CN113420631A - 一种基于图像识别的安全报警方法及装置 - Google Patents
一种基于图像识别的安全报警方法及装置 Download PDFInfo
- Publication number
- CN113420631A CN113420631A CN202110671820.3A CN202110671820A CN113420631A CN 113420631 A CN113420631 A CN 113420631A CN 202110671820 A CN202110671820 A CN 202110671820A CN 113420631 A CN113420631 A CN 113420631A
- Authority
- CN
- China
- Prior art keywords
- image
- misrecognized
- processed
- similarity
- recognition
- 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 53
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 58
- 230000015654 memory Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 18
- 230000004044 response Effects 0.000 abstract description 5
- 238000001914 filtration Methods 0.000 abstract description 3
- 238000010276 construction Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000002401 inhibitory effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001629 suppression 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
- G06F18/211—Selection of the most significant subset of features
- G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于图像识别的安全报警方法及装置，该方法包括：获取目标图像识别算法对待处理图像的识别结果图像；根据识别结果图像，确定待处理图像与误识别图像库中误识别图像的相似度；根据待处理图像与误识别图像库中误识别图像的相似度，对待处理图像进行安全报警。从而通过在目标图像识别算法识别出不符合安全要求的图像信息时，利用预先设置的误识别图像库进行错误识别结果的过滤，然后再进行安全报警，进而抑制了目标图像识别算法的误报警，无需过多人为干预，降低人工成本，并且响应速度快，满足实时安全报警的要求，为工程现场的安全监控提供准确的安全报警。
Description
技术领域
本发明涉及建筑工程技术领域，具体涉及一种基于图像识别的安全报警方法及装置。
背景技术
在工程施工现场，处于施工安全考虑需要作业现场满足施工安全规范的要求，例如：要求施工人员需佩戴安全帽、穿反光衣等。随着人工智能技术的发展，施工现场也开始智能化升级，通过利用摄像头对施工现场进行监控，并对监控图像中未符合相关规范要求的情况进行报警，如：识别出施工人员未穿反光衣则进行报警提示，以提醒施工人员规范着装，实现对施工现场的实时安全监控。
但是，由于施工现场环境复杂多变，图像识别算法在实际生产环境部署使用的过程中经常出现一些在训练过程中没有训练过的物体，造成图像识别算法进行安全报警常常存在误报警的情况，比如将施工现场的柱子识别为未穿反光衣的行人而产生错误的报警。现有技术中为了避免图像错误识别所通常采用的方式包括：(1)让用户收集好负样本后再次训练，该方案对用户非常不友好，因为误报发生之后要等很长一段时间才能训练好新模型并重新部署，这段时间内误报依然存在，十分影响用户体验；(2)直接关闭安全监控，这种方式存在很大的安全风险，假如在监控关闭期间有违规事件发生，会造成安全隐患。因此，现有的基于图像识别的安全报警方法均无法满足建筑工程现场的实际需求。
发明内容
有鉴于此，本发明实施例提供了一种基于图像识别的安全报警方法及装置，解决现有技术中基于图像识别的安全报警方法均无法满足建筑工程现场的实际需求的问题。
根据第一方面，本发明实施例提供了一种基于图像识别的安全报警方法，包括：
获取目标图像识别算法对待处理图像的识别结果图像，所述识别结果图像用于表征所述待处理图像不符合所述目标图像识别算法对应的安全要求；
根据所述识别结果图像，确定所述待处理图像与误识别图像库中误识别图像的相似度，所述误识别图像库用于存储所述目标图像识别算法识别错误的图像；
根据所述待处理图像与误识别图像库中误识别图像的相似度，对所述待处理图像进行安全报警。
可选地，所述根据所述待处理图像与误识别图像库中误识别图像的相似度，对所述待处理图像进行安全报警，包括：
对所述待处理图像与误识别图像库中误识别图像的相似度进行排序；
判断相似度最大值是否大于预设相似度阈值；
当所述相似度最大值不大于所述预设相似度阈值时，对所述待处理图像进行安全报警。
可选地，当所述相似度最大值大于所述预设相似度阈值时，获取目标图像识别算法对下一待处理图像的识别结果图像。
可选地，所述根据所述识别结果图像，确定所述待处理图像与误识别图像库中误识别图像的相似度，包括：
对所述识别结果图像进行归一化处理，确定归一化后的识别结果图像，所述误识别图像库中误识别图像为进行归一化处理后的图像；
计算归一化后的识别结果图像和当前误识别图像的相似度。
可选地，所述对所述识别结果图像进行归一化处理，确定归一化后的识别图像，包括：
将所述识别结果图像转换为预设尺寸，并进行灰度化处理；
对灰度化后的识别结果图像进行离散余弦变换；
获取进行离散余弦变换后识别结果图像的像素中值；
根据所述像素中值对进行离散余弦变换后识别结果图像进行二值化，确定二值化识别结果图像。
可选地，所述计算归一化后的识别结果图像和当前误识别图像的相似度，包括：
计算所述二值化识别结果图像与当前误识别图像的相似度。
可选地，所述方法还包括：
判断对所述待处理图像进行安全报警是否为误报警；
当对所述待处理图像进行安全报警为误报警时，将所述待处理图像对应的识别结果图像添加至所述误识别图像库。
根据第二方面，本发明实施例提供了一种基于图像识别的安全报警装置，包括：
第一获取模块，用于获取目标图像识别算法对待处理图像的识别结果图像，所述识别结果图像用于表征所述待处理图像不符合所述目标图像识别算法对应的安全要求；
第一处理模块，用于根据所述识别结果图像，确定所述待处理图像与误识别图像库中误识别图像的相似度，所述误识别图像库用于存储所述目标图像识别算法识别错误的图像；
第二处理模块，用于根据所述待处理图像与误识别图像库中误识别图像的相似度，对所述待处理图像进行安全报警。
根据第三方面，本发明实施例提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令被处理器执行时实现本发明第一方面及其任意一种可选方式所述的方法。
根据第四方面，本发明实施例提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行本发明第一方面及其任意一种可选方式所述的方法。
本发明技术方案，具有如下优点：
本发明实施例提供了一种基于图像识别的安全报警方法及装置，通过获取目标图像识别算法对待处理图像的识别结果图像；根据识别结果图像，确定待处理图像与误识别图像库中误识别图像的相似度；根据待处理图像与误识别图像库中误识别图像的相似度，对待处理图像进行安全报警。从而通过在目标图像识别算法识别出不符合安全要求的图像信息时，利用预先设置的误识别图像库进行错误识别结果的过滤，然后再进行安全报警，进而抑制了目标图像识别算法的误报警，无需过多人为干预，降低人工成本，并且响应速度快，满足实时安全报警的要求，为工程现场的安全监控提供准确的安全报警。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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为本发明实施例中基于图像识别的安全报警方法的流程图；
图2为本发明实施例中误识别图像库的建立过程示意图；
图3为本发明实施例中误识别图像库中图像的归一化处理过程示意图；
图4为本发明实施例中误识别图像库存储误识别图像的示意图；
图5为本发明实施例中目标图像识别算法对待处理图像的识别结果图像的示意图；
图6为本发明实施例中对目标图像识别算法的错误识别结果进行报警抑制的示意图；
图7为本发明实施例中基于图像识别的安全报警装置的结构示意图；
图8为本发明实施例中的电子设备的结构示意图。
具体实施方式
下面将结合附图对本发明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发明一部分实施例，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做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。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
在工程施工现场，处于施工安全考虑需要作业现场满足施工安全规范的要求，例如：要求施工人员需佩戴安全帽、穿反光衣等。随着人工智能技术的发展，施工现场也开始智能化升级，通过利用摄像头对施工现场进行监控，并对监控图像中未符合相关规范要求的情况进行报警，如：识别出施工人员未穿反光衣则进行报警提示，以提醒施工人员规范着装，实现对施工现场的实时安全监控。
但是，由于施工现场环境复杂多变，图像识别算法在实际生产环境部署使用的过程中经常出现一些在训练过程中没有训练过的物体，造成图像识别算法进行安全报警常常存在误报警的情况，比如将施工现场的柱子识别为未穿反光衣的行人而产生错误的报警。现有技术中为了避免图像错误识别所通常采用的方式包括：(1)让用户收集好负样本后再次训练，该方案对用户非常不友好，因为误报发生之后要等很长一段时间才能训练好新模型并重新部署，这段时间内误报依然存在，十分影响用户体验；(2)直接关闭安全监控，这种方式存在很大的安全风险，假如在监控关闭期间有违规事件发生，会造成安全隐患。因此，现有的基于图像识别的安全报警方法均无法满足建筑工程现场的实际需求。
基于上述问题，本发明实施例提供了一种基于图像识别的安全报警，如图1所示，该基于图像识别的安全报警方法具体包括如下步骤：
步骤S101：获取目标图像识别算法对待处理图像的识别结果图像。
其中，识别结果图像用于表征待处理图像不符合目标图像识别算法对应的安全要求。该待处理图像为从实际工程项目监控现场所拍摄的视频数据中所提取的监控图像，通过采用目标图像识别算法对监控图像中不符合安全要求的图像内容识别出来，为安全报警提供依据，具体地，可根据实际工程项目的安全要求，建立项目名称与图像识别算法的对应关系，每个项目名称可对应设置一个或多个不同的图像识别算法，以满足不同的安全要求，具体目标图像识别算法也可以根据实际安全要求进行设置，本发明并不以此为限。
步骤S102：根据识别结果图像，确定待处理图像与误识别图像库中误识别图像的相似度。
其中，误识别图像库用于存储目标图像识别算法识别错误的图像。具体地，每一个图像识别算法都对应有一个误识别图像库，该误识别图像库为事先采用目标图像识别算法对大量样本图像进行识别时，出现误识别的图像集合。详细构建方式既可以是人工添加不同误识别图像构建难例库即误识别图像库，如图2所示，也可以是在无需进行安全监控时如在夜间的时候，采用其他识别精度高但无法满足工程项目实时性要求的占用资源大、运行速度慢的模型对样本图像进行检测，以判断其与正常的检测算法即目标图像识别算法的识别结果图像是否不一致，如果不一致，则认为该样本图像是难例，b将该样本图像添加至难例库即误识别图像库中，本发明并不以此为限。
步骤S103：根据待处理图像与误识别图像库中误识别图像的相似度，对待处理图像进行安全报警。
具体地，如果待处理图像与误识别图像库中误识别图像的相似度较高，则认为二者是相似的图像，即该待处理图像的识别结果图像为误识别，因此过滤掉该待处理图像的报警信息，不进行报警；而如果待处理图像与误识别图像库中误识别图像的相似度都比较低，则说明该识别结果图像为正确的识别结果，确实存在不满足安全要求的图像内容，因而进行实时安全报警，以提醒现场的工作人员排查安全隐患。
示例性地，本发明实施例所提供的基于图像识别的安全报警方法，具备如下功能：
删除：传入要删除图像的名字，就可以在难例库里面删除该图像；
建库：将图像送入该接口，就可以将该图像的hash值存入库中；
查询：输入项目名和算法名，就可以查询其对应的难例库的数量等信息；
过滤：将检测算法框出来的图像去和难例库里面的图像进行匹配；如果满足阈值要求，就认为是相似的图像，过滤掉，不进行报警。
通过执行上述步骤，本发明实施例提供的基于图像识别的安全报警方法，通过在目标图像识别算法识别出不符合安全要求的图像信息时，利用预先设置的误识别图像库进行错误识别结果的过滤，然后再进行安全报警，进而抑制了目标图像识别算法的误报警，无需过多人为干预，降低人工成本，并且响应速度快，满足实时安全报警的要求，为工程现场的安全监控提供准确的安全报警。
具体地，在一实施例中，上述的步骤S102，具体包括如下步骤：
步骤S201：对识别结果图像进行归一化处理，确定归一化后的识别结果图像。其中，误识别图像库中误识别图像为进行归一化处理后的图像，即识别结果图像与误识别图像库中误识别图像均进行统一的归一化处理，以提高计算两个不同图像间的相似度的精确度。
具体地，上述步骤S201具体实现过程如下：将识别结果图像转换为预设尺寸，并进行灰度化处理；对灰度化后的识别结果图像进行离散余弦变换；获取进行离散余弦变换后识别结果图像的像素中值；根据像素中值对进行离散余弦变换后识别结果图像进行二值化，确定二值化识别结果图像。
示例性地，如图3所示，通过将识别结果图像缩小为固定尺寸32*32，以减少后续计算量，提高计算效率，然后对图像进行灰度化处理，在进一步检索计算量的同时避免不同环境光照条件不同造成的色彩差异对图像相似性的影响，然后采用离散余弦变换简称DCT这种有损压缩图像的方式，来尽量保留人眼可见的大部分低频信息，在降低计算量的同时保证最后处理结果与人眼观察的一致性，最后通过利用DCT中值，将图像进行二值化，以便于计算图像间的相似度。
步骤S202：计算归一化后的识别结果图像和当前误识别图像的相似度。
具体地，计算二值化识别结果图像与当前误识别图像的相似度。在实际应用中，两图像间的相似度可以通过计算两个图像的距离来表征相似度，如：汉明距离、欧式距离等，本发明并不以此为限。
具体地，在一实施例中，上述的步骤S103，具体包括如下步骤：
步骤S301：对待处理图像与误识别图像库中误识别图像的相似度进行排序。示例性地，图4为误识别图像库中两个误识别图像的示意图，图5为采用目标图像识别算法对待处理图像进行识别的结果，假设该目标图像识别算法的识别目的是要识别出没有穿反光衣的行人，其中黑色边框所包括的图像内容即为待处理图像的两个识别结果图像，即该目标图像识别算法任务两个柱子是未穿戴反光衣的行人。
步骤S302：判断相似度最大值是否大于预设相似度阈值。当相似度最大值不大于预设相似度阈值时，对待处理图像进行安全报警；当相似度最大值大于预设相似度阈值时，获取目标图像识别算法对下一待处理图像的识别结果图像。其中，该预设相似度阈值可以根据实际安全报警的精确度及项目需求进行灵活的设置，本发明并不以此为限。
示例性地，如图6所示，由于图5中检测框所框选出的两个图像与图4中误识别图像的相似度很高，超过了预设相似度阈值，则认为这两个识别结果图像为误报，如图6所示，就将这两个检测框认为是badcase，需要过滤掉这两个算法提示的异常信息，不进行安全报警，从而利用自学习的思想来抑制算法误报，提升解决算法误报的速度，提高安全报警的准确性，降低人工成本。
具体地，在一实施例中，上述基于图像识别的安全报警方法，具体还包括如下步骤：
步骤S104：判断对待处理图像进行安全报警是否为误报警。
步骤S105：当对待处理图像进行安全报警为误报警时，将待处理图像对应的识别结果图像添加至所述误识别图像库。
具体地，由于工程项目等图像识别算法的部署现场环境复杂多变，可能会出现目标图像识别算法误报的识别结果图像，但是由于误识别图像库中没有存储类似的图像，进而造成误报警，为了避免后续出现类似情况再次误报警，通过将出现误报的识别结果图像添加至误识别图像库中，从而在实际工程应用中不断丰富误识别图像库，使得其更能适应目标图像识别算法的实际部署环境，进而不断提高安全报警的准确性，降低误报率，更符合实际工况的应用，为项目现场安全监控提供便利和支持。
通过执行上述步骤，本发明实施例提供的基于图像识别的安全报警方法，通过在目标图像识别算法识别出不符合安全要求的图像信息时，利用预先设置的误识别图像库进行错误识别结果的过滤，然后再进行安全报警，进而抑制了目标图像识别算法的误报警，无需过多人为干预，降低人工成本，并且响应速度快，满足实时安全报警的要求，为工程现场的安全监控提供准确的安全报警。
本发明实施例还提供了一种基于图像识别的安全报警装置，如图7所示，该基于图像识别的安全报警装置具体包括：
第一获取模块101，用于获取目标图像识别算法对待处理图像的识别结果图像，识别结果图像用于表征待处理图像不符合目标图像识别算法对应的安全要求。详细内容参见上述方法实施例中步骤S101的相关描述，在此不再进行赘述。
第一处理模块102，用于根据识别结果图像，确定待处理图像与误识别图像库中误识别图像的相似度，误识别图像库用于存储目标图像识别算法识别错误的图像。详细内容参见上述方法实施例中步骤S102的相关描述，在此不再进行赘述。
第二处理模块103，用于根据待处理图像与误识别图像库中误识别图像的相似度，对待处理图像进行安全报警。详细内容参见上述方法实施例中步骤S103的相关描述，在此不再进行赘述。
上述各个模块的更进一步的功能描述与上述对应方法实施例相同，在此不再赘述。
通过上述各个组成部分的协同合作，本发明实施例提供的基于图像识别的安全报警装置，通过在目标图像识别算法识别出不符合安全要求的图像信息时，利用预先设置的误识别图像库进行错误识别结果的过滤，然后再进行安全报警，进而抑制了目标图像识别算法的误报警，无需过多人为干预，降低人工成本，并且响应速度快，满足实时安全报警的要求，为工程现场的安全监控提供准确的安全报警。
本发明实施例还提供了一种电子设备，如图8所示，该电子设备可以包括处理器901和存储器902，其中处理器901和存储器902可以通过总线或者其他方式连接，图8中以通过总线连接为例。
处理器901可以为中央处理器(Central Processing Unit，CPU)。处理器901还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器902作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的方法所对应的程序指令/模块。处理器901通过运行存储在存储器902中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法。
存储器902可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器901所创建的数据等。此外，存储器902可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器902可选包括相对于处理器901远程设置的存储器，这些远程存储器可以通过网络连接至处理器901。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器902中，当被处理器901执行时，执行上述方法。
上述电子设备具体细节可以对应参阅上述方法实施例中对应的相关描述和效果进行理解，此处不再赘述。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-StateDrive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于图像识别的安全报警方法，其特征在于，包括：
获取目标图像识别算法对待处理图像的识别结果图像，所述识别结果图像用于表征所述待处理图像不符合所述目标图像识别算法对应的安全要求；
根据所述识别结果图像，确定所述待处理图像与误识别图像库中误识别图像的相似度，所述误识别图像库用于存储所述目标图像识别算法识别错误的图像；
根据所述待处理图像与误识别图像库中误识别图像的相似度，对所述待处理图像进行安全报警。
2.根据权利要求1所述的方法，其特征在于，所述根据所述待处理图像与误识别图像库中误识别图像的相似度，对所述待处理图像进行安全报警，包括：
对所述待处理图像与误识别图像库中误识别图像的相似度进行排序；
判断相似度最大值是否大于预设相似度阈值；
当所述相似度最大值不大于所述预设相似度阈值时，对所述待处理图像进行安全报警。
3.根据权利要求2所述的方法，其特征在于，当所述相似度最大值大于所述预设相似度阈值时，获取目标图像识别算法对下一待处理图像的识别结果图像。
4.根据权利要求1所述的方法，其特征在于，所述根据所述识别结果图像，确定所述待处理图像与误识别图像库中误识别图像的相似度，包括：
对所述识别结果图像进行归一化处理，确定归一化后的识别结果图像，所述误识别图像库中误识别图像为进行归一化处理后的图像；
计算归一化后的识别结果图像和当前误识别图像的相似度。
5.根据权利要求4所述的方法，其特征在于，所述对所述识别结果图像进行归一化处理，确定归一化后的识别图像，包括：
将所述识别结果图像转换为预设尺寸，并进行灰度化处理；
对灰度化后的识别结果图像进行离散余弦变换；
获取进行离散余弦变换后识别结果图像的像素中值；
根据所述像素中值对进行离散余弦变换后识别结果图像进行二值化，确定二值化识别结果图像。
6.根据权利要求5所述的方法，其特征在于，所述计算归一化后的识别结果图像和当前误识别图像的相似度，包括：
计算所述二值化识别结果图像与当前误识别图像的相似度。
7.根据权利要求1所述的方法，其特征在于，还包括：
判断对所述待处理图像进行安全报警是否为误报警；
当对所述待处理图像进行安全报警为误报警时，将所述待处理图像对应的识别结果图像添加至所述误识别图像库。
8.一种基于图像识别的安全报警装置，其特征在于，包括：
第一获取模块，用于获取目标图像识别算法对待处理图像的识别结果图像，所述识别结果图像用于表征所述待处理图像不符合所述目标图像识别算法对应的安全要求；
第一处理模块，用于根据所述识别结果图像，确定所述待处理图像与误识别图像库中误识别图像的相似度，所述误识别图像库用于存储所述目标图像识别算法识别错误的图像；
第二处理模块，用于根据所述待处理图像与误识别图像库中误识别图像的相似度，对所述待处理图像进行安全报警。
9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令被处理器执行时实现如权利要求1-7中任一项所述的方法。
10.一种电子设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如权利要求1-7中任一项所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110671820.3A CN113420631A (zh) | 2021-06-17 | 2021-06-17 | 一种基于图像识别的安全报警方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110671820.3A CN113420631A (zh) | 2021-06-17 | 2021-06-17 | 一种基于图像识别的安全报警方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113420631A true CN113420631A (zh) | 2021-09-21 |
Family
ID=77788840
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110671820.3A Pending CN113420631A (zh) | 2021-06-17 | 2021-06-17 | 一种基于图像识别的安全报警方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113420631A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113688958A (zh) * | 2021-10-26 | 2021-11-23 | 城云科技（中国）有限公司 | 适用于目标识别数据的过滤方法、装置及系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004226197A (ja) * | 2003-01-22 | 2004-08-12 | Seiko Epson Corp | 物体識別方法および物体識別装置、並びに物体識別プログラム |
| CN102842032A (zh) * | 2012-07-18 | 2012-12-26 | 郑州金惠计算机系统工程有限公司 | 基于多模式组合策略的移动互联网色情图像识别方法 |
| CN104994346A (zh) * | 2015-07-06 | 2015-10-21 | 重庆昊广重工机械有限公司 | 建筑施工安全管理智能监控系统及其图像报警处理方法 |
| JP2016126436A (ja) * | 2014-12-26 | 2016-07-11 | 株式会社 日立産業制御ソリューションズ | 画像認識評価システム及び画像認識評価装置 |
| US20170199803A1 (en) * | 2016-01-11 | 2017-07-13 | Oracle International Corporation | Duplicate bug report detection using machine learning algorithms and automated feedback incorporation |
| CN108133178A (zh) * | 2017-12-08 | 2018-06-08 | 重庆广睿达科技有限公司 | 一种基于图像识别的智能环境监控系统与方法 |
| CN110136172A (zh) * | 2019-05-21 | 2019-08-16 | 中国矿业大学 | 一种矿工下井前防护设备佩戴的检测方法 |
| CN111126346A (zh) * | 2020-01-06 | 2020-05-08 | 腾讯科技（深圳）有限公司 | 脸部识别方法、分类模型的训练方法、装置和存储介质 |
| CN111582167A (zh) * | 2020-05-08 | 2020-08-25 | 上海振华重工(集团)股份有限公司 | 集装箱起重机司机操作安全识别方法、系统、计算设备 |
| CN112004067A (zh) * | 2020-09-07 | 2020-11-27 | 智点恒创(苏州)智能科技有限公司 | 视频监控方法、装置和存储介质 |
| CN112115794A (zh) * | 2020-08-20 | 2020-12-22 | 河海大学 | 一种基于深度学习的安全帽佩戴情况检测方法 |
| CN112613408A (zh) * | 2020-12-23 | 2021-04-06 | 宁波市交通建设工程试验检测中心有限公司 | 一种安全帽视频检测方法、系统、存储介质及安全帽 |
| CN112861742A (zh) * | 2021-02-18 | 2021-05-28 | 咪咕文化科技有限公司 | 人脸识别方法、装置、电子设备及存储介质 |
-
2021
- 2021-06-17 CN CN202110671820.3A patent/CN113420631A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004226197A (ja) * | 2003-01-22 | 2004-08-12 | Seiko Epson Corp | 物体識別方法および物体識別装置、並びに物体識別プログラム |
| CN102842032A (zh) * | 2012-07-18 | 2012-12-26 | 郑州金惠计算机系统工程有限公司 | 基于多模式组合策略的移动互联网色情图像识别方法 |
| JP2016126436A (ja) * | 2014-12-26 | 2016-07-11 | 株式会社 日立産業制御ソリューションズ | 画像認識評価システム及び画像認識評価装置 |
| CN104994346A (zh) * | 2015-07-06 | 2015-10-21 | 重庆昊广重工机械有限公司 | 建筑施工安全管理智能监控系统及其图像报警处理方法 |
| US20170199803A1 (en) * | 2016-01-11 | 2017-07-13 | Oracle International Corporation | Duplicate bug report detection using machine learning algorithms and automated feedback incorporation |
| CN108133178A (zh) * | 2017-12-08 | 2018-06-08 | 重庆广睿达科技有限公司 | 一种基于图像识别的智能环境监控系统与方法 |
| CN110136172A (zh) * | 2019-05-21 | 2019-08-16 | 中国矿业大学 | 一种矿工下井前防护设备佩戴的检测方法 |
| CN111126346A (zh) * | 2020-01-06 | 2020-05-08 | 腾讯科技（深圳）有限公司 | 脸部识别方法、分类模型的训练方法、装置和存储介质 |
| CN111582167A (zh) * | 2020-05-08 | 2020-08-25 | 上海振华重工(集团)股份有限公司 | 集装箱起重机司机操作安全识别方法、系统、计算设备 |
| CN112115794A (zh) * | 2020-08-20 | 2020-12-22 | 河海大学 | 一种基于深度学习的安全帽佩戴情况检测方法 |
| CN112004067A (zh) * | 2020-09-07 | 2020-11-27 | 智点恒创(苏州)智能科技有限公司 | 视频监控方法、装置和存储介质 |
| CN112613408A (zh) * | 2020-12-23 | 2021-04-06 | 宁波市交通建设工程试验检测中心有限公司 | 一种安全帽视频检测方法、系统、存储介质及安全帽 |
| CN112861742A (zh) * | 2021-02-18 | 2021-05-28 | 咪咕文化科技有限公司 | 人脸识别方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| QIONG LI 等: "Research on safety Helmet detection method based on convolutional network", 《SIXTH SYMPOSIUM ON NOVEL OPTOELECTRONIC DETECTION TECHNOLOGY AND APPLICATION》, vol. 11455, 17 April 2020 (2020-04-17), XP060141412, DOI: 10.1117/12.2564896 * |
| 王忆勤主编: "《中医面诊与计算机辅助诊断》", 30 November 2010, 上海科学技术出版社, pages: 78 - 82 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113688958A (zh) * | 2021-10-26 | 2021-11-23 | 城云科技（中国）有限公司 | 适用于目标识别数据的过滤方法、装置及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110210302B (zh) | 多目标跟踪方法、装置、计算机设备及存储介质 | |
| CN109166261B (zh) | 基于图像识别的图像处理方法、装置、设备及存储介质 | |
| CN110706261A (zh) | 车辆违章检测方法、装置、计算机设备和存储介质 | |
| CN113095132B (zh) | 基于神经网络燃气现场识别方法、系统、终端及存储介质 | |
| CN112052815B (zh) | 一种行为检测方法、装置及电子设备 | |
| CN113012383B (zh) | 火灾检测报警方法、相关系统、相关设备及存储介质 | |
| CN106851229B (zh) | 一种基于图像识别的安防智能决策的方法与系统 | |
| CN111126153A (zh) | 基于深度学习的安全监测方法、系统、服务器及存储介质 | |
| CN110647818A (zh) | 一种遮挡目标物体的识别方法及装置 | |
| CN111523362A (zh) | 一种基于电子围网的数据分析方法、装置及电子设备 | |
| CN110458144A (zh) | 物体区域入侵检测方法、系统、装置及可读存储介质 | |
| CN110602446A (zh) | 垃圾回收提醒方法、系统及存储介质 | |
| CN114218992A (zh) | 异常对象的检测方法及相关装置 | |
| US20180268247A1 (en) | System and method for detecting change using ontology based saliency | |
| CN116863297A (zh) | 一种基于电子围栏的监控方法、装置、系统、设备及介质 | |
| CN113989743B (zh) | 垃圾满溢检测方法、检测设备及系统 | |
| CN113420631A (zh) | 一种基于图像识别的安全报警方法及装置 | |
| CN117274177A (zh) | 一种基于图像识别的输电线路防外破方法及装置 | |
| CN116863288A (zh) | 基于深度学习的目标检测和报警方法、装置及设备 | |
| CN112001336A (zh) | 行人越界报警方法、装置、设备及系统 | |
| CN115965648A (zh) | 一种离岗检测方法、装置、电子设备及存储介质 | |
| CN115908816A (zh) | 基于人工智能的积水识别方法、装置、设备及存储介质 | |
| WO2022198507A1 (zh) | 障碍物检测方法、装置、设备和计算机存储介质 | |
| CN114241400A (zh) | 电网系统的监控方法及其装置、计算机可读存储介质 | |
| CN114708498A (zh) | 图像处理方法、装置、电子设备以及存储介质 |
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 |