CN112203053A - 地铁施工人员行为智能监管方法及其系统 - Google Patents
地铁施工人员行为智能监管方法及其系统 Download PDFInfo
- Publication number
- CN112203053A CN112203053A CN202011069864.0A CN202011069864A CN112203053A CN 112203053 A CN112203053 A CN 112203053A CN 202011069864 A CN202011069864 A CN 202011069864A CN 112203053 A CN112203053 A CN 112203053A
- Authority
- CN
- China
- Prior art keywords
- video
- real
- behavior
- training
- subway
- 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
-
- 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
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/48—Matching video sequences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例涉及一种施工监管方法及系统,具体是地铁施工人员行为智能监管方法及其系统。本发明通过获取目标区域内的实时视频文件,并将所述实时视频文件分割成若干个实时图片帧;利用行为检测模型检测每个所述实时图片帧中的预定目标及其特征信息,得到对应的地铁施工行为类别以及检测分值,连续若干帧中最高检测分值对应的实时图片为关键帧;选取所述实时视频文件中包含所述关键帧的预定视频长度的视频文件作为关键视频片段;输出所述关键视频片段,并输出所述关键视频片段中预定目标及其特征信息对应的施工行为类别,以对地铁施工人员进行监管,能够保证施工现场的地铁施工人员进行有效的监管。
Description
技术领域
本发明实施例涉及一种施工监管方法及系统,具体是地铁施工人员行为智能监管方法及其系统。
背景技术
当前,随着我国城市化建设的飞速发展,城市基础建设规模也不断的增大,但由此带来的问题是施工企业安全管理不严、技术落后、从业人员安全意识较差等问题仍将长期存在,建设工程安全生产形势依然严峻。
根据以往地铁工程建设经验,工程事故的发生大多是由一线施工人员的不安全行为导致的,因此建立一套具有施工人员行为分析、不安全行为记录等功能的智能监管系统是减少或消除地铁建设工程安全生产事故的最行之有效的措施。
当前,建设工程领域也在推行一些含有施工人员定位功能的监管系统,但这些系统不可以对地铁工程施工过程中便捷的实现对各类施工行为的分析、监管和视频存档,不能保证对目标事物进行识别的效率和准确率,因而存在着很大的监管漏洞。
发明内容
本发明实施例的目的在于提供地铁施工人员行为智能监管方法及其系统,以解决上述背景技术中提出的问题。为实现上述目的,本发明实施例提供如下技术方案:
地铁施工人员行为智能监管方法,所述方法包括:
获取目标区域内的样本视频文件,并将所述样本视频文件分割成若干个样本图片帧;
选取包含预定目标的样本图片帧作为训练样本;
将所述训练样本随机分成两组,利用第一组训练样本对行为检测模型进行第一训练,以确定所述行为检测模型的参数;基于所述行为检测模型的参数,利用第二组训练样本对所述行为检测模型进行第二训练,所述第二训练包括利用第二组训练样本训练生成所述行为检测模型中卷积层的每一卷积核的权重值,得到训练后的最终的行为检测模型;
获取目标区域内的实时视频文件,并将所述实时视频文件分割成若干个实时图片帧;
利用行为检测模型检测每个所述实时图片帧中的预定目标及其特征信息,得到对应的地铁施工行为类别以及检测分值,连续若干帧中最高检测分值对应的实时图片为关键帧;
选取所述实时视频文件中包含所述关键帧的预定视频长度的视频文件作为关键视频片段;
输出所述关键视频片段,并输出所述关键视频片段中预定目标及其特征信息对应的施工行为类别,以对地铁施工人员进行监管。
作为本发明实施例技术方案进一步的限定,所述获取目标区域内的样本视频文件的步骤,具体包括:根据用户指令开启摄像机模组,接收所述摄像机模组采集的目标区域内的预定目标录像;对录像的视频帧进行预定目标的识别、轮廓分析。
作为本发明实施例技术方案进一步的限定,所述预定目标包括施工人员和施工机械中的至少一种。
作为本发明实施例技术方案进一步的限定,所述的利用第一组训练样本对行为检测模型进行第一训练的步骤,具体包括:利用第一组训练样本中与各个预定目标及其特征信息对应的施工行为类别,对第一组所述训练样本中的各个预定目标按照对应的施工行为类别进行标注。
地铁施工人员行为智能监管系统,所述系统包括:
样本视频获取模块,用于获取目标区域内的样本视频文件,并将所述样本视频文件分割成若干个样本图片帧;
第一选取模块,用于选取包含预定目标的样本图片帧作为训练样本;
训练模块,用于将所述训练样本随机分成两组,利用第一组训练样本对行为检测模型进行第一训练,以确定所述行为检测模型的参数;基于所述行为检测模型的参数,利用第二组训练样本对所述行为检测模型进行第二训练,所述第二训练包括利用第二组训练样本训练生成所述行为检测模型中卷积层的每一卷积核的权重值,得到训练后的最终的行为检测模型;
实时视频获取模块,用于获取目标区域内的实时视频文件,并将所述实时视频文件分割成若干个实时图片帧;
检测模块,用于利用行为检测模型检测每个所述实时图片帧中的预定目标及其特征信息,得到对应的地铁施工行为类别以及检测分值,连续若干帧中最高检测分值对应的实时图片为关键帧;
第二选取模块,用于选取所述实时视频文件中包含所述关键帧的预定视频长度的视频文件作为关键视频片段;
输出模块,用于输出所述关键视频片段,并输出所述关键视频片段中预定目标及其特征信息对应的施工行为类别,以对地铁施工人员进行监管。
作为本发明实施例技术方案进一步的限定,所述样本视频获取模块具体包括:录像单元,用于根据用户指令开启摄像机模组,接收所述摄像机模组采集的目标区域内的预定目标录像;对录像的视频帧进行预定目标的识别、轮廓分析。
作为本发明实施例技术方案进一步的限定,所述的训练模块具体包括:标注单元,用于利用第一组训练样本中与各个预定目标及其特征信息对应的施工行为类别,对第一组所述训练样本中的各个预定目标按照对应的施工行为类别进行标注。
与现有技术相比,本发明的有益效果是:
在本发明提供的实施例中,通过获取目标区域内的实时视频文件,并将所述实时视频文件分割成若干个实时图片帧;利用行为检测模型检测每个所述实时图片帧中的预定目标及其特征信息,得到对应的地铁施工行为类别以及检测分值,连续若干帧中最高检测分值对应的实时图片为关键帧;选取所述实时视频文件中包含所述关键帧的预定视频长度的视频文件作为关键视频片段;输出所述关键视频片段,并输出所述关键视频片段中预定目标及其特征信息对应的施工行为类别,以对地铁施工人员进行监管;从而能够有效的保证在地铁施工现场对目标事物进行快速且有效的识别,并能够保证准确率,对施工现场的地铁施工人员进行有效的监管。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例。
图1为本发明提供的地铁施工人员行为智能监管方法的流程框图。
图2为本发明提供的地铁施工人员行为智能监管系统的组成结构框图。
图3为本发明提供的地铁施工人员行为智能监管系统中样本视频获取模块的组成结构框图。
图4为本发明提供的地铁施工人员行为智能监管系统中训练模块的组成结构框图。
图5为本发明中可读存储介质与处理器的连接关系框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本发明实施例中可能采用术语第一、第二等来描述各种功能模块,但这些功能模块不应限于这些术语。这些术语仅用来将同一类型的功能模块彼此区分开。例如,在不脱离本发明实施例范围的情况下,第一判断模块也可以被称为第二判断模块,不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。类似地,第二判断模块也可以被称为第一判断模块。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
可以理解的是,根据以往地铁工程建设经验,工程事故的发生大多是由一线施工人员的不安全行为导致的,当前,建设工程领域也在推行一些含有施工人员定位功能的监管系统,但这些系统不可以对地铁工程施工过程中便捷的实现对各类施工行为的分析、监管和视频存档,不能保证对目标事物进行识别的效率和准确率,因而存在着很大的监管漏洞
为解决上述问题,在本发明提供的实施例中,通过获取目标区域内的实时视频文件,并将所述实时视频文件分割成若干个实时图片帧;利用行为检测模型检测每个所述实时图片帧中的预定目标及其特征信息,得到对应的地铁施工行为类别以及检测分值,连续若干帧中最高检测分值对应的实时图片为关键帧;选取所述实时视频文件中包含所述关键帧的预定视频长度的视频文件作为关键视频片段;输出所述关键视频片段,并输出所述关键视频片段中预定目标及其特征信息对应的施工行为类别,以对地铁施工人员进行监管;从而能够有效的保证在地铁施工现场对目标事物进行快速且有效的识别,并能够保证准确率,对施工现场的地铁施工人员进行有效的监管。
实施例1
图1示出了本发明实施例1提供的地铁施工人员行为智能监管方法的实现流程,该地铁施工人员行为智能监管方法可以应用于计算机设备,该计算机设备可以是手机、笔记本等可以进行通信的设备,具体不作限定。
以下对本发明实施例1提供的地铁施工人员行为智能监管方法进行详述如下:
步骤S100,获取目标区域内的样本视频文件,并将所述样本视频文件分割成若干个样本图片帧。
在本发明实施例1提供的上述步骤S100中,可以根据地铁施工工地现场需要进行监控的区域进行划分,设定需要对施工人员进行行为监管的目标区域,进而可利用录像设备对该目标区域进行录像,以记录该目标区域内的施工人员行为以及施工机械的运转情况等。
具体的,在本发明实施例提供的一个优选实施方式中,所述获取目标区域内的样本视频文件的步骤,具体包括:根据用户指令开启摄像机模组,接收所述摄像机模组采集的目标区域内的预定目标录像;对录像的视频帧进行预定目标的识别、轮廓分析。
其中,在本发明实施例提供的上述实施方式中,优选的,所述摄像机模组具有红外摄像功能,以便于在夜间光线不足的情况下进行录像;更为优选的,所述摄像机模组还包括补光功能,在利用摄像机模组对目标区域进行录像时,能够提供额外的光线,便于录像的品质。
步骤S200,选取包含预定目标的样本图片帧作为训练样本。
其中,在本发明提供的优选实施方式中,所述预定目标包括施工人员和施工机械中的至少一种。
具体的,在本发明提供的优选实施方式中,所述预定目标可以是施工人员,也可以是施工机械,亦或者同时包括施工人员和施工机械,当预定目标为施工人员时,即通过对样本视频文件中含有施工人员的样本图片帧作为训练样本,以对施工人员的行为进行模型训练,以形成施工人员的行为检测模型;而当预定目标是施工机械时,即通过对样本视频文件中包含有施工机械的样本图片帧作为训练样本,以对施工机械的运转信息进行模型训练,已形成施工机械的检测模型。当预定目标为施工人员和施工机械时,以训练形成包含施工人员和施工机械的检测模型。
步骤S300,将所述训练样本随机分成两组,利用第一组训练样本对行为检测模型进行第一训练,以确定所述行为检测模型的参数;基于所述行为检测模型的参数,利用第二组训练样本对所述行为检测模型进行第二训练,所述第二训练包括利用第二组训练样本训练生成所述行为检测模型中卷积层的每一卷积核的权重值,得到训练后的最终的行为检测模型。
可以理解的是,在本发明提供的一个优选实施方式中,对训练样本进行随机分成两组,也可以是采用交替式分组进行,如,将训练样本进行排序,排序方式为1、2、3、4……n,选取奇数序号的训练样本为第一组,选取偶数序号的训练样本为第二组,另外,在本发明提供的优选实施例中,对训练样本的分组方式还可以是其他分组方式,并不局限上述两种方式,在此不作赘述。
优选的,在本发明提供的又一优选实施方式中,所述的利用第一组训练样本对行为检测模型进行第一训练的步骤,具体包括:利用第一组训练样本中与各个预定目标及其特征信息对应的施工行为类别,对第一组所述训练样本中的各个预定目标按照对应的施工行为类别进行标注。
实施例2
本发明实施例2提供的地铁施工人员行为智能监管方法还包括:
步骤S400,获取目标区域内的实时视频文件,并将所述实时视频文件分割成若干个实时图片帧。
在本发明实施例2提供的上述步骤S400中,利用录像设备对该目标区域进行录像,实时记录该目标区域内的施工人员行为以及施工机械的运转情况等,以获取目标区域内的实时视频文件;
步骤S500,利用行为检测模型检测每个所述实时图片帧中的预定目标及其特征信息,得到对应的地铁施工行为类别以及检测分值,连续若干帧中最高检测分值对应的实时图片为关键帧。
在本发明实施例2提供的步骤S500中,预定目标的特征信息可以是施工人员的动作信息以及施工机械运转信息。
具体的,利用行为检测模型检测每个所述实时图片帧中的预定目标及其特征信息的步骤包括:对实时图片帧进行图像滤波、区域分裂与归并、图像分割以及形态学处理,然后通过SIFT算法对经过处理的实时图片帧进行预定目标的特征提取,并将提取得到的预定目标的特征信息输入到对应的所述行为检测模型中进行检测,以确定对应的地铁施工行为类别以及检测分值。
另外,在本发明实施例提供的又一优选实施方式中,对实时图片帧进行图像滤波、区域分裂与归并、图像分割以及形态学处理,还可以通过SURF算法对经过处理的实时图片帧进行预定目标的特征提取。
可以理解的是,在本发明实施例提供的步骤S500中,若未检测到当前实时图片帧中有预定目标,则直接检测下一个实时图片帧;若检测到当前实时图片帧中有预定目标,则得到并记录实时图片帧中的预定目标及其特征信息、对应的地铁施工行为类别及检测分值。
步骤S600,选取所述实时视频文件中包含所述关键帧的预定视频长度的视频文件作为关键视频片段。
优选,在本发明实施例提供的步骤S600中,预定视频长度可根据需要进行设定。
步骤S700,输出所述关键视频片段,并输出所述关键视频片段中预定目标及其特征信息对应的施工行为类别,以对地铁施工人员进行监管。
本发明实施例提供的地铁施工人员行为智能监管方法能够对施工人员以及施工机械等预定目标的动作信息进行提取关键视频片段,并对关键视频片段进行保存并输出,方便对地铁施工人员行为进行监管和记录保存,方便以后查证。
在本发明提供的实施例中,将输出保存的关键帧视频片段输出给指定监管人员,指定监管人员可以对该关键帧视频片段中的地铁施工行为的识别结果进行二次的检测,并对识别结果进行判定为识别正确或者失败,若识别失败则由指定监管人员对对应的地铁施工行为类别的识别结果进行调整。
实施例3
图2示出了本发明实施例3提供的地铁施工人员行为智能监管系统的组成结构框体,所述智能监管系统10具体包括:
样本视频获取模块11,用于获取目标区域内的样本视频文件,并将所述样本视频文件分割成若干个样本图片帧。
第一选取模块12,用于选取包含预定目标的样本图片帧作为训练样本。
训练模块13,用于将所述训练样本随机分成两组,利用第一组训练样本对行为检测模型进行第一训练,以确定所述行为检测模型的参数;基于所述行为检测模型的参数,利用第二组训练样本对所述行为检测模型进行第二训练,所述第二训练包括利用第二组训练样本训练生成所述行为检测模型中卷积层的每一卷积核的权重值,得到训练后的最终的行为检测模型。
实时视频获取模块14,用于获取目标区域内的实时视频文件,并将所述实时视频文件分割成若干个实时图片帧。
检测模块15,用于利用行为检测模型检测每个所述实时图片帧中的预定目标及其特征信息,得到对应的地铁施工行为类别以及检测分值,连续若干帧中最高检测分值对应的实时图片为关键帧。
第二选取模块16,用于选取所述实时视频文件中包含所述关键帧的预定视频长度的视频文件作为关键视频片段。
输出模块17,用于输出所述关键视频片段,并输出所述关键视频片段中预定目标及其特征信息对应的施工行为类别,以对地铁施工人员进行监管。
进一步的,图3示出了本发明提供的地铁施工人员行为智能监管系统中样本视频获取模块的组成结构框图。
具体的,在本发明提供的一个优选实施方式中,所述样本视频获取模块具体包括:录像单元111,用于根据用户指令开启摄像机模组,接收所述摄像机模组采集的目标区域内的预定目标录像;对录像的视频帧进行预定目标的识别、轮廓分析。
更进一步的,图4示出了本发明提供的地铁施工人员行为智能监管系统中训练模块的组成结构框图。
具体的,在本发明提供的另一个优选实施方式中,所述的训练模块具体包括:标注单元131,用于利用第一组训练样本中与各个预定目标及其特征信息对应的施工行为类别,对第一组所述训练样本中的各个预定目标按照对应的施工行为类别进行标注。
图3示出了本发明实施例提供的一种计算机设备的结构示意图,该计算机设备包括显示屏21、存储器22、处理器24、以及计算机程序25,其中所述存储器22中存储有计算机程序25,所述计算机程序25被所述处理器24执行时,使得所述处理器24执行所述人脸反识别方法的步骤。
可以理解的是,在本发明提供的优选实施例中,该计算机设备还可以为笔记本电脑、个人数字助理(Personal Digital Assistant,PDA)、手机等可以进行通信的设备。
图5示出了本发明实施提供的一种可读存储介质的示意图,所述可读存储介质20上存储有计算机程序21,所述计算机程序21被处理器30执行时,使得所述处理器30执行所述地铁施工人员行为智能监管方法的步骤。
示例性的,计算机程序可以被分割成一个或多个模块,一个或者多个模块被存储在存储器中,并由处理器执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在终端设备中的执行过程。例如,上述计算机程序可以被分割成上述各个系统实施例提供的泊位状态显示系统的单元或模块。
本领域技术人员可以理解,上述终端设备的描述仅仅是示例,并不构成对终端设备的限定,可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,上述处理器是上述终端设备的控制中心,利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块,上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现上述终端设备的各种功能。存储器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(比如信息采集模板展示功能、产品信息发布功能等)等;存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外,存储器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,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
终端设备集成的模块/单元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,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,本发明实现上述实施例系统中的全部或部分模块/单元,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个系统实施例的功能。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。
在本发明提供的实施例中,通过获取目标区域内的实时视频文件,并将所述实时视频文件分割成若干个实时图片帧;利用行为检测模型检测每个所述实时图片帧中的预定目标及其特征信息,得到对应的地铁施工行为类别以及检测分值,连续若干帧中最高检测分值对应的实时图片为关键帧;选取所述实时视频文件中包含所述关键帧的预定视频长度的视频文件作为关键视频片段;输出所述关键视频片段,并输出所述关键视频片段中预定目标及其特征信息对应的施工行为类别,以对地铁施工人员进行监管;从而能够有效的保证在地铁施工现场对目标事物进行快速且有效的识别,并能够保证准确率,对施工现场的地铁施工人员进行有效的监管。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (7)
1.地铁施工人员行为智能监管方法,其特征在于,所述方法包括:
获取目标区域内的样本视频文件,并将所述样本视频文件分割成若干个样本图片帧;
选取包含预定目标的样本图片帧作为训练样本;
将所述训练样本随机分成两组,利用第一组训练样本对行为检测模型进行第一训练,以确定所述行为检测模型的参数;基于所述行为检测模型的参数,利用第二组训练样本对所述行为检测模型进行第二训练,所述第二训练包括利用第二组训练样本训练生成所述行为检测模型中卷积层的每一卷积核的权重值,得到训练后的最终的行为检测模型;
获取目标区域内的实时视频文件,并将所述实时视频文件分割成若干个实时图片帧;
利用行为检测模型检测每个所述实时图片帧中的预定目标及其特征信息,得到对应的地铁施工行为类别以及检测分值,连续若干帧中最高检测分值对应的实时图片为关键帧;
选取所述实时视频文件中包含所述关键帧的预定视频长度的视频文件作为关键视频片段;
输出所述关键视频片段,并输出所述关键视频片段中预定目标及其特征信息对应的施工行为类别,以对地铁施工人员进行监管。
2.根据权利要求1所述的地铁施工人员行为智能监管方法,其特征在于,所述获取目标区域内的样本视频文件的步骤,具体包括:根据用户指令开启摄像机模组,接收所述摄像机模组采集的目标区域内的预定目标录像;对录像的视频帧进行预定目标的识别、轮廓分析。
3.根据权利要求2所述的地铁施工人员行为智能监管方法,其特征在于,所述预定目标包括施工人员和施工机械中的至少一种。
4.据权利要求2或3所述的地铁施工人员行为智能监管方法,其特征在于,所述的利用第一组训练样本对行为检测模型进行第一训练的步骤,具体包括:利用第一组训练样本中与各个预定目标及其特征信息对应的施工行为类别,对第一组所述训练样本中的各个预定目标按照对应的施工行为类别进行标注。
5.地铁施工人员行为智能监管系统,其特征在于,所述系统包括:
样本视频获取模块,用于获取目标区域内的样本视频文件,并将所述样本视频文件分割成若干个样本图片帧;
第一选取模块,用于选取包含预定目标的样本图片帧作为训练样本;
训练模块,用于将所述训练样本随机分成两组,利用第一组训练样本对行为检测模型进行第一训练,以确定所述行为检测模型的参数;基于所述行为检测模型的参数,利用第二组训练样本对所述行为检测模型进行第二训练,所述第二训练包括利用第二组训练样本训练生成所述行为检测模型中卷积层的每一卷积核的权重值,得到训练后的最终的行为检测模型;
实时视频获取模块,用于获取目标区域内的实时视频文件,并将所述实时视频文件分割成若干个实时图片帧;
检测模块,用于利用行为检测模型检测每个所述实时图片帧中的预定目标及其特征信息,得到对应的地铁施工行为类别以及检测分值,连续若干帧中最高检测分值对应的实时图片为关键帧;
第二选取模块,用于选取所述实时视频文件中包含所述关键帧的预定视频长度的视频文件作为关键视频片段;
输出模块,用于输出所述关键视频片段,并输出所述关键视频片段中预定目标及其特征信息对应的施工行为类别,以对地铁施工人员进行监管。
6.根据权利要求5所述的地铁施工人员行为智能监管系统,其特征在于,所述样本视频获取模块具体包括:
录像单元,用于根据用户指令开启摄像机模组,接收所述摄像机模组采集的目标区域内的预定目标录像;对录像的视频帧进行预定目标的识别、轮廓分析。
7.根据权利要求6所述的地铁施工人员行为智能监管系统,其特征在于,所述的训练模块具体包括:
标注单元,用于利用第一组训练样本中与各个预定目标及其特征信息对应的施工行为类别,对第一组所述训练样本中的各个预定目标按照对应的施工行为类别进行标注。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011069864.0A CN112203053A (zh) | 2020-09-29 | 2020-09-29 | 地铁施工人员行为智能监管方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011069864.0A CN112203053A (zh) | 2020-09-29 | 2020-09-29 | 地铁施工人员行为智能监管方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112203053A true CN112203053A (zh) | 2021-01-08 |
Family
ID=74013620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011069864.0A Pending CN112203053A (zh) | 2020-09-29 | 2020-09-29 | 地铁施工人员行为智能监管方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112203053A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116189063A (zh) * | 2023-04-24 | 2023-05-30 | 青岛润邦泽业信息技术有限公司 | 一种用于智能视频监控的关键帧优化方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590460A (zh) * | 2017-09-12 | 2018-01-16 | 北京达佳互联信息技术有限公司 | 人脸分类方法、装置及智能终端 |
CN108537117A (zh) * | 2018-03-06 | 2018-09-14 | 哈尔滨思派科技有限公司 | 一种基于深度学习的乘客检测方法和系统 |
CN109117742A (zh) * | 2018-07-20 | 2019-01-01 | 百度在线网络技术(北京)有限公司 | 手势检测模型处理方法、装置、设备及存储介质 |
CN109346159A (zh) * | 2018-11-13 | 2019-02-15 | 平安科技(深圳)有限公司 | 病例图像分类方法、装置、计算机设备及存储介质 |
CN110163143A (zh) * | 2019-05-17 | 2019-08-23 | 国网河北省电力有限公司沧州供电分公司 | 违规行为识别方法、装置及终端设备 |
CN111242007A (zh) * | 2020-01-10 | 2020-06-05 | 上海市崇明区生态农业科创中心 | 一种农事行为监管方法 |
CN111325226A (zh) * | 2018-12-14 | 2020-06-23 | 北京京东尚科信息技术有限公司 | 信息呈现方法和装置 |
-
2020
- 2020-09-29 CN CN202011069864.0A patent/CN112203053A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590460A (zh) * | 2017-09-12 | 2018-01-16 | 北京达佳互联信息技术有限公司 | 人脸分类方法、装置及智能终端 |
CN108537117A (zh) * | 2018-03-06 | 2018-09-14 | 哈尔滨思派科技有限公司 | 一种基于深度学习的乘客检测方法和系统 |
CN109117742A (zh) * | 2018-07-20 | 2019-01-01 | 百度在线网络技术(北京)有限公司 | 手势检测模型处理方法、装置、设备及存储介质 |
CN109346159A (zh) * | 2018-11-13 | 2019-02-15 | 平安科技(深圳)有限公司 | 病例图像分类方法、装置、计算机设备及存储介质 |
CN111325226A (zh) * | 2018-12-14 | 2020-06-23 | 北京京东尚科信息技术有限公司 | 信息呈现方法和装置 |
CN110163143A (zh) * | 2019-05-17 | 2019-08-23 | 国网河北省电力有限公司沧州供电分公司 | 违规行为识别方法、装置及终端设备 |
CN111242007A (zh) * | 2020-01-10 | 2020-06-05 | 上海市崇明区生态农业科创中心 | 一种农事行为监管方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116189063A (zh) * | 2023-04-24 | 2023-05-30 | 青岛润邦泽业信息技术有限公司 | 一种用于智能视频监控的关键帧优化方法及装置 |
CN116189063B (zh) * | 2023-04-24 | 2023-07-18 | 青岛润邦泽业信息技术有限公司 | 一种用于智能视频监控的关键帧优化方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109710780B (zh) | 一种归档方法及装置 | |
CN109886928B (zh) | 一种目标细胞标记方法、装置、存储介质及终端设备 | |
CN108965340B (zh) | 一种工业控制系统入侵检测方法及系统 | |
CN108579094B (zh) | 一种用户界面检测方法及相关装置、系统和存储介质 | |
CN108960412B (zh) | 图像识别方法、装置及计算机可读存储介质 | |
CN112200081A (zh) | 异常行为识别方法、装置、电子设备及存储介质 | |
CN110780965B (zh) | 基于视觉的流程自动化方法、设备及可读存储介质 | |
CN114565895B (zh) | 一种基于智慧社会的安防监控系统及方法 | |
CN112712005B (zh) | 识别模型的训练方法、目标识别方法及终端设备 | |
CN112507860A (zh) | 一种视频标注方法、装置、设备及存储介质 | |
Pavaskar et al. | Real-time vehicle-type categorization and character extraction from the license plates | |
CN115269438A (zh) | 针对图像处理算法的自动化测试方法及装置 | |
CN113313098B (zh) | 视频处理方法、设备、系统及存储介质 | |
CN112203053A (zh) | 地铁施工人员行为智能监管方法及其系统 | |
CN114332058A (zh) | 基于神经网络的血清质量识别方法、装置、设备及介质 | |
CN113947744A (zh) | 基于视频的火灾图像检测方法、系统、设备及存储介质 | |
CN114596243A (zh) | 缺陷检测方法、装置、设备及计算机可读存储介质 | |
CN112364918A (zh) | 异常识别方法、终端和计算机可读存储介质 | |
CN110716778A (zh) | 应用兼容性测试方法、装置及系统 | |
CN116389148A (zh) | 一种基于人工智能的网络安全态势预测系统 | |
CN115620317A (zh) | 一种电子工程文档真实性验证方法和系统 | |
CN114416417A (zh) | 系统异常监测方法、装置、设备及存储介质 | |
CN114385837A (zh) | 一种媒体内容自动检测审核方法与审核系统 | |
CN114550129A (zh) | 一种基于数据集的机器学习模型处理方法和系统 | |
CN114090650A (zh) | 一种样本数据识别方法、装置、电子设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210108 |