CN112530144A - 一种基于神经网络的火力发电厂违规行为警示方法和系统 - Google Patents
一种基于神经网络的火力发电厂违规行为警示方法和系统 Download PDFInfo
- Publication number
- CN112530144A CN112530144A CN202011229892.4A CN202011229892A CN112530144A CN 112530144 A CN112530144 A CN 112530144A CN 202011229892 A CN202011229892 A CN 202011229892A CN 112530144 A CN112530144 A CN 112530144A
- Authority
- CN
- China
- Prior art keywords
- data
- behavior
- violation
- warning
- neural network
- 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
- 230000006399 behavior Effects 0.000 title claims abstract description 98
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 29
- 238000007405 data analysis Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 22
- 239000000284 extract Substances 0.000 claims abstract description 5
- 238000010276 construction Methods 0.000 claims description 37
- 238000000605 extraction Methods 0.000 claims description 33
- 238000004458 analytical method Methods 0.000 claims description 10
- 101100049727 Arabidopsis thaliana WOX9 gene Proteins 0.000 claims description 6
- 101150059016 TFIP11 gene Proteins 0.000 claims description 6
- 102100032856 Tuftelin-interacting protein 11 Human genes 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 6
- 238000000926 separation method Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 claims description 5
- 230000000306 recurrent effect Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 230000001276 controlling effect Effects 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 230000001681 protective effect Effects 0.000 claims description 3
- 230000000391 smoking effect Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Evolutionary Biology (AREA)
- Emergency Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及一种基于神经网络的火力发电厂违规行为警示方法，包括以下步骤：S1：视频采集单元获取监控视频数据；S2：数据处理单元提取监控视频数据中的行为特征，并发送至数据分析单元；S3：数据分析单元获取行为特征，并通过神经网络判断该行为是否属于违规行为，若是，则执行步骤S4；S4：判断违规行为类型，并根据违规行为类型，控制警示单元对应发出警示信息。与现有技术相比，本发明具有检测效率高、错误率低等优点。
Description
技术领域
本发明涉及火力发电厂安全监测领域，尤其是涉及一种基于神经网络的火力发电厂违规行为警示方法和系统。
背景技术
安防系统是各行业重点部门或重要场所进行实时监控的物理基础，管理部门可通过它获得有效数据、图像或声音信息，对突发性异常事件的过程进行及时的监视和记录，用以高效、及时地指挥和布置警力、处理案件等。
在火力发电厂施工场地中，通过安防系统可以实现工地24小时监控，利用视频监控手段，有效克服人员少的问题，全面提高管理效率和监管水平。通过安防系统，管理部门不仅可以随时了解施工现场情况，还将向上级部门每天实时传递来自施工现场的建设信息，如建设进度、建设质量、安全防护、场地扬尘等。同时通过录像取证方式，对违法、违规建设行为，提供有力证据与依据，使管理能够有理有据的执行。如发现施工过程中有违法、违规建设行为，通过现场广播，对违法、违规建设行为进行纠正；通过录像取证对违法、违规建设行为进行处罚。
但上述安防系统中对施工人员现场越界、安全违章行为的监管，基于监管人员通过肉眼去观察，需要大量的工作量，甚至很多违章行为很难发现，被遗漏，传统的监管方式效率低、错误率高。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种检测效率高且错误率低的基于神经网络的火力发电厂违规行为警示方法和系统，改变原有人工识别违章的做法，通过对施工人员的监控视频数据进行采集、处理、分析后，监管人员根据分析结果，通过对讲系统给施工人员进行提醒或通过考核系统进行违章处罚，解决了监管人员工作量大和工作效率低下的问题。
本发明的目的可以通过以下技术方案来实现：
一种基于神经网络的火力发电厂违规行为警示方法，包括以下步骤：
S1：视频采集单元获取监控视频数据；
S2：数据处理单元提取监控视频数据中的行为特征，并发送至数据分析单元；
S3：数据分析单元获取行为特征，并通过神经网络判断该行为是否属于违规行为，若是，则执行步骤S4；
S4：判断违规行为类型，并根据违规行为类型，控制警示单元对应发出警示信息。
进一步地，所述的步骤S2具体包括：
S21：将监控视频数据场景中的背景和目标分离，识别得到待分析目标数据集；
S22：去除待分析目标数据集中的干扰信号，得到待提取目标数据集；
S23：进行行为特征提取，对待提取目标数据集提取出目标的特征数据。
更进一步地，所述的行为特征提取具体包括：首先分别进行全局特征提取和局部特征提取，然后完成全局特征和局部特征的融合，结合了全局特征信息和局部特征信息，完成行为特征的提取；
所述的全局特征提取用于对待分析目标进行描述，包括二维全局特征提取和三维全局特征提取，所述的二维全局特征提取采用MHI模板来保存对应的动作信息，得到MHI特征，用于体现运动发生的空间位和运动的时间顺序，所述的三维全局特征提取具体为：在三维空间中，通过监控视频数据得到3D时空体STV特征数据，得到STV特征；全局特征是对检测出来的目标人体进行描述，采用的是人体的边缘，剪影轮廓，光流等信息。
所述的局部特征提取用于从目标中提取感兴趣点或块，得到STIP特征。
更进一步地，所述的干扰信号包括树叶抖动信号、水面波浪信号和灯光变化信号。
进一步地，所述的步骤S3中，所述的神经网络采用基于双通道神经网络算法，所述的双通道神经网络算法中，两个通道采用的神经网络算法分别为基于递归神经网络的算法和基于卷积神经网络的算法，所述的基于递归神经网络的算法用于分析局部特征值的STIP特征，得到通道一值，所述的基于卷积神经网络的算法用于分析全局特征值的MHI特征和STV特征，得到通道二值，所述的双通道神经网络算法最终将通道一值和通道二值进行加权处理，得到行为分析结果。
进一步地，所述的违规行为类型包括一般违规、较重违规和严重违规，所述的一般违规包括重要区域边界徘徊、快速奔跑和边走边看手机，所述的较重违规包括翻越重要区域和未戴防护装备，所述的严重违规包括转动机械上作业、禁烟区吸烟、吊装物下行走或逗留和未经允许进入受限空间；
所述的警示单元包括施工现场扩音器、施工现场警报器和监控中心警示模块，所述的监控中心警示模块内嵌于数据控制中台；
所述的步骤S4中，若判断为一般违规，则警示单元启动施工现场扩音器和施工现场警报器，分别发出语音提醒整改和警报声提醒，若判断为较重违规或严重违规，则警示单元启动监控中心警示模块，向监管人员发出通知显示施工现场出现较重违规或严重违规，提醒监管人员人工介入。
优选地，该方法还包括：
S5：将每次违规行为数据存入数据存储单元，并输入数据分析单元对神经网络进行训练。
一种用于实现如所述的基于神经网络的火力发电厂违规行为警示方法的系统，包括：
视频采集单元：用于获取施工人员现场施工时的监控视频数据；
数据处理单元：用于提取监控视频数据中的行为特征并发送到数据分析单元；
数据分析单元：存储神经网络模块，用于接收数据处理单元的行为特征数据，并进行行为分析，判断是否属于违规行为及违规行为类型；
数据存储单元：用于储存历史违规数据和预设违规行为数据，并发送至数据分析单元进行神经网络模块的训练；
警示单元：用于根据违规行为的类型，进行不同级别的警示；
数据控制中台：用于实时显示数据分析单元的分析结果，实现监管人员实时掌控现场人员的违规状态。
进一步地，所述的数据处理单元包括目标分离模块、噪声去除模块和行为特征提取模块，所述的目标分离模块用于将监控视频数据场景中的背景和目标分离，识别出待分析目标，所述的噪声去除模块用于去除待分析目标中的干扰信号，所述的行为特征提取模块用于从去除背景和噪声的目标数据集合提取出行为特征数据。
进一步地，所述的警示单元包括施工现场扩音器、施工现场警报器和监控中心警示模块，所述的施工现场扩音器用于在违规行为发生时，发出语音提醒整改，所述的施工现场警报器用于在违规行为发生时，发出警报声提醒，所述的监控中心警示模块内嵌于数据控制中台，用于向监管人员发出指令，提醒监管人员人工介入。
与现有技术相比，本发明具有以下优点：
1)本发明能够自动对监控视频数据进行采集，对视频进行数据处理，提取有效的行为特征数据，并通过神经网络判断是否有违规行为发生，同时根据违规行为类型控制警示单元进行对应的警示操作，有效提高了监管人员的工作效率，加快了违章处理的进度，具有良好的使用和推广价值；
2)本发明通过数据库中已有违规的历史数据训练出的神经网络模型进行处理，具有自动修正违规行为识别结果的功能，不断根据历史数据得到更精确的判断结果，识别准确率高；
3)本发明的行为特征提取时，分别对全局特征和局部特征进行提取，并采用双通道神经网络，根据全局特征和局部特征的特点和作用不同，利用不同的神经网络算法分别对全局特征和局部特征进行分析判断，两者结合最终得到判断结果，进一步提高判断结果的准确性，本发明的违规行为检测可靠性高，有效减少漏检、错检等情况发生；
4)本发明的警示单元设置不同等级的警示措施，并通过对火电厂违规行为的分类，针对不同危险程度的违规行为，能够采取不同的警示措施，对于最容易出现的一般违规，由于其一般不会立即造成特别严重的事故，可以通过扩音器和警报器自动对现场施工人员进行警示和提醒，无需人为介入，有效减少监管人员工作量，而对于较重违规和严重违规，由于很容易造成严重事故，因此需要立刻通知监管人员人为介入，并进行相应行政处罚，不同违规行为的警示措施不同，有效提高违规行为的警示效率，并降低监管人员的工作强度。
附图说明
图1为本发明方法流程示意图；
图2为本发明系统结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
实施例
如图1所示，本发明提供一种基于神经网络的火力发电厂违规行为警示方法，包括以下步骤：
S1：视频采集单元获取监控视频数据；
S2：数据处理单元提取监控视频数据中的行为特征，并发送至数据分析单元；
S21：将监控视频数据场景中的背景和目标分离，识别得到待分析目标数据集；
S22：去除待分析目标数据集中的干扰信号，得到待提取目标数据集，干扰信号包括树叶抖动信号、水面波浪信号和灯光变化信号；
S23：进行行为特征提取，对待提取目标数据集提取出目标的特征数据。
行为特征提取包含全局特征提取和局部特征提取。
全局特征是对检测出来的目标人体进行描述，采用的是人体的边缘，剪影轮廓，光流等信息。包含二位全局特征提取和三位特征提取。二维全局特征提取用MHI模板来保存对应的一个动作信息，得到MHI特征，除了体现运动发生的空间位置外还体现了运动的时间先后顺序。三维全局特征提取是在三维空间中，通过给定视频中的数据可以得到3D时空体STV特征数据，得到STV特征。
局部特征提取是指提取人体中感兴趣的点或者块，形成STIP特征。
最后完成全局和局部特征的融合，结合了全局特征信息和局部特征信息，形成行为特征值。
S3：数据分析单元获取行为特征，并通过神经网络判断该行为是否属于违规行为，若是，则执行步骤S4；
此神经网络算法基于双通道神经网络算法，双通道即两个通道采用不同的神经网络算法，对于上述获得的行为特征值，其中局部特征值STIP特征采用基于递归神经网络的算法去进行分析得到通道一值，其中全局特征值MHI特征和STV特征值采用基于卷积神经网络的算法去进行分析得到通道二值，再对通道一值和通道二值进行加权处理，得到行为分析结果。
算法训练主要是基于历史数据库和被用户确认了的违章行为数据去分析。此训练不仅在系统建立时进行训练，同时在数据库更新时也进行实时训练。
S4：判断违规行为类型，并根据违规行为类型，控制警示单元对应发出警示信息；
违规行为类型包括一般违规、较重违规和严重违规，一般违规可以采用口头警告，包括重要区域边界徘徊、快速奔跑和边走边看手机，较重违规需要行政处罚，包括翻越重要区域和未戴防护装备，严重违规需要行政处罚，包括转动机械上作业、禁烟区吸烟、吊装物下行走或逗留和未经允许进入受限空间；
警示单元包括施工现场扩音器、施工现场警报器和监控中心警示模块，监控中心警示模块内嵌于数据控制中台；
若判断为一般违规，则警示单元启动施工现场扩音器和施工现场警报器，分别发出语音提醒整改和警报声提醒，若判断为较重违规或严重违规，则警示单元启动监控中心警示模块，向监管人员发出通知显示施工现场出现较重违规或严重违规，提醒监管人员人工介入。
S5：将每次违规行为数据存入数据存储单元，并输入数据分析单元对神经网络进行训练。
如图2所示，本发明还提供一种用于实现上述基于神经网络的火力发电厂违规行为警示方法的系统，包括：
视频采集单元：用于获取施工人员现场施工时的监控视频数据；
数据处理单元：用于提取监控视频数据中的行为特征并发送到数据分析单元；
数据分析单元：存储神经网络模块，用于接收数据处理单元的行为特征数据，并进行行为分析，判断是否属于违规行为及违规行为类型；
数据存储单元：用于储存历史违规数据和预设违规行为数据，并发送至数据分析单元进行神经网络模块的训练；
警示单元：用于根据违规行为的类型，进行不同级别的警示；
数据控制中台：用于实时显示数据分析单元的分析结果，实现监管人员实时掌控现场人员的违规状态。
其中，数据处理单元包括目标分离模块、噪声去除模块和行为特征提取模块，目标分离模块用于将监控视频数据场景中的背景和目标分离，识别出待分析目标，噪声去除模块用于去除待分析目标中的干扰信号，如树叶抖动、水面波浪、灯光变化等，行为特征提取模块用于从去除背景和噪声的目标数据集合提取出行为特征数据。
警示单元包括施工现场扩音器、施工现场警报器和监控中心警示模块，施工现场扩音器用于在违规行为发生时，发出语音提醒整改，施工现场警报器用于在违规行为发生时，发出警报声提醒，监控中心警示模块内嵌于数据控制中台，用于向监管人员发出指令，提醒监管人员人工介入。
以上所述，仅为本发明的具体实施方式，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工作人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于神经网络的火力发电厂违规行为警示方法，其特征在于，包括以下步骤：
S1：视频采集单元获取监控视频数据；
S2：数据处理单元提取监控视频数据中的行为特征，并发送至数据分析单元；
S3：数据分析单元获取行为特征，并通过神经网络判断该行为是否属于违规行为，若是，则执行步骤S4；
S4：判断违规行为类型，并根据违规行为类型，控制警示单元对应发出警示信息。
2.根据权利要求1所述的一种基于神经网络的火力发电厂违规行为警示方法，其特征在于，所述的步骤S2具体包括：
S21：将监控视频数据场景中的背景和目标分离，识别得到待分析目标数据集；
S22：去除待分析目标数据集中的干扰信号，得到待提取目标数据集；
S23：进行行为特征提取，对待提取目标数据集提取出目标的特征数据。
3.根据权利要求2所述的一种基于神经网络的火力发电厂违规行为警示方法，其特征在于，所述的行为特征提取具体包括：首先分别进行全局特征提取和局部特征提取，然后完成全局特征和局部特征的融合，结合了全局特征信息和局部特征信息，完成行为特征的提取；
所述的全局特征提取用于对待分析目标进行描述，包括二维全局特征提取和三维全局特征提取，所述的二维全局特征提取采用MHI模板来保存对应的动作信息，得到MHI特征，用于体现运动发生的空间位和运动的时间顺序，所述的三维全局特征提取具体为：在三维空间中，通过监控视频数据得到3D时空体STV特征数据，得到STV特征；
所述的局部特征提取用于从目标中提取感兴趣点或块，得到STIP特征。
4.根据权利要求2所述的一种基于神经网络的火力发电厂违规行为警示方法，其特征在于，所述的干扰信号包括树叶抖动信号、水面波浪信号和灯光变化信号。
5.根据权利要求3所述的一种基于神经网络的火力发电厂违规行为警示方法，其特征在于，所述的步骤S3中，所述的神经网络采用基于双通道神经网络算法，所述的双通道神经网络算法中，两个通道采用的神经网络算法分别为基于递归神经网络的算法和基于卷积神经网络的算法，所述的基于递归神经网络的算法用于分析局部特征值的STIP特征，得到通道一值，所述的基于卷积神经网络的算法用于分析全局特征值的MHI特征和STV特征，得到通道二值，所述的双通道神经网络算法最终将通道一值和通道二值进行加权处理，得到行为分析结果。
6.根据权利要求1所述的一种基于神经网络的火力发电厂违规行为警示方法，其特征在于，所述的违规行为类型包括一般违规、较重违规和严重违规，所述的一般违规包括重要区域边界徘徊、快速奔跑和边走边看手机，所述的较重违规包括翻越重要区域和未戴防护装备，所述的严重违规包括转动机械上作业、禁烟区吸烟、吊装物下行走或逗留和未经允许进入受限空间；
所述的警示单元包括施工现场扩音器、施工现场警报器和监控中心警示模块，所述的监控中心警示模块内嵌于数据控制中台；
所述的步骤S4中，若判断为一般违规，则警示单元启动施工现场扩音器和施工现场警报器，分别发出语音提醒整改和警报声提醒，若判断为较重违规或严重违规，则警示单元启动监控中心警示模块，向监管人员发出通知显示施工现场出现较重违规或严重违规，提醒监管人员人工介入。
7.根据权利要求1所述的一种基于神经网络的火力发电厂违规行为警示方法，其特征在于，该方法还包括：
S5：将每次违规行为数据存入数据存储单元，并输入数据分析单元对神经网络进行训练。
8.一种用于实现如权利要求1-7任一项所述的基于神经网络的火力发电厂违规行为警示方法的系统，其特征在于，包括：
视频采集单元：用于获取施工人员现场施工时的监控视频数据；
数据处理单元：用于提取监控视频数据中的行为特征并发送到数据分析单元；
数据分析单元：存储神经网络模块，用于接收数据处理单元的行为特征数据，并进行行为分析，判断是否属于违规行为及违规行为类型；
数据存储单元：用于储存历史违规数据和预设违规行为数据，并发送至数据分析单元进行神经网络模块的训练；
警示单元：用于根据违规行为的类型，进行不同级别的警示；
数据控制中台：用于实时显示数据分析单元的分析结果，实现监管人员实时掌控现场人员的违规状态。
9.根据权利要求8所述的一种基于神经网络的火力发电厂违规行为警示系统，其特征在于，所述的数据处理单元包括目标分离模块、噪声去除模块和行为特征提取模块，所述的目标分离模块用于将监控视频数据场景中的背景和目标分离，识别出待分析目标，所述的噪声去除模块用于去除待分析目标中的干扰信号，所述的行为特征提取模块用于从去除背景和噪声的目标数据集合提取出行为特征数据。
10.根据权利要求8所述的一种基于神经网络的火力发电厂违规行为警示系统，其特征在于，所述的警示单元包括施工现场扩音器、施工现场警报器和监控中心警示模块，所述的施工现场扩音器用于在违规行为发生时，发出语音提醒整改，所述的施工现场警报器用于在违规行为发生时，发出警报声提醒，所述的监控中心警示模块内嵌于数据控制中台，用于向监管人员发出指令，提醒监管人员人工介入。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011229892.4A CN112530144B (zh) | 2020-11-06 | 2020-11-06 | 一种基于神经网络的火力发电厂违规行为警示方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011229892.4A CN112530144B (zh) | 2020-11-06 | 2020-11-06 | 一种基于神经网络的火力发电厂违规行为警示方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112530144A true CN112530144A (zh) | 2021-03-19 |
| CN112530144B CN112530144B (zh) | 2022-06-28 |
Family
ID=74979788
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011229892.4A Active CN112530144B (zh) | 2020-11-06 | 2020-11-06 | 一种基于神经网络的火力发电厂违规行为警示方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112530144B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113255542A (zh) * | 2021-06-02 | 2021-08-13 | 北京容联易通信息技术有限公司 | 一种基于违规行为识别的违规对象身份识别方法 |
| CN113436426A (zh) * | 2021-06-22 | 2021-09-24 | 北京时空数智科技有限公司 | 一种基于视频ai分析的人员行为警示系统 |
| CN114040164A (zh) * | 2021-11-09 | 2022-02-11 | 南通中安高科电子有限公司 | 一种基于图像视频实时监控的人员作业安全监理云平台 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| EP3557487A1 (de) * | 2018-04-20 | 2019-10-23 | ZF Friedrichshafen AG | Generieren von validierungsdaten mit generativen kontradiktorischen netzwerken |
| CN110866458A (zh) * | 2019-10-28 | 2020-03-06 | 北京影谱科技股份有限公司 | 基于三维卷积神经网络的多人动作检测与识别方法与装置 |
| CN111047824A (zh) * | 2019-12-20 | 2020-04-21 | 睿住科技有限公司 | 一种室内儿童看护联动控制预警方法及系统 |
-
2020
- 2020-11-06 CN CN202011229892.4A patent/CN112530144B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3557487A1 (de) * | 2018-04-20 | 2019-10-23 | ZF Friedrichshafen AG | Generieren von validierungsdaten mit generativen kontradiktorischen netzwerken |
| 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 |
| CN110866458A (zh) * | 2019-10-28 | 2020-03-06 | 北京影谱科技股份有限公司 | 基于三维卷积神经网络的多人动作检测与识别方法与装置 |
| CN111047824A (zh) * | 2019-12-20 | 2020-04-21 | 睿住科技有限公司 | 一种室内儿童看护联动控制预警方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| TUAN TUE THI等: "Integrating local action elements for action analysis", 《COMPUTER VISION AND IMAGE UNDERSTANDING》 * |
| TUAN TUE THI等: "Integrating local action elements for action analysis", 《COMPUTER VISION AND IMAGE UNDERSTANDING》, 31 December 2012 (2012-12-31), pages 1 - 18 * |
| 谭论正等: "基于pLSA模型的人体动作识别", 《国防科技大学学报》, no. 05, 28 October 2013 (2013-10-28) * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113255542A (zh) * | 2021-06-02 | 2021-08-13 | 北京容联易通信息技术有限公司 | 一种基于违规行为识别的违规对象身份识别方法 |
| CN113436426A (zh) * | 2021-06-22 | 2021-09-24 | 北京时空数智科技有限公司 | 一种基于视频ai分析的人员行为警示系统 |
| CN114040164A (zh) * | 2021-11-09 | 2022-02-11 | 南通中安高科电子有限公司 | 一种基于图像视频实时监控的人员作业安全监理云平台 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112530144B (zh) | 2022-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112530144B (zh) | 一种基于神经网络的火力发电厂违规行为警示方法和系统 | |
| CN109300471B (zh) | 融合声音采集识别的场区智能视频监控方法、装置及系统 | |
| CN106341661B (zh) | 巡逻机器人 | |
| CN108802758B (zh) | 一种基于激光雷达的智能安防监控装置、方法和系统 | |
| CN114418145A (zh) | 基于gim的变电站数字孪生方法及系统 | |
| CN110889339B (zh) | 基于头肩检测的危险区域分级预警方法与系统 | |
| KR101988356B1 (ko) | 공사현장의 3차원 디지털화 및 가상 건설영상 분석을 통한 인공지능 스마트 현장관리 시스템 | |
| CN101017591A (zh) | 基于生物传感和图像信息融合的视频安防监控方法 | |
| CN112804489B (zh) | 基于互联网+的智慧工地管理系统及方法 | |
| CN115527340A (zh) | 一种基于无人机与监控摄像的智慧工地安全监测系统及方法 | |
| CN102592408A (zh) | 基于视觉信息分析的智能哨位安全预警系统 | |
| CN112188164A (zh) | 一种基于ai视觉的违规行为实时监测系统及方法 | |
| CN112613449A (zh) | 一种基于视频人脸图像的安全帽佩戴检测识别方法及系统 | |
| CN111652128B (zh) | 一种高空电力作业安全监测方法、系统和存储装置 | |
| CN112149576A (zh) | 一种基于图像分析的电梯安全实时监测管理系统 | |
| CN110928305A (zh) | 用于铁路客运车站巡更机器人的巡更方法及系统 | |
| CN112576310B (zh) | 基于机器人的隧道安防检测方法及系统 | |
| CN104574729A (zh) | 一种报警方法、装置及系统 | |
| CN114140738A (zh) | 一种基于图像识别的车间安全隐患智能监测系统与方法 | |
| KR100978373B1 (ko) | 무인 에이브이 기록 장치를 이용한 시설물 관리시스템 | |
| CN115019463B (zh) | 基于人工智能技术的水域监管系统 | |
| CN116523492A (zh) | 水电站监管方法及系统、电子设备和存储介质 | |
| CN116665419A (zh) | 电力生产作业中基于ai分析的故障智能预警系统及方法 | |
| CN105243355A (zh) | 一种基于事件驱动的煤层气井站异常场景远程无线安全监测方法 | |
| CN114281656A (zh) | 一种智能中控系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |