体与防护装置间的实际距离。
在上述技术方案的基础上,可选的,目标物体确定模块31具体用于:
通过训练后的神经网络模型,确定图像信息中的目标物体,并判断图像信息中是否存在与目标物体相关的防护装置。
在上述技术方案的基础上,可选的,目标物体的防护检测装置还包括:
训练样本集合获取模块,用于获取训练样本集合;其中,训练样本集合包括多个训练样本,各训练样本均预先框选出目标物体以及与目标物体相关的防护装置;
训练模块,用于通过训练样本集合对初始神经网络模型进行训练,以获取训练后的神经网络模型。
在上述技术方案的基础上,可选的,目标物体的防护检测装置还包括:
提示信息发送模块,用于若目标物体与防护装置间的相对距离大于预设安全距离阈值,则通过语义算法发送提示信息。
在上述技术方案的基础上,可选的,目标物体的防护检测装置还包括:
保存模块,用于保存图像信息以及对应的检测结果,并标注检测编号;
检测结果显示模块,用于如果接收到查询指令,则根据接收到的检测编号显示对应的图像信息及检测结果。
本发明实施例所提供的目标物体的防护检测装置可执行本发明任意实施例所提供的目标物体的防护检测方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,在上述目标物体的防护检测装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例四
图4为本发明实施例四提供的一种设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性设备的框图。图4显示的设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。如图4所示,该设备包括处理器41、存储器42、输入装置43及输出装置44;设备中处理器41的数量可以是一个或多个,图4中以一个处理器41为例,设备中的处理器41、存储器42、输入装置43及输出装置44可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器42作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的目标物体的防护检测方法对应的程序指令/模块(例如,目标物体的防护检测装置中的目标物体确定模块31、距离确定模块32及防护要求符合判断模块33)。处理器41通过运行存储在存储器42中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的目标物体的防护检测方法。
存储器42可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等。此外,存储器42可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
输入装置43可用于获取摄像头拍摄的图像信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置44可包括显示器及报警器等设备,可用于显示安全检查结果,并在需要的时候报警通知现场人员处理紧急情况。
实施例五
本发明实施例五还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所述的目标物体的防护检测方法,该方法包括:
获取摄像头拍摄的图像信息,确定图像信息中的目标物体,并判断图像信息中是否存在与目标物体相关的防护装置;
若确定图像信息中存在与目标物体相关的防护装置,则确定目标物体与防护装置间的实际距离,并通过预设安全距离阈值,检测目标物体是否符合防护要求;
若目标物体与防护装置间的相对距离小于等于预设安全距离阈值,则确定目标物体符合防护要求。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机系统存储器或随机存取存储器,诸如DRAM、DDR RAM、SRAM、EDO RAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的计算机系统中,或者可以位于不同的第二计算机系统中,第二计算机系统通过网络(诸如因特网)连接到计算机系统。第二计算机系统可以提供程序指令给计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的目标物体的防护检测方法中的相关操作。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明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以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种目标物体的防护检测方法,其特征在于,包括:
获取摄像头拍摄的图像信息,确定所述图像信息中的目标物体,并判断所述图像信息中是否存在与所述目标物体相关的防护装置;
若确定所述图像信息中存在与所述目标物体相关的防护装置,则确定所述目标物体与所述防护装置间的实际距离,并通过预设安全距离阈值,检测所述目标物体是否符合防护要求;
若所述目标物体与所述防护装置间的相对距离小于等于所述预设安全距离阈值,则确定所述目标物体符合防护要求。
2.根据权利要求1所述的方法,其特征在于,所述目标物体包括加油机;所述防护装置包括防撞栏、灭火器和安全标识。
3.根据权利要求1所述的方法,其特征在于,确定所述目标物体与所述防护装置间的实际距离,包括:
根据所述摄像头与所述目标物体间的实际距离和像素距离,以及所述目标物体与所述防护装置间的像素距离,确定所述目标物体与所述防护装置间的实际距离。
4.根据权利要求1所述的方法,其特征在于,确定所述图像信息中的目标物体,并判断所述图像信息中是否存在与所述目标物体相关的防护装置,包括:
通过训练后的神经网络模型,确定所述图像信息中的目标物体,并判断所述图像信息中是否存在与所述目标物体相关的防护装置。
5.根据权利要求4所述的方法,其特征在于,在通过训练后的神经网络模型,确定所述图像信息中的目标物体,并判断所述图像信息中是否存在与所述目标物体相关的防护装置前,还包括:
获取训练样本集合;其中,所述训练样本集合包括多个训练样本,各所述训练样本均预先框选出所述目标物体以及与所述目标物体相关的防护装置;
通过所述训练样本集合对初始神经网络模型进行训练,以获取训练后的神经网络模型。
6.根据权利要求1所述的方法,其特征在于,若所述目标物体与所述防护装置间的相对距离大于所述预设安全距离阈值,则通过语义算法发送提示信息。
7.根据权利要求1所述的方法,其特征在于,在确定所述目标物体符合防护要求后,还包括:
保存所述图像信息以及对应的检测结果,并标注检测编号;
如果接收到查询指令,则根据接收到的检测编号显示对应的图像信息及检测结果。
8.一种目标物体的防护检测装置,其特征在于,包括:
目标物体确定模块,用于获取摄像头拍摄的图像信息,确定所述图像信息中的目标物体,并判断所述图像信息中是否存在与所述目标物体相关的防护装置;
距离确定模块,用于若确定所述图像信息中存在与所述目标物体相关的防护装置,则确定所述目标物体与所述防护装置间的实际距离,并通过预设安全距离阈值,检测所述目标物体是否符合防护要求;
防护要求符合判断模块,用于若所述目标物体与所述防护装置间的相对距离小于等于所述预设安全距离阈值,则确定所述目标物体符合防护要求。
9.一种设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的目标物体的防护检测方法。
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,该程序被处理器执行时实现如权利要求1-7中任一所述的目标物体的防护检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911338475.0A CN111091104A (zh) | 2019-12-23 | 2019-12-23 | 一种目标物体的防护检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911338475.0A CN111091104A (zh) | 2019-12-23 | 2019-12-23 | 一种目标物体的防护检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111091104A true CN111091104A (zh) | 2020-05-01 |
Family
ID=70395781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911338475.0A Pending CN111091104A (zh) | 2019-12-23 | 2019-12-23 | 一种目标物体的防护检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111091104A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112967467A (zh) * | 2021-02-24 | 2021-06-15 | 九江学院 | 文物防盗方法、系统、移动终端及存储介质 |
CN113344899A (zh) * | 2021-06-25 | 2021-09-03 | 北京市商汤科技开发有限公司 | 采矿工况检测方法、装置、存储介质及电子设备 |
CN114278281A (zh) * | 2021-12-24 | 2022-04-05 | 北京西华益昌技术开发有限责任公司 | 测量装置的测量分辨率优化方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106585670A (zh) * | 2016-12-09 | 2017-04-26 | 交控科技股份有限公司 | 一种基于视频的城市轨道交通前向列车检测系统及方法 |
CN109019335A (zh) * | 2018-09-04 | 2018-12-18 | 大连理工大学 | 一种基于深度学习的吊装安全距离检测方法 |
CN109083255A (zh) * | 2018-08-17 | 2018-12-25 | 中国联合网络通信集团有限公司 | 一种防护方法、装置及系统 |
CN109413393A (zh) * | 2018-11-26 | 2019-03-01 | 陕西瑞海工程智慧数据科技有限公司 | 带电作业车安全监测方法、装置及带电作业车 |
CN110132274A (zh) * | 2019-04-26 | 2019-08-16 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 一种室内定位方法、装置、计算机设备及存储介质 |
CN110232320A (zh) * | 2019-05-08 | 2019-09-13 | 华中科技大学 | 实时检测工地现场工人危险靠近施工机械的方法及系统 |
CN110399820A (zh) * | 2019-07-16 | 2019-11-01 | 西安工程大学 | 一种公路路边景物视觉识别分析方法 |
-
2019
- 2019-12-23 CN CN201911338475.0A patent/CN111091104A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106585670A (zh) * | 2016-12-09 | 2017-04-26 | 交控科技股份有限公司 | 一种基于视频的城市轨道交通前向列车检测系统及方法 |
CN109083255A (zh) * | 2018-08-17 | 2018-12-25 | 中国联合网络通信集团有限公司 | 一种防护方法、装置及系统 |
CN109019335A (zh) * | 2018-09-04 | 2018-12-18 | 大连理工大学 | 一种基于深度学习的吊装安全距离检测方法 |
CN109413393A (zh) * | 2018-11-26 | 2019-03-01 | 陕西瑞海工程智慧数据科技有限公司 | 带电作业车安全监测方法、装置及带电作业车 |
CN110132274A (zh) * | 2019-04-26 | 2019-08-16 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 一种室内定位方法、装置、计算机设备及存储介质 |
CN110232320A (zh) * | 2019-05-08 | 2019-09-13 | 华中科技大学 | 实时检测工地现场工人危险靠近施工机械的方法及系统 |
CN110399820A (zh) * | 2019-07-16 | 2019-11-01 | 西安工程大学 | 一种公路路边景物视觉识别分析方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112967467A (zh) * | 2021-02-24 | 2021-06-15 | 九江学院 | 文物防盗方法、系统、移动终端及存储介质 |
CN113344899A (zh) * | 2021-06-25 | 2021-09-03 | 北京市商汤科技开发有限公司 | 采矿工况检测方法、装置、存储介质及电子设备 |
CN113344899B (zh) * | 2021-06-25 | 2023-12-19 | 北京市商汤科技开发有限公司 | 采矿工况检测方法、装置、存储介质及电子设备 |
CN114278281A (zh) * | 2021-12-24 | 2022-04-05 | 北京西华益昌技术开发有限责任公司 | 测量装置的测量分辨率优化方法、装置、设备及存储介质 |
CN114278281B (zh) * | 2021-12-24 | 2023-11-21 | 北京西华益昌技术开发有限责任公司 | 测量装置的测量分辨率优化方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109145680B (zh) | 一种获取障碍物信息的方法、装置、设备和计算机存储介质 | |
Haq et al. | Comparing offline and online testing of deep neural networks: An autonomous car case study | |
González et al. | Automatic traffic signs and panels inspection system using computer vision | |
CN111091104A (zh) | 一种目标物体的防护检测方法、装置、设备及存储介质 | |
CN109858367B (zh) | 工人通过支撑不安全行为的视觉自动化检测方法及系统 | |
CN111652046A (zh) | 基于深度学习的安全穿戴检测方法、设备及系统 | |
CN112949457A (zh) | 基于增强现实技术的维修方法、装置及系统 | |
CN113255444A (zh) | 图像识别模型的训练方法、图像识别方法和装置 | |
CN112686322A (zh) | 零件差异识别方法、装置、设备及存储介质 | |
CN116259002A (zh) | 一种基于视频的人体危险行为分析方法 | |
CN112906441B (zh) | 用于通信行业查勘维护的图像识别系统及方法 | |
Hameed et al. | Development of Augmented Reality-based object recognition mobile application with Vuforia | |
CN113297945A (zh) | 基于混合现实空间定位的室内设备巡检辅助方法及系统 | |
CN117392611A (zh) | 工地安全监测方法、系统、设备及存储介质 | |
CN111667450A (zh) | 一种船只数量统计方法、装置及电子设备 | |
CN115131826B (zh) | 物品检测识别方法、网络模型的训练方法和装置 | |
CN108805121B (zh) | 一种车牌检测定位方法、装置、设备及计算机可读介质 | |
CN115345911A (zh) | 一种飞机出入库碰撞预警方法、装置、设备及介质 | |
CN114972500A (zh) | 查验方法、标注方法、系统、装置、终端、设备及介质 | |
CN114417965A (zh) | 图像处理模型的训练方法、目标检测方法及相关装置 | |
CN111126771B (zh) | 基于区域关注度预测安检员识图质量监督保障系统及方法 | |
CN112686203A (zh) | 一种基于空间先验的车辆安全警示装置检测方法 | |
CN113435350A (zh) | 一种交通标线检测方法、装置、设备和介质 | |
Selçuk et al. | Development of a Traffic Speed Limit Sign Detection System Based on Yolov4 Network | |
CN111597954A (zh) | 一种在监控视频中标识车辆位置的方法及系统 |
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 |
Application publication date: 20200501 |
|
RJ01 | Rejection of invention patent application after publication |