CN112651306A - 工具取用监控方法及装置 - Google Patents
工具取用监控方法及装置 Download PDFInfo
- Publication number
- CN112651306A CN112651306A CN202011454904.3A CN202011454904A CN112651306A CN 112651306 A CN112651306 A CN 112651306A CN 202011454904 A CN202011454904 A CN 202011454904A CN 112651306 A CN112651306 A CN 112651306A
- Authority
- CN
- China
- Prior art keywords
- tool
- personnel
- information
- access
- operation image
- 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 65
- 238000012544 monitoring process Methods 0.000 title claims abstract description 60
- 230000004044 response Effects 0.000 claims abstract description 7
- 238000003860 storage Methods 0.000 claims description 78
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012806 monitoring device Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000013136 deep learning model Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000151 deposition Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Human Computer Interaction (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
Abstract
本申请涉及计算机技术领域,提供了一种工具存取监控方法及装置,所述工具存取监控方法包括:基于摄像头采集的人脸图像,确定当前人员的人员身份信息;基于所述当前人员身份信息确定当前人员有权限,接收当前人员的第一输入指令;响应于所述第一输入指令,记录存取选择信息;基于摄像头采集的人员操作图像以及所述存取选择信息,更新工具状态信息;基于所述人员身份信息、所述存取选择信息和所述工具状态信息,确定工具存取记录。本申请提供的工具存取监控方法及装置,通过摄像头采集的人脸图像来确定人员身份信息和工具存取权限,并获取工具状态信息,以得到工具存取记录,能够对工具的存取状态进行实时监控,能够提高工具的使用效率。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种工具取用监控方法及装置。
背景技术
对于设备制造和维修车间,工具的使用时必不可少的,比如螺丝刀、铁锤和扳手等工具的使用频率非常高,但现实中常常出现因为遗忘而丢失工具的情况,久而久之工具的数量会越来越少,当急需使用工具的时候就不容易找到,影响制造和维修工作的效率。
为了解决工具遗失的问题,目前主要通过人工对工具进行统计和管理,这样需要消耗人力成本,且对工具取用的监控能力有限,使得工具的使用效率较低,管理成本较高。
发明内容
本申请提供一种工具存取监控方法及装置,以实现对工具的存取状态进行实时监控,能够提高工具的使用效率。
本申请提供一种工具存取监控方法,所述工具存取监控方法包括:基于摄像头采集的人脸图像,确定当前人员的人员身份信息;基于所述当前人员身份信息确定当前人员有权限,接收当前人员的第一输入指令;响应于所述第一输入指令,记录存取选择信息;基于摄像头采集的人员操作图像以及所述存取选择信息,更新工具状态信息;基于所述人员身份信息、所述存取选择信息和所述工具状态信息,确定工具存取记录。
根据本申请提供的一种工具存取监控方法,所述基于摄像头采集的人脸图像,确定当前人员的人员身份信息,包括:将所述人脸图像输入至身份识别模型,输出所述人员身份信息;其中,所述身份识别模型为,以人脸图像样本数据为样本,以预先确定的与所述人脸图像样本数据对应的人员身份信息样本数据为样本标签进行训练得到。
根据本申请提供的一种工具存取监控方法,所述基于摄像头采集的人员操作图像以及所述存取选择信息,更新工具状态信息,包括:若所述存取选择信息为存放,则基于所述人员操作图像,确定工具类别信息;基于所述工具类别信息,开启所述工具类别信息对应的工具存放门;基于所述人员操作图像和工具存放门关闭状态,得到所述工具状态信息。
根据本申请提供的一种工具存取监控方法,所述基于所述人员操作图像,确定工具类别信息,包括:将所述人员操作图像输入至工具类别识别模型,输出所述工具类别信息;其中,所述工具类别识别模型为,以人员操作图像样本数据为样本,以预先确定的与所述人员操作图像样本数据对应的工具类别信息样本数据为样本标签进行训练得到。
根据本申请提供的一种工具存取监控方法,所述基于摄像头采集的人员操作图像以及所述存取选择信息,更新工具状态信息,包括:若所述存取选择信息为取出,接收当前人员的第二输入指令;响应于所述第二输入指令,开启所述第二输入指令对应的工具存放门;基于所述人员操作图像和工具存放门关闭状态,得到所述工具状态信息。
根据本申请提供的一种工具存取监控方法,所述基于所述人员操作图像和工具存放门关闭状态,得到所述工具状态信息,包括:将所述人员操作图像和所述工具存放门关闭状态输入至工具状态识别模型,输出工具状态信息;其中,所述工具状态识别模型为,以人员操作图像样本数据以及工具存放门关闭状态样本数据为样本,以预先确定的与所述人员操作图像样本数据以及所述工具存放门关闭状态样本数据对应的工具状态信息样本数据为样本标签进行训练得到。
根据本申请提供的一种工具存取监控方法,所述工具存取监控方法还包括:确定当前人员无权限,则生成异常情况记录,并且发出语音提醒信号。
本申请还提供一种工具存取监控装置,所述工具存取监控装置包括:第一确定模块,用于基于摄像头采集的人脸图像,确定当前人员的人员身份信息;接收模块,用于基于所述当前人员身份信息确定当前人员有权限,接收当前人员的第一输入指令;记录模块,用于响应于所述第一输入指令,记录存取选择信息;更新模块,用于基于摄像头采集的人员操作图像以及所述存取选择信息,更新工具状态信息;第二确定模块,用于基于所述人员身份信息、所述存取选择信息和所述工具状态信息,确定工具存取记录。
根据本申请提供的一种工具存取监控装置,所述更新模块,包括:第一更新子模块,用于若所述存取选择信息为存放,则基于所述人员操作图像,确定工具类别信息;第二更新子模块,用于基于所述工具类别信息,开启所述工具类别信息对应的工具存放门;第三更新子模块,用于基于所述人员操作图像和工具存放门关闭状态,得到所述工具状态信息。
根据本申请提供的一种工具存取监控装置,所述更新模块还包括:第四更新子模块,用于若所述存取选择信息为取出,接收当前人员的第二输入指令;第五更新子模块,用于响应于所述第二输入指令,开启所述第二输入指令对应的工具存放门;第六更新子模块,用于基于所述人员操作图像和工具存放门关闭状态,得到所述工具状态信息。
本申请还提供一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述任一种所述工具存取监控方法的步骤。
本申请还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述工具存取监控方法的步骤。
本申请提供的工具存取监控方法及装置,通过摄像头采集的人脸图像来确定人员身份信息和工具存取权限,并获取工具状态信息,以得到工具存取记录,能够通过人脸识别实现防盗效果,且能够对工具的存取状态进行实时监控,能够提高工具的使用效率。
附图说明
为了更清楚地说明本申请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一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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,还可以根据这些附图获得其他的附图。
图1是本申请提供的工具存取监控方法的流程示意图之一;
图2是本申请提供的工具存取监控方法中步骤400的实施方式的流程示意图之一;
图3是本申请提供的工具存取监控方法中步骤400的实施方式的流程示意图之二;
图4是本申请提供的工具存取监控装置的结构示意图;
图5是本申请提供的工具存取监控装置的更新模块的结构示意图之一;
图6是本申请提供的工具存取监控装置的更新模块的结构示意图之二;
图7是本申请提供的工具存取监控方法的程序框图;
图8是本申请提供的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请中的附图,对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
下面结合图1-图8描述本申请的工具存取监控方法及系统。
如图1所示,本申请提供一种工具存取监控方法,该工具存取监控方法包括:如下步骤100-步骤500。
其中,步骤100、基于摄像头采集的人脸图像,确定当前人员的人员身份信息。
可以理解的是,该工具存放监控方法可以适用于仓库,仓库中可以放置有工具柜,各种不同的工具按照工具的种类分门别类地放置在工具柜的不同柜层中,不同的柜层都有工具存放门,工具存放门门可以采用智能锁进行锁定,工具柜可以通过工具存放门开关控制工具存放门的开闭。
工具柜设置有摄像头,摄像头能够拍摄目标区域的实时图像,此处当人员处于目标区域时,摄像头能够采集到人脸图像。
通过人脸图像,可以确定人员身份信息,此处人员身份信息与人脸图像是一一对应的,
当摄像头采集到人脸图像时,可以通过基于人脸特征点的识别算法、基于整幅人脸图像的识别算法、基于模板的识别算法或者利用神经网络进行识别的算法,确定对应的人员身份信息,进而找到对应的工具存取权限。本领域技术人员可以采用任意一种方法进行人脸识别,以得到人脸身份信息,本申请实施例对此不进行限定。
步骤200、基于当前人员身份信息确定当前人员有权限,接收当前人员的第一输入指令。
可以在数据库中预先存取多个人员的人员身份信息和工具存取权限,并采集多个人员人脸图像,在数据库中建立人脸图像与人员身份信息以及工具存取权限的对应关系。
工具存取权限可以为:有权限和无权限,有权限指的是该人员的人员身份信息已经预存在数据库中,该人员能够被允许进行工具取用,无权限指的是该人员的人员身份信息并未预存在数据库中,该人员不被允许进行工具取用。
若当前人员有权限,此时该人员被允许进行工具取用,此时该人员可以进行存取操作,该人员可以在工具柜上输入第一输入指令,第一输入指令可以为存放或者取出。
步骤300、响应于第一输入指令,记录存取选择信息。
可以理解的是,根据当前用户的第一输入指令,可以记录存取选择信息,存取选择信息可以为存放或者取出。
步骤400、基于摄像头采集的人员操作图像以及存取选择信息,更新工具状态信息。
工具状态信息可以包括对应的柜层中的工具数量增减情况,工具状态信息用于表征工具柜中的特定工具的在柜状态,比如工具状态信息可以被描述为:扳手,减少1把;锤子,增加1把。
可以根据摄像头采集的人员操作图像以及存取选择信息,来确定在当前人员操作期间,工具柜中特定工具的在柜状态,也就是可以更新工具状态信息。
步骤500、基于人员身份信息、存取选择信息和工具状态信息,确定工具存取记录。
可以理解的是,工具存取记录用于表征特定人员在特定时间点进行的工具取还情况,可以通过上述步骤中得到的人员身份信息、工具状态信息和存取选择信息,来确定工具存取记录,人员身份信息和工具状态信息和存取选择信息,来得到工具存取记录。
工具存取记录还可以包括时间信息。
比如,某一次工具存取记录可以被描述为:2020年12月3日15:00;张三;取出;扳手,减少1把。
管理人员能够根据工具存放记录知晓工具的存取情况,还可以根据一段时间内的工具存取记录来统计各种工具的在柜情况,进而确定是否应该及时催促归还或者及时进行补货,这样能够对工具存取起到高效的监控作用。
值得注意的是,除了使用摄像头对人员验证外,还可以通过指纹对人员进行验证,确认人员身份信息和工具存取权限,可以采用RFID物理标签来对工具进行标记,以对工具进行区分。
本申请提供的工具存取监控方法,通过摄像头采集的人脸图像来确定人员身份信息和工具存取权限,并获取工具状态信息,以得到工具存取记录,能够通过人脸识别实现防盗效果,且能够对工具的存取状态进行实时监控,能够提高工具的使用效率。
在一些实施例中,上述步骤100、基于摄像头采集的人脸图像,确定当前人员的人员身份信息,包括:将人脸图像输入至身份识别模型,输出人员身份信息。
其中,身份识别模型为,以人脸图像样本数据为样本,以预先确定的与人脸图像样本数据对应的人员身份信息样本数据为样本标签进行训练得到。
可以理解的是,身份识别模型可以为卷积神经网络,卷积神经网络(Convolutional Neural Networks)是一种深度学习模型或类似于人工神经网络的多层感知器,常用来分析视觉图像。比如可以为Faster RCNN,Faster RCNN已经将特征抽取(feature extraction),proposal提取,bounding box regression(rect refine),classification都整合在了一个网络中,使得综合性能有较大提高,在检测速度方面尤为明显。
在对身份识别模型进行训练时,可以采用VOC2007的数据集形式,可以以人脸图像样本数据为样本,以预先确定的与人脸图像样本数据对应的人员身份信息样本数据为样本标签对身份识别模型进行训练,经过训练后身份识别模型能够准确识别出人脸图像对应的人员身份信息。
如图2所示,在一些实施例中,上述步骤400、基于摄像头采集的人员操作图像以及存取选择信息,更新工具状态信息,包括如下步骤401-步骤403。
其中,步骤401、若存取选择信息为存放,则基于人员操作图像,确定工具类别信息。
可以理解的是,工具柜上可以设置有操作面板,人员可以在操作面板上进行选择操作,可以选择存放或者取出,根据人员的选择操作,可以确定存取选择信息是存放还是取出。
如果存取选择信息为存放,说明人员携带有工具,需要将工具存放到对应的柜层中,此时人员携带工具进入识别区,通过摄像头采集到人员操作图像,人员操作图像为人员携带的工具的照片,可以通过图像识别,来确定工具类别信息,工具类别信息可以包括:锤子、扳手、螺丝刀或者直尺等工具类别。
步骤402、基于工具类别信息,开启工具类别信息对应的工具存放门。
可以理解的是,由于工具存放门和工具类别信息是一一对应的,在确定工具类别信息后,可以控制开启该工具类别信息对应的柜层的工具存放门,此时人员可以将携带的工具放置到该柜层,并手动关闭工具存放门。
步骤403、基于人员操作图像和工具存放门关闭状态,得到工具状态信息。
可以理解的是,当识别到工具存放门关闭时,可以得到工具状态信息,此处可以采用摄像头拍摄的人员操作图像和工具存放门关闭状态,来判断当前人员携带的工具是否已经被放置到相应的柜层,工具存放门关闭状态能够用于辅助判断当前人员的本次存放操作是否已经结束。
在一些实施例中,上述步骤202、基于人员操作图像,确定工具类别信息,包括:将人员操作图像输入至工具类别识别模型,输出工具类别信息。
其中,工具类别识别模型为,以人员操作图像样本数据为样本,以预先确定的与人员操作图像样本数据对应的工具类别信息样本数据为样本标签进行训练得到。
可以理解的是,工具类别识别模型可以为卷积神经网络,卷积神经网络(Convolutional Neural Networks)是一种深度学习模型或类似于人工神经网络的多层感知器,常用来分析视觉图像。比如可以为Faster RCNN,Faster RCNN已经将特征抽取(feature extraction),proposal提取,bounding box regression(rect refine),classification都整合在了一个网络中,使得综合性能有较大提高,在检测速度方面尤为明显。
在对工具类别识别模型进行训练时,可以采用VOC2007的数据集形式,可以以人员操作图像样本数据为样本,以预先确定的与人员操作图像样本数据对应的工具类别信息样本数据为样本标签对工具类别识别模型进行训练,经过训练后工具类别识别模型能够准确识别出人员操作图像对应的工具类别信息。
如图3所示,在一些实施例中,上述步骤400、基于摄像头采集的人员操作图像以及存取选择信息,更新工具状态信息,包括如下步骤411-步骤413。
其中,步骤411、若存取选择信息为取出,接收当前人员的第二输入指令。
可以理解的是,如果存取选择信息为取出,当前人员可以在操作面板上进一步选取工具类别,工具柜可以接收到当前人员的第二输入指令,第二输入指令用于表示用户输入的工具类别。
步骤412、响应于所述第二输入指令,开启所述第二输入指令对应的工具存放门。
第二输入指令可以为工具存放门的编码,也就是说,工具存放门可以具有对应的编码,当人员输入第二输入指令时,控制工具柜开启第二输入指令所对应的工具存放门。
当然,在一些实施例中,第二输入指令可以和工具类别信息一一对应,根据人员输入的第二输入指令,可以确定工具类别信息,工具类别信息可以包括:锤子、扳手、螺丝刀或者直尺等工具类别。由于工具存放门和工具类别信息是一一对应的,在确定工具类别信息后,可以控制开启该工具类别信息对应的柜层的工具存放门,此时人员可以从该柜层取用工具,并手动关闭工具存放门。
步骤413、基于人员操作图像和工具存放门关闭状态,得到工具状态信息。
可以理解的是,当识别到工具存放门关闭时,可以得到工具状态信息,此时人员取走工具进入识别区,此处可以采用摄像头拍摄的人员操作图像以及工具存放门的关闭状态来判断工具状态信息,比如可以根据人员操作图像得到当前用户实际带走的工具的类型和数量,结合工具存放门关闭状态确定对应的工具是否已经完成了取出操作,并得到工具状态信息。
在一些实施例中,上述步骤413中基于人员操作图像和工具存放门关闭状态,得到工具状态信息,包括:将人员操作图像和工具存放门关闭状态输入至工具状态识别模型,输出工具状态信息。
其中,工具状态识别模型为,以人员操作图像样本数据以及工具存放门关闭状态样本数据为样本,以预先确定的与人员操作图像样本数据以及工具存放门关闭状态样本数据对应的工具状态信息样本数据为样本标签进行训练得到。
可以理解的是,工具状态识别模型可以为卷积神经网络,卷积神经网络(Convolutional Neural Networks)是一种深度学习模型或类似于人工神经网络的多层感知器,常用来分析视觉图像。比如可以为Faster RCNN,Faster RCNN已经将特征抽取(feature extraction),proposal提取,bounding box regression(rect refine),classification都整合在了一个网络中,使得综合性能有较大提高,在检测速度方面尤为明显。
在对工具状态识别模型进行训练时,可以采用VOC2007的数据集形式,可以以人员操作图像样本数据以及工具存放门关闭状态样本数据为样本,以预先确定的与人员操作图像样本数据以及工具存放门关闭状态样本数据对应的工具状态信息样本数据为样本标签对工工具状态识别模型进行训练,经过训练后工具状态识别模型能够准确识别出人员操作图像对应的工具类别信息。
在一些实施例中,该工具存取监控方法还包括:确定当前人员无权限,则生成异常情况记录,并且发出语音提醒信号。
可以理解的是,如果当前人员无权限,说明该人员的人员身份信息并未预存在数据库中,该人员不被允许进行工具取用,说明工具柜可能出现被盗情况,此时工具柜生成异常情况记录,可以通过邮件将异常情况发送给后台,后台可以为云端服务器,工具柜可以和云端服务器通信,并且工具柜可以发出语音提醒信号,告知进入目标区域的人员尽快离开。
这样能够进一步提升监控的智能化,强化防盗效果。
下面对本申请提供的工具存取监控装置进行描述,下文描述的工具存取监控装置与上文描述的工具存取监控方法可相互对应参照。
如图4所示,本申请还提供一种工具存取监控装置,该工具存取监控装置包括:第一确定模块410、接收模块420、记录模块430、更新模块440和第二确定模块450。
第一确定模块410,用于基于摄像头采集的人脸图像,确定当前人员的人员身份信息。
接收模块420,用于基于所述当前人员身份信息确定当前人员有权限,接收当前人员的第一输入指令。
记录模块430,用于响应于第一输入指令,记录存取选择信息。
更新模块440,用于基于摄像头采集的人员操作图像以及存取选择信息,更新工具状态信息。
第二确定模块450,用于基于人员身份信息、存取选择信息和工具状态信息,确定工具存取记录。
如图5所示,在一些实施例中,获取模块包括:第一更新子模块441、第二更新子模块442和第三更新子模块443。
第一更新子模块441,用于若存取选择信息为存放,则基于人员操作图像,确定工具类别信息。
第二更新子模块442,用于基于工具类别信息,开启工具类别信息对应的工具存放门。
第三更新子模块443,用于基于人员操作图像和工具存放门关闭状态,得到工具状态信息。
如图6所示,在一些实施例中,获取模块还包括:第四更新子模块444、第五更新子模块445和第六更新子模块446。
第四更新子模块444,用于若存取选择信息为取出,接收当前人员的第二输入指令。
第五更新子模块445,用于响应于所述第二输入指令,开启所述第二输入指令对应的工具存放门。
第六更新子模块446,用于基于人员操作图像和工具存放门关闭状态,得到工具状态信息。
本申请实施例提供的工具存取监控装置用于执行上述工具存取监控方法,其实施方式与本申请提供的工具存取监控方法的实施方式一致,且可以达到相同的有益效果,此处不再赘述。
如图7所示,示意出了本申请的工具存取监控方法的程序框图,基于该程序框图,可以实现对工具存取操作的有效监控,能够通过人脸识别实现防盗效果,且能够对工具的存取状态进行实时监控,能够提高工具的使用效率。
图8示例了一种电子设备的实体结构示意图,在一些实施例中,该电子设备可以安装于上述实施例所述的工具柜中,该电子设备可以和工具柜上的工具存放门开关电连接,还可以和工具柜上的摄像头电连接,还可以和工具柜上的操作面板电连接,该电子设备可以根据摄像头采集到的人脸图像和人员操作图像以及操作面板识别到的人员输入的第一输入指令和第二输入指令,来控制工具存放门开关,以及生成工具存取记录。
如图8所示,该电子设备可以包括:处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840,其中,处理器810,通信接口820,存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令,以执行工具存取监控方法,该方法包括:基于摄像头采集的人脸图像,确定当前人员的人员身份信息;确定当前人员有权限,接收当前人员的第一输入指令;响应于第一输入指令,记录存取选择信息;基于摄像头采集的人员操作图像以及存取选择信息,更新工具状态信息;基于人员身份信息、存取选择信息和工具状态信息,确定工具存取记录。
此外,上述的存储器830中的逻辑指令可以通过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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例提供的电子设备中的处理器810可以调用存储器830中的逻辑指令,实现上述工具存取监控方法,其实施方式与本申请提供的工具存取监控方法的实施方式一致,且可以达到相同的有益效果,此处不再赘述。
另一方面,本申请还提供一种计算机程序产品,下面对本申请提供的计算机程序产品进行描述,下文描述的计算机程序产品与上文描述的工具存取监控方法可相互对应参照。
计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令被计算机执行时,计算机能够执行上述各方法所提供的工具存取监控方法,该方法包括:基于摄像头采集的人脸图像,确定当前人员的人员身份信息;确定当前人员有权限,接收当前人员的第一输入指令;响应于第一输入指令,记录存取选择信息;基于摄像头采集的人员操作图像以及存取选择信息,更新工具状态信息;基于人员身份信息、存取选择信息和工具状态信息,确定工具存取记录。
本申请实施例提供的计算机程序产品被执行时,实现上述工具存取监控方法,其实施方式与本申请提供的工具存取监控方法的实施方式一致,且可以达到相同的有益效果,此处不再赘述。
又一方面,本申请还提供一种非暂态计算机可读存储介质,下面对本申请提供的非暂态计算机可读存储介质进行描述,下文描述的非暂态计算机可读存储介质与上文描述的工具存取监控方法可相互对应参照。
本申请还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各提供的工具存取监控方法,该方法包括:基于摄像头采集的人脸图像,确定当前人员的人员身份信息;确定当前人员有权限,接收当前人员的第一输入指令;响应于第一输入指令,记录存取选择信息;基于摄像头采集的人员操作图像以及存取选择信息,更新工具状态信息;基于人员身份信息、存取选择信息和工具状态信息,确定工具存取记录。
本申请实施例提供的非暂态计算机可读存储介质上存储的计算机程序被执行时,实现上述工具存取监控方法,其实施方式与本申请提供的工具存取监控方法的实施方式一致,且可以达到相同的有益效果,此处不再赘述。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (12)
1.一种工具存取监控方法,其特征在于,包括:
基于摄像头采集的人脸图像,确定当前人员的人员身份信息;
基于所述当前人员身份信息确定当前人员有权限,接收当前人员的第一输入指令;
响应于所述第一输入指令,记录存取选择信息;
基于摄像头采集的人员操作图像以及所述存取选择信息,更新工具状态信息;
基于所述人员身份信息、所述存取选择信息和所述工具状态信息,确定工具存取记录。
2.根据权利要求1所述的工具存取监控方法,其特征在于,所述基于摄像头采集的人脸图像,确定当前人员的人员身份信息,包括:
将所述人脸图像输入至身份识别模型,输出所述人员身份信息;
其中,所述身份识别模型为,以人脸图像样本数据为样本,以预先确定的与所述人脸图像样本数据对应的人员身份信息样本数据为样本标签进行训练得到。
3.根据权利要求1所述的工具存取监控方法,其特征在于,所述基于摄像头采集的人员操作图像以及所述存取选择信息,更新工具状态信息,包括:
若所述存取选择信息为存放,则基于所述人员操作图像,确定工具类别信息;
基于所述工具类别信息,开启所述工具类别信息对应的工具存放门;
基于所述人员操作图像和工具存放门关闭状态,得到所述工具状态信息。
4.根据权利要求3所述的工具存取监控方法,其特征在于,所述基于所述人员操作图像,确定工具类别信息,包括:
将所述人员操作图像输入至工具类别识别模型,输出所述工具类别信息;
其中,所述工具类别识别模型为,以人员操作图像样本数据为样本,以预先确定的与所述人员操作图像样本数据对应的工具类别信息样本数据为样本标签进行训练得到。
5.根据权利要求1所述的工具存取监控方法,其特征在于,所述基于摄像头采集的人员操作图像以及所述存取选择信息,更新工具状态信息,包括:
若所述存取选择信息为取出,接收当前人员的第二输入指令;
响应于所述第二输入指令,开启所述第二输入指令对应的工具存放门;
基于所述人员操作图像和工具存放门关闭状态,得到所述工具状态信息。
6.根据权利要求5所述的工具存取监控方法,其特征在于,所述基于所述人员操作图像和工具存放门关闭状态,得到所述工具状态信息,包括:
将所述人员操作图像和所述工具存放门关闭状态输入至工具状态识别模型,输出工具状态信息;
其中,所述工具状态识别模型为,以人员操作图像样本数据以及工具存放门关闭状态样本数据为样本,以预先确定的与所述人员操作图像样本数据以及所述工具存放门关闭状态样本数据对应的工具状态信息样本数据为样本标签进行训练得到。
7.根据权利要求1-6中任一项所述的工具存取监控方法,其特征在于,还包括:
确定当前人员无权限,则生成异常情况记录,并且发出语音提醒信号。
8.一种工具存取监控装置,其特征在于,包括:
第一确定模块,用于基于摄像头采集的人脸图像,确定当前人员的人员身份信息;
接收模块,用于基于所述当前人员身份信息确定当前人员有权限,接收当前人员的第一输入指令;
记录模块,用于响应于所述第一输入指令,记录存取选择信息;
更新模块,用于基于摄像头采集的人员操作图像以及所述存取选择信息,更新工具状态信息;
第二确定模块,用于基于所述人员身份信息、所述存取选择信息和所述工具状态信息,确定工具存取记录。
9.根据权利要求8所述的工具存取监控装置,其特征在于,所述更新模块包括:
第一更新子模块,用于若所述存取选择信息为存放,则基于所述人员操作图像,确定工具类别信息;
第二更新子模块,用于基于所述工具类别信息,开启所述工具类别信息对应的工具存放门;
第三更新子模块,用于基于所述人员操作图像和工具存放门关闭状态,得到所述工具状态信息。
10.根据权利要求8所述的工具存取监控装置,其特征在于,所述更新模块还包括:
第四更新子模块,用于若所述存取选择信息为取出,接收当前人员的第二输入指令;
第五更新子模块,用于响应于所述第二输入指令,开启所述第二输入指令对应的工具存放门;
第六更新子模块,用于基于所述人员操作图像和工具存放门关闭状态,得到所述工具状态信息。
11.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述工具存取监控方法的步骤。
12.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述工具存取监控方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011454904.3A CN112651306A (zh) | 2020-12-10 | 2020-12-10 | 工具取用监控方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011454904.3A CN112651306A (zh) | 2020-12-10 | 2020-12-10 | 工具取用监控方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112651306A true CN112651306A (zh) | 2021-04-13 |
Family
ID=75354685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011454904.3A Pending CN112651306A (zh) | 2020-12-10 | 2020-12-10 | 工具取用监控方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112651306A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113808337A (zh) * | 2021-09-17 | 2021-12-17 | 华霆(合肥)动力技术有限公司 | 一种工具存取柜及工具存取方法 |
CN116681377A (zh) * | 2023-05-24 | 2023-09-01 | 天津瑞利通科技有限公司 | 工具管理方法、系统、电子设备及可读存储介质 |
CN117057588A (zh) * | 2023-10-11 | 2023-11-14 | 南方电网调峰调频发电有限公司信息通信分公司 | 一种电网运维的监控管理方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108428260A (zh) * | 2018-02-27 | 2018-08-21 | 江南大学 | 化学品存取信息记录方法及化学品存储柜 |
WO2019071664A1 (zh) * | 2017-10-09 | 2019-04-18 | 平安科技(深圳)有限公司 | 结合深度信息的人脸识别方法、装置及存储介质 |
CN111062364A (zh) * | 2019-12-28 | 2020-04-24 | 青岛理工大学 | 一种基于深度学习的监测装配操作的方法和装置 |
CN111259893A (zh) * | 2020-01-19 | 2020-06-09 | 柳潆林 | 一种基于深度学习的智能工具管理方法 |
CN111401989A (zh) * | 2020-03-04 | 2020-07-10 | 易纬信息科技(广州)有限公司 | 基于机器学习的工具管理方法、系统、介质及智能设备 |
CN111515913A (zh) * | 2020-05-08 | 2020-08-11 | 广东电网有限责任公司东莞供电局 | 一种工具柜组和控制方法 |
-
2020
- 2020-12-10 CN CN202011454904.3A patent/CN112651306A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019071664A1 (zh) * | 2017-10-09 | 2019-04-18 | 平安科技(深圳)有限公司 | 结合深度信息的人脸识别方法、装置及存储介质 |
CN108428260A (zh) * | 2018-02-27 | 2018-08-21 | 江南大学 | 化学品存取信息记录方法及化学品存储柜 |
CN111062364A (zh) * | 2019-12-28 | 2020-04-24 | 青岛理工大学 | 一种基于深度学习的监测装配操作的方法和装置 |
CN111259893A (zh) * | 2020-01-19 | 2020-06-09 | 柳潆林 | 一种基于深度学习的智能工具管理方法 |
CN111401989A (zh) * | 2020-03-04 | 2020-07-10 | 易纬信息科技(广州)有限公司 | 基于机器学习的工具管理方法、系统、介质及智能设备 |
CN111515913A (zh) * | 2020-05-08 | 2020-08-11 | 广东电网有限责任公司东莞供电局 | 一种工具柜组和控制方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113808337A (zh) * | 2021-09-17 | 2021-12-17 | 华霆(合肥)动力技术有限公司 | 一种工具存取柜及工具存取方法 |
CN116681377A (zh) * | 2023-05-24 | 2023-09-01 | 天津瑞利通科技有限公司 | 工具管理方法、系统、电子设备及可读存储介质 |
CN116681377B (zh) * | 2023-05-24 | 2024-02-27 | 天津瑞利通科技有限公司 | 工具管理方法、系统、电子设备及可读存储介质 |
CN117057588A (zh) * | 2023-10-11 | 2023-11-14 | 南方电网调峰调频发电有限公司信息通信分公司 | 一种电网运维的监控管理方法及系统 |
CN117057588B (zh) * | 2023-10-11 | 2024-01-23 | 南方电网调峰调频发电有限公司信息通信分公司 | 一种电网运维的监控管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112651306A (zh) | 工具取用监控方法及装置 | |
CN109818976B (zh) | 一种异常流量检测方法及装置 | |
CN111475804A (zh) | 一种告警预测方法及系统 | |
CN101989327B (zh) | 图像分析装置及图像分析方法 | |
CN113313421A (zh) | 一种电力物联网感知层安全风险状态分析方法及系统 | |
CN105376193A (zh) | 安全事件的智能关联分析方法与装置 | |
CN111126820A (zh) | 反窃电方法及系统 | |
CN116129350A (zh) | 数据中心安全作业的智能监控方法、装置、设备及介质 | |
CN117114420B (zh) | 一种基于图像识别的工贸安全事故风险管控系统和方法 | |
CN117633666A (zh) | 网络资产识别方法、装置、电子设备和存储介质 | |
CN116956282B (zh) | 基于网络资产内存时间序列多特征数据的异常检测系统 | |
CN115273350A (zh) | 一种基于rfid检测的智能尾箱柜验证管理方法及系统 | |
CN110443187A (zh) | 特征信息的记录方法及装置 | |
CN115189961A (zh) | 一种故障识别方法、装置、设备及存储介质 | |
CN111352814A (zh) | 操作异常行为识别方法、装置、存储介质和电子设备 | |
CN111353740A (zh) | 一种工具管理追踪系统及方法 | |
CN117041362B (zh) | 一种针对工控协议语义逆向结果的校验方法及系统 | |
CN117273397B (zh) | 一种应用于实验室的智慧型管理平台 | |
CN115438979B (zh) | 一种融合专家模型决策的数据风险识别方法及服务器 | |
CN115116008B (zh) | 目标物品的状态识别方法、设备及存储介质 | |
CN117745054A (zh) | 一种设备异常事件全生命周期管控平台及方法 | |
Yadav et al. | A Fair Knowledge of Bureau Report by Data Mining Algorithms | |
CN116740472B (zh) | 电力开关柜开关状态的识别方法、装置、设备及存储介质 | |
CN113055396B (zh) | 一种跨终端溯源分析的方法、装置、系统和存储介质 | |
CN116611763B (zh) | 一种仓库货物定位查找系统 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230316 Address after: 201306 building C, No. 888, Huanhu West 2nd Road, Lingang New Area, Pudong New Area, Shanghai Applicant after: Shenlan Intelligent Technology (Shanghai) Co.,Ltd. Address before: 618000 No. 99 Zhujiang East Road, Sichuan, Deyang Applicant before: Shenlan artificial intelligence (Sichuan) Co.,Ltd. |