CN112001335A - 一种地铁乘客不安全行为风险评估界面系统 - Google Patents

一种地铁乘客不安全行为风险评估界面系统 Download PDF

Info

Publication number
CN112001335A
CN112001335A CN202010875479.9A CN202010875479A CN112001335A CN 112001335 A CN112001335 A CN 112001335A CN 202010875479 A CN202010875479 A CN 202010875479A CN 112001335 A CN112001335 A CN 112001335A
Authority
CN
China
Prior art keywords
behavior
unsafe
module
risk
passengers
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
CN202010875479.9A
Other languages
English (en)
Inventor
卢颖
吕希凡
郭良杰
仇乐
赵志攀
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.)
Wuhan University of Science and Engineering WUSE
Wuhan University of Science and Technology WHUST
Original Assignee
Wuhan University of Science and Engineering WUSE
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 Wuhan University of Science and Engineering WUSE filed Critical Wuhan University of Science and Engineering WUSE
Priority to CN202010875479.9A priority Critical patent/CN112001335A/zh
Publication of CN112001335A publication Critical patent/CN112001335A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • 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
    • G08B5/00—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied
    • G08B5/22—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied using electric transmission; using electromagnetic transmission
    • G08B5/36—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied using electric transmission; using electromagnetic transmission using visible light sources

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Electromagnetism (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明公布了一种地铁乘客不安全行为风险评估系统，包括行为数据采集模块、行为状态显示模块、行为识别模块以及行为风险预警模块，所述行为数据采集模块中包括Kinect，且行为数据采集模块通过Kinect可采集乘客不安全行为的骨骼数据和相关深度信息得到乘客位置数据。本发明设有可实现四个功能模块的地铁乘客不安全行为风险评估系统。有益效果是：提高地铁管理人员对乘客不安全行为判断的便捷性和准确性，以行为导致的风险作为预警指标有助于决策人员准确估计风险形势，迅速做出应急响应。

Description

一种地铁乘客不安全行为风险评估界面系统
技术领域
本发明涉及行为安全技术领域，尤其涉及一种地铁乘客不安全行为风险评估界面系统。
背景技术
地铁车站作为整个地铁系统客流集散的中心，具有空间小，密度大，强流动性的特点，因此各大城市也制定相应管理乘客行为的乘坐守则及相关条例。以《武汉市轨道交通管理条例》为例，其中明确提出禁止通道躺卧、踩踏座椅、攀爬或翻越闸机、屏蔽门等具体行为要求，然而由于乘客的不安全行为导致的地铁事故仍频繁发生。
对于地铁乘客不安全行为的研究，大多集中于不安全行为与到行为产生的原因。目前地铁管理仍主要依靠管理人员监督方式，为打破单一的依靠地铁管理人员的检查巡视来发现乘客不安全行为导致的地铁突发事故的问题。
现提出评估系统，通过智能监控技术可准确定位所发生的不安全行为，同时使用风险评估方法，可得到不安全行为对应的风险等级。将智能视觉技术与风险评估方法结合，解决了管理者对不安全行为判断存在偏差的问题，并且有助于管理者通过得到的行为风险等级结果做出相应的安全应急措施。
发明内容
基于背景技术存在的技术问题，本发明提出了一种地铁乘客不安全行为风险评估界面系统。
本发明提出的一种地铁乘客不安全行为风险评估界面系统，包括行为数据采集模块、行为状态显示模块、行为识别模块以及行为风险预警模块，所述行为数据采集模块中包括Kinect，且行为数据采集模块通过Kinect可采集乘客不安全行为的骨骼数据和相关深度信息得到乘客位置数据，所述行为状态显示模块包括显示设备，且行为状态显示模块通过显示设备显示乘客是否进入Kinect的检测区域，所述行为识别模块包括DTW算法，且行为识别模块通过乘客位置数据提取不安全行为特征参数，所述不安全行为特征参数基于DTW算法实现动态行为识别，所述行为风险预警模块包括界面指示灯区，且界面指示灯区通过显示不同颜色指示相对应的行为风险等级结果。
优选地，还包括WPF界面系统，所述WPF界面系统通过WPF开发平台，且界面系统运用C#语言代码编写，所述行为数据采集模块、行为状态显示模块、行为识别模块以及行为风险预警模块均通过界面系统操作实现。
优选地，所述WPF界面系统设有行为数据采集模块、行为状态显示模块、行为识别模块以及行为风险预警模块的相应功能区。
优选地，所述行为数据采集模块的功能区和Kinect之间通过电性连接。
优选地，所述行为风险预警模块的功能区与界面指示灯区之间通过电性连接，所述界面指示灯区会指示有红指示灯信号、绿指示灯信号和黄指示灯信号。
优选地，所述行为识别模块的功能区还包括有地铁乘客不安全行为库，且地铁乘客不安全行为库包括事故案例报告及相关文献总结得出的五种常导致地铁事故发生的不安全行为。
本发明中的有益效果有以下几点：本发明设计了可实现四个功能模块的地铁乘客不安全行为风险评估系统，即行为数据采集模块、行为状态显示模块、行为识别模块以及行为风险预警模块，从而更直观的得到发生的不安全行为所具有的风险等级，将智能视觉技术应用到现场管理，实时定位发现地铁乘客不安全行为，从而预防地铁运营事故的发生。
附图说明
图1为本发明提出的一种地铁乘客不安全行为风险评估界面系统的评估流程拓扑图；
图2为本发明提出的一种地铁乘客不安全行为风险评估界面系统的系统框图。
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。
在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
参照图1-2，一种地铁乘客不安全行为风险评估界面系统，包括行为数据采集模块、行为状态显示模块、行为识别模块以及行为风险预警模块四部分；
其中行为数据采集模块1：将Kinect与终端接口连接，对Kinect进行设备调试，确保设备进入工作状态。通过Kinect红外摄像头采集检测到乘客的骨骼坐标信息。
行为状态显示模块2：当乘客进入设备检测区域时，该模块将显示所检测到的乘客人数。
行为识别模块3：通过行为数据采集模块1所采集到的骨骼坐标数据，提取关节角度作为特征向量，将数据进行归一化预处理，再基于DTW算法将不安全行为进行动态识别。
行为风险预警模块4：通过危险性分析计算地铁乘客不安全行为风险等级，具体分析方法为：依据事故案例、相关资料文献进行事故数据采集，得到采集数据包括不安全行为、事故后果损失以及乘客不安全指标；所述不安全行为，表示依据事故案例分析及文献分析总结的导致地铁运营事故较高次数的乘客行为：事故后果损失，表示事故导致的死伤人数、直接经济损失；乘客不安全行为影响因素(如行为持续时间、行为参与人数等)；所述危险性分析是采用加权危险指数法，通过专家打分法所述的死伤人数、直接经济损失以及乘客不安全因素从1-5赋予权数，后果严重度最高所对应的权数为5，后果严重度最低所对应的权数为1，以此将地铁乘客不安全行为风险量化，确定地铁乘客不安全行为风险等级的公式具体为：
Figure BDA0002652554850000041
其中zj是地铁乘客不安全行为风险等级；f是权数，指不安全行为发生的频率；z是不安全行为危险指数；bi是影响地铁乘客不安全性行为的指标因素；b1是死伤人数；b2是直接经济损失；b3是乘客不安全行为影响因素。
通过上述的危险性分析计算地铁乘客不安全行为风险等级，得到所识别的不安全行为的风险等级结果，若所识别行为是低风险(分值上下限)，则在系统界面中显示绿灯；若所识别行为是中风险(分值上下限)，则在系统界面中显示黄灯；若所识别行为是高风险，则在系统界面中显示红灯(分值上下限)；
其中地铁乘客不安全行为库包括事故案例报告及相关文献总结得出的五种常导致地铁事故发生的不安全行为，具体为摔倒、打架斗殴、乘坐电梯逆行、站内奔跑和挥手呼救行为五种行为。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种地铁乘客不安全行为风险评估界面系统，包括行为数据采集模块、行为状态显示模块、行为识别模块以及行为风险预警模块，其特征在于，所述行为数据采集模块中包括Kinect，且行为数据采集模块通过Kinect可采集乘客不安全行为的骨骼数据和相关深度信息得到乘客位置数据，所述行为状态显示模块包括显示设备，且行为状态显示模块通过显示设备显示乘客是否进入Kinect的检测区域，所述行为识别模块包括DTW算法，且行为识别模块通过乘客位置数据提取不安全行为特征参数，所述不安全行为特征参数基于DTW算法实现动态行为识别，所述行为风险预警模块包括界面指示灯区，且界面指示灯区通过显示不同颜色指示相对应的行为风险等级结果。
2.根据权利要求1所述的一种地铁乘客不安全行为风险评估界面系统，还包括WPF界面系统，其特征在于，所述WPF界面系统通过WPF开发平台，且界面系统运用C#语言代码编写，所述行为数据采集模块、行为状态显示模块、行为识别模块以及行为风险预警模块均通过界面系统操作实现。
3.根据权利要求2所述的一种地铁乘客不安全行为风险评估界面系统，其特征在于，所述WPF界面系统设有行为数据采集模块、行为状态显示模块、行为识别模块以及行为风险预警模块的相应功能区。
4.根据权利要求3所述的一种地铁乘客不安全行为风险评估界面系统，其特征在于，所述行为数据采集模块的功能区和Kinect之间通过电性连接。
5.根据权利要求3所述的一种地铁乘客不安全行为风险评估界面系统，其特征在于，所述行为风险预警模块的功能区与界面指示灯区之间通过电性连接，所述界面指示灯区会指示有红指示灯信号、绿指示灯信号和黄指示灯信号。
6.根据权利要求3所述的一种地铁乘客不安全行为风险评估界面系统，其特征在于，所述行为识别模块的功能区还包括有地铁乘客不安全行为库，且地铁乘客不安全行为库包括事故案例报告及相关文献总结得出的五种常导致地铁事故发生的不安全行为。
CN202010875479.9A 2020-08-27 2020-08-27 一种地铁乘客不安全行为风险评估界面系统 Pending CN112001335A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010875479.9A CN112001335A (zh) 2020-08-27 2020-08-27 一种地铁乘客不安全行为风险评估界面系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010875479.9A CN112001335A (zh) 2020-08-27 2020-08-27 一种地铁乘客不安全行为风险评估界面系统

Publications (1)

Publication Number Publication Date
CN112001335A true CN112001335A (zh) 2020-11-27

Family

ID=73471363

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010875479.9A Pending CN112001335A (zh) 2020-08-27 2020-08-27 一种地铁乘客不安全行为风险评估界面系统

Country Status (1)

Country Link
CN (1) CN112001335A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117315592A (zh) * 2023-11-27 2023-12-29 四川省医学科学院·四川省人民医院 一种基于机器人端实时监控摄像的识别预警系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104680557A (zh) * 2015-03-10 2015-06-03 重庆邮电大学 视频序列图像中的异常行为智能检测方法
KR20160099335A (ko) * 2015-02-12 2016-08-22 재단법인대구경북과학기술원 3d 골격데이터를 스트리밍하여 공격적인 행동을 감지하는 장치 및 그 방법
CN105930767A (zh) * 2016-04-06 2016-09-07 南京华捷艾米软件科技有限公司 一种基于人体骨架的动作识别方法
CN106127125A (zh) * 2016-06-16 2016-11-16 山东大学 基于人体行为特征的分布式dtw人体行为意图识别方法
CN109460702A (zh) * 2018-09-14 2019-03-12 华南理工大学 基于人体骨架序列的乘客异常行为识别方法
CN110171757A (zh) * 2019-06-06 2019-08-27 广州商学院 基于物联网大数据支撑的电梯维保系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160099335A (ko) * 2015-02-12 2016-08-22 재단법인대구경북과학기술원 3d 골격데이터를 스트리밍하여 공격적인 행동을 감지하는 장치 및 그 방법
CN104680557A (zh) * 2015-03-10 2015-06-03 重庆邮电大学 视频序列图像中的异常行为智能检测方法
CN105930767A (zh) * 2016-04-06 2016-09-07 南京华捷艾米软件科技有限公司 一种基于人体骨架的动作识别方法
CN106127125A (zh) * 2016-06-16 2016-11-16 山东大学 基于人体行为特征的分布式dtw人体行为意图识别方法
CN109460702A (zh) * 2018-09-14 2019-03-12 华南理工大学 基于人体骨架序列的乘客异常行为识别方法
CN110171757A (zh) * 2019-06-06 2019-08-27 广州商学院 基于物联网大数据支撑的电梯维保系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117315592A (zh) * 2023-11-27 2023-12-29 四川省医学科学院·四川省人民医院 一种基于机器人端实时监控摄像的识别预警系统
CN117315592B (zh) * 2023-11-27 2024-01-30 四川省医学科学院·四川省人民医院 一种基于机器人端实时监控摄像的识别预警系统

Similar Documents

Publication Publication Date Title
CN111626162B (zh) 基于时空大数据分析的水上救援系统及溺水警情预测方法
CN111445106A (zh) 一种用电采集设备故障处理作业现场安全控制方法及系统
CN103049740A (zh) 基于视频图像的疲劳状态检测方法及装置
CN111062303A (zh) 图像处理方法、系统及计算机存储介质
CN109118039B (zh) 一种面向内河水域船舶自沉重要风险识别与防控装置及方法
CN108446673A (zh) 一种基于面部识别的管制员疲劳预警方法
CN106530714B (zh) 一种基于交通流数据的二次交通事故时间预测方法
CN112016528A (zh) 行为识别方法、装置、电子设备及可读存储介质
CN106682600A (zh) 一种目标检测方法及终端
CN114613101A (zh) 一种基于大数据的智慧酒店智能安防系统
CN114972639A (zh) 一种适用于智慧园区的火情监测系统
CN112001335A (zh) 一种地铁乘客不安全行为风险评估界面系统
CN108256035A (zh) 一种工业场所危险行为识别系统
CN111062238B (zh) 基于人体骨架信息及多目标跟踪的扶梯流量监测方法及系统
CN111681355A (zh) 一种适用智慧校园的安防系统
CN113327404A (zh) 空中交通管制员岗位疲劳状态监测告警系统
CN117789403A (zh) 行车作业危险区域人员入侵实时检测方法及系统
CN112419665A (zh) 一种基于目标检测的人类近水安全监测报警方法
CN112258042A (zh) 一种基于人工智能的加油站关键区域及人员安全隐患监测预警系统及方法
CN111353465A (zh) 基于深度学习技术的变电站人员行为分析方法及系统
CN116434145A (zh) 一种基于图像识别的电扶梯乘客危险行为分析监控系统
KR20240100532A (ko) 키오스크 및 비콘-신호를 이용한 공사현장용 작업자 비대면 안전관리시스템
Fu et al. Application of naive bayes classifier in stampede risk early-warning of large-scale activities
CN114359831A (zh) 一种面向险兆推理的工人临边坠落智能识别系统及方法
CN213424011U (zh) 一种用于旅检通道客行识别的监控系统

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