CN113239832B - 基于图像识别的隐患智能识别方法及系统 - Google Patents
基于图像识别的隐患智能识别方法及系统 Download PDFInfo
- Publication number
- CN113239832B CN113239832B CN202110551919.XA CN202110551919A CN113239832B CN 113239832 B CN113239832 B CN 113239832B CN 202110551919 A CN202110551919 A CN 202110551919A CN 113239832 B CN113239832 B CN 113239832B
- Authority
- CN
- China
- Prior art keywords
- channel
- safety
- goods
- area
- cargo
- 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.)
- Active
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及机器视觉技术领域,具体涉及基于图像识别的隐患智能识别方法及系统。该方法包括:采集堆放货物区域的图像,图像包括安全通道指示牌、货物和安全通道;对图像进行图像分割,获取货物的货物分割图以及安全通道指示牌分割图;根据当前区域的安全通道和安全通道指示牌之间的角度获取安全通道的方向相似性;通过计算安全通道的有效宽度获取安全通道的宽度达标度,结合方向相似性获取安全通道的通道标准度;根据差别区域的数量和面积计算货物稳定度;根据通道标准度和货物稳定度计算当前区域的安全指数。本发明实施例能够评估当前区域由于货物的凌乱堆放而造成的消防隐患风险,提醒企业工作人员及时处理,防止灾害发生。
Description
技术领域
本发明涉及机器视觉技术领域,具体涉及基于图像识别的隐患智能识别方法及系统。
背景技术
企业的安全隐患指的是生产单位由于违反相关规定或者在生产过程中造成的漏洞增加事故发生的概率的现象,企业作为生产主体生产过程中有些特殊情况是不可避免的,这也是企业安全生产隐患的成因。
企业安全隐患排查应形成闭环管理,即在检查过程中应仔细认真地对每一个生产环节和生产环境进行检查。其中消防检查更应该是安全隐患检查中的重中之重,在此项检查过程中,检查人员通常主要检查消防设施附近的安全隐患。
发明人在实践中,发现上述现有技术存在以下缺陷:
在很多企业内,货物堆放凌乱,工作人员经常忽略安全隐患而未留出相应的消防应急通道,大大增加了安全隐患的风险。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种基于图像识别的隐患智能识别方法及系统,所采用的技术方案具体如下:
第一方面,本发明一个实施例提供了一种基于图像识别的隐患智能识别方法,该方法包括以下步骤:
采集堆放货物区域的图像,所述图像包括安全通道指示牌、货物和安全通道;
对所述图像进行图像分割,获取所述货物的货物分割图以及安全通道指示牌分割图;根据当前区域的安全通道和所述安全通道指示牌之间的角度获取所述安全通道的方向相似性;
通过计算所述安全通道的有效宽度获取所述安全通道的宽度达标度,结合所述方向相似性获取所述安全通道的通道标准度;所述有效宽度为基准线分别与所述安全通道的两侧边缘的最短距离之和;所述基准线为穿过所述安全通道的质心并沿所述安全通道的方向延伸的线;
根据差别区域的数量和面积计算货物稳定度,所述差别区域为所述货物中单个物品被遮挡的区域;根据所述通道标准度和所述货物稳定度计算所述当前区域的安全指数。
优选的,所述安全通道的获取方法为:
识别所述图像中每两部分所述货物的独立区域以及整体区域;根据所述整体区域与所述独立区域的差值确定所述安全通道。
优选的,所述方向相似度的获取方法为:
对所述安全通道指示牌分割图和所述安全通道进行主成分分析,获取所述安全通道指示牌主成分方向与所述安全通道主成分方向形成的夹角,以所述夹角的三角函数表征所述方向相似度。
优选的,所述宽度达标度的计算方法为:
以所述最短距离中的最小距离在所述安全通道上的点为基准点,计算远离所述基准点一侧的边缘上的所有像素点与所述基准线的距离,并与所述最小距离求和,该和大于预设标准距离的像素点的数量与该边缘上所有像素点的数量的比值,作为所述宽度达标度。
优选的,所述差别区域的获取方法为:
获取每个物品每个面的最小完整轮廓,利用对应的标准轮廓减去所述最小完整轮廓,获取所述差别区域。
第二方面,本发明另一个实施例提供了一种基于图像识别的隐患智能识别系统,该系统包括以下模块:
图像采集模块,用于采集堆放货物区域的图像,所述图像包括安全通道指示牌、货物和安全通道;
方向相似性获取模块,用于对所述图像进行图像分割,获取所述货物的货物分割图以及安全通道指示牌分割图;根据当前区域的安全通道和所述安全通道指示牌之间的角度获取所述安全通道的方向相似性;
通道标准度获取模块,用于通过计算所述安全通道的有效宽度获取所述安全通道的宽度达标度,结合所述方向相似性获取所述安全通道的通道标准度;所述有效宽度为基准线分别与所述安全通道的两侧边缘的最短距离之和;所述基准线为穿过所述安全通道的质心并沿所述安全通道的方向延伸的线;
安全指数获取模块,用于根据差别区域的数量和面积计算货物稳定度,所述差别区域为所述货物中单个物品被遮挡的区域;根据所述通道标准度和所述货物稳定度计算所述当前区域的安全指数。
优选的,所述方向相似性获取模块还包括安全通道获取模块,用于识别所述图像中每两部分所述货物的独立区域以及整体区域;根据所述整体区域与所述独立区域的差值确定所述安全通道。
优选的,所述方向相似度获取模块还包括夹角获取模块,用于对所述安全通道指示牌分割图和所述安全通道进行主成分分析,获取所述安全通道指示牌主成分方向与所述安全通道主成分方向形成的夹角,以所述夹角的三角函数表征所述方向相似度。
优选的,所述通道标准度获取模块还包括宽度达标度获取模块,用于以所述最短距离中的最小距离在所述安全通道上的点为基准点,计算远离所述基准点一侧的边缘上的所有像素点与所述基准线的距离,并与所述最小距离求和,该和大于预设标准距离的像素点的数量与该边缘上所有像素点的数量的比值,作为所述宽度达标度。
优选的,所述安全指数获取模块还包括差别区域获取模块,用于获取每个物品每个面的最小完整轮廓,利用对应的标准轮廓减去所述最小完整轮廓,获取所述差别区域。
本发明实施例具有如下有益效果:
1、通过计算基准线分别与安全通道的两侧边缘的最短距离之和获取安全通道的有效宽度,能够在有效降低计算量的基础上得到准确的有效宽度。
2、根据安全通道的有效宽度判断安全通道的宽度达标度,能够在危险事故发生时使逃生人员在不改变逃生方向的情况下快速逃离,保证逃生人员快速辨别当前通道与下一个通道之间的方向关系,从而反映货物堆积区域是否安全。
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和优点,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的介绍,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,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种基于图像识别的隐患智能识别方法的步骤流程图;
图2为本发明一个实施例所提供的一种基于图像识别的隐患智能识别系统的结构框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种基于图像识别的隐患智能识别方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于图像识别的隐患智能识别方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种基于图像识别的隐患智能识别方法的步骤流程图,该方法包括以下步骤:
步骤S001,采集堆放货物区域的图像,图像包括安全通道指示牌、货物和安全通道。
使用工业RGB相机并将其置于堆放货物的房间顶部,以斜俯视的角度对当前区域进行拍照。获取的图像中包含安全通道指示牌的完整轮廓。
步骤S002,对图像进行图像分割,获取货物的货物分割图以及安全通道指示牌分割图;根据当前区域的安全通道和安全通道指示牌之间的角度获取安全通道的方向相似性。
具体的步骤包括:
1)对图像进行语义分割。
通过语义分割的方式对安全通道指示牌和货物的不同侧面进行感知,具体训练内容为:
a.将采集到的含有安全通道指示牌和当前企业常规货物的图像作为训练数据集,对数据集进行标注,货物的水平面标注为1,竖直面标注为2,安全指示牌则标注为3。其中随机选择数据集的80%作为训练集,剩余的20%作为验证集。
b.将图像数据和标签数据输入网络中,编码器抽取图像特征,并将通道数变换为类别个数;然后通过解码器将特征图的高和宽变换为输入图像的尺寸,从而输出每个像素的类别。
c.损失函数使用交叉熵损失函数进行训练。
2)识别图像中每两部分货物的独立区域以及整体区域;根据整体区域与独立区域的差值确定安全通道。
每两部分货物可以得到一条通道,根据连通域分析法,分别计算两部分货物连通域所形成的凸包m1、m2,并同时计算两部分货物共同形成的凸包ma。
使用得到的凸包ma对通道两侧各货物形成的凸包m1、m2进行相减操作,即ma-(m1+m2),得到两部分货物之间所形成的实际通道的区域。
3)对安全通道指示牌分割图和安全通道进行主成分分析,获取安全通道指示牌主成分方向与安全通道主成分方向形成的夹角,以夹角的三角函数表征方向相似度。
计算安全通道主成分方向与通道指示牌主成分方向所对应的锐角夹角θ,以δθ作为反映通道角度相似性的特征值,δθ=1-cosθ。
步骤S003,通过计算安全通道的有效宽度获取安全通道的宽度达标度,结合方向相似性获取安全通道的通道标准度;有效宽度为基准线分别与安全通道的两侧边缘的最短距离之和;基准线为穿过安全通道的质心并沿安全通道的方向延伸的线。
具体的步骤包括:
1)判断安全通道的最短距离是否符合要求。
根据步骤S002中语义分割获取的货物水平面,获取安全通道两侧含有货物水平面的连通域集合。首先对两个连通域集合进行遍历,计算两个集合之间的最短距离lmin,并判断该最短距离是否满足国家规定的安全通道最小宽度,若lmin不满足要求,则判断该处不合格,即宽度达标度归一化后的值δw为0,并及时通知管理人员进行处理。若满足要求,则计算有效宽度。
作为一个示例,本发明实施例中取1.4米作为最小通道宽度。
2)计算有效宽度,进而获取宽度达标度。
以最短距离中的最小距离在安全通道上的点为基准点,计算远离基准点一侧的所有像素点与基准线的距离,并与最小距离求和,该和大于预设标准距离的像素点的数量与远离基准点一侧的的所有像素点的数量的比值,作为宽度达标度。
具体的:
计算获得的安全通道的质心,以得到的通道质心为原点,根据安全通道的主成分方向建立直角坐标系。
作为一个示例,本发明实施例中以主成分方向所在轴为y轴,垂直于该轴的另一轴线作为x轴。
根据建立的直角坐标系得到通道两侧货物连通域中距离y轴直线距离最近的两个坐标点,并根据坐标得到这两点在x轴上的距离,判断该距离是否满足标准最小宽度。若满足,则此时该通道在宽度上符合要求,即宽度达标度归一化后的值δw为1。若不满足,进行宽度达标度值δw的计算:
以通道两侧货物连通域中在x轴上距离y轴最近的点为基准点,计算远离基准点的一侧货物连通域与安全通道连通域相重合的边,根据该边上所有像素点的x坐标得到其对应到y轴的最短距离,并与基准点到y轴的距离进行相加后判断该总距离是否大于标准距离。设边长上的像素点总数量为N,其中满足总距离大于标准距离的像素点个数为d,则最终该通道的宽度达标度
3)根据方向相似度和宽度达标度获取通道标准度δc。
步骤S004,根据差别区域的数量和面积计算货物稳定度,差别区域为货物中单个物品被遮挡的区域;根据通道标准度和货物稳定度计算当前区域的安全指数。
由于货物堆叠杂乱容易导致坍塌,进而对安全通道或工作人员造成安全隐患,因此本发明实施例中同样对货物堆放的稳定度进行分析,具体的步骤包括:
1)获取货物的水平面感兴趣区域和竖直面感兴趣区域。
对语义分割得到的同一连通域的货物水平面和竖直面进行遮罩处理,并通过与原图相乘得到原图中相对应的感兴趣区域(region of interest,ROI)。
其中由于步骤S002中语义分割时竖直面标注为2,水平面标注为1,因此可分别对1,2区域进行遮罩并生成各自的二值图再分别与原图相乘即可得到各自标签区域所对应的原图ROI。
2)对水平面感兴趣区域和竖直面感兴趣区域分别进行边缘检测,获取货物中单个物品的各条边的边缘信息。
作为一个示例,本发明实施例中使用canny边缘检测算法获得边缘信息,在其他实施例中,还可以采用其他的能够实现相同功能的边缘检测算法。
具体的步骤包括:
a.使用高斯矩阵乘以图像中每一个像素点及其邻域,取其带权重的平均值作为最后的灰度值。
b.通过点乘一个sobel或其他算子得到不同方向的梯度值。
c.过滤非极大值。即过滤不是边缘的点,使边缘的宽度尽可能为一个像素点。如果一个像素点在梯度方向上的梯度值是最大的,则这个像素点属于边缘,否则不是边缘,将其灰度值设为0。
d.设置两个阈值,分别为maxVal,minVal。其中大于maxVal的均视为边缘,而低于minVal的均视为非边缘,对于中间的像素点,如果与确定为边缘的像素点邻接则定为边缘,否则为非边缘。
3)获取货物的稳定度。
摆放整齐的货物,其箱体边缘均能被检测到,而摆放不整齐的货物则会由于相互遮挡导致边缘信息不完整。
具体的过程包括:
a.根据箱体的实际尺寸和在图像中的缩放比例获取箱体每个面的标准轮廓。
b.获取最小完整轮廓。
按照图像从上到下的顺序对每一个边缘线进行最小轮廓遍历,在边缘线上任取一像素点作为起始点,以顺时针方向开始进行像素点遍历直到遍历到初始像素点的位置,则该段边缘轨迹线构成一个完整轮廓,选择其中像素点数量最少的完整轮廓作为最小轮廓。
c.判断箱体所在面对应的标准轮廓。
由于箱体边缘线均为直线,在最小轮廓中根据各边缘线所在直线斜率可确定一组或多组平行线,在同一个最小轮廓的各组平行线中,计算两条平行线之间的直线距离,并由此得到直线距离最大的一组平行线,根据最大直线距离判断对应的标准轮廓。
d.获取差别区域。
获取每个物品每个面的最小完整轮廓,利用对应的标准轮廓减去最小完整轮廓,获取差别区域。
具体的:在图像中获取多个最小边缘轮廓,判断出每个最小轮廓对应的标准轮廓后,通过相应标准轮廓与每个最小轮廓之间相减得到每个最小轮廓与标准轮廓之间的差别部分,设差别部分共有h个。
e.获取货物的稳定度。
获取h个差别区域的总面积s,由水平面反映出的货物稳定度δ1为:
同理获取竖直面反映出的货物稳定度δ2。
由于δ1可以更全面货物整体的稳定程度,且与δ2相关联,因此本发明实施例中在计算整体货物的稳定度时给δ1分配相对更大的权重,最后的货物稳定度为:
4)根据货物的通道达标度和稳定度获取该货物区域的安全指数U。
U=δc·δg
各监控区域的安全指数同时取决于通道标准度δc和货物稳定度δg,其中任何一个出现较大的隐患都会导致整体的安全指数大幅度降低,并且根据δc,δg所对应的数值能够迅速及时的判断出哪个方面的隐患较大,便于通知工作人员及时整改。
设置安全指数阈值ε=0.8,当U大于阈值时表示隐患风险较低;反之则表示当前区域货物堆放隐患风险较大。
综上所述,本发明实施例提出一种基于图像识别的隐患智能识别方法。采集堆放货物区域的图像,图像包括安全通道指示牌、货物和安全通道;对图像进行图像分割,获取货物的货物分割图以及安全通道指示牌分割图;根据当前区域的安全通道和安全通道指示牌之间的角度获取安全通道的方向相似性;通过计算安全通道的有效宽度获取安全通道的宽度达标度,结合方向相似性获取安全通道的通道标准度;根据差别区域的数量和面积计算货物稳定度;根据通道标准度和货物稳定度计算当前区域的安全指数。本发明实施例能够评估当前区域由于货物的凌乱堆放而造成的消防隐患风险,提醒企业工作人员及时处理,防止灾害发生。
基于与上述方法相同的发明构思,本发明另一个实施例提供了一种基于图像识别的隐患智能识别系统。请参阅图2,该系统包括以下模块:图像采集模块1001、方向相似性获取模块1002、通道标准度获取模块1003以及安全指数获取模块1004。
图像采集模块1001用于采集堆放货物区域的图像,图像包括安全通道指示牌、货物和安全通道;方向相似性获取模块1002用于对图像进行图像分割,获取货物的货物分割图以及安全通道指示牌分割图;根据当前区域的安全通道和安全通道指示牌之间的角度获取安全通道的方向相似性;通道标准度获取模块1003用于通过计算安全通道的有效宽度获取安全通道的宽度达标度,结合方向相似性获取安全通道的通道标准度;有效宽度为基准线分别与安全通道的两侧边缘的最短距离之和;基准线为穿过安全通道的质心并沿安全通道的方向延伸的线;安全指数获取模块1004用于根据差别区域的数量和面积计算货物稳定度,差别区域为货物中单个物品被遮挡的区域;根据通道标准度和货物稳定度计算当前区域的安全指数。
优选的,方向相似性获取模块还包括安全通道获取模块,用于识别图像中每两部分货物的独立区域以及整体区域;根据整体区域与独立区域的差值确定安全通道。
优选的,方向相似度获取模块还包括夹角获取模块,用于对安全通道指示牌分割图和安全通道进行主成分分析,获取安全通道指示牌主成分方向与安全通道主成分方向形成的夹角,以夹角的三角函数表征方向相似度。
优选的,通道标准度获取模块还包括宽度达标度获取模块,用于以最短距离中的最小距离在安全通道上的点为基准点,计算远离基准点一侧的边缘上的所有像素点与基准线的距离,并与最小距离求和,该和大于预设标准距离的像素点的数量与该边缘上所有像素点的数量的比值,作为宽度达标度。
优选的,安全指数获取模块还包括差别区域获取模块,用于获取每个物品每个面的最小完整轮廓,利用对应的标准轮廓减去最小完整轮廓,获取差别区域。
综上所述,本发明实施例提出一种基于图像识别的隐患智能识别系统。通过图像采集模块1001采集堆放货物区域的图像,图像包括安全通道指示牌、货物和安全通道;方向相似性获取模块1002对图像进行图像分割,获取货物的货物分割图以及安全通道指示牌分割图;根据当前区域的安全通道和安全通道指示牌之间的角度获取安全通道的方向相似性;通道标准度获取模块1003通过计算安全通道的有效宽度获取安全通道的宽度达标度,结合方向相似性获取安全通道的通道标准度;安全指数获取模块1004根据差别区域的数量和面积计算货物稳定度;根据通道标准度和货物稳定度计算当前区域的安全指数。本发明实施例能够评估当前区域由于货物的凌乱堆放而造成的消防隐患风险,提醒企业工作人员及时处理,防止灾害发生。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.基于图像识别的隐患智能识别方法,其特征在于,该方法包括以下步骤:
采集堆放货物区域的图像,所述图像包括安全通道指示牌、货物和安全通道;
对所述图像进行图像分割,获取所述货物的货物分割图以及安全通道指示牌分割图;根据当前区域的安全通道和所述安全通道指示牌之间的角度获取所述安全通道的方向相似性;所述货物分割图包括水平面和竖直面;
通过计算所述安全通道的有效宽度获取所述安全通道的宽度达标度,结合所述方向相似性获取所述安全通道的通道标准度;所述有效宽度为基准线分别与所述安全通道的两侧边缘的最短距离之和;所述基准线为穿过所述安全通道的质心并沿所述安全通道的方向延伸的线;所述通道标准度为所述方向相似性和所述宽度达标度的平均值;
根据差别区域的数量和面积计算货物稳定度,所述差别区域为所述货物中单个物品被遮挡的区域;根据所述通道标准度和所述货物稳定度计算所述当前区域的安全指数;
所述宽度达标度的计算方法为:
以所述最短距离中的最小距离在对应侧安全通道上的点为基准点,计算远离所述基准点一侧的边缘上的所有像素点与所述基准线的距离,并与所述最小距离求和,该和大于预设标准距离的像素点的数量与该边缘上所有像素点的数量的比值,作为所述宽度达标度;
所述差别区域的获取方法为:
获取每个物品每个面的最小完整轮廓,利用对应的标准轮廓减去所述最小完整轮廓,获取所述差别区域;
所述货物稳定度的获取方法为:
2.根据权利要求1所述的方法,其特征在于,所述安全通道的获取方法为:
识别所述图像中每两部分所述货物的独立区域以及整体区域;根据所述整体区域与所述独立区域的差值确定所述安全通道。
3.根据权利要求1所述的方法,其特征在于,所述方向相似性的获取方法为:
对所述安全通道指示牌分割图和所述安全通道进行主成分分析,获取所述安全通道指示牌主成分方向与所述安全通道主成分方向形成的夹角,以所述夹角的三角函数表征所述方向相似性。
4.基于图像识别的隐患智能识别系统,其特征在于,该系统包括以下模块:
图像采集模块,用于采集堆放货物区域的图像,所述图像包括安全通道指示牌、货物和安全通道;
方向相似性获取模块,用于对所述图像进行图像分割,获取所述货物的货物分割图以及安全通道指示牌分割图;根据当前区域的安全通道和所述安全通道指示牌之间的角度获取所述安全通道的方向相似性;
通道标准度获取模块,用于通过计算所述安全通道的有效宽度获取所述安全通道的宽度达标度,结合所述方向相似性获取所述安全通道的通道标准度;所述有效宽度为基准线分别与所述安全通道的两侧边缘的最短距离之和;所述基准线为穿过所述安全通道的质心并沿所述安全通道的方向延伸的线;所述通道标准度为所述方向相似性和所述宽度达标度的平均值;
安全指数获取模块,用于根据差别区域的数量和面积计算货物稳定度,所述差别区域为所述货物中单个物品被遮挡的区域;根据所述通道标准度和所述货物稳定度计算所述当前区域的安全指数;
所述通道标准度获取模块还包括宽度达标度获取模块,用于以所述最短距离中的最小距离在对应侧安全通道上的点为基准点,计算远离所述基准点一侧的边缘上的所有像素点与所述基准线的距离,并与所述最小距离求和,该和大于预设标准距离的像素点的数量与该边缘上所有像素点的数量的比值,作为所述宽度达标度;
所述安全指数获取模块还包括差别区域获取模块,用于获取每个物品每个面的最小完整轮廓,利用对应的标准轮廓减去所述最小完整轮廓,获取所述差别区域;
所述货物稳定度的获取方法为:
5.根据权利要求4所述的系统,其特征在于,所述方向相似性获取模块还包括安全通道获取模块,用于识别所述图像中每两部分所述货物的独立区域以及整体区域;根据所述整体区域与所述独立区域的差值确定所述安全通道。
6.根据权利要求4所述的系统,其特征在于,所述方向相似性获取模块还包括夹角获取模块,用于对所述安全通道指示牌分割图和所述安全通道进行主成分分析,获取所述安全通道指示牌主成分方向与所述安全通道主成分方向形成的夹角,以所述夹角的三角函数表征所述方向相似性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110551919.XA CN113239832B (zh) | 2021-05-20 | 2021-05-20 | 基于图像识别的隐患智能识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110551919.XA CN113239832B (zh) | 2021-05-20 | 2021-05-20 | 基于图像识别的隐患智能识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113239832A CN113239832A (zh) | 2021-08-10 |
CN113239832B true CN113239832B (zh) | 2023-02-17 |
Family
ID=77137938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110551919.XA Active CN113239832B (zh) | 2021-05-20 | 2021-05-20 | 基于图像识别的隐患智能识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113239832B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115115941B (zh) * | 2021-11-09 | 2023-04-18 | 腾晖科技建筑智能(深圳)有限公司 | 基于模板匹配的激光雷达点云地图杆状目标提取方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016141395A1 (de) * | 2015-03-06 | 2016-09-15 | Tgw Logistics Group Gmbh | Verfahren zum einlagern von stückgütern in ein lagerregal und lagersystem |
WO2017155634A1 (en) * | 2016-03-11 | 2017-09-14 | Origin Wireless, Inc. | Methods, devices, servers, apparatus, and systems for wireless internet of things applications |
CN108376406A (zh) * | 2018-01-09 | 2018-08-07 | 公安部上海消防研究所 | 一种用于通道堵塞判别的动态递归建模和融合跟踪方法 |
CN109657532A (zh) * | 2018-10-25 | 2019-04-19 | 安徽新浩信息科技有限公司 | 一种基于人工智能的消防通道阻塞图像识别方法 |
CN109949331A (zh) * | 2019-04-17 | 2019-06-28 | 合肥泰禾光电科技股份有限公司 | 货箱边缘检测方法及装置 |
CN111629181A (zh) * | 2020-05-19 | 2020-09-04 | 辽宁云盾网力科技有限公司 | 消防生命通道监控系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111881913A (zh) * | 2019-07-05 | 2020-11-03 | 深圳数字生命研究院 | 图像识别方法及装置、存储介质和处理器 |
CN111507390B (zh) * | 2020-04-11 | 2023-07-04 | 华中科技大学 | 一种基于轮廓特征的仓储箱体识别与定位方法 |
-
2021
- 2021-05-20 CN CN202110551919.XA patent/CN113239832B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016141395A1 (de) * | 2015-03-06 | 2016-09-15 | Tgw Logistics Group Gmbh | Verfahren zum einlagern von stückgütern in ein lagerregal und lagersystem |
WO2017155634A1 (en) * | 2016-03-11 | 2017-09-14 | Origin Wireless, Inc. | Methods, devices, servers, apparatus, and systems for wireless internet of things applications |
CN108376406A (zh) * | 2018-01-09 | 2018-08-07 | 公安部上海消防研究所 | 一种用于通道堵塞判别的动态递归建模和融合跟踪方法 |
CN109657532A (zh) * | 2018-10-25 | 2019-04-19 | 安徽新浩信息科技有限公司 | 一种基于人工智能的消防通道阻塞图像识别方法 |
CN109949331A (zh) * | 2019-04-17 | 2019-06-28 | 合肥泰禾光电科技股份有限公司 | 货箱边缘检测方法及装置 |
CN111629181A (zh) * | 2020-05-19 | 2020-09-04 | 辽宁云盾网力科技有限公司 | 消防生命通道监控系统及方法 |
Non-Patent Citations (2)
Title |
---|
Analysis of Fire Safety System for Storage Enterprises of Dangerous Chemicals;Cong Zhang 等,;《Procedia engineering》;20180207;第2018年卷;第986-995页 * |
基于BIM的装配式混凝土建筑施工安全管理研究;刘欢,;《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》;20191215;第2019年卷(第12期);第B026-7页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113239832A (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109215020B (zh) | 基于计算机视觉的高压输电线路故障识别方法 | |
CN107392139B (zh) | 一种基于霍夫变换的车道线检测方法及终端设备 | |
CN109444169B (zh) | 一种轴承缺陷检测方法及系统 | |
CN113239832B (zh) | 基于图像识别的隐患智能识别方法及系统 | |
CN112052782A (zh) | 基于环视的停车位识别方法、装置、设备及存储介质 | |
CN113077437A (zh) | 工件质量检测方法及其系统 | |
CN116824516B (zh) | 一种涉路施工安全监测及管理系统 | |
CN115631146A (zh) | 一种基于图像的受电弓碳滑条缺损缺陷检测方法 | |
CN115731222A (zh) | 钢坯表面检测方法、装置、设备及计算机可读存储介质 | |
CN111415339A (zh) | 一种复杂纹理工业产品图像缺陷检测方法 | |
CN113960075A (zh) | 一种安检设备及物品尺寸确定方法、存储介质、设备 | |
KR102242996B1 (ko) | 자동차 사출제품의 비정형 불량 검출 방법 | |
CN110348307B (zh) | 一种起重机金属结构攀爬机器人的路径边缘识别方法及系统 | |
CN104112123A (zh) | 一种用于子弹表观缺陷检测的aoi系统的缺陷特征提取与识别方法 | |
CN115797361A (zh) | 一种铝模板表面缺陷检测方法 | |
CN116993804B (zh) | 一种基于lsm算法的箍筋尺寸检测方法及系统 | |
CN113658244A (zh) | 桥梁区域通航船舶三维几何尺寸辨识方法 | |
CN113177922A (zh) | 一种原料异物识别方法、系统、介质及电子终端 | |
CN112734702A (zh) | 基于大数据分析和机器视觉的桥梁安全监测方法及云平台 | |
CN112308848A (zh) | 一种废钢货车挡板状态识别方法、系统、电子设备及介质 | |
CN109978879B (zh) | 基于铁路货车装载视频监视的箱角入槽状态检测方法 | |
CN112001336A (zh) | 行人越界报警方法、装置、设备及系统 | |
CN109389644A (zh) | 基于方向梯度增强的车位线检测方法 | |
CN114926429A (zh) | 一种线迹长度检测方法、装置、设备及可读存储介质 | |
CN105512633A (zh) | 一种电力系统危险目标识别方法及装置 |
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 |
Effective date of registration: 20230117 Address after: Room 426, Floor 4, Building 23, East Yard, No. 10, Northwest Wangdong Road, Haidian District, Beijing 100193 Applicant after: ZHONGXIN HANCHUANG (BEIJING) TECHNOLOGY CO.,LTD. Address before: 450000 No. 5, Zone C, floor 8, building 2, No. 85, Jinshui East Road, Zhengzhou area (Zhengdong), pilot Free Trade Zone, Zhengzhou City, Henan Province Applicant before: Henan Zhongquan Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |