CN112633387A - 一种安全提醒方法、装置、设备、系统及存储介质 - Google Patents
一种安全提醒方法、装置、设备、系统及存储介质 Download PDFInfo
- Publication number
- CN112633387A CN112633387A CN202011573813.1A CN202011573813A CN112633387A CN 112633387 A CN112633387 A CN 112633387A CN 202011573813 A CN202011573813 A CN 202011573813A CN 112633387 A CN112633387 A CN 112633387A
- Authority
- CN
- China
- Prior art keywords
- safety
- target object
- information
- state
- current environment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000007613 environmental effect Effects 0.000 claims abstract description 44
- 238000012549 training Methods 0.000 claims abstract description 25
- 238000000605 extraction Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 abstract description 4
- 238000012706 support-vector machine Methods 0.000 description 12
- 230000001133 acceleration Effects 0.000 description 10
- 238000013527 convolutional neural network Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G08B21/02—Alarms for ensuring the safety of persons
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种安全提醒方法、装置、设备、系统及存储介质,涉及机器学习技术领域,方法包括获取当前环境的图像数据以及处于当前环境中的目标对象的状态信息;将图像数据输入训练获得的图像识别模型,以获得当前环境的环境信息;根据环境信息和状态信息,基于预设安全方案,判断目标对象所处的状态是否存在安全风险;若目标对象存在安全风险,生成安全警示指令,以发出安全警示提醒。本发明解决了现有技术无法针对危险环境进行安全提醒的问题,实现了辅助人们识别危险场景,进行安全提醒的目的,降低了安全事故的发生概率。
Description
技术领域
本发明涉及机器学习技术领域,尤其涉及一种安全提醒方法、装置、设备、系统及存储介质。
背景技术
随着物联网技术和计算机学习技术的兴起,各种传统行业都在尝试新的技术体验。在日常生活中,老人、小孩等群体对待危险环境的判断有时候不太准确,容易造成安全事故的发生。比如,过马路时,小孩子看不懂红绿灯,一些存在红绿视力障碍的人看不出来红绿变化,还有一些低头族,沉迷于玩手机等等情况,特别容易产生交通事故。
因此,提供一种针对危险环境进行安全提醒的安全提醒方法、装置、设备、系统及存储介质是亟待解决的问题。
发明内容
本发明的主要目的在于:提供一种安全提醒方法、装置、设备、系统及存储介质,旨在解决现有技术无法针对危险环境进行安全提醒的技术问题。
为实现上述目的,本发明采用如下技术方案:
第一方面,本发明提供了一种安全提醒方法,所述方法包括以下步骤:
获取当前环境的图像数据以及处于所述当前环境中的目标对象的状态信息;
将所述图像数据输入训练获得的图像识别模型,以获得所述当前环境的环境信息;
根据所述环境信息和所述状态信息,基于预设安全方案,判断所述目标对象所处的状态是否存在安全风险;
若所述目标对象存在安全风险,生成安全警示指令,以发出安全警示提醒。
可选地,上述安全提醒方法中,所述将所述图像数据输入训练获得的图像识别模型,以获得所述当前环境的环境信息的步骤,具体包括:
利用CNN算法,对所述图像数据进行特征提取,获得包含环境信息的特征数据;
利用SVM算法,对所述特征数据进行分类识别,获得当前环境的环境信息。
可选地,上述安全提醒方法中,在利用CNN算法,对所述图像数据进行特征提取,获得包含环境信息的特征数据的步骤之前,所述方法还包括:
对所述图像数据依次进行筛选、清洗和降噪处理,以获取包含环境信息的图像数据。
可选地,上述安全提醒方法中,在获取当前环境的图像数据以及处于所述当前环境中的目标对象的状态信息的步骤之前,所述方法还包括:
获取所述当前环境的视频数据;
对所述视频数据进行视频帧提取,获取当前环境的图像数据。
可选地,上述安全提醒方法中,所述状态信息包括所述目标对象的移动状态;
所述根据所述环境信息和所述状态信息,基于预设安全方案,判断所述目标对象所处的状态是否存在安全风险的步骤,具体包括:
根据所述环境信息,获取预设安全方案中与所述环境信息对应的移动状态;
判断所述目标对象的移动状态和与所述环境信息对应的移动状态是否一致;
当所述目标对象的移动状态和与所述环境信息对应的移动状态一致时,判定所述目标对象所处的状态不存在安全风险。
可选地,上述安全提醒方法中,所述根据所述环境信息和所述状态信息,基于预设安全方案,判断所述目标对象所处的状态是否存在安全风险的步骤,还包括:
当所述目标对象的移动状态和与所述环境信息对应的移动状态不一致时,判定所述目标对象所处的状态存在安全风险。
第二方面,本发明提供了一种安全提醒装置,所述装置包括:
数据获取模块,用于获取当前环境的图像数据以及处于所述当前环境中的目标对象的状态信息;
图像识别模块,用于将所述图像数据输入训练获得的图像识别模型,以获得所述当前环境的环境信息;
数据分析模块,用于根据所述环境信息和所述状态信息,基于预设安全方案,判断所述目标对象所处的状态是否存在安全风险;
指令生成模块,用于若所述目标对象存在安全风险,生成安全警示指令,以发出安全警示提醒。
第三方面,本发明提供了一种安全提醒设备,所述设备包括:
图像采集模块,用于采集当前环境的图像数据;
状态采集模块,用于采集处于所述当前环境中的目标对象的状态信息;
安全分析模块,用于将所述图像数据输入训练获得的图像识别模型,以获得所述当前环境的环境信息;根据所述环境信息和所述状态信息,基于预设安全方案,判断所述目标对象是否存在安全风险;并在所述目标对象存在安全风险时,生成安全警示指令;
安全警示模块,用于根据安全警示指令,发出安全警示提醒。
第四方面,本发明提供了一种安全提醒系统,所述系统包括:终端设备和后台服务设备;
所述终端设备,用于采集当前环境的图像数据以及处于所述当前环境中的目标对象的状态信息,并将所述图像数据以及所述状态信息传输给所述后台服务设备;
所述后台服务设备,用于将所述图像数据输入训练获得的图像识别模型,以获得所述当前环境的环境信息;根据所述环境信息和所述状态信息,基于预设安全方案,判断所述目标对象是否存在安全风险;并在所述目标对象存在安全风险时,生成安全警示指令;
所述终端设备还用于根据所述安全警示指令,发出安全警示提醒。
第五方面,本发明提供了一种存储介质,其上存储有计算机程序,所述计算机程序可被一个或多个处理器执行,以实现如上述的安全提醒方法。
本发明提供的上述一个或多个技术方案,可以具有如下优点或至少实现了如下技术效果:
本发明提出的一种安全提醒方法、装置、设备、系统及存储介质,通过将所述图像数据输入训练获得的图像识别模型,获取当前环境的环境信息;再根据处于所述当前环境中的目标对象的状态信息,基于预设安全方案,判断所述目标对象所处的状态是否存在安全风险;从而生成安全警示指令,进行安全警示提醒。本发明辅助人们识别存在安全风险的场景,并及时进行提醒,降低了安全事故发生的概率,同时,可预设多种安全方案,针对性地进行安全提醒。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的这些附图获得其他的附图。
图1为本发明实施例一提供的一种安全提醒方法的流程示意图;
图2为本发明实施例二提供的一种安全提醒装置的程序模块示意图;
图3为本发明实施例三提供的一种安全提醒设备的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
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,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,所描述的实施例只是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
在本发明中,除非另有明确的规定和限定,术语“连接”、“固定”等应做广义理解,例如,“固定”可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连;可以是两个元件内部的连通,也可以是两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
另外,若本发明实施例中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,全文中出现的“和/或”的含义,包括三个并列的方案,以“A和/或B”为例,包括A方案、或B方案、或A和B同时满足的方案。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时,应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
鉴于现有技术中无法针对危险环境进行安全提醒的技术问题,参照图1,本发明提供了一种安全提醒方法,总体思路如下:
获取当前环境的图像数据以及处于所述当前环境中的目标对象的状态信息;将所述图像数据输入训练获得的图像识别模型,以获得所述当前环境的环境信息;根据所述环境信息和所述状态信息,基于预设安全方案,判断所述目标对象所处的状态是否存在安全风险;若所述目标对象存在安全风险,生成安全警示指令,以发出安全警示提醒。
通过上述技术方案,将所述图像数据输入训练获得的图像识别模型,获取当前环境的环境信息;再根据处于所述当前环境中的目标对象的状态信息,基于预设安全方案,判断所述目标对象所处的状态是否存在安全风险;从而生成安全警示指令,进行安全警示提醒。本发明辅助人们识别存在安全风险的场景,并及时进行提醒,降低了安全事故发生的概率,同时,可预设多种安全方案,针对性地进行安全提醒。
实施例一
参照图1,本发明第一实施例提供了一种安全提醒方法,所述方法可以由安全提醒装置来执行,也可以应用于安全提醒设备中,还可以分为两端应用于安全提醒系统中。
该安全提醒装置可以与摄像头、加速度传感器和扬声器集成于同一终端设备,比如,集成于便携式移动设备或电子设备,或者装饰用电子设备,例如,吊坠大小的挂件,胸针等等,以方便用户携带。当然,该安全提醒装置也可以独立设置。摄像头用于采集当前环境的图像数据;加速度传感器用于采集处于所述当前环境中的目标对象的状态信息;扬声器用于根据安全提醒装置输出的安全警示指令,发出安全警示提醒。
该安全提醒装置通过硬件和/或软件的方式实现,接收来自于摄像头采集的当前环境的图像数据和来自于加速度传感器采集的处于所述当前环境中的目标对象的状态信息;执行本实施例中的安全提醒方法后,生成安全警示指令,发送给扬声器,进行安全警示提醒。
该安全提醒装置以软件的方式实现,可以为带有摄像头、加速度传感器和扬声器,以及存储器和处理器的主体设备上安装的应用程序。由该应用程序调用摄像头采集当前环境的图像数据,并调用加速度传感器采集处于所述当前环境中的目标对象的状态信息,应用程序中植入有三个进行安全提醒分析的模块,一个为用于将所述图像数据输入训练获得的图像识别模型,以获得所述当前环境的环境信息的图像识别模块,一个为用于根据所述环境信息和所述状态信息,基于预设安全方案,判断所述目标对象所处的状态是否存在安全风险的数据分析模块,还有一个为用于若所述目标对象存在安全风险,生成安全警示指令,以发出安全警示提醒的指令生成模块。
该安全提醒设备为包括存储器和处理器的终端设备,内部植入有四个模块,分别为:用于采集当前环境的图像数据的图像采集模块;用于采集处于所述当前环境中的目标对象的状态信息的状态采集模块;用于将所述图像数据输入训练获得的图像识别模型,以获得所述当前环境的环境信息,根据所述环境信息和所述状态信息,基于预设安全方案,判断所述目标对象是否存在安全风险,并在所述目标对象存在安全风险时,生成安全警示指令的安全分析模块;以及用于根据安全警示指令,发出安全警示提醒的安全警示模块。
该安全提醒系统包括终端设备和后台服务设备;所述终端设备,用于采集当前环境的图像数据以及处于所述当前环境中的目标对象的状态信息,并将所述图像数据以及所述状态信息传输给所述后台服务设备;所述后台服务设备,用于将所述图像数据输入训练获得的图像识别模型,以获得所述当前环境的环境信息;根据所述环境信息和所述状态信息,基于预设安全方案,判断所述目标对象是否存在安全风险;并在所述目标对象存在安全风险时,生成安全警示指令;所述终端设备还用于根据所述安全警示指令,发出安全警示提醒。
所述终端设备可以是便携式的移动设备或电子设备,也可以是包括存储器和处理器的装饰用电子设备,例如,吊坠大小的挂件,胸针等等,以方便用户携带。所述后台服务设备可以是云端服务器,也可以是后台服务器。
下面结合图1所示的一种安全提醒方法的流程示意图,对本实施例提供的安全提醒方法进行详细描述,所述方法具体包括以下步骤:
步骤S101:获取当前环境的图像数据以及处于所述当前环境中的目标对象的状态信息。
具体的,可以直接通过摄像头获取当前环境的图像数据以及处于所述当前环境中的目标对象的状态信息;也可以在摄像头采集到用户所在的当前环境的视频数据后,对所述视频数据进行视频帧提取,获取当前环境的图像数据。
具体的,所述状态信息包括所述目标对象的移动状态。可以直接通过加速度传感器获取处于所述当前环境中的目标对象的实时参数,基于预设的参数阈值范围,根据该实时参数判断目标对象的移动状态,所述移动状态可以是行走状态、可以是跑步状态、也可以是静止状态。还可以通过加速度传感器获取到处于所述当前环境中的目标对象的实时参数后,在根据该实时参数判断目标对象的移动状态时,再通过陀螺仪对目标对象进行定位修正或精确,以获取更为准确的目标对象的状态信息。
在一种实施方式中,在获取当前环境的图像数据以及处于所述当前环境中的目标对象的状态信息的步骤之前,所述方法还包括:
步骤S100.a:获取所述当前环境的视频数据;
具体的,可以直接通过摄像头获取所述当前环境的视频数据,其中,可根据实际需求对应选择摄像头的规格和类型,比如,针对装饰性的终端设备,防止设备体积过大,采用针孔摄像头。当前环境的视频数据,可以是用户行走时的前方环境,可以是用户骑行时的侧方环境,也可以是用户爬山时的周围环境等等;
步骤S100.b:对所述视频数据进行视频帧提取,获取当前环境的图像数据。
具体的,在获取到当前环境的视频数据后,将所述视频数据进行逐帧提取,提取出多个图像数据,作为当前环境的图像数据;
本实施例中,当用户在过马路,走红绿灯时,通过摄像头获取用户前方红绿灯的视频数据,再对所述视频数据进行视频帧提取,获取到用户当前所在位置的前方红绿灯的多个图像数据。并通过加速度传感器采集用户的移动速度,基于预设的移动速度阈值范围,根据用户的移动速度获取用户的移动状态,比如行走状态或是停止状态。
步骤S102:将所述图像数据输入训练获得的图像识别模型,以获得所述当前环境的环境信息。
具体的,所述图像识别模型为通过人工智能机器学习算法训练获得的图像识别模型。
在一种实施方式中,所述将所述图像数据输入训练获得的图像识别模型,以获得所述当前环境的环境信息的步骤,具体包括:
步骤S102.1:利用CNN算法,对所述图像数据进行特征提取,获得包含环境信息的特征数据。
具体的,卷积神经网络(Convolutional Neural Network,简称CNN),是人工智能(Artificial Intelligence,简称AI)机器学习中的一种前馈神经网络算法,它的人工神经元可以响应一部分覆盖范围内的周围单元,可以应用于语音识别、图像处理和图像识别等领域。CNN算法能够学习大量的输入与输出之间的映射关系,而不需要任何输入和输出之间的精确的数学表达式,只要用已知的模式对卷积网络加以训练,网络就具有输入到输出之间的映射能力。
利用CNN算法对步骤101获取的图像数据进行特征提取,获取包含环境信息的特征数据。在本实施例中,对步骤101获取到的包含红绿灯信息的图像数据进行特征提取,提取出其中的红绿灯信息的相关数据。
步骤S102.2:利用SVM算法,对所述特征数据进行分类识别,获得当前环境的环境信息。
具体的,支持向量机(Support Vector Machine,简称SVM),是一种二分类模型,在人像识别、文本分类等模式识别问题中有得到应用。SVM模型实质上是一种按监督学习方式对数据进行二元分类的广义线性分类器。对于输入空间中的非线性分类问题,SVM模型可以通过非线性变换将它转化为某个维特征空间中的线性分类问题,在高维特征空间中学习线性支持向量机。
具体的,利用SVM算法得到的SVM模型,对步骤102.1获取的包含环境信息的特征数据进行分类识别,提取出其中包含的具体的环境信息。在本实施例中,利用SVM模型对步骤102.1获取到的红绿灯信息的相关数据进行分类识别,识别出红绿灯信息具体的状态,比如,是红灯状态,黄灯状态或是绿灯状态,以此作为当前环境的环境信息。
通过CNN算法提取特征后利用SVM算法进行分类,采用的上述AI算法不断进行学习,对SVM模型不断进行训练,可以提高后续分类识别的准确度,防止误识别导致误报警提醒的情况。
在另一种实施方式中,在利用CNN算法,对所述图像数据进行特征提取,获得包含环境信息的特征数据的步骤之前,所述方法还包括:
步骤S102.a:对所述图像数据依次进行筛选、清洗和降噪处理,以获取包含环境信息的图像数据。
具体的,利用了图像处理技术,获取包含环境信息的图像数据。图像处理技术,是一种对图像进行处理、分析和理解,以识别各种不同模式的目标和对象的技术。
在具体实施方式中,在获取到当前环境的多个图像数据后,对多个图像数据进行筛选,筛选出包含有指定环境因素的若干个图像数据,过滤掉无用的图像数据,再对所述图像数据进行清洗和降噪,防止多余的其他环境因素干扰环境信息的识别结果;
本实施例中,对步骤S101获取到的用户当前所在位置的前方红绿灯的多个图像数据依次进行筛选、清洗和降噪处理后,获取到包含红绿灯信息的图像数据。
步骤S103:根据所述环境信息和所述状态信息,基于预设安全方案,判断所述目标对象所处的状态是否存在安全风险。
在一种实施方式中,所述状态信息包括所述目标对象的移动状态;所述根据所述环境信息和所述状态信息,基于预设安全方案,判断所述目标对象所处的状态是否存在安全风险的步骤,具体包括:
步骤S103.1:根据所述环境信息,获取预设安全方案中与所述环境信息对应的移动状态。
具体的,预设安全方案可以包括红绿灯安全方案、爬山安全方案等等,具体根据实际情况设定。以红绿灯安全方案为例,设定的方案具体为:当环境信息为红灯信息时,与其对应的移动状态应为停止状态;当环境信息为绿灯信息时,与其对应的移动状态应为行走状态或跑步状态;当环境信息为黄灯信息时,与其对应的移动状态应为行走状态。
本实施例中,根据所述环境信息,获取当所述环境信息为红灯信息时,对应的移动状态为停止状态;当所述环境信息为绿灯信息时,对应的移动状态为行走状态。
步骤S103.2:判断所述目标对象的移动状态和与所述环境信息对应的移动状态是否一致。
具体的,当所述目标对象的移动状态,即用户的实际移动状态,与步骤103.1获取的预设安全方案中的与所述环境信息对应的移动状态,即用户在此环境下安全的合理的移动状态,进行对比,判断是否一致。
步骤S103.3:当所述目标对象的移动状态和与所述环境信息对应的移动状态一致时,判定所述目标对象所处的状态不存在安全风险。
具体的,当用户的实际移动状态与预设安全方案中的移动状态一致时,说明用户不存在对当前环境安全判断错误的情况,用户不存在安全风险,便不需要报警;再返回步骤S101继续获取下一个预设时间段之后的当前环境的图像数据以及目标对象的状态信息。
在另一种实施方式中,所述根据所述环境信息和所述状态信息,基于预设安全方案,判断所述目标对象所处的状态是否存在安全风险的步骤,还包括:
步骤S103.4:当所述目标对象的移动状态和与所述环境信息对应的移动状态不一致时,判定所述目标对象所处的状态存在安全风险。
具体的,当目标对象的实际移动状态与预设安全方案中的移动状态不一致时,说明目标对象可能存在对当前环境安全判断错误的情况,或是没有注意到当前环境安全,用户可能存在安全风险,这时就需要提醒目标对象,注意脚下安全,或是注意侧方安全等等。
本实施例中,当环境信息为红灯时,用户的移动状态为行走状态,而预设安全方案中对应的移动状态应该为停止状态,说明用户可能没有注意到红灯,或是用户对红灯判断错误,比如,红绿色盲患者或不具备红绿识别能力的小孩,则判定用户存在安全风险。
步骤S104:若所述目标对象存在安全风险,生成安全警示指令,以发出安全警示提醒。
具体的,通过上述方法判断出目标对象存在安全风险时,生成安全警示指令,立即进行安全提醒,防止发生安全事故。其中,进行安全提醒的方式可以根据实际使用的终端设备进行选择,比如,可以进行语音提醒,震动提醒,声光提醒,或它们中的一种或几种的组合。
本实施例中,当环境信息为红灯,而用户的移动状态为行走状态时,步骤103识别到用户存在安全风险,生成安全警示指令,并发送到用户随身携带的终端设备上,提醒用户当前为红灯,不要再往前走。
本实施例提供的一种安全提醒方法,通过将所述图像数据输入训练获得的图像识别模型,获取当前环境的环境信息;再根据处于所述当前环境中的目标对象的状态信息,基于预设安全方案,判断所述目标对象所处的状态是否存在安全风险;从而生成安全警示指令,进行安全警示提醒。本发明辅助人们识别存在安全风险的场景,并及时进行提醒,降低了安全事故发生的概率,同时,可预设多种安全方案,针对性地进行安全提醒。
实施例二
基于同一发明构思,参照图2,本发明第二实施例提供了一种安全提醒装置,所述装置包括:处理器和存储器,其中,所述处理器用于执行存储在所述存储器中的以下程序模块:
数据获取模块,用于获取当前环境的图像数据以及处于所述当前环境中的目标对象的状态信息;
图像识别模块,用于将所述图像数据输入训练获得的图像识别模型,以获得所述当前环境的环境信息;
数据分析模块,用于根据所述环境信息和所述状态信息,基于预设安全方案,判断所述目标对象所处的状态是否存在安全风险;
指令生成模块,用于若所述目标对象存在安全风险,生成安全警示指令,以发出安全警示提醒。
上述程序模块的功能的具体实施方式可参见实施例一,本实施例在此不再重复赘述。
所述处理器可以是专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(Digital Signal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable LogicDevice,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行如上述程序模块的功能。
所述存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
实施例三
基于同一发明构思,参照图3,本发明第三实施例提供了一种安全提醒设备,所述设备包括:
图像采集模块,用于采集当前环境的图像数据;
状态采集模块,用于采集处于所述当前环境中的目标对象的状态信息;
安全分析模块,用于将所述图像数据输入训练获得的图像识别模型,以获得所述当前环境的环境信息;根据所述环境信息和所述状态信息,基于预设安全方案,判断所述目标对象是否存在安全风险;并在所述目标对象存在安全风险时,生成安全警示指令;
安全警示模块,用于根据安全警示指令,发出安全警示提醒。
具体的,所述设备可以是手机、电脑或平板电脑等,包括存储器和处理器,所述存储器上存储有计算器程序,用于存储各种类型的数据,这些数据例如可以包括电子设备中的任何应用程序或方法的指令,以及应用程序相关的数据。所述处理器用于执行所述存储器中存储的计算机程序,以实现如实施例一中所述的安全提醒方法中的全部或部分步骤。
在具体实施方式中,所述设备上设置有摄像头、加速度传感器和扬声器,以及存储器和处理器。摄像头与图像采集模块连接,加速度传感器与状态采集模块连接,扬声器与安全警示模块连接。所述设备还可以包括陀螺仪、环境探测传感器,比如,烟雾传感器、燃气传感器等等,进行功能拓展。
具体的,所述设备还可以为集成了上述模块的芯片的装饰用电子设备,例如,吊坠大小的挂件,胸针等等,以方便用户携带。随身携带的设备,只需要具备可以采集视频数据的摄像头和采集状态信息的传感器,以及进行提醒的语音播放器即可,内部结构简单,成本低。
具体的,根据安全警示指令,发出安全警示提醒的方式可以为:根据安全警示指令,调取存储在终端设备存储器中的多种音频文件,对应不同的安全警示指令,通过不同的语音进行提醒,可根据实际情况设定。比如,“前方红灯,请停止前行”、“前方绿灯,请注意转弯车辆”、“前方有障碍,请注意躲避”等等。当根据安全警示指令,调取出对应的音频文件后,通过语音输出组件进行播放,以对所述目标对象进行安全提醒,比如,可以通过扬声器进行播放,播放音频文件后,用户听到安全提醒,便会引起注意,采取对应的措施,保证自身安全。
具体的,所述设备还包括其他提醒组件,用于在语音提醒的同时,增加其他安全提醒方式,比如,可以增加震动提醒,声光提醒,或它们中的一种或几种的组合。
实施例四
基于同一发明构思,本发明第四实施例提供了一种安全提醒系统,所述系统包括:终端设备和后台服务设备;
所述终端设备,用于采集当前环境的图像数据以及处于所述当前环境中的目标对象的状态信息,并将所述图像数据以及所述状态信息传输给所述后台服务设备;
所述后台服务设备,用于将所述图像数据输入训练获得的图像识别模型,以获得所述当前环境的环境信息;根据所述环境信息和所述状态信息,基于预设安全方案,判断所述目标对象是否存在安全风险;并在所述目标对象存在安全风险时,生成安全警示指令;
所述终端设备还用于根据所述安全警示指令,发出安全警示提醒。
所述终端设备与所述后台服务设备连接,可以是有线连接,也可以是无线连接;可以是通信连接,也可以是网络连接。例如,Wi-Fi,蓝牙,近场通信,2G、3G、4G或5G,或它们中的一种或几种的组合。
在具体实施方式中,所述终端设备可以是便携式移动设备或电子设备,也可以是包括存储器和处理器的装饰设备,例如,吊坠大小的挂件,胸针等等,以方便用户携带。所述后台服务设备可以是云端服务器,也可以是后台服务器。
实施例五
基于同一发明构思,本实施例提供了一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,所述计算机程序被处理器执行时可以实现如下方法步骤:
步骤S201:获取当前环境的图像数据以及处于所述当前环境中的目标对象的状态信息;
步骤S202:将所述图像数据输入训练获得的图像识别模型,以获得所述当前环境的环境信息;
步骤S203:根据所述环境信息和所述状态信息,基于预设安全方案,判断所述目标对象所处的状态是否存在安全风险;
步骤S204:若所述目标对象存在安全风险,生成安全警示指令,以发出安全警示提醒。
上述方法步骤的具体实施例过程可参见实施例一,本实施例在此不再重复赘述。
以上所述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,凡是在本发明的发明构思下,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,均包括在本发明的专利保护范围内。
Claims (10)
1.一种安全提醒方法,其特征在于,所述方法包括以下步骤:
获取当前环境的图像数据以及处于所述当前环境中的目标对象的状态信息;
将所述图像数据输入训练获得的图像识别模型,以获得所述当前环境的环境信息;
根据所述环境信息和所述状态信息,基于预设安全方案,判断所述目标对象所处的状态是否存在安全风险;
若所述目标对象存在安全风险,生成安全警示指令,以发出安全警示提醒。
2.如权利要求1所述的安全提醒方法,其特征在于,所述将所述图像数据输入训练获得的图像识别模型,以获得所述当前环境的环境信息的步骤,具体包括:
利用CNN算法,对所述图像数据进行特征提取,获得包含环境信息的特征数据;
利用SVM算法,对所述特征数据进行分类识别,获得当前环境的环境信息。
3.如权利要求2所述的安全提醒方法,其特征在于,在利用CNN算法,对所述图像数据进行特征提取,获得包含环境信息的特征数据的步骤之前,所述方法还包括:
对所述图像数据依次进行筛选、清洗和降噪处理,以获取包含环境信息的图像数据。
4.如权利要求1所述的安全提醒方法,其特征在于,在获取当前环境的图像数据以及处于所述当前环境中的目标对象的状态信息的步骤之前,所述方法还包括:
获取所述当前环境的视频数据;
对所述视频数据进行视频帧提取,获取当前环境的图像数据。
5.如权利要求1所述的安全提醒方法,其特征在于,所述状态信息包括所述目标对象的移动状态;
所述根据所述环境信息和所述状态信息,基于预设安全方案,判断所述目标对象所处的状态是否存在安全风险的步骤,具体包括:
根据所述环境信息,获取预设安全方案中与所述环境信息对应的移动状态;
判断所述目标对象的移动状态和与所述环境信息对应的移动状态是否一致;
当所述目标对象的移动状态和与所述环境信息对应的移动状态一致时,判定所述目标对象所处的状态不存在安全风险。
6.如权利要求5所述的安全提醒方法,其特征在于,所述根据所述环境信息和所述状态信息,基于预设安全方案,判断所述目标对象所处的状态是否存在安全风险的步骤,还包括:
当所述目标对象的移动状态和与所述环境信息对应的移动状态不一致时,判定所述目标对象所处的状态存在安全风险。
7.一种安全提醒装置,其特征在于,所述装置包括:
数据获取模块,用于获取当前环境的图像数据以及处于所述当前环境中的目标对象的状态信息;
图像识别模块,用于将所述图像数据输入训练获得的图像识别模型,以获得所述当前环境的环境信息;
数据分析模块,用于根据所述环境信息和所述状态信息,基于预设安全方案,判断所述目标对象所处的状态是否存在安全风险;
指令生成模块,用于若所述目标对象存在安全风险,生成安全警示指令,以发出安全警示提醒。
8.一种安全提醒设备,其特征在于,所述设备包括:
图像采集模块,用于采集当前环境的图像数据;
状态采集模块,用于采集处于所述当前环境中的目标对象的状态信息;
安全分析模块,用于将所述图像数据输入训练获得的图像识别模型,以获得所述当前环境的环境信息;根据所述环境信息和所述状态信息,基于预设安全方案,判断所述目标对象是否存在安全风险;并在所述目标对象存在安全风险时,生成安全警示指令;
安全警示模块,用于根据安全警示指令,发出安全警示提醒。
9.一种安全提醒系统,其特征在于,所述系统包括:终端设备和后台服务设备;
所述终端设备,用于采集当前环境的图像数据以及处于所述当前环境中的目标对象的状态信息,并将所述图像数据以及所述状态信息传输给所述后台服务设备;
所述后台服务设备,用于将所述图像数据输入训练获得的图像识别模型,以获得所述当前环境的环境信息;根据所述环境信息和所述状态信息,基于预设安全方案,判断所述目标对象是否存在安全风险;并在所述目标对象存在安全风险时,生成安全警示指令;
所述终端设备还用于根据所述安全警示指令,发出安全警示提醒。
10.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序可被一个或多个处理器执行,以实现如权利要求1至6中任意一项所述的安全提醒方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011573813.1A CN112633387A (zh) | 2020-12-25 | 2020-12-25 | 一种安全提醒方法、装置、设备、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011573813.1A CN112633387A (zh) | 2020-12-25 | 2020-12-25 | 一种安全提醒方法、装置、设备、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112633387A true CN112633387A (zh) | 2021-04-09 |
Family
ID=75325759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011573813.1A Pending CN112633387A (zh) | 2020-12-25 | 2020-12-25 | 一种安全提醒方法、装置、设备、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112633387A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114177621A (zh) * | 2021-12-15 | 2022-03-15 | 乐元素科技(北京)股份有限公司 | 数据处理方法及装置 |
CN114912636A (zh) * | 2022-05-09 | 2022-08-16 | 安徽继远检验检测技术有限公司 | 基于手持终端的目标电网设备智能检测方法和系统 |
CN115208977A (zh) * | 2022-07-04 | 2022-10-18 | 珠海格力电器股份有限公司 | 一种使用电子设备时的安全提醒方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107036605A (zh) * | 2017-03-14 | 2017-08-11 | 广东小天才科技有限公司 | 一种基于可穿戴设备进行导航的方法及可穿戴设备 |
CN107133572A (zh) * | 2017-04-11 | 2017-09-05 | 北京小米移动软件有限公司 | 基于用户运动状态下的障碍物提示方法、装置及终端 |
CN107798821A (zh) * | 2017-10-18 | 2018-03-13 | 广东欧珀移动通信有限公司 | 安全提醒方法、装置、移动终端及可读存储介质 |
CN109166141A (zh) * | 2018-08-10 | 2019-01-08 | Oppo广东移动通信有限公司 | 危险提醒方法、装置、存储介质及移动终端 |
KR20190112973A (ko) * | 2018-03-27 | 2019-10-08 | 임용제 | 차량 간 통신 환경에서 취약 도로 사용자 보호 방법 및 그를 위한 장치 |
-
2020
- 2020-12-25 CN CN202011573813.1A patent/CN112633387A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107036605A (zh) * | 2017-03-14 | 2017-08-11 | 广东小天才科技有限公司 | 一种基于可穿戴设备进行导航的方法及可穿戴设备 |
CN107133572A (zh) * | 2017-04-11 | 2017-09-05 | 北京小米移动软件有限公司 | 基于用户运动状态下的障碍物提示方法、装置及终端 |
CN107798821A (zh) * | 2017-10-18 | 2018-03-13 | 广东欧珀移动通信有限公司 | 安全提醒方法、装置、移动终端及可读存储介质 |
KR20190112973A (ko) * | 2018-03-27 | 2019-10-08 | 임용제 | 차량 간 통신 환경에서 취약 도로 사용자 보호 방법 및 그를 위한 장치 |
CN109166141A (zh) * | 2018-08-10 | 2019-01-08 | Oppo广东移动通信有限公司 | 危险提醒方法、装置、存储介质及移动终端 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114177621A (zh) * | 2021-12-15 | 2022-03-15 | 乐元素科技(北京)股份有限公司 | 数据处理方法及装置 |
CN114177621B (zh) * | 2021-12-15 | 2024-03-22 | 乐元素科技(北京)股份有限公司 | 数据处理方法及装置 |
CN114912636A (zh) * | 2022-05-09 | 2022-08-16 | 安徽继远检验检测技术有限公司 | 基于手持终端的目标电网设备智能检测方法和系统 |
CN115208977A (zh) * | 2022-07-04 | 2022-10-18 | 珠海格力电器股份有限公司 | 一种使用电子设备时的安全提醒方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112633387A (zh) | 一种安全提醒方法、装置、设备、系统及存储介质 | |
CN109584507B (zh) | 驾驶行为监测方法、装置、系统、交通工具和存储介质 | |
CN107545225B (zh) | 一种检测车载驾驶员违规行为的方法、装置及电子设备 | |
CN111310562B (zh) | 基于人工智能的车辆驾驶风险管控方法及其相关设备 | |
CN110837815A (zh) | 一种基于卷积神经网络的驾驶员状态监测方法 | |
KR20180113447A (ko) | 전자 장치, 그의 경고 메시지 제공 방법 및 비일시적 컴퓨터 판독가능 기록매체 | |
US10614693B2 (en) | Dangerous situation notification apparatus and method | |
CN105632049A (zh) | 一种基于可穿戴设备的预警方法和装置 | |
CN110588512A (zh) | 一种危险驾驶识别与预警装置、方法及系统 | |
CN112200081A (zh) | 异常行为识别方法、装置、电子设备及存储介质 | |
CN111532280A (zh) | 一种基于操作感知的车辆控制系统及方法 | |
CN106097653A (zh) | 跌倒报警的方法和系统 | |
CN112299172A (zh) | 手势求救的识别方法、装置及存储介质 | |
WO2022161139A1 (zh) | 行驶朝向检测方法、装置、计算机设备及存储介质 | |
CN113111782A (zh) | 基于显著对象检测的视频监控方法及装置 | |
CN112699802A (zh) | 一种驾驶员微表情检测装置及方法 | |
CN109451385A (zh) | 一种基于使用耳机时的提醒方法以及装置 | |
KR102051136B1 (ko) | 클라우드서버를 기반을 하는 인공지능 대쉬보드로봇을 이용한 사용자 상태인식시스템 | |
CN112820072A (zh) | 危险驾驶预警方法、装置、计算机设备及存储介质 | |
Lashkov et al. | Driver dangerous state detection based on OpenCV & dlib libraries using mobile video processing | |
CN113569718A (zh) | 提醒方法、装置、设备、系统和存储介质 | |
CN112990069A (zh) | 异常驾驶行为检测方法、装置、终端及介质 | |
CN113887457A (zh) | 盲区行人检测方法及系统 | |
CN115147818A (zh) | 玩手机行为识别方法及装置 | |
CN114332913A (zh) | 一种电动汽车的行人提示音控制方法、装置及电子设备 |
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 |