CN112839200A - 基于5g技术的电厂违章行为识别方法、系统和网络服务端 - Google Patents
基于5g技术的电厂违章行为识别方法、系统和网络服务端 Download PDFInfo
- Publication number
- CN112839200A CN112839200A CN202011564218.1A CN202011564218A CN112839200A CN 112839200 A CN112839200 A CN 112839200A CN 202011564218 A CN202011564218 A CN 202011564218A CN 112839200 A CN112839200 A CN 112839200A
- Authority
- CN
- China
- Prior art keywords
- violation
- information
- identification
- picture
- module
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明属于电力管理技术领域,针对现有监控识别高度依赖人力监控、时效性不足、容易存在遗漏的问题,提出了具体涉及基于5G技术的电厂违章行为识别方法、系统和网络服务端,包括以下步骤:采用深度卷积神经网络构建多个行为识别模块,所述行为识别模块包括安全帽识别模块、抽烟识别模块和工作服识别模块;获取无线摄像机所采集的视频信息和该无线摄像机的位置信息;根据无线摄像机的位置,根据预设规则,将视频信息发送对应行为识别模块;行为识别模块对接收到的视频信息进行抽帧识别,得到违章信息;展示所述违章信息。
Description
技术领域
本发明属于电力管理技术领域,具体涉及基于5G技术的电厂违章行为识别方法、系统和网络服务端。
背景技术
工业企业,比如电厂,包含众多水、电、煤类的大型资产设备长期工作,因此安全生产管控非常重要。目前绝大多数电厂的监控摄像头众多,极其依赖于人工在厂侧内网的监控大屏的监控。一方面极其消耗人力运营成本,另一方面依赖人力的监控存在较高的漏报漏识别率。
为此,根据视频内容来进行智能分析已经是电网安全检测的趋势。利用视频智能分析的关键是网络能够支持高分辨率图像的稳定传输及智能的分析模块。而5G通信技术在中国的快速发展,深度学习在图像识别的广泛应用为电厂违章行为识别做了极好的铺垫——将普通的依赖人力监控回调查看变为主动监控、快速报警。
发明内容
本发明为了解决现有监控识别高度依赖人力监控、时效性不足、容易存在遗漏等问题,提出了基于5G技术的电厂违章行为识别方法、系统和网络服务端。
本发明采用以下技术方案:基于5G技术的电厂违章行为识别方法,包括以下步骤:
S10:采用深度卷积神经网络构建多个行为识别模块,所述行为识别模块包括安全帽识别模块、抽烟识别模块和工作服识别模块;
S20:获取无线摄像机所采集的视频信息和该无线摄像机的位置信息;
S30:根据无线摄像机的位置,根据预设规则,将视频信息发送对应行为识别模块;
S40:行为识别模块对接收到的视频信息进行抽帧识别,得到违章信息;
S50:展示所述违章信息。
进一步,所述步骤S10,具体包括:
S11:基于Yolo one stage算法构建安全帽识别模块,当超过识别阈值时标记图片中未穿戴安全帽的头部区域,并根据标记后的图片得到违章信息;
S12:基于Resnet50网络构建抽烟识别模块,当超过预设的识别阈值时标记图片中的吸烟区域,并根据标记后的图片得到违章信息;
S13:基于Retinanet网络构建工作服识别模块,当着装未全部穿工作服时标记,并根据标记后的图片得到违章信息。
进一步,所述步骤S20,具体包括:
S21:将无线摄像机连接至支持5G的CPE,配置网关;
S22:在5G的CPE中配置端口映射,将摄像头中视频流形式的视频信息采集映射至外网端口并确保能够访问。
进一步,所述步骤S30中预设规则,具体为:
所述无线摄像机的位置信息为生产区,则将视频信息发送给抽烟识别模块、工作服识别模块和安全帽识别模块;
所述无线摄像机的位置信息为办公区,则将视频信息发送给抽烟识别模块和工作服识别模块。
进一步,所述步骤S40,在行为识别模块对接收到的视频信息进行抽帧识别,得到违章信息后,还包括:
将所述违章信息发送给人脸识别模块,得到违章信息对应的违章人员信息;
所述步骤S50还包括:
展示与所述违章信息对应的违章人员信息。
进一步,所述的步骤S50,具体包括:
S51:通过5G网络将违章信息远程推送到管控端存储系统;
S52:远程管控端的展示大屏将违章信息做出展示。
有益效果:与现有的技术相比,本发明提出的基于5G技术的电厂违章行为识别方法,基于深度学习的视频智能分析能够克服人工的局限性,能够快速识别响应,同时有90%以上的识别准确率和召回率。结合5G网络传输技术的高速率低延迟,即使远程管控仍然能在毫秒级实现快速响应。
本发明还提供基于5G技术与视频分析的电厂违章识别系统,包括:
信号接收模块,用于无线摄像机所采集的视频信息和该无线摄像机的位置信息;
控制模块,用于根据无线摄像机的位置,根据预设规则,将视频信息发送给对应行为识别模块;
安全帽识别模块,用于对视频信息进行抽帧,将抽帧后的图片代入Yolo onestage算法构建的安全帽建模中得到第一数值,在第一数值超过第一识别阈值时,将标记所述图片中为戴安全帽的头部区域,并将该标记后的图片作为安全帽违章图片,并根据安全帽违章图片得到违章信息;
抽烟识别模块,用于对视频信息进行抽帧,将抽帧后的图片代入由Resnet50网络构建的抽烟建模中,得到第二数值,在第二数值超过第二识别阈值时,将标记所述图片中的吸烟区域,并将该标记后的图片作为吸烟违章图片,并根据吸烟违章图片得到违章信息;
工作服识别模块,用于对视频信息进行抽帧,将抽帧后的图片的代入由Retinanet网络构建的工作服建模中,得到第三数值,在第三数值超过第三识别阈值时,将标记所述图片中为穿工作服区域,并将该标记后的图片作为工作服违章图片,并根据工作服违章图片得到违章信息;
人脸识别模块,用于接收安全帽识别模块、抽烟识别模块和工作服识别模块所发送的违章信息,并识别违章信息中安全帽违章图片、抽烟违章图片和工作服违章图片对应的违章人员信息;
输出模块,用于输出人脸识别模块所发送的违章信息和对应的违章人员信息。
进一步,所述控制模块中的预设规则,具体为:所述无线摄像机的位置信息为生产区,则将视频信息发送给抽烟识别模块、工作服识别模块和安全帽识别模块;
所述无线摄像机的位置信息为办公区,则将视频信息发送给抽烟识别模块和工作服识别模块。
进一步,所述输出模块包括显示单元和通信单元;所述显示单元用于显示所述违章信息和违章人员信息;所述通信单元用于将违章信息和违章人员信息发送给管控段端存储系统。
本方案还提供一种网络服务端,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述任一项所述的基于5G技术的电厂违章行为识别方法。
附图说明
附图不意在按比例绘制。在附图中,在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见,在每个图中,并非每个组成部分均被标记。现在,将通过例子并参考附图来描述本发明的各个方面的实施例,其中:
图1为本发明第一实施方式中视频流配置页面的示意图;
图2为本发明第一实施方式中工作服识别示意图。
图3为本发明第一实施方式中多条安全帽识别的违章记录的示意图。
图4为本发明第一实施方式中违章行为识别的大屏展示示意图。
图5为本发明第一实施方式提供的基于5G技术的电厂违章行为识别方法的流程图;
图6为本发明第二实施方式提供的基于5G技术的电厂违章行为识别系统的模块示意图;
图7为本发明第三实施方式提供的网络服务端的结构示意图。
具体实施方式
下面通过具体实施方式进一步详细的说明:
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。
第一实施方式:
本发明的第一实施方式提供基于5G技术的电厂违章行为识别方法,如图5所示,包括以下步骤:
S10:采用深度卷积神经网络构建多个行为识别模块,所述行为识别模块包括安全帽识别模块、抽烟识别模块和工作服识别模块;
S20:获取无线摄像机所采集的视频信息和该无线摄像机的位置信息;
S30:根据无线摄像机的位置,根据预设规则,将视频信息发送对应行为识别模块;
S40:行为识别模块对接收到的视频信息进行抽帧识别,得到违章信息;
S50:展示所述违章信息。
本方案采用多种行为识别计算模块,对不同监控区域进行多样识别判断,从而分析出其中的违章记录,并对违章记录进行实时的推送、记录和展示。
下面对本实施方式的基于5G技术的电厂违章行为识别方法的实现细节进行具体的说明,以下内容仅为方便理解提供的实现细节,并非实施本方案的必须,本实施方式应用于网络侧的服务端。
S10:采用深度卷积神经网络构建不同行为识别的计算模块。
具体而言,构建Yolo,Resnet50,Retinanet,MultiTaskCNN的深度卷积神经网络,设定识别阈值,将安全帽识别、抽烟识别、工作服识别都以容器化方式部署于计算服务器中,每一个模块通过不同端口映射实现多路实时计算的功能。
例如,基于Yolo one stage算法构建安全帽识别模块的安全帽建模,确定第一识别阈值,以保证尽可能地,所有不含安全帽的图片代入所述安全帽建模后所得到的第一数值均会超过第一识别阈值,含安全帽的图片代入所述安全帽建模后所得到的第一数值小于或等于第一识别阈值。在安全帽识别模块工作时,对所接收到的视频进行抽帧,将抽帧后的图片代入Yolo one stage算法构建的安全帽建模中得到第一数值,在第一数值超过第一识别阈值时,将标记所述图片中为戴安全帽的头部区域,并将该标记后的图片作为安全帽违章图片,并根据安全帽违章图片得到违章信息。
基于Resnet50网络构建抽烟识别模块的抽烟建模,确定第二识别阈值,以保证尽可能地,抽烟图片代入到所述抽烟建模后得到的第二数值超过第二识别阈值,不抽烟代入到所述抽烟建模后得到的第二数值小于或等于第二识别阈值。该抽烟识别模块工作时,将接收到的视频信息进行抽帧,将抽帧后的图片代入由Resnet50网络构建的抽烟建模中,得到第二数值,在第二数值超过第二识别阈值时,将标记所述图片中的吸烟区域,并将该标记后的图片作为吸烟违章图片,并根据吸烟违章图片得到违章信息。
基于Retinanet网络构建工作服识别模块的工作服建模,确定第三识别阈值,以保证尽可能的,未穿工作服的图像代入到所述工作服建模后所获得的的第三数值超过第三识别阈值,穿工作服的图像代入到所述工作服建模后所获得的第三数值小于或等于第三识别阈值。该工作服模块工作时,将所接收到的视频信息进行抽帧,将抽帧后的图片的代入由Retinanet网络构建的工作服建模中,得到第三数值,在第三数值超过第三识别阈值时,将标记所述图片中未穿工作服区域,并将该标记后的图片作为工作服违章图片,并根据工作服违章图片得到违章信息。
这里违章信息包括违章图片、违章时间、违章类型,由于本方案中的采用的是无线摄像头,无线摄像头在工作时每一帧图片的角落均会标记当前时间,故本方案中能够根据安全帽违章图片、抽烟违章图片和工作服违章图片得到违章时间,那么上述根据安全帽违章图片、抽烟违章图片和工作服违章图片得到违章信息时可行的。
以安全帽违章图片为例:将所述带标记的安全帽违章图片作为违章信息的违章图片,将所述安全违章图片上的时间水印作为违章信息的违章时间,将违章信息的违章种类设置为“安全帽”。
S20:获取无线摄像机所采集的视频信息和该无线摄像机的位置信息。
具体而言,步骤S20包括以下步骤:S21:将无线摄像机连接至支持5G的CPE,配置网关;S22:在5G的CPE中配置端口映射,将摄像头的视频流采集映射至外网端口并确保能够访问。
例如:将所有接入的无线摄像机的网关设置为CPE的ip地址;将所有接入的无线摄像头的视频流端口在CPE上配置映射规则映射出CPE的无重复的外部端口,如将192.168.1.2:554映射到192.168.3.6:10554,其中192.168.1.2是内网的摄像头的ip,554是固定的视频流端口,而192.168.3.6是CPE的外网ip,10554是某个不被占用的端口。
S30:根据无线摄像机的位置,根据预设规则,将视频信息发送对应行为识别模块。
具体而言,无线摄像机的位置信息有两种,分别为“生产区”和“办公区”。以及步骤S30中预设规则,具体为:所述无线摄像机的位置信息为生产区,则将视频信息发送给抽烟识别模块、工作服识别模块和安全帽识别模块;所述无线摄像机的位置信息为办公区,则将视频信息发送给抽烟识别模块和工作服识别模块。
具体而言,采用如下方法,控制将视频信息发送给不同的行为识别模块,行为识别模块为安全帽识别模块、吸烟识别模块和工作服识别模块中任意一种。
在分配和安装好各个视频识别模块后,建立各识别模块可使用的视频流、区域等信息库,单击页面即可对相关模各识别模块启用模型。例如图1展示了视频信息的视频流配置页面,通过页面中的每一行,即可通过点击立刻启用与该行相关的识别模块,也可通过点击立刻停止/关闭与该行相关的识别模块。抽烟识别模块、工作服识别模块和安全帽识别模块均在视频流接收后,模块抽帧计算当前图片帧内每一个人的抽烟区域、工作服区域和安全帽区域,将当前个人的抽烟/工作服区域/安全帽区域的图片帧与标准工作服区域的图片帧进行图像对比S40:行为识别模块对接收到的视频信息进行抽帧识别,得到违章信息。具体还有:将所述违章信息发送给人脸识别模块,得到违章信息对应的违章人员信息。
其中,人脸识别模块的信息库包括已有人员的个人身份和人脸图像,而后通过于MultiTaskCNN网络构建人脸建模,便于后续根据违章信息中的安全帽违章图片、抽样违章图片或工作服违章图片中的人脸识别出对应的违章人员的个人身份。
具体而言,以某厂区油库入口检测为例,启用了工作服识别模块。工作服识别模块接收到5G网络传输的视频流。在预设的识别间隔下,模块抽帧计算当前图片帧内的每一个人的工作服区域,将当前个人的工作服区域的图片帧与标准工作服区域的图片帧进行图像对比,当发现是正确着装时,将当前个人的茁壮区域框标记为绿色;当未正确着装时,将人区域标记为红色。识别的标记图片将被存储。如图2的工作服识别模块工作示意图,框图标记的人员下身穿着牛仔裤,被系统正确识别并标记。
以安全帽识别为例,启动了安全帽识别模块及人脸识别模块,安全帽识别模块接收到5G网络传输的视频流。在预设的识别间隔下,模块抽帧计算当前图片帧内每一个人的佩戴区域,将当前个人的佩戴区域的图片帧与标准佩戴区域的图片帧进行图像对比,若识别当前个人佩戴区域的图片帧中与标准佩戴区域的图片帧相似度超过预设范围时,判断该当前个人佩戴区域的图片帧所对应的人员佩戴安全帽;反之则该当前个人佩戴区域的图片帧所对应的人员未佩戴安全帽,将该人员头部进行标记。随后并将该图片输入人脸识别模块进行人员信息识别,从而了解到安全帽识别部分的违章人员具体是谁,从而进行违章统计,安全帽识别的违章统计的表格如图3所示。
S50:展示所述违章信息。该S50步骤还用于展示与所述违章信息相对应的违章人员信息。
S50步骤的具体实施,包括以下步骤:S51:通过5G网络将违章信息和违章人员信息远程推送到管控端存储系统;S52:远程管控端的展示大屏将违章信息和违章人员信息做出展示。
由于违章信息包括违章图片、违章时间、违章类型,而违章人员信息则点名了违章信息的违章人员名称。故本方案将违章时间、违章类型、违章人员名称信息通过5G网络推送到远程管控的存储系统;读取存储系统中的违章记录等做大屏展示,用于生产管控。大屏展示的内容如图4所示,展示了统计数值和违章行为标记图片。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
第二实施方式:
本实施方式提供了基于5G技术与视频分析的电厂违章识别系统,如图6所示,包括:
信号接收模块1,用于无线摄像机所采集的视频信息和该无线摄像机的位置信息;
控制模块2,用于根据无线摄像机的位置,根据预设规则,将视频信息发送给对应行为识别模块;预设规则为,若所述无线摄像机1的位置信息为生产区,则将视频信息发送给抽烟识别模块4、工作服识别模块5和安全帽识别模块3,以及,若所述无线摄像机的位置信息为办公区,则将视频信息发送给抽烟识别模块4和工作服识别模块5;
安全帽识别模块3,用于对视频信息进行抽帧,将抽帧后的图片代入Yolo onestage算法构建的安全帽建模中得到第一数值,在第一数值超过第一识别阈值时,将标记所述图片中为戴安全帽的头部区域,并将该标记后的图片作为安全帽违章图片,并根据安全帽违章图片得到违章信息;
抽烟识别模块4,用于对视频信息进行抽帧,将抽帧后的图片代入由Resnet50网络构建的抽烟建模中,得到第二数值,在第二数值超过第二识别阈值时,将标记所述图片中的吸烟区域,并将该标记后的图片作为吸烟违章图片,并根据吸烟违章图片得到违章信息;
工作服识别模块5,用于对视频信息进行抽帧,将抽帧后的图片的代入由Retinanet网络构建的工作服建模中,得到第三数值,在第三数值超过第三识别阈值时,将标记所述图片中未穿工作服区域,并将该标记后的图片作为工作服违章图片,并根据工作服违章图片得到违章信息;
人脸识别模块6,用于接收安全帽识别模块3、抽烟识别模块4和工作服识别模块5所发送的违章信息,并识别违章信息中安全帽违章图片、抽烟违章图片和工作服违章图片对应的违章人员信息;
输出模块7,用于输出人脸识别模块6所发送的违章信息和对应的违章人员信息;所述输出模块包括显示单元和通信单元;所述显示单元用于显示所述违章信息和违章人员信息;所述通信单元用于将违章信息和违章人员信息发送给管控段端存储系统。
不难发现,本实施方式为与第一实施方式相对应的系统实施例,本实施方式可与第一方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第一实施方式中。
本实施方式中所涉及到的各模块均为逻辑模块,在实际应用中,一个逻辑单元可以是一个物理单元,也可以是一个物理单元的一部分,还可以以多个物理单元的组合实现。此外,为了突出本发明的创新部分,本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入,但这并不表明本实施方式中不存在其它的单元。
第三实施方式:
本发明第四实施方式涉及一种网络服务端,如图7所示,包括至少一个处理器501;以及,与至少一个处理器501通信连接的存储器502;其中,存储器502存储有可被至少一个处理器501执行的指令,指令被至少一个处理器501执行,以使至少一个处理器501能够执行上述的基于5G技术与视频分析的电厂违章识别方法。
其中,存储器502和处理器501采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将一个或多个处理器501和存储器502的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器501处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器501。
处理器501负责管理总线和通常的处理,还可以提供各种功能,包括定时,外围接口,电压调节、电源管理以及其他控制功能。而存储器502可以被用于存储处理器501在执行操作时所使用的数据
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.基于5G技术的电厂违章行为识别方法,其特征在于,包括以下步骤:
S10:采用深度卷积神经网络构建多个行为识别模块,所述行为识别模块包括安全帽识别模块、抽烟识别模块和工作服识别模块;
S20:获取无线摄像机所采集的视频信息和该无线摄像机的位置信息;
S30:根据无线摄像机的位置,根据预设规则,将视频信息发送对应行为识别模块;
S40:行为识别模块对接收到的视频信息进行抽帧识别,得到违章信息;
S50:展示所述违章信息。
2.根据权利要求1所述的基于5G技术的电厂违章行为识别方法,其特征在于:所述步骤S10,具体包括:
S11:基于Yolo one stage算法构建安全帽识别模块,当超过识别阈值时标记图片中未穿戴安全帽的头部区域,并根据标记后的图片得到违章信息;
S12:基于Resnet50网络构建抽烟识别模块,当超过预设的识别阈值时标记图片中的吸烟区域,并根据标记后的图片得到违章信息;
S13:基于Retinanet网络构建工作服识别模块,当着装未全部穿工作服时标记,并根据标记后的图片得到违章信息。
3.根据权利要求1所述的基于5G技术的电厂违章行为识别方法,其特征在于:所述步骤S20,具体包括:
S21:将无线摄像机连接至支持5G的CPE,配置网关;
S22:在5G的CPE中配置端口映射,将摄像头中视频流形式的视频信息采集映射至外网端口并确保能够访问。
4.根据权利要求1所述的基于5G技术的电厂违章行为识别方法,其特征在于:所述步骤S30中预设规则,具体为:
所述无线摄像机的位置信息为生产区,则将视频信息发送给抽烟识别模块、工作服识别模块和安全帽识别模块;
所述无线摄像机的位置信息为办公区,则将视频信息发送给抽烟识别模块和工作服识别模块。
5.根据权利要求1所述的基于5G技术的电厂违章行为识别方法,其特征在于:所述步骤S40,在行为识别模块对接收到的视频信息进行抽帧识别,得到违章信息后,还包括:
将所述违章信息发送给人脸识别模块,得到违章信息对应的违章人员信息;
所述步骤S50还包括:
展示与所述违章信息对应的违章人员信息。
6.根据权利要求1所述的基于5G技术的电厂违章行为识别方法,其特征在于:所述的步骤S50,具体包括:
S51:通过5G网络将违章信息远程推送到管控端存储系统;
S52:远程管控端的展示大屏将违章信息做出展示。
7.基于5G技术与视频分析的电厂违章识别系统,其特征在于,包括:
信号接收模块,用于无线摄像机所采集的视频信息和该无线摄像机的位置信息;
控制模块,用于根据无线摄像机的位置,根据预设规则,将视频信息发送给对应行为识别模块;
安全帽识别模块,用于对视频信息进行抽帧,将抽帧后的图片代入Yolo one stage算法构建的安全帽建模中得到第一数值,在第一数值超过第一识别阈值时,将标记所述图片中为戴安全帽的头部区域,并将该标记后的图片作为安全帽违章图片,并根据安全帽违章图片得到违章信息;
抽烟识别模块,用于对视频信息进行抽帧,将抽帧后的图片代入由Resnet50网络构建的抽烟建模中,得到第二数值,在第二数值超过第二识别阈值时,将标记所述图片中的吸烟区域,并将该标记后的图片作为吸烟违章图片,并根据吸烟违章图片得到违章信息;
工作服识别模块,用于对视频信息进行抽帧,将抽帧后的图片的代入由Retinanet网络构建的工作服建模中,得到第三数值,在第三数值超过第三识别阈值时,将标记所述图片中未穿工作服区域,并将该标记后的图片作为工作服违章图片,并根据工作服违章图片得到违章信息;
人脸识别模块,用于接收安全帽识别模块、抽烟识别模块和工作服识别模块所发送的违章信息,并识别违章信息中安全帽违章图片、抽烟违章图片和工作服违章图片对应的违章人员信息;
输出模块,用于输出人脸识别模块所发送的违章信息和对应的违章人员信息。
8.根据权利要求7所述的基于5G技术与视频分析的电厂违章识别系统,其特征在于:所述控制模块中的预设规则,具体为:所述无线摄像机的位置信息为生产区,则将视频信息发送给抽烟识别模块、工作服识别模块和安全帽识别模块;
所述无线摄像机的位置信息为办公区,则将视频信息发送给抽烟识别模块和工作服识别模块。
9.根据权利要求7所述的基于5G技术与视频分析的电厂违章识别系统,其特征在于:所述输出模块包括显示单元和通信单元;所述显示单元用于显示所述违章信息和违章人员信息;所述通信单元用于将违章信息和违章人员信息发送给管控段端存储系统。
10.一种网络服务端,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至6中任一项所述的基于5G技术的电厂违章行为识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011564218.1A CN112839200B (zh) | 2020-12-25 | 2020-12-25 | 基于5g技术的电厂违章行为识别方法、系统和网络服务端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011564218.1A CN112839200B (zh) | 2020-12-25 | 2020-12-25 | 基于5g技术的电厂违章行为识别方法、系统和网络服务端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112839200A true CN112839200A (zh) | 2021-05-25 |
CN112839200B CN112839200B (zh) | 2023-01-24 |
Family
ID=75924935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011564218.1A Active CN112839200B (zh) | 2020-12-25 | 2020-12-25 | 基于5g技术的电厂违章行为识别方法、系统和网络服务端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112839200B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114155614A (zh) * | 2021-10-20 | 2022-03-08 | 国网四川省电力公司电力科学研究院 | 一种作业现场反违章行为识别方法及系统 |
CN115311753A (zh) * | 2022-06-21 | 2022-11-08 | 华能新华发电有限责任公司 | 一种输煤廊道智能巡检系统 |
CN116311029A (zh) * | 2023-02-04 | 2023-06-23 | 国网浙江省电力有限公司嘉兴供电公司 | 基于大数据的施工作业违章识别系统及方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007274156A (ja) * | 2006-03-30 | 2007-10-18 | Nec Corp | マナー違反管理システム |
CN108391092A (zh) * | 2018-03-21 | 2018-08-10 | 四川弘和通讯有限公司 | 基于深度学习的危险物识别系统 |
CN109145789A (zh) * | 2018-08-09 | 2019-01-04 | 炜呈智能电力科技(杭州)有限公司 | 供电系统安全作业保障方法及系统 |
CN110119656A (zh) * | 2018-02-07 | 2019-08-13 | 中国石油化工股份有限公司 | 作业现场违章人员的智能监控系统及现场违章监控方法 |
CN110287859A (zh) * | 2019-06-21 | 2019-09-27 | 国网天津市电力公司 | 一种基于人工智能技术的人员物资调度系统 |
CN110889388A (zh) * | 2019-12-03 | 2020-03-17 | 上海眼控科技股份有限公司 | 违章识别方法、装置、设备及存储介质 |
CN110909675A (zh) * | 2019-11-22 | 2020-03-24 | 广州供电局有限公司 | 违章行为识别方法、装置、计算机设备和存储介质 |
CN111652185A (zh) * | 2020-06-23 | 2020-09-11 | 广东电网有限责任公司河源供电局 | 一种基于违章行为识别的安全施工方法、系统、装置及存储介质 |
CN111918039A (zh) * | 2020-08-13 | 2020-11-10 | 智点恒创(苏州)智能科技有限公司 | 基于5g网络的人工智能高风险作业管控系统 |
-
2020
- 2020-12-25 CN CN202011564218.1A patent/CN112839200B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007274156A (ja) * | 2006-03-30 | 2007-10-18 | Nec Corp | マナー違反管理システム |
CN110119656A (zh) * | 2018-02-07 | 2019-08-13 | 中国石油化工股份有限公司 | 作业现场违章人员的智能监控系统及现场违章监控方法 |
CN108391092A (zh) * | 2018-03-21 | 2018-08-10 | 四川弘和通讯有限公司 | 基于深度学习的危险物识别系统 |
CN109145789A (zh) * | 2018-08-09 | 2019-01-04 | 炜呈智能电力科技(杭州)有限公司 | 供电系统安全作业保障方法及系统 |
CN110287859A (zh) * | 2019-06-21 | 2019-09-27 | 国网天津市电力公司 | 一种基于人工智能技术的人员物资调度系统 |
CN110909675A (zh) * | 2019-11-22 | 2020-03-24 | 广州供电局有限公司 | 违章行为识别方法、装置、计算机设备和存储介质 |
CN110889388A (zh) * | 2019-12-03 | 2020-03-17 | 上海眼控科技股份有限公司 | 违章识别方法、装置、设备及存储介质 |
CN111652185A (zh) * | 2020-06-23 | 2020-09-11 | 广东电网有限责任公司河源供电局 | 一种基于违章行为识别的安全施工方法、系统、装置及存储介质 |
CN111918039A (zh) * | 2020-08-13 | 2020-11-10 | 智点恒创(苏州)智能科技有限公司 | 基于5g网络的人工智能高风险作业管控系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114155614A (zh) * | 2021-10-20 | 2022-03-08 | 国网四川省电力公司电力科学研究院 | 一种作业现场反违章行为识别方法及系统 |
CN115311753A (zh) * | 2022-06-21 | 2022-11-08 | 华能新华发电有限责任公司 | 一种输煤廊道智能巡检系统 |
CN116311029A (zh) * | 2023-02-04 | 2023-06-23 | 国网浙江省电力有限公司嘉兴供电公司 | 基于大数据的施工作业违章识别系统及方法 |
CN116311029B (zh) * | 2023-02-04 | 2023-10-13 | 国网浙江省电力有限公司嘉兴供电公司 | 基于大数据的施工作业违章识别系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112839200B (zh) | 2023-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112839200B (zh) | 基于5g技术的电厂违章行为识别方法、系统和网络服务端 | |
CN109299683B (zh) | 一种基于人脸识别和行为大数据的安防评估系统 | |
CN103871119A (zh) | 安全生产隐患排查电子巡检系统 | |
CN106971182A (zh) | 嵌入式电力继电压板投退状态智能识别装置及实现方法 | |
CN115150589A (zh) | 一种用于煤矿企业的视频监控运维管理系统 | |
CN106331636A (zh) | 基于行为事件触发的输油管道智能视频监控系统及方法 | |
CN103152601A (zh) | 一种智能报障摄像机及其网络管理客户端系统 | |
CN112560745B (zh) | 一种电力作业现场人员甄别方法及相关装置 | |
CN110096945B (zh) | 基于机器学习的室内监控视频关键帧实时提取方法 | |
CN110045656A (zh) | 一种基于云计算的供暖设备故障监测系统 | |
CN110991979B (zh) | 智慧工地的考勤管理方法、装置、设备及计算机存储介质 | |
CN110830772A (zh) | 一种厨房视频分析资源调度方法、装置及系统 | |
CN104992481A (zh) | 基于图像识别技术的表计巡检系统及其方法 | |
CN114666473A (zh) | 耕地保护用视频监控方法、系统、终端及存储介质 | |
CN113419298A (zh) | 一种多参数水文气象数据采集装置 | |
CN111223079A (zh) | 输电线路检测方法和装置、存储介质及电子装置 | |
CN113947742A (zh) | 一种基于人脸识别的人员轨迹追踪方法与装置 | |
CN115103157A (zh) | 基于边云协同的视频分析方法、装置、电子设备及介质 | |
CN111416960A (zh) | 一种基于云服务的视频监控系统 | |
CN114067396A (zh) | 基于视觉学习的居配工程现场试验数字化管理系统及方法 | |
CN104183049B (zh) | 一种智能化的门禁定位系统及其定位方法 | |
CN209015173U (zh) | 基于cnn算法的人脸属性自动识别装置 | |
CN108073854A (zh) | 一种现场巡检的检测方法及装置 | |
CN115426363A (zh) | 智能板材加工工厂的数据采集方法及终端 | |
CN114222163A (zh) | 一种营业厅智能视频分析系统 |
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 | ||
CB02 | Change of applicant information |
Address after: Floor 31, Asia Pacific business building, No. 2 Hanzhong Road, Gulou District, Nanjing, Jiangsu 210005 Applicant after: LUCULENT SMART TECHNOLOGIES CO.,LTD. Address before: Room a808, World Trade Center building, 67 Shanxi Road, Gulou District, Nanjing, Jiangsu 210000 Applicant before: LUCULENT SMART TECHNOLOGIES CO.,LTD. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |