CN112651275A - 人员密集场所踩踏事故诱因行为智能识系统 - Google Patents

人员密集场所踩踏事故诱因行为智能识系统 Download PDF

Info

Publication number
CN112651275A
CN112651275A CN202010902050.4A CN202010902050A CN112651275A CN 112651275 A CN112651275 A CN 112651275A CN 202010902050 A CN202010902050 A CN 202010902050A CN 112651275 A CN112651275 A CN 112651275A
Authority
CN
China
Prior art keywords
behavior
early warning
accident
data
intelligent
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
CN202010902050.4A
Other languages
English (en)
Inventor
卢颖
吕希凡
郭良杰
仇乐
余易凡
路越茗
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 CN202010902050.4A priority Critical patent/CN112651275A/zh
Publication of CN112651275A publication Critical patent/CN112651275A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • 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
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Abstract

本发明公开了人员密集场所踩踏事故诱因行为智能识系统，包括以下步骤：行为数据采集模块，行为数据采集模块由Kinect红外摄像设备采集人员骨骼坐标数据，采集的数据经所述行为数据转化与显示模块进行关节角变换和三维立体显示，变换的数据经内置算法和标准行为库对比完成不安全诱因行为的智能识别与预警。本发明系统装置结构简单，界面操作使用方便，不安全行为识别准确率高，提高了踩踏事故预警的前置水平，有利于在人员密集场所重点防控部位推广应用。

Description

人员密集场所踩踏事故诱因行为智能识系统
技术领域
本发明涉及城市公共安全踩踏事故预警技术领域，尤其涉及人员密集场所踩踏事故诱因行为智能识系统。
背景技术
城市化进程中，群众聚集频次及密度极大化趋势凸显。各类娱乐场所、学校、体育场馆、商业综合体等人员密集场所一旦发生突发事件，极有可能诱发踩踏，造成重特大安全事故，威胁城市公共安全。因此，人员密集场所踩踏事故防范已成为城市公共安全领域不可忽略的潜在风险点。
踩踏事故预警是有效防范的重要技术之一。当前踩踏预警技术集中于基于群体动力学的视频图像监控与处理技术，根据群体运动波形峰值及频率确定预警阈值，而一旦人群出现“涌浪”现象，可供预警和应急响应的时间极为紧迫，故受该技术限制的预警原理导致预警前置时间有限。为解决此问题，引入一种基于智能视频监控的动作识别技术，动作识别能够在更微观层面接近个体诱发动作，在人群“涌浪”形成前完成诱因动作辨识和预警分级，提高踩踏事故预警的前置率。
发明内容
基于背景技术存在的技术问题，本发明提出了人员密集场所踩踏事故诱因行为智能识系统。
本发明提出的人员密集场所踩踏事故诱因行为智能识系统，包括以下步骤：
S1：行为数据采集模块，行为数据采集模块由Kinect红外摄像设备采集人员骨骼坐标数据，采集的数据经所述行为数据转化与显示模块进行关节角变换和三维立体显示，变换的数据经内置算法和标准行为库对比完成不安全诱因行为的智能识别与预警；
S2：行为数据转化与显示模块，行为数据转化与显示模块通过内置算法将采集到的人员骨骼坐标信息转换为关节角信息；
S3：行为智能识别模块，行为智能识别模块中建立有摔倒、打架斗殴、快速奔跑等踩踏事故诱因行为库，经所述行为数据转化模块处理后的数据与踩踏事故诱因行为库数据通过内置相似度动态时间规整算法计算，判断诱因行为发生的相似性，并与内置预警标准对比，获得采集到的诱因行为的预警等级，并通过WPF界面系统进行预警分级显示。
优选地，所述S3中，WPF界面系统上设有行为数据采集模块、行为数据转化与显示模块、行为智能识别模块的相应功能区。
优选地，所述S1中，诱因行为的预警等级以红、橙、黄、蓝四级分级显示，其中，红色等级为最高预警级别，表示该行为诱发踩踏事故的可能性高或造成的伤害大，需要立即采取强制性控制措施；橙色等级为第二预警级别，表示该行为诱发踩踏事故的可能性较高或造成的伤害较大，应至少采取声控提醒措施，建议可以采取强制性措施；黄色等级为第三预警级别，表示该行为诱发踩踏事故的可能性一般或造成的伤害一般，建议采取声控提醒措施；蓝色为第四预警级别，表示该行为诱发踩踏事故的可能性较低或造成的较小，建议继续观察。
优选地，所述S3中，WPF界面系统对应的行为数据转化与显示模块功能区，可以自主设置内置行为数据转化算法的运行频次。
优选地，所述S3中，WPF界面系统对应的行为智能识别模块功能区，可以自主设置行为智能识别算法的运行频次，并根据诱因行为的预警等级对识别结果进行智能预警，推送预警对策建议，提高踩踏事故预警前置率和应急响应水平。
本发明中的有益效果为：
1.系统装置结构简单，界面操作使用方便，不安全行为识别准确率高，提高了踩踏事故预警的前置水平，有利于在人员密集场所重点防控部位推广应用。
附图说明
图1为本发明提出的人员密集场所踩踏事故诱因行为智能识系统的模块示意图。
图中：1行为数据采集模块、11Kinect智能摄像设备、12Kinect智能摄像设备的电源线及接口、13Kinect智能摄像设备的数据线及接口、2计算机、21行为数据转化与显示模块、22行为智能识别模块。
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。
参照图1，人员密集场所踩踏事故诱因行为智能识系统，包括以下步骤：
S1：行为数据采集模块，行为数据采集模块由Kinect红外摄像设备采集人员骨骼坐标数据，采集的数据经行为数据转化与显示模块进行关节角变换和三维立体显示，变换的数据经内置算法和标准行为库对比完成不安全诱因行为的智能识别与预警；
S2：行为数据转化与显示模块，行为数据转化与显示模块通过内置算法将采集到的人员骨骼坐标信息转换为关节角信息；
S3：行为智能识别模块，行为智能识别模块中建立有摔倒、打架斗殴、快速奔跑等踩踏事故诱因行为库，经行为数据转化模块处理后的数据与踩踏事故诱因行为库数据通过内置相似度动态时间规整算法计算，判断诱因行为发生的相似性，并与内置预警标准对比，获得采集到的诱因行为的预警等级，并通过WPF界面系统进行预警分级显示。
本发明S3中，WPF界面系统上设有行为数据采集模块、行为数据转化与显示模块、行为智能识别模块的相应功能区，S1中，诱因行为的预警等级以红、橙、黄、蓝四级分级显示，其中，红色等级为最高预警级别，表示该行为诱发踩踏事故的可能性高或造成的伤害大，需要立即采取强制性控制措施；橙色等级为第二预警级别，表示该行为诱发踩踏事故的可能性较高或造成的伤害较大，应至少采取声控提醒措施，建议可以采取强制性措施；黄色等级为第三预警级别，表示该行为诱发踩踏事故的可能性一般或造成的伤害一般，建议采取声控提醒措施；蓝色为第四预警级别，表示该行为诱发踩踏事故的可能性较低或造成的较小，建议继续观察，S3中，WPF界面系统对应的行为数据转化与显示模块功能区，可以自主设置内置行为数据转化算法的运行频次，S3中，WPF界面系统对应的行为智能识别模块功能区，可以自主设置行为智能识别算法的运行频次，并根据诱因行为的预警等级对识别结果进行智能预警，推送预警对策建议，提高踩踏事故预警前置率和应急响应水平。
首先，对人员密集场所重点防范部位开展Kinect智能摄像设备布置和行为数据采集。运用行为数据采集模块1：将Kinect智能摄像设备11通过电源线12接通电源，通过数据线13与计算机2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红外摄像采集检测人员密集场所人的骨骼坐标信息，并存储于计算机2中。
然后，对采集的数据进行转化与显示。运用行为数据转化与显示模块21：设置行为数据进行转化的运行频次，在本实施例中设置算法检测运行频次为60秒/次，即每隔1分钟行为数据转化模块将对采集的数据进行一次自动转化。转化后的数据通过WPF界面系统显示，显示内容为所检测采集到的人员数量及其骨骼关节角三维状态。行为数据转化原理为：通过Kinect智能摄像设备采集到的人体骨骼坐标数据在计算机2中通过内置算法提取关节角度作为特征向量，将数据进行归一化预处理，实现从骨骼坐标数据到骨骼关节角数据的转化。
最后，对转化的数据进行智能识别，运用行为智能识别模块22：设置行为相似度识别算法的运行频次，算法检测运行频次为300秒/次，即每隔5分钟行为智能识别模块将对转化后的数据进行一次自动相似度识别。通过内置的动态时间规整算法算法，计算转化后的数据与诱因行为库相关数据的相似度。将相似度与内置预警标准对比，获得采集到的诱因行为的预警等级。
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 (5)

1.人员密集场所踩踏事故诱因行为智能识系统，其特征在于，包括以下步骤：
S1：行为数据采集模块，行为数据采集模块由Kinect红外摄像设备采集人员骨骼坐标数据，采集的数据经所述行为数据转化与显示模块进行关节角变换和三维立体显示，变换的数据经内置算法和标准行为库对比完成不安全诱因行为的智能识别与预警；
S2：行为数据转化与显示模块，行为数据转化与显示模块通过内置算法将采集到的人员骨骼坐标信息转换为关节角信息；
S3：行为智能识别模块，行为智能识别模块中建立有摔倒、打架斗殴、快速奔跑等踩踏事故诱因行为库，经所述行为数据转化模块处理后的数据与踩踏事故诱因行为库数据通过内置相似度动态时间规整算法计算，判断诱因行为发生的相似性，并与内置预警标准对比，获得采集到的诱因行为的预警等级，并通过WPF界面系统进行预警分级显示。
2.根据权利要求1所述的人员密集场所踩踏事故诱因行为智能识系统，其特征在于，所述S3中，WPF界面系统上设有行为数据采集模块、行为数据转化与显示模块、行为智能识别模块的相应功能区。
3.根据权利要求1所述的人员密集场所踩踏事故诱因行为智能识系统，其特征在于，所述S1中，诱因行为的预警等级以红、橙、黄、蓝四级分级显示，其中，红色等级为最高预警级别，表示该行为诱发踩踏事故的可能性高或造成的伤害大，需要立即采取强制性控制措施；橙色等级为第二预警级别，表示该行为诱发踩踏事故的可能性较高或造成的伤害较大，应至少采取声控提醒措施，建议可以采取强制性措施；黄色等级为第三预警级别，表示该行为诱发踩踏事故的可能性一般或造成的伤害一般，建议采取声控提醒措施；蓝色为第四预警级别，表示该行为诱发踩踏事故的可能性较低或造成的较小，建议继续观察。
4.根据权利要求1所述的人员密集场所踩踏事故诱因行为智能识系统，其特征在于，所述S3中，WPF界面系统对应的行为数据转化与显示模块功能区，可以自主设置内置行为数据转化算法的运行频次。
5.根据权利要求1所述的人员密集场所踩踏事故诱因行为智能识系统，其特征在于，所述S3中，WPF界面系统对应的行为智能识别模块功能区，可以自主设置行为智能识别算法的运行频次，并根据诱因行为的预警等级对识别结果进行智能预警，推送预警对策建议，提高踩踏事故预警前置率和应急响应水平。
CN202010902050.4A 2020-09-01 2020-09-01 人员密集场所踩踏事故诱因行为智能识系统 Pending CN112651275A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010902050.4A CN112651275A (zh) 2020-09-01 2020-09-01 人员密集场所踩踏事故诱因行为智能识系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010902050.4A CN112651275A (zh) 2020-09-01 2020-09-01 人员密集场所踩踏事故诱因行为智能识系统

Publications (1)

Publication Number Publication Date
CN112651275A true CN112651275A (zh) 2021-04-13

Family

ID=75346171

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010902050.4A Pending CN112651275A (zh) 2020-09-01 2020-09-01 人员密集场所踩踏事故诱因行为智能识系统

Country Status (1)

Country Link
CN (1) CN112651275A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113554364A (zh) * 2021-09-23 2021-10-26 深圳市信润富联数字科技有限公司 灾害应急管理方法、装置、设备及计算机存储介质

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
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
US20180129873A1 (en) * 2015-04-16 2018-05-10 University Of Essex Enterprises Limited Event detection and summarisation
CN108665691A (zh) * 2018-08-22 2018-10-16 张菁菁 一种智能防拥挤踩踏的预警与导流的系统及方法
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
CN111160150A (zh) * 2019-12-16 2020-05-15 盐城吉大智能终端产业研究院有限公司 基于深度残差神经网络卷积的视频监控人群行为的识别方法

Patent 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
US20180129873A1 (en) * 2015-04-16 2018-05-10 University Of Essex Enterprises Limited Event detection and summarisation
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
CN108665691A (zh) * 2018-08-22 2018-10-16 张菁菁 一种智能防拥挤踩踏的预警与导流的系统及方法
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
CN111160150A (zh) * 2019-12-16 2020-05-15 盐城吉大智能终端产业研究院有限公司 基于深度残差神经网络卷积的视频监控人群行为的识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高立青: "治安监控视频大数据中的行人行为识别方法", 中国博士学位论文全文数据库 信息科技辑, no. 8, pages 138 - 21 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113554364A (zh) * 2021-09-23 2021-10-26 深圳市信润富联数字科技有限公司 灾害应急管理方法、装置、设备及计算机存储介质

Similar Documents

Publication Publication Date Title
CN109657592B (zh) 一种智能挖掘机的人脸识别方法
CN113516076B (zh) 一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法
CN113191699A (zh) 一种配电施工现场安全监管方法
Choi et al. Driver drowsiness detection based on multimodal using fusion of visual-feature and bio-signal
CN103049740A (zh) 基于视频图像的疲劳状态检测方法及装置
JP2019523943A (ja) 視覚的且つ動的な運転シーンの知覚的負荷を決定する制御装置、システム及び方法
CN104821060A (zh) 一种抢劫预警方法及装置
CN112489368A (zh) 智能跌倒识别与检测报警方法及系统
CN110103816B (zh) 一种驾驶状态检测方法
CN105139029A (zh) 一种监狱服刑人员的行为识别方法及装置
Alshbatat et al. Automated vision-based surveillance system to detect drowning incidents in swimming pools
CN112651275A (zh) 人员密集场所踩踏事故诱因行为智能识系统
CN110176128A (zh) 一种驾驶员疲劳驾驶预警处理系统
CN207020820U (zh) 闯红灯监控系统
CN116965781B (zh) 一种驾驶员生命体征和驾驶行为监控方法及系统
CN113762115B (zh) 一种基于关键点检测的配网作业人员行为检测方法
CN114241400A (zh) 电网系统的监控方法及其装置、计算机可读存储介质
CN114694067A (zh) 一种智慧工地监理方法、系统及计算机可读存储介质
CN116631172B (zh) 一种基于门锁和电子门铃联动的预警方法及装置
CN113420626A (zh) 一种施工现场安全行为判别方法和存储设备
CN112735405A (zh) 一种安全性高的基于动作行为的列车人机语音交互系统
CN111461655A (zh) 一种人员管理系统
CN117690189B (zh) 一种基于人工智能的充电站危险行为识别方法和监控系统
Priya et al. Machine Learning-Based System for Detecting and Tracking Driver Drowsiness
Tang et al. A fatigue driving detection approach based on TPU computing device

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