CN112287809A - 基于图像分析检测安全区域内作业人员的方法、系统和存储介质 - Google Patents
基于图像分析检测安全区域内作业人员的方法、系统和存储介质 Download PDFInfo
- Publication number
- CN112287809A CN112287809A CN202011166141.2A CN202011166141A CN112287809A CN 112287809 A CN112287809 A CN 112287809A CN 202011166141 A CN202011166141 A CN 202011166141A CN 112287809 A CN112287809 A CN 112287809A
- Authority
- CN
- China
- Prior art keywords
- image
- human body
- safe
- area
- safety
- 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
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- 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
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种基于图像分析检测安全区域内作业人员的方法、系统和存储介质。该方法包括以下步骤:捕捉安全区域和作业人员的实时画面;对实时画面进行预处理,并进行作业人员是否在安全区域内的识别;所述作业人员是否在安全区域内的识别是先对安全区域的识别以及对人体识别,再判断人体是否在安全区域内。该方法如果发现作业人员没有在安全区域内,可以发出警告,并且截图留存证据。通过技术手段,加强对作业人员的管理,保护相应作业人员的安全,加强施工作业现场安全管理规定的执行力度。
Description
技术领域
本发明所述基于图像分析检测安全区域内作业人员的方法、系统和存储介质,涉及图像识别领域,具体为基于图像识别的检测方法。
背景技术
电力安全生产隐患包括电力系统发、变、配、输、用电等各个方面安全生产作业所涉及的安全隐患,种类纷繁芜杂,大小不一,是关系到电力正常运维、人身财产安全、社会秩序稳定的重要因素,因此减少、降低、杜绝电力安全生产隐患的重要性不言而喻。
电力安全生产工作的基础和提前是树立“安全第一,预防为主”的观念,也是电力工作的指导方针,企业的一切生产都以安全保障为前提,在生产过程中,坚持以人为本,围绕人员的安全展开电力生产工作,才能有效保障电力工作的顺利开展。
安全区域是指通过隔离在各操作区域内使用各类安全产品与技术,在一般情况下,每个操作区域与其他区域都有明确的边界,并且每个分区都使用有安全的防护设备。当作业人员在安全区域内作业时,可以避免其受到伤害,至少不会危及生命,但施工作业人员进行作业时,没有按照规定在安全区域内作业的情况一直以来都大量存在。
目前施工作业人员在作业时对安全区域规定的遵守,要么依赖于作业人员自身自觉,要么依赖现场安全员的管理及提醒,或者再增加一些违章作业的经济处罚规定。但这些都不能彻底解决作业人员存在侥幸心理,安全管理制度执行存在盲点等问题。因此,提前遏制安全生产事故的发生,保障电网的安全运行势在必行。
发明内容
为解决遏制安全生产事故的发生,本发明提出一种基于图像分析检测安全区域内作业人员的方法、系统和存储介质。该方法如果发现作业人员没有在安全区域内,可以发出警告,并且截图留存证据。通过技术手段,加强对作业人员的管理,保护相应作业人员的安全,加强施工作业现场安全管理规定的执行力度。
本发明的技术方案是:
基于图像分析检测安全区域内作业人员的方法,包括以下步骤:
捕捉安全区域和作业人员的实时画面;
对实时画面进行预处理,并进行作业人员是否在安全区域内的识别;
所述作业人员是否在安全区域内的识别是先对安全区域的识别以及对人体识别,再判断人体是否在安全区域内。
作为本发明的进一步改进,所述安全区域的识别包括:
提取安全区域正样本中像素的HSV颜色值并统计,采用色彩分析方法得到安全区域的颜色范围,并进行二值化处理;
二值化处理是依次读取图像像素,如果像素点的HSV值在待检测物体的默认颜色范围内时,在同样大小的新建图像中的相同位置把像素设为前景色,如果不在默认待检测物体颜色范围内,则设为背景色,便将一幅HSV颜色空间的彩色图像变成了一幅二值图像。
作为本发明的进一步改进,还包括膨胀运算步骤,其包括:
将在安全区域接触的背景点合并到安全区域中,使安全区域的边界向外界扩张,以得到更加完整的图像。
作为本发明的进一步改进,还包括腐蚀运算,在进行安全区域图像的处理过程中,如果要求最终得到的图像与实际图像基本相符,在对安全区域图像进行了膨胀运算后,对图像进行还原,将安全区域图像的边界收缩。
作为本发明的进一步改进,所述人体识别采用方向梯度直方图特征及支持向量机分类器训练得到的模型进行预测,方向梯度直方图对人体形态进行特征提取;支持向量机具备非线性空间分类能力,区分人体形态及其他物体形态。
作为本发明的进一步改进,所述检测人体是否在安全区域内具体包括:
对于待分析的人体图像,取人体的一定宽度范围,一定高度范围的一个小矩形,该小矩形范围在人体脚的部分,求出小矩形的四个顶点的位置坐标,然后用凸包和旋转卡壳计算出四个顶点与已求出的安全区域轮廓的位置关系;
若四个顶点全在安全区域轮廓内,则判定人的脚在安全区域内,从而人体在安全区域内,反之,人体在安全区域外。
基于图像分析检测安全区域内作业人员的系统,包括:
图像采集设备,用于捕捉安全区域和作业人员的实时画面;并将其转发给图像处理及识别设备;
和图像处理及识别设备,其包括:
图像预处理模块,用于对实时画面进行预处理;
安全区域检测模块,用于对作业人员是否在安全区域内的识别;所述作业人员是否在安全区域内的识别是先对安全区域的识别以及对人体识别,再判断人体是否在安全区域内。
作为本发明的进一步改进,所述安全区域检测模块包括:
安全区域的识别模块,用于提取安全区域正样本中像素的HSV颜色值并统计,采用色彩分析方法得到安全区域的颜色范围,并进行二值化处理;二值化处理是依次读取图像像素,如果像素点的HSV值在待检测物体的默认颜色范围内时,在同样大小的新建图像中的相同位置把像素设为前景色,如果不在默认待检测物体颜色范围内,则设为背景色,便将一幅HSV颜色空间的彩色图像变成了一幅二值图像;
人体识别模块,用于采用方向梯度直方图特征及支持向量机分类器训练得到的模型进行预测,方向梯度直方图对人体形态进行特征提取;支持向量机具备非线性空间分类能力,区分人体形态及其他物体形态;
检测人体是否在安全区域内模块,用于对于待分析的人体图像,取人体的一定宽度范围,一定高度范围的一个小矩形,该小矩形范围在人体脚的部分,求出小矩形的四个顶点的位置坐标,然后用凸包和旋转卡壳计算出四个顶点与已求出的安全区域轮廓的位置关系;若四个顶点全在安全区域轮廓内,则判定人的脚在安全区域内,从而人体在安全区域内,反之,人体在安全区域外。
作为本发明的进一步改进,所述安全区域的识别模块还包括:
膨胀运算模块,用于将在安全区域接触的背景点合并到安全区域中,使安全区域的边界向外界扩张,以得到更加完整的图像;
腐蚀运算,用于在进行安全区域图像的处理过程中,如果要求最终得到的图像与实际图像基本相符,在对安全区域图像进行了膨胀运算后,对图像进行还原,将安全区域图像的边界收缩。
一种计算机存储介质,所述计算机存储介质存储有计算机可执行指令,所述计算机可执行指令被处理器执行后能够实现所述的基于图像分析检测安全区域内作业人员的方法。
本发明与现有技术相比具有以下技术效果:
本发明通过图像技术手段来检测作业人员是否在安全区域内,不再依赖于作业人员的自觉性,或现场安全员的提醒。如果发现作业人员违章,可以发出警告,并且截图留存证据,从而可使相应的人员及时赶赴相应的位置进行处理。以此,可以大幅减少甚至消灭作业现场人员未在安全区域的情况。可以大大降低因施工作业现场人员未在安全区域内而引发工程事故的可能性。
进一步,通过膨胀运算将相邻物体连接起来,可以解决在安全区域图像处理的过程中,由于要去除噪声,有时候可能会使得到的二值图像出现间断的现象。使安全区域的边界向外界扩张,以得到更加完整的图像。作用就是可以用来填补安全区域中的某些空洞以及消除包含在安全区域中的小颗粒噪声。
进一步,腐蚀运算,在进行安全区域图像的处理过程中,将安全区域图像的边界收缩,以消除小且无意义的目标物。
进一步,人体检测模块采用方向梯度直方图特征及支持向量机分类器训练得到的模型进行预测。二者各自发挥所长,可以大大提高人体检测的准确率。
进一步,本发明中只要人体的脚处在安全区域内即可认为人体在安全区域内。减少了图像处理和分析的效率,有效的解决了整个人体识别的复杂性问题。
附图说明
图1为本发明的场景图;
图2为本发明的图像处理及识别设备构成图;
图3为本发明的安全区域的原始图像;
图4为本发明的膨胀和腐蚀运算后的安全区域检测结果图像;
图5为本发明的人与安全区域的原始图像;
图6为本发明的人在安全区域内的检测结果;
图7为本发明的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下文中将结合附图对本发明的实施例进行详细说明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
本发明提出一种不依赖于人员自觉性,完全通过图像技术手段来检测作业现场的作业人员是否在安全区域内。如果发现作业人员违章,可以发出警告,并且截图留存证据,相应的人员也可以及时赶赴相应的位置进行处理。以此,可以大幅度减少甚至消灭安全事故的发生。
本发明第一个目的是提供一种基于图像分析检测安全区域内作业人员的方法,包括以下步骤:
捕捉安全区域和作业人员的实时画面;
对实时画面进行预处理,并进行作业人员是否在安全区域内的识别;
所述作业人员是否在安全区域内的识别是先对安全区域的识别以及对人体识别,再判断人体是否在安全区域内。
其中,所述安全区域的识别包括:
提取安全区域正样本中像素的HSV颜色值并统计,采用色彩分析方法得到安全区域的颜色范围,并进行二值化处理;
二值化处理是依次读取图像像素,如果像素点的HSV值在待检测物体的默认颜色范围内时,在同样大小的新建图像中的相同位置把像素设为前景色,如果不在默认待检测物体颜色范围内,则设为背景色,便将一幅HSV颜色空间的彩色图像变成了一幅二值图像。
为了得到完整的图像还包括膨胀运算步骤,其包括:
将在安全区域接触的背景点合并到安全区域中,使安全区域的边界向外界扩张,以得到更加完整的图像。
为了对图像进行还原还包括腐蚀运算,在进行安全区域图像的处理过程中,如果要求最终得到的图像与实际图像基本相符,在对安全区域图像进行了膨胀运算后,用腐蚀运算对图像进行还原,将安全区域图像的边界收缩。
所述人体识别采用方向梯度直方图特征及支持向量机分类器训练得到的模型进行预测,方向梯度直方图对人体形态进行特征提取;支持向量机具备非线性空间分类能力,区分人体形态及其他物体形态。
所述检测人体是否在安全区域内具体包括:
对于待分析的人体图像,取人体的一定宽度范围,一定高度范围的一个小矩形,该小矩形范围在人体脚的部分,求出小矩形的四个顶点的位置坐标,然后用凸包和旋转卡壳计算出四个顶点与已求出的安全区域轮廓的位置关系;
若四个顶点全在安全区域轮廓内,则判定人的脚在安全区域内,从而人体在安全区域内,反之,人体在安全区域外。
本发明第二个目的是提供一种基于图像分析检测安全区域内作业人员的系统,包括:
图像采集设备,用于捕捉安全区域和作业人员的实时画面;并将其转发给图像处理及识别设备;
和图像处理及识别设备,其包括:
图像预处理模块,用于对实时画面进行预处理;
安全区域检测模块,用于对作业人员是否在安全区域内的识别;所述作业人员是否在安全区域内的识别是先对安全区域的识别以及对人体识别,再判断人体是否在安全区域内。
所述安全区域检测模块包括:
安全区域的识别模块,用于提取安全区域正样本中像素的HSV颜色值并统计,采用色彩分析方法得到安全区域的颜色范围,并进行二值化处理;二值化处理是依次读取图像像素,如果像素点的HSV值在待检测物体的默认颜色范围内时,在同样大小的新建图像中的相同位置把像素设为前景色,如果不在默认待检测物体颜色范围内,则设为背景色,便将一幅HSV颜色空间的彩色图像变成了一幅二值图像;
人体识别模块,用于采用方向梯度直方图特征及支持向量机分类器训练得到的模型进行预测,方向梯度直方图对人体形态进行特征提取;支持向量机具备非线性空间分类能力,区分人体形态及其他物体形态;
检测人体是否在安全区域内模块,用于对于待分析的人体图像,取人体的一定宽度范围,一定高度范围的一个小矩形,该小矩形范围在人体脚的部分,求出小矩形的四个顶点的位置坐标,然后用凸包和旋转卡壳计算出四个顶点与已求出的安全区域轮廓的位置关系;若四个顶点全在安全区域轮廓内,则判定人的脚在安全区域内,从而人体在安全区域内,反之,人体在安全区域外。
所述安全区域的识别模块还包括:
膨胀运算模块,用于将在安全区域接触的背景点合并到安全区域中,使安全区域的边界向外界扩张,以得到更加完整的图像;
腐蚀运算,用于在进行安全区域图像的处理过程中,如果要求最终得到的图像与实际图像基本相符,在对安全区域图像进行了膨胀运算后,用腐蚀运算对图像进行还原,将安全区域图像的边界收缩。
本发明第三个目的是提供一种计算机存储介质,所述计算机存储介质存储有计算机可执行指令,所述计算机可执行指令被处理器执行后能够实现所述的基于图像分析检测安全区域内作业人员的方法。
以下给出本发明的具体实施例,需要说明的是本发明并不局限于以下具体实施例,凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。
如图1和图6所示,本发明由图像采集设备和图像处理及识别设备两部分组成。图像采集设备负责实时捕捉安全区域和作业人员的画面,并将其转发给图像处理及识别设备。图像处理及识别设备负责对接收到的画面进行预处理(降噪、增强等),并进行作业人员是否在安全区域内的识别。
图像处理及识别设备由图像预处理模块和作业人员是否在安全区域的检测模块两部分组成,如图2所示。
其中,图像预处理模块采用小波变换、高斯平滑、中值滤波及傅立叶正反变换等技术手段进行图像预处理。最终获得高质量、低噪声、清晰可见的安全区域图像,以便后续识别工作更好的进行。
其中,作业人员是否在安全区域内的检测模块主要是对预处理后的图像的进一步分析与处理,首先对安全区域的识别以及对人体的识别,再判断人体是否在安全区域内。
安全区域识别中采用色彩分析方法,工程施工过程中的安全区域都会和别的区域有明显的边界区分,彩色数字图像的处理需要用定量的方法建立颜色空间,HSV颜色空间是一个均匀的颜色空间,采用线性的标尺,彩色之间感觉上的距离与HSV颜色模型坐标上点的欧几里德距离成正比。均匀的颜色空间使得安全区域的颜色区间能够连续的落在一定区域内,而不是像RGB颜色模型那样会使安全区域的颜色区间落在坐标里的各个位置。这样,就能够很好的根据安全区域正样本的颜色,确定出其相应的颜色空间。
准备20幅安全区域的正样本(背景为单一颜色的含有完整的检测目标的待检测图片,即含有完整安全区域的图片),提取样本中像素的HSV颜色值并统计,可以得到安全区域的颜色范围。
二值化时,从上往下,从左往右依次读取图像像素,如果像素点的HSV值在待检测物体的默认颜色范围内时,在同样大小的新建图像中的相同位置把像素设为白色(即前景色),如果不在默认待检测物体颜色范围内,则设为黑色(背景色)。这样,一幅HSV颜色空间的彩色图像就变成了一幅突出安全区域轮廓的二值图像。
如图3和图4所示,在安全区域图像处理的过程中,由于要去除噪声,有时候可能会使得到的二值图像出现间断的现象。这时可以通过膨胀运算将相邻物体连接起来,即将在安全区域接触的背景点合并到该区域中,使安全区域的边界向外界扩张,以得到更加完整的图像。作用就是可以用来填补安全区域中的某些空洞以及消除包含在安全区域中的小颗粒噪声。
膨胀运算的对偶运算是腐蚀运算,在进行安全区域图像的处理过程中,如果要求最终得到的图像与实际图像基本相符,在对安全区域图像进行了膨胀运算后,就必须要用腐蚀运算对图像进行还原,即将安全区域范围“变小”,其实质就是将安全区域图像的边界收缩,以消除小且无意义的目标物。
人体检测模块采用方向梯度直方图特征及支持向量机分类器训练得到的模型进行预测。方向梯度直方图可以很好的对人体形态进行特征提取,高质量的特征提取可以提高分类器的识别准确性。支持向量机具备非线性空间分类能力,可以很好的区分人体形态及其他物体形态。二者各自发挥所长,可以大大提高人体检测的准确率。
如图5和图6所示,有了安全区域及人体检测模块的检测结果,下一步要做的就是,检测人体是否在安全区域内。考虑到各种因素对角度的影响,本发明中只要人体的脚处在安全区域内即可认为人体在安全区域内。对于待分析的人体图像,因为已经确信该范围是一个人体,因此可以取人体的宽度范围在3/25-2/5,高度范围在9/10-24/25的一个小矩形,该范围刚好在人体脚的部分,求出小矩形的四个顶点的位置坐标,然后用凸包和旋转卡壳计算出四个顶点与已求出的安全区域轮廓的位置关系。若四个顶点全在安全区域轮廓内,则判定人的脚在安全区域内,从而人体在安全区域内,反之,人体在安全区域外。
本发明通过图像技术手段来检测作业人员是否在安全区域内,不再依赖于作业人员的自觉性,或现场安全员的提醒。如果发现作业人员违章,可以发出警告,并且截图留存证据,从而可使相应的人员及时赶赴相应的位置进行处理。以此,可以大幅减少甚至消灭作业现场人员未在安全区域的情况。可以大大降低因施工作业现场人员未在安全区域内而引发工程事故的可能性。
以上披露的所有文章和参考资料,包括专利申请和出版物,出于各种目的通过援引结合于此。描述组合的术语“基本由…构成”应该包括所确定的元件、成分、部件或步骤以及实质上没有影响该组合的基本新颖特征的其他元件、成分、部件或步骤。使用术语“包含”或“包括”来描述这里的元件、成分、部件或步骤的组合也想到了基本由这些元件、成分、部件或步骤构成的实施方式。这里通过使用术语“可以”,旨在说明“可以”包括的所描述的任何属性都是可选的。
多个元件、成分、部件或步骤能够由单个集成元件、成分、部件或步骤来提供。另选地,单个集成元件、成分、部件或步骤可以被分成分离的多个元件、成分、部件或步骤。用来描述元件、成分、部件或步骤的公开“一”或“一个”并不说为了排除其他的元件、成分、部件或步骤。
应该理解,以上描述是为了进行图示说明而不是为了进行限制。通过阅读上述描述,在所提供的示例之外的许多实施例和许多应用对本领域技术人员来说都将是显而易见的。因此,本教导的范围不应该参照上述描述来确定,而是应该参照前述权利要求以及这些权利要求所拥有的等价物的全部范围来确定。出于全面之目的,所有文章和参考包括专利申请和公告的公开都通过参考结合在本文中。在前述权利要求中省略这里公开的主题的任何方面并不是为了放弃该主体内容,也不应该认为申请人没有将该主题考虑为所公开的发明主题的一部分。
Claims (10)
1.基于图像分析检测安全区域内作业人员的方法,其特征在于,包括以下步骤:
捕捉安全区域和作业人员的实时画面;
对实时画面进行预处理,并进行作业人员是否在安全区域内的识别;
所述作业人员是否在安全区域内的识别是先对安全区域的识别以及对人体识别,再判断人体是否在安全区域内。
2.根据权利要求1所述的基于图像分析检测安全区域内作业人员的方法,其特征在于,所述安全区域的识别包括:
提取安全区域正样本中像素的HSV颜色值并统计,采用色彩分析方法得到安全区域的颜色范围,并进行二值化处理;
二值化处理是依次读取图像像素,如果像素点的HSV值在待检测物体的默认颜色范围内时,在同样大小的新建图像中的相同位置把像素设为前景色,如果不在默认待检测物体颜色范围内,则设为背景色,便将一幅HSV颜色空间的彩色图像变成了一幅二值图像。
3.根据权利要求2所述的基于图像分析检测安全区域内作业人员的方法,其特征在于,还包括膨胀运算步骤,其包括:
将在安全区域接触的背景点合并到安全区域中,使安全区域的边界向外界扩张,以得到更加完整的图像。
4.根据权利要求2所述的基于图像分析检测安全区域内作业人员的方法,其特征在于,还包括腐蚀运算,在进行安全区域图像的处理过程中,如果要求最终得到的图像与实际图像基本相符,在对安全区域图像进行了膨胀运算后,对图像进行还原,将安全区域图像的边界收缩。
5.根据权利要求1所述的基于图像分析检测安全区域内作业人员的方法,其特征在于,所述人体识别采用方向梯度直方图特征及支持向量机分类器训练得到的模型进行预测,方向梯度直方图对人体形态进行特征提取;支持向量机具备非线性空间分类能力,区分人体形态及其他物体形态。
6.根据权利要求1所述的基于图像分析检测安全区域内作业人员的方法,其特征在于,所述检测人体是否在安全区域内具体包括:
对于待分析的人体图像,取人体的一定宽度范围,一定高度范围的一个小矩形,该小矩形范围在人体脚的部分,求出小矩形的四个顶点的位置坐标,然后用凸包和旋转卡壳计算出四个顶点与已求出的安全区域轮廓的位置关系;
若四个顶点全在安全区域轮廓内,则判定人的脚在安全区域内,从而人体在安全区域内,反之,人体在安全区域外。
7.基于图像分析检测安全区域内作业人员的系统,其特征在于,包括:
图像采集设备,用于捕捉安全区域和作业人员的实时画面;并将其转发给图像处理及识别设备;
和图像处理及识别设备,其包括:
图像预处理模块,用于对实时画面进行预处理;
安全区域检测模块,用于对作业人员是否在安全区域内的识别;所述作业人员是否在安全区域内的识别是先对安全区域的识别以及对人体识别,再判断人体是否在安全区域内。
8.根据权利要求7所述的基于图像分析检测安全区域内作业人员的系统,其特征在于,所述安全区域检测模块包括:
安全区域的识别模块,用于提取安全区域正样本中像素的HSV颜色值并统计,采用色彩分析方法得到安全区域的颜色范围,并进行二值化处理;二值化处理是依次读取图像像素,如果像素点的HSV值在待检测物体的默认颜色范围内时,在同样大小的新建图像中的相同位置把像素设为前景色,如果不在默认待检测物体颜色范围内,则设为背景色,便将一幅HSV颜色空间的彩色图像变成了一幅二值图像;
人体识别模块,用于采用方向梯度直方图特征及支持向量机分类器训练得到的模型进行预测,方向梯度直方图对人体形态进行特征提取;支持向量机具备非线性空间分类能力,区分人体形态及其他物体形态;
检测人体是否在安全区域内模块,用于对于待分析的人体图像,取人体的一定宽度范围,一定高度范围的一个小矩形,该小矩形范围在人体脚的部分,求出小矩形的四个顶点的位置坐标,然后用凸包和旋转卡壳计算出四个顶点与已求出的安全区域轮廓的位置关系;若四个顶点全在安全区域轮廓内,则判定人的脚在安全区域内,从而人体在安全区域内,反之,人体在安全区域外。
9.根据权利要求7所述的基于图像分析检测安全区域内作业人员的系统,其特征在于,所述安全区域的识别模块还包括:
膨胀运算模块,用于将在安全区域接触的背景点合并到安全区域中,使安全区域的边界向外界扩张,以得到更加完整的图像;
腐蚀运算,用于在进行安全区域图像的处理过程中,如果要求最终得到的图像与实际图像基本相符,在对安全区域图像进行了膨胀运算后,对图像进行还原,将安全区域图像的边界收缩。
10.一种计算机存储介质,所述计算机存储介质存储有计算机可执行指令,所述计算机可执行指令被处理器执行后能够实现权利要求1至6任一项所述的基于图像分析检测安全区域内作业人员的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011166141.2A CN112287809A (zh) | 2020-10-27 | 2020-10-27 | 基于图像分析检测安全区域内作业人员的方法、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011166141.2A CN112287809A (zh) | 2020-10-27 | 2020-10-27 | 基于图像分析检测安全区域内作业人员的方法、系统和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112287809A true CN112287809A (zh) | 2021-01-29 |
Family
ID=74372233
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011166141.2A Pending CN112287809A (zh) | 2020-10-27 | 2020-10-27 | 基于图像分析检测安全区域内作业人员的方法、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112287809A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113361968A (zh) * | 2021-07-05 | 2021-09-07 | 广东电网有限责任公司佛山供电局 | 基于人工智能和大数据的电网基建人员安全风险评估方法 |
CN115464557A (zh) * | 2022-08-15 | 2022-12-13 | 深圳航天科技创新研究院 | 基于路径调整移动机器人作业的方法及移动机器人 |
CN116358500A (zh) * | 2023-06-01 | 2023-06-30 | 中粮资本科技有限责任公司 | 一种基于图像分析检测粮堆形变的方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102664079A (zh) * | 2012-05-07 | 2012-09-12 | 辽宁省电力有限公司丹东供电公司 | 智能型辅助绝缘胶垫及控制方法 |
CN108267767A (zh) * | 2018-01-31 | 2018-07-10 | 上海康斐信息技术有限公司 | 一种定位系统、定位方法及智能终端 |
CN110503001A (zh) * | 2019-07-25 | 2019-11-26 | 青岛小鸟看看科技有限公司 | 一种虚拟现实vr设备及其避障方法、装置 |
CN110796049A (zh) * | 2019-10-18 | 2020-02-14 | 国家电网有限公司 | 基于图像处理的生产作业人员安全帽佩戴检测方法及系统 |
-
2020
- 2020-10-27 CN CN202011166141.2A patent/CN112287809A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102664079A (zh) * | 2012-05-07 | 2012-09-12 | 辽宁省电力有限公司丹东供电公司 | 智能型辅助绝缘胶垫及控制方法 |
CN108267767A (zh) * | 2018-01-31 | 2018-07-10 | 上海康斐信息技术有限公司 | 一种定位系统、定位方法及智能终端 |
CN110503001A (zh) * | 2019-07-25 | 2019-11-26 | 青岛小鸟看看科技有限公司 | 一种虚拟现实vr设备及其避障方法、装置 |
CN110796049A (zh) * | 2019-10-18 | 2020-02-14 | 国家电网有限公司 | 基于图像处理的生产作业人员安全帽佩戴检测方法及系统 |
Non-Patent Citations (1)
Title |
---|
朱建宝等: "基于 OpenPose 人体姿态识别的变电站危险行为检测", 《自动化与仪表》, pages 47 - 51 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113361968A (zh) * | 2021-07-05 | 2021-09-07 | 广东电网有限责任公司佛山供电局 | 基于人工智能和大数据的电网基建人员安全风险评估方法 |
CN113361968B (zh) * | 2021-07-05 | 2023-01-20 | 广东电网有限责任公司佛山供电局 | 基于人工智能和大数据的电网基建人员安全风险评估方法 |
CN115464557A (zh) * | 2022-08-15 | 2022-12-13 | 深圳航天科技创新研究院 | 基于路径调整移动机器人作业的方法及移动机器人 |
CN116358500A (zh) * | 2023-06-01 | 2023-06-30 | 中粮资本科技有限责任公司 | 一种基于图像分析检测粮堆形变的方法及系统 |
CN116358500B (zh) * | 2023-06-01 | 2023-08-18 | 中粮资本科技有限责任公司 | 一种基于图像分析检测粮堆形变的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112287809A (zh) | 基于图像分析检测安全区域内作业人员的方法、系统和存储介质 | |
Noh et al. | Automatic crack detection on concrete images using segmentation via fuzzy C-means clustering | |
US7215798B2 (en) | Method for forgery recognition in fingerprint recognition by using a texture classification of gray scale differential images | |
JP2017531883A (ja) | 画像の主要被写体を抽出する方法とシステム | |
US20190197313A1 (en) | Monitoring device | |
CN103034852B (zh) | 静止摄像机场景下特定颜色行人的检测方法 | |
EP2348485A1 (en) | Feature value extracting device, object identification device, and feature value extracting method | |
Maglad | A vehicle license plate detection and recognition system | |
CN111882568B (zh) | 火灾图像边缘提取处理方法、终端及系统 | |
CN110796049A (zh) | 基于图像处理的生产作业人员安全帽佩戴检测方法及系统 | |
CN105893957A (zh) | 基于视觉湖面船只检测识别与跟踪方法 | |
CN112598677A (zh) | 用于图像分析的方法和设备 | |
Boonsim | Racing bib number localization on complex backgrounds | |
Shao et al. | An image-based fire detection method using color analysis | |
CN113053127B (zh) | 智能化实时状态检测系统及方法 | |
CN109118503B (zh) | 高分辨遥感影像特定目标快速检测方法 | |
Tripathi et al. | A framework for suspicious object detection from surveillance video | |
Hussain et al. | Human Face Detection with skin color properties | |
CN107180244B (zh) | 一种基于级联分类器的图像检测方法及装置 | |
Nandedkar et al. | A spectral filtering based deep learning for detection of logo and stamp | |
Kumar et al. | Face Recognition and Detection from Group Photograph | |
EP4287112A1 (en) | Determination method, determination program, and information processing device | |
Li et al. | A new approach of crowd density estimation | |
Malashin et al. | Restoring a silhouette of the hand in the problem of recognizing gestures by adaptive morphological filtering of a binary image | |
Fradi et al. | Contextualized privacy filters in video surveillance using crowd density maps |
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 |