CN111461080A - 一种基于图像的智能围栏搭建和识别方法 - Google Patents
一种基于图像的智能围栏搭建和识别方法 Download PDFInfo
- Publication number
- CN111461080A CN111461080A CN202010417587.1A CN202010417587A CN111461080A CN 111461080 A CN111461080 A CN 111461080A CN 202010417587 A CN202010417587 A CN 202010417587A CN 111461080 A CN111461080 A CN 111461080A
- Authority
- CN
- China
- Prior art keywords
- fence
- coordinates
- image
- points
- markers
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像的智能围栏搭建和识别方法,利用深度神经网络检测围栏和人物;深度神经网络通过分析图片信息,实时检测出图像中围栏和人物所在位置,并已矩形框的形式记录;以围栏坐标为顶点,构建封闭的违禁区域,检测是否有人闯入;分析围栏坐标相对信息,检查自身是否出现异常。本发明通过深度神经网络技术识别围栏,根据其在图像上的坐标,构建违禁区域,并实时分析异常围栏的状态。
Description
技术领域
本发明应用于对生产作业环境的智能管理领域,具体说是一种基于图像的智能围栏搭建和识别方法。
背景技术
在安全生产工作中,围栏起到隔离的作用,阻止人员进入不应该进入的区域,因此需要划定一个区域用来指示当前需要隔离的区域。另外还需要起到报警作用,提示工作人员赶往现场处理情况,因而产生了电子围栏,它需要感应到有人进入并向工作人员报警。
当前使用的电子围栏,一般由红外感应的柱状栏杆组成,这种设备需要成对使用,利用红外线的收发来判断是否有东西进入其范围,它的缺点是首先需要两两对应,调节红外收发器的匹配,其次无法区分是否是人进入违禁区(只要有东西碰到感应线就报警)。
发明内容
本发明的目的是提供一种基于图像的智能围栏搭建和识别方法,利用最新的深度学习计算机视觉技术,解决传统智能围栏在搭建和维护问题上的一些缺陷,构建一个高精度和高鲁棒性的图像算法解决方案。
本发明的目的通过以下技术方案实现:
一种基于图像的智能围栏搭建和识别方法,其特征在于:结合深度神经网络检测围栏的图像位置坐标;通过将这些坐标组合成一个封闭的违禁区域,用于识别是否有人闯入;通过围栏坐标点的相对信息,检查自身是否出现异常;
利用深度神经网络检测围栏和人物;深度神经网络通过分析图片信息,实时检测出图像中围栏和人物所在位置,并已矩形框的形式记录;以围栏坐标为顶点,构建封闭的违禁区域,检测是否有人闯入;分析围栏坐标相对信息,检查自身是否出现异常。
本发明包含以下几点重要步骤:
首先,定义围栏标识物,利用深度神经网络对图像进行目标检测,找到图像中围栏标识物的位置;
其次,构建封闭区域。以围栏标识物为顶点,构建封闭区域形成违禁区。通过比对人体的坐标位置是否在违禁区内,触发报警条件。
最后,维护违禁区域。一般违禁区为多边形,多以四边形或五边形存在,并且一条边上有多个标识物组成。以不同颜色的标识物来表示边,通过分析标识物是否存在离群点,来判断标识物是否被移动。
本发明利用图像识别的方式,便捷的通过围栏标识组成违禁区,通过图像识别出围栏标识物,将标识物连接成闭合区域,达到搭建违禁区的目的。为了进一步保证违禁区域的稳定,需要实时检测围栏标识物是否发生移动,导致违禁区域的破坏。
附图说明
图1本发明目标检测流程示意图。
图2本发明中射线法示意图。
图3本发明中违禁区域组成示意图。
具体实施方式
一种基于图像的智能围栏搭建和识别方法,结合深度神经网络检测围栏的图像位置坐标;通过将这些坐标组合成一个封闭的违禁区域,用于识别是否有人闯入;通过围栏坐标点的相对信息,检查自身是否出现异常。具体如下:
1)标识物的检测
在图像目标检测任务中,基于深度学习的方法已被证明优于传统的检测方法。效果较好的目标检测框架有Faster R-CNN,YOLO,Mask R-CNN,RetinaNet等。本方案采用的YOLOv3检测框架保证了算法运行的速度,满足实时性需求,同时也能获得较准确的检测结果。将不同颜色的标识物当成多个类别进行目标检测,通过标注的5000张图片进行训练,达到标识物的图像检测任务。流程图见图1.
通过检测算法获的不同颜色的标识物中心坐标:[p1(x1,y1),p2(x2,y2),p3(x3,y3)……]。
2)违禁区域闯入
通过1)获得了一组标识物坐标点,这组点记录在数组Points中,表示如下:
Points[(x1,y1),(x2,y2),(x3,y3),(x4,y4),(x5,y5),(x6,y6),(x7,y7),(x8,y8)……]
人物的坐标可以用Pr(xr,yr)表示。
那么违禁区域闯入就变成了判断点Pr是否在Points这个多边形中。
此问题一般通过射线法来判断点Pr是否在Points多边形中。
射线法(Ray casting algorithm)是一种判断点是否在多边形内部的一种简单方法。即从该点做一条射线,计算它跟多边形边界的交点个数,如果交点个数为奇数,那么点在多边形内部,否则点在多边形外部。如图2.
3)违禁区域维护
通常违禁区域有四边形组成,每条边我们使用不同颜色的标识物组成,顶点由一种特定颜色的标识物组成,如图3显示。
分别提取不同边上的标识物作为参考点,通过最小二乘法拟合直线,
最小二乘拟合其方程系数。
斜截式:y=kx+b
根据最小二乘原理,误差平方和最小,得误差函数:f=∑ni=1(yi-k*xi-b))2=0
中极值定理可知,误差方程一阶导数等于0处取得极值,因此分别对其关于k和b求导,解k,b值使得误差函数取最小值。
Claims (2)
1.一种基于图像的智能围栏搭建和识别方法,其特征在于:结合深度神经网络检测围栏的图像位置坐标;通过将这些坐标组合成一个封闭的违禁区域,用于识别是否有人闯入;通过围栏坐标点的相对信息,检查自身是否出现异常。
2.根据权利要求1所述的基于图像的智能围栏搭建和识别方法,其特征在于:利用深度神经网络检测围栏和人物;深度神经网络通过分析图片信息,实时检测出图像中围栏和人物所在位置,并已矩形框的形式记录;以围栏坐标为顶点,构建封闭的违禁区域,检测是否有人闯入;分析围栏坐标相对信息,检查自身是否出现异常;具体如下:
1)标识物的检测
在图像目标检测任务中,采用YOLOv3检测框架保证算法运行的速度,满足实时性需求,同时也能获得较准确的检测结果;将不同颜色的标识物当成多个类别进行目标检测,通过标注的5000张图片进行训练,达到标识物的图像检测任务;
通过检测算法获的不同颜色的标识物中心坐标:[p1(x1,y1),p2(x2,y2),p3(x3,y3)……]。
2)违禁区域闯入
通过1)获得了一组标识物坐标点,这组点记录在数组Points中,表示如下:
Points[(x1,y1),(x2,y2),(x3,y3),(x4,y4),(x5,y5),(x6,y6),(x7,y7),(x8,y8)……]
人物的坐标可以用Pr(xr,yr)表示;
那么违禁区域闯入就变成了判断点Pr是否在Points这个多边形中;
通过射线法来判断点Pr是否在Points多边形中;即从该点做一条射线,计算它跟多边形边界的交点个数,如果交点个数为奇数,那么点在多边形内部,否则点在多边形外部;
3)违禁区域维护
违禁区域有四边形组成,每条边使用不同颜色的标识物组成,顶点由一种特定颜色的标识物组成;分别提取不同边上的标识物作为参考点,通过最小二乘法拟合直线;最小二乘拟合其方程系数;
斜截式:y=kx+b
根据最小二乘原理,误差平方和最小,得误差函数:f=∑ni=1(yi-k*xi-b))2=0中极值定理可知,误差方程一阶导数等于0处取得极值,因此分别对其关于k和b求导,解k,b值使得误差函数取最小值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010417587.1A CN111461080B (zh) | 2020-05-18 | 2020-05-18 | 一种基于图像的智能围栏搭建和识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010417587.1A CN111461080B (zh) | 2020-05-18 | 2020-05-18 | 一种基于图像的智能围栏搭建和识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111461080A true CN111461080A (zh) | 2020-07-28 |
CN111461080B CN111461080B (zh) | 2022-02-18 |
Family
ID=71680350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010417587.1A Active CN111461080B (zh) | 2020-05-18 | 2020-05-18 | 一种基于图像的智能围栏搭建和识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111461080B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112417946A (zh) * | 2020-09-17 | 2021-02-26 | 国网天津静海供电有限公司 | 电力施工现场指定区域的越界检测方法及系统 |
CN113065562A (zh) * | 2021-03-23 | 2021-07-02 | 北京工业大学 | 一种基于语义分割网络的作物垄行提取及主导航线选取方法 |
CN113255533A (zh) * | 2021-05-31 | 2021-08-13 | 中再云图技术有限公司 | 一种禁区闯入行为识别方法,存储装置及服务器 |
CN117197757A (zh) * | 2023-11-07 | 2023-12-08 | 华雁智能科技(集团)股份有限公司 | 变电站禁区闯入监测方法、系统及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150141045A1 (en) * | 2013-11-21 | 2015-05-21 | Telecommunication Systems, Inc. | Geofence |
CN107911793A (zh) * | 2017-10-30 | 2018-04-13 | 东南大学 | 一种无人机任意图形禁飞区识别导航系统 |
CN111144232A (zh) * | 2019-12-09 | 2020-05-12 | 国网智能科技股份有限公司 | 基于智能视频监控的变电站电子围栏监测方法、存储介质及设备 |
-
2020
- 2020-05-18 CN CN202010417587.1A patent/CN111461080B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150141045A1 (en) * | 2013-11-21 | 2015-05-21 | Telecommunication Systems, Inc. | Geofence |
CN107911793A (zh) * | 2017-10-30 | 2018-04-13 | 东南大学 | 一种无人机任意图形禁飞区识别导航系统 |
CN111144232A (zh) * | 2019-12-09 | 2020-05-12 | 国网智能科技股份有限公司 | 基于智能视频监控的变电站电子围栏监测方法、存储介质及设备 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112417946A (zh) * | 2020-09-17 | 2021-02-26 | 国网天津静海供电有限公司 | 电力施工现场指定区域的越界检测方法及系统 |
CN113065562A (zh) * | 2021-03-23 | 2021-07-02 | 北京工业大学 | 一种基于语义分割网络的作物垄行提取及主导航线选取方法 |
CN113065562B (zh) * | 2021-03-23 | 2024-04-02 | 北京工业大学 | 一种基于语义分割网络的作物垄行提取及主导航线选取方法 |
CN113255533A (zh) * | 2021-05-31 | 2021-08-13 | 中再云图技术有限公司 | 一种禁区闯入行为识别方法,存储装置及服务器 |
CN117197757A (zh) * | 2023-11-07 | 2023-12-08 | 华雁智能科技(集团)股份有限公司 | 变电站禁区闯入监测方法、系统及电子设备 |
CN117197757B (zh) * | 2023-11-07 | 2024-01-23 | 华雁智能科技(集团)股份有限公司 | 变电站禁区闯入监测方法、系统及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111461080B (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111461080B (zh) | 一种基于图像的智能围栏搭建和识别方法 | |
JP4970195B2 (ja) | 人物追跡システム、人物追跡装置および人物追跡プログラム | |
CN110263686A (zh) | 一种基于深度学习的施工工地图像安全帽检测方法 | |
Yang et al. | Robust door detection in unfamiliar environments by combining edge and corner features | |
CN106295551A (zh) | 一种基于视频分析的人员安全帽佩戴情况实时检测方法 | |
CN104318578A (zh) | 一种视频图像分析方法及系统 | |
US11917333B2 (en) | Systems and methods for personnel location at a drilling site | |
CN112669497A (zh) | 基于立体视觉技术的人行通道感知系统及方法 | |
CN103473950A (zh) | 一种停车场车位监控方法 | |
CN112016528B (zh) | 行为识别方法、装置、电子设备及可读存储介质 | |
CN208675549U (zh) | 一种电子围栏管理系统 | |
CN112183472A (zh) | 一种基于改进RetinaNet的试验现场人员是否穿着工作服检测方法 | |
WO2019220589A1 (ja) | 映像解析装置、映像解析方法、及びプログラム | |
CN111314671B (zh) | 一种地下管廊人员定位方法 | |
CN112434545A (zh) | 一种智能场所管理方法及系统 | |
WO2020167155A1 (ru) | Способ и система выявления тревожных событий при взаимодействии с устройством самообслуживания | |
CN206301417U (zh) | 一种闸机 | |
CN113044694B (zh) | 基于深度神经网络的工地电梯人数统计系统及方法 | |
CN112560727A (zh) | 一种基于人工智能的起重机越线安全预警方法和装置 | |
CN115346170A (zh) | 一种燃气设施区域的智能监控方法及装置 | |
CN111274888B (zh) | 一种基于可穿戴移动眼镜的安全帽及工作服智能识别方法 | |
CN204791055U (zh) | 一种基于双目视觉的监狱人数统计装置 | |
CN113709672A (zh) | 基于ar的巡检系统及其巡检方法 | |
CN110909606A (zh) | 基于深度学习的变电站人员行为检测方法 | |
CN116978152B (zh) | 一种基于射频识别技术的无感安全监控方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |