CN113596408A - 基于ai智能分析的辅助监控系统 - Google Patents
基于ai智能分析的辅助监控系统 Download PDFInfo
- Publication number
- CN113596408A CN113596408A CN202110901217.XA CN202110901217A CN113596408A CN 113596408 A CN113596408 A CN 113596408A CN 202110901217 A CN202110901217 A CN 202110901217A CN 113596408 A CN113596408 A CN 113596408A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- camera
- person
- module
- tracking
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 229
- 238000004458 analytical method Methods 0.000 title claims abstract description 40
- 230000005540 biological transmission Effects 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000009471 action Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000009545 invasion Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000002243 precursor Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/292—Multi-camera tracking
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Abstract
本发明公开了一种基于AI智能分析的辅助监控系统,所述辅助监控系统包括监控画面采集模块、安全帽穿戴判断模块、追踪人员监测模块、倒地判断模块、第一警报传输模块和第二警报传输模块,所述监控画面采集模块用于通过配电站预先设置的多个监控摄像头实时采集配电站的监控画面,所述安全帽穿戴判断模块在监控画面监测到某个工作人员位于配电站内时,通过人工智能分析判断该工作人员是否穿戴有安全帽,如果判断该工作人员穿戴有安全帽,设该工作人员为追踪人员,如果判断该工作人员没有穿戴安全帽,那么令第一警报传输模块工作。
Description
技术领域
本发明涉及监控技术领域,具体为一种基于AI智能分析的辅助监控系统。
背景技术
智能电网建设是在能源领域的重要战略部署,将逐步推动电力基础生产模式的改变,定位于利用先进的通信、信息和控制技术,构建以信息化、自动化、互动化为特征的智能电网,是电力行业的发展方向。对配电站房、环网箱等设备的各类环境和设备检测进行数据监测和故障预警,能够极大地降低运检人员的维护工作量,同时提高配网安全运行。
但是现有技术中,因为环境问题会导致配电站房出现不同的状况,需要对配电站房进行有效的监控。
发明内容
本发明的目的在于提供一种基于AI智能分析的辅助监控系统,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于AI智能分析的辅助监控系统,所述辅助监控系统包括监控画面采集模块、安全帽穿戴判断模块、追踪人员监测模块、倒地判断模块、第一警报传输模块和第二警报传输模块,所述监控画面采集模块用于通过配电站预先设置的多个监控摄像头实时采集配电站的监控画面,所述安全帽穿戴判断模块在监控画面监测到某个工作人员位于配电站内时,通过人工智能分析判断该工作人员是否穿戴有安全帽,如果判断该工作人员穿戴有安全帽,设该工作人员为追踪人员,如果判断该工作人员没有穿戴安全帽,那么令第一警报传输模块工作,所述追踪人员监测模块用于监测监控画面中的追踪人员,在监测到某个时刻某个追踪人员在所有的监控视频中都消失时,令倒地判断模块分析判断该追踪人员是否可能倒地,在判断该追踪人员可能倒地时,令第二警报传输模块工作,所述第一警报传输模块用于传输第一警报信息,所述第二警报传输模块用于传输第二警报信息。
进一步的,所述倒地判断模块包括进出摄像头判断模块、关联摄像头获取模块、间隔采集判断模块和待处理画面分析模块,所述进出摄像头判断模块设最后采集到该追踪人员的监控画面的监控摄像头为中心摄像头,当中心摄像头为进出摄像头,那么结束对追踪人员的监测,当中心摄像头不是进出摄像头时,令关联摄像头获取模块工作,其中,进出摄像头为追踪人员进入配电站时第一个检测到追踪人员的摄像头或者追踪人员离开配电站时最后一个检测到追踪人员的摄像头;所述关联摄像头获取模块用于获取中心摄像头的关联摄像头,并令间隔采集判断模块判断中心摄像头的关联摄像头在转折时刻之后的预设时间段内是否采集到该追踪人员的监控画面,在采集到该追踪人员的监控画面,继续监测监控画面中的追踪人员,在没有采集到该追踪人员的监控画面时,所述待处理画面分析模块设转折时刻前一段时间内该追踪人员的所有监控画面为待处理画面,设该追踪人员为存疑人员,分析待处理画面,其中,转折时刻为存疑人员在所有的监控视频中消失的时刻。
进一步的,所述关联摄像头获取模块包括摄像头选取模块和关联摄像头判断模块,所述摄像头选取模块用于获取历史各个监控摄像头的监控画面,在历史监测某个追踪人员时,设第一摄像头为中心摄像头、除中心摄像头以外的监控摄像头中的一个,第二摄像头为中心摄像头、除中心摄像头以外的监控摄像头的另一个,所述关联摄像头判断模块用于在历史监控画面中某个除中心摄像头以外的监控摄像头满足第一摄像头的监控画面追踪人员出现的时间与第二摄像头的监控画面追踪人员的消失的时间之间的时间间隔小于间隔阈值时,设该监控摄像头为中心摄像头的关联摄像头。
进一步的,所述待处理画面分析模块包括疑似指数计算模块、疑似指数比较模块、存疑边缘判断模块和倒地分析模块,所述疑似指数计算模块提取存疑人员在待处理画面中存疑停顿的次数dc,计算存疑人员的疑似指数U=dc/dz,其中,dz为停顿次数阈值,如果存疑人员的某次停顿中,该次停顿前的移动方向与停顿后的移动方向相同且停顿时长小于停顿阈值,那么该次停顿为存疑停顿,所述疑似指数比较模块用于将存疑人员的疑似指数与疑似阈值进行比较,在该存疑人员的疑似指数大于疑似阈值时令倒地分析模块工作,所述存疑边缘判断模块用于获取中心摄像头历史采集到追踪人员的次数Nz,分别计算中心摄像头采集到的画面所对应的上边缘、下边缘、左边缘、右边缘的监控指数,那么某个边缘的监控指数T=Nc/Nz,其中,Nc为中心摄像头采集到追踪人员时追踪人员从该侧边缘出现或消失的次数,在某个边缘的监控指数小于等于监控阈值,设该边缘为存疑边缘;所述倒地分析模块用于判断中心摄像头所采集到监控画面中存疑人员消失时所接触的那侧边缘是否为存疑边缘,在是存疑边缘时,判断该追踪人员可能倒地。
进一步的,所述辅助监控系统还包括辅助监控方法,所述辅助监控方法包括以下步骤:
配电站预先设置有多个监控摄像头,通过各个监控摄像头实时采集配电站的监控画面,当监控画面监测到某个工作人员位于配电站内时,通过人工智能分析判断该工作人员是否穿戴有安全帽,如果判断该工作人员穿戴有安全帽,设该工作人员为追踪人员,否则,传输第一警报信息;
监测监控画面中的追踪人员,如果监测到某个时刻某个追踪人员在所有的监控视频中都消失时,分析判断该追踪人员是否可能倒地,在判断该追踪人员可能倒地时,传输第二警报信息。
进一步的,所述分析判断该追踪人员是否可能倒地包括:
设最后采集到该追踪人员的监控画面的监控摄像头为中心摄像头,如果中心摄像头为进出摄像头,那么结束对追踪人员的监测,其中,进出摄像头为追踪人员进入配电站时第一个检测到追踪人员的摄像头或者追踪人员离开配电站时最后一个检测到追踪人员的摄像头;
否则,获取中心摄像头的关联摄像头,并判断这些关联摄像头在转折时刻之后的预设时间段内是否采集到该追踪人员的监控画面,如果采集到该追踪人员的监控画面,继续监测监控画面中的追踪人员,否则,设转折时刻前一段时间内该追踪人员的所有监控画面为待处理画面,设该追踪人员为存疑人员,分析待处理画面,其中,转折时刻为存疑人员在所有的监控视频中消失的时刻。
进一步的,所述获取中心摄像头的关联摄像头包括:
获取历史各个监控摄像头的监控画面,在历史监测某个追踪人员时,设第一摄像头为中心摄像头、除中心摄像头以外的监控摄像头中的一个,第二摄像头为中心摄像头、除中心摄像头以外的监控摄像头的另一个,如果历史监控画面中某个除中心摄像头以外的监控摄像头满足第一摄像头的监控画面追踪人员出现的时间与第二摄像头的监控画面追踪人员的消失的时间之间的时间间隔小于间隔阈值,那么该监控摄像头为中心摄像头的关联摄像头。
进一步的,所述分析待处理画面包括:
提取存疑人员在待处理画面中存疑停顿的次数dc,计算存疑人员的疑似指数U=dc/dz,其中,dz为停顿次数阈值,如果存疑人员的某次停顿中,该次停顿前的移动方向与停顿后的移动方向相同且停顿时长小于停顿阈值,那么该次停顿为存疑停顿;
如果存疑人员的疑似指数大于疑似阈值,那么当在中心摄像头所采集到监控画面中存疑人员消失时所接触的那侧边缘为存疑边缘时,判断该追踪人员可能倒地。
进一步的,所述分析待处理画面还包括:
获取中心摄像头历史采集到追踪人员的次数Nz,分别计算中心摄像头采集到的画面所对应的上边缘、下边缘、左边缘、右边缘的监控指数,
那么某个边缘的监控指数T=Nc/Nz,其中,Nc为中心摄像头采集到追踪人员时追踪人员从该侧边缘出现或消失的次数,
如果某个边缘的监控指数小于等于监控阈值,那么该边缘为存疑边缘。
与现有技术相比,本发明所达到的有益效果是:本发明通过对配电站房内工作人员是否佩戴安全帽以及工作人员是否在作业过程中发生倒地行为进行监测,从而提高了配电站房工作人员的安全性,并且在发生不同的问题时,传输不同的报警信息,便于外部进行区分,从而对配电站房进行有效监控。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明基于AI智能分析的辅助监控系统的模块示意图。
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。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。
请参阅图1,本发明提供技术方案:一种基于AI智能分析的辅助监控系统,所述辅助监控系统包括监控画面采集模块、安全帽穿戴判断模块、追踪人员监测模块、倒地判断模块、第一警报传输模块和第二警报传输模块,所述监控画面采集模块用于通过配电站预先设置的多个监控摄像头实时采集配电站的监控画面,所述安全帽穿戴判断模块在监控画面监测到某个工作人员位于配电站内时,通过人工智能分析判断该工作人员是否穿戴有安全帽,如果判断该工作人员穿戴有安全帽,设该工作人员为追踪人员,如果判断该工作人员没有穿戴安全帽,那么令第一警报传输模块工作,所述追踪人员监测模块用于监测监控画面中的追踪人员,在监测到某个时刻某个追踪人员在所有的监控视频中都消失时,令倒地判断模块分析判断该追踪人员是否可能倒地,在判断该追踪人员可能倒地时,令第二警报传输模块工作,所述第一警报传输模块用于传输第一警报信息,所述第二警报传输模块用于传输第二警报信息。
在实际应用时,辅助监控设置有感知层、网络层和应用层,感知层包括各种感知传感器比如监控摄像头以及环境监测的传感器等等、汇聚单元即配变智能环境综合监控装置。感知层安装在各个开关站、配电站、环网箱内,实时监测现场实际环境状态及各项参数,如明火、烟雾、人员非法入侵、动物入侵、电缆沟进水、环境温湿度、门禁管理、空调控制、SF6浓度、O2含量、除湿机控制、开关柜内电缆接点温度、开关柜内局放监测等。
网络层主要由接入网关组成,网络层用于负责实现终端设备和物联网平台之间的数据传输,包括终端上行发送的采集数据、应答信号和网络心跳等信息,以及物联网平台下发的控制命令、广播信息和应答信息等功能。
应用层主要由各类系统主站及各类数据、应用服务组成,主要用于从接入网关接收感知传感器采集上传的监测数据,进行抽取、分析、展示等处理工作,共同构成一个完整的智能电力物联网应用系统一体化信息平台系统。
所述倒地判断模块包括进出摄像头判断模块、关联摄像头获取模块、间隔采集判断模块和待处理画面分析模块,所述进出摄像头判断模块设最后采集到该追踪人员的监控画面的监控摄像头为中心摄像头,当中心摄像头为进出摄像头,那么结束对追踪人员的监测,当中心摄像头不是进出摄像头时,令关联摄像头获取模块工作,其中,进出摄像头为追踪人员进入配电站时第一个检测到追踪人员的摄像头或者追踪人员离开配电站时最后一个检测到追踪人员的摄像头;所述关联摄像头获取模块用于获取中心摄像头的关联摄像头,并令间隔采集判断模块判断中心摄像头的关联摄像头在转折时刻之后的预设时间段内是否采集到该追踪人员的监控画面,在采集到该追踪人员的监控画面,继续监测监控画面中的追踪人员,在没有采集到该追踪人员的监控画面时,所述待处理画面分析模块设转折时刻前一段时间内该追踪人员的所有监控画面为待处理画面,设该追踪人员为存疑人员,分析待处理画面,其中,转折时刻为存疑人员在所有的监控视频中消失的时刻。
所述关联摄像头获取模块包括摄像头选取模块和关联摄像头判断模块,所述摄像头选取模块用于获取历史各个监控摄像头的监控画面,在历史监测某个追踪人员时,设第一摄像头为中心摄像头、除中心摄像头以外的监控摄像头中的一个,第二摄像头为中心摄像头、除中心摄像头以外的监控摄像头的另一个,所述关联摄像头判断模块用于在历史监控画面中某个除中心摄像头以外的监控摄像头满足第一摄像头的监控画面追踪人员出现的时间与第二摄像头的监控画面追踪人员的消失的时间之间的时间间隔小于间隔阈值时,设该监控摄像头为中心摄像头的关联摄像头。
所述待处理画面分析模块包括疑似指数计算模块、疑似指数比较模块、存疑边缘判断模块和倒地分析模块,所述疑似指数计算模块提取存疑人员在待处理画面中存疑停顿的次数dc,计算存疑人员的疑似指数U=dc/dz,其中,dz为停顿次数阈值,如果存疑人员的某次停顿中,该次停顿前的移动方向与停顿后的移动方向相同且停顿时长小于停顿阈值,那么该次停顿为存疑停顿,所述疑似指数比较模块用于将存疑人员的疑似指数与疑似阈值进行比较,在该存疑人员的疑似指数大于疑似阈值时令倒地分析模块工作,所述存疑边缘判断模块用于获取中心摄像头历史采集到追踪人员的次数Nz,分别计算中心摄像头采集到的画面所对应的上边缘、下边缘、左边缘、右边缘的监控指数,那么某个边缘的监控指数T=Nc/Nz,其中,Nc为中心摄像头采集到追踪人员时追踪人员从该侧边缘出现或消失的次数,在某个边缘的监控指数小于等于监控阈值,设该边缘为存疑边缘;所述倒地分析模块用于判断中心摄像头所采集到监控画面中存疑人员消失时所接触的那侧边缘是否为存疑边缘,在是存疑边缘时,判断该追踪人员可能倒地。
所述辅助监控系统还包括辅助监控方法,所述辅助监控方法包括以下步骤:
配电站预先设置有多个监控摄像头,通过各个监控摄像头实时采集配电站的监控画面,当监控画面监测到某个工作人员位于配电站内时,通过人工智能分析判断该工作人员是否穿戴有安全帽,如果判断该工作人员穿戴有安全帽,设该工作人员为追踪人员,否则,传输第一警报信息;
监测监控画面中的追踪人员,如果监测到某个时刻某个追踪人员在所有的监控视频中都消失时,分析判断该追踪人员是否可能倒地,在判断该追踪人员可能倒地时,传输第二警报信息。本申请中主要对配电站房工作人员的安全情况进行监控,虽然在布局摄像头时会通过调整摄像头的布局,尽量减少监控盲区,但是由于配电站房内会摆放有各种仪器,高高低低,难免会有监控盲区,当某个进入配电站房的工作人员在所有监控摄像头的监控画面中消失时,判断工作人员是否可能是倒地,从而及时维护工作人员的人身安全;
所述分析判断该追踪人员是否可能倒地包括:
设最后采集到该追踪人员的监控画面的监控摄像头为中心摄像头,如果中心摄像头为进出摄像头,那么结束对追踪人员的监测,其中,进出摄像头为追踪人员进入配电站时第一个检测到追踪人员的摄像头或者追踪人员离开配电站时最后一个检测到追踪人员的摄像头;预先通过历史监控画面来判断进出摄像头,在每次对配电站房的工作人员追踪时,如果某个监控摄像头是进出摄像头,那么该次对工作人员的追踪中,要么该进出摄像头是第一个检测到追踪人员的摄像头,要么该进出摄像头是追踪人员离开配电站时最后一个检测到追踪人员的摄像头;
否则,获取中心摄像头的关联摄像头,并判断这些关联摄像头在转折时刻之后的预设时间段内是否采集到该追踪人员的监控画面,如果采集到该追踪人员的监控画面,继续监测监控画面中的追踪人员,说明该种情况下是追踪人员经过监控盲区,所以没有监测到追踪人员;
否则,设转折时刻前一段时间内该追踪人员的所有监控画面为待处理画面,设该追踪人员为存疑人员,分析待处理画面,其中,转折时刻为存疑人员在所有的监控视频中消失的时刻。
所述获取中心摄像头的关联摄像头包括:
获取历史各个监控摄像头的监控画面,在历史监测某个追踪人员时,设第一摄像头为中心摄像头、除中心摄像头以外的监控摄像头中的一个,第二摄像头为中心摄像头、除中心摄像头以外的监控摄像头的另一个,如果历史监控画面中某个除中心摄像头以外的监控摄像头满足第一摄像头的监控画面追踪人员出现的时间与第二摄像头的监控画面追踪人员的消失的时间之间的时间间隔小于间隔阈值,那么该监控摄像头为中心摄像头的关联摄像头。
所述分析待处理画面包括:
提取存疑人员在待处理画面中存疑停顿的次数dc,计算存疑人员的疑似指数U=dc/dz,其中,dz为停顿次数阈值,如果存疑人员的某次停顿中,该次停顿前的移动方向与停顿后的移动方向相同且停顿时长小于停顿阈值,那么该次停顿为存疑停顿;停顿次数阈值可以根据存疑人员的历史监控画面情况来确定,当一个人身体不舒服要晕倒前往往会有一些前兆,这些前兆会导致工作人员停下来缓冲休息下,为了进一步提高工作人员的停顿是因为身体不舒服所导致的,通过对移动方向以及时长的分析判断提高判断的准确性;针对停顿前的移动方向和停顿后的移动方向相同这句话的理解是,比如本来某个工作人员停顿前是往右边的方向行走的,如果停顿后,他还是往右边的方向行走,那么即为停顿前的移动方向和停顿后的移动方向相同;
如果存疑人员的疑似指数大于疑似阈值,那么当在中心摄像头所采集到监控画面中存疑人员消失时所接触的那侧边缘为存疑边缘时,判断该追踪人员可能倒地。
所述分析待处理画面还包括:
获取中心摄像头历史采集到追踪人员的次数Nz,分别计算中心摄像头采集到的画面所对应的上边缘、下边缘、左边缘、右边缘的监控指数,
那么某个边缘的监控指数T=Nc/Nz,其中,Nc为中心摄像头采集到追踪人员时追踪人员从该侧边缘出现或消失的次数,
如果某个边缘的监控指数小于等于监控阈值,那么该边缘为存疑边缘。监控图像采集到画面一般为长方形,长方形有四条边,相应的对应四个边缘:上边缘、下边缘、左边缘、右边缘,由于配电站房中有很多的仪器设备,路线的设置并不是四通八达,往往只有一条路,所以很多时候工作人员在从监控画面进出时所在的边缘往往是固定不变的,因为仪器设备的设置,工作人员根本不会从其他的一些边缘出现或者消失,所以通过追踪人员消失的边缘进一步提高判断追踪人员是不是可能倒地的准确率,从而减少误判追踪人员倒地的几率。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。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 (9)
1.一种基于AI智能分析的辅助监控系统,其特征在于,所述辅助监控系统包括监控画面采集模块、安全帽穿戴判断模块、追踪人员监测模块、倒地判断模块、第一警报传输模块和第二警报传输模块,所述监控画面采集模块用于通过配电站预先设置的多个监控摄像头实时采集配电站的监控画面,所述安全帽穿戴判断模块在监控画面监测到某个工作人员位于配电站内时,通过人工智能分析判断该工作人员是否穿戴有安全帽,如果判断该工作人员穿戴有安全帽,设该工作人员为追踪人员,如果判断该工作人员没有穿戴安全帽,那么令第一警报传输模块工作,所述追踪人员监测模块用于监测监控画面中的追踪人员,在监测到某个时刻某个追踪人员在所有的监控视频中都消失时,令倒地判断模块分析判断该追踪人员是否可能倒地,在判断该追踪人员可能倒地时,令第二警报传输模块工作,所述第一警报传输模块用于传输第一警报信息,所述第二警报传输模块用于传输第二警报信息。
2.根据权利要求1所述的一种基于AI智能分析的辅助监控系统,其特征在于:所述倒地判断模块包括进出摄像头判断模块、关联摄像头获取模块、间隔采集判断模块和待处理画面分析模块,所述进出摄像头判断模块设最后采集到该追踪人员的监控画面的监控摄像头为中心摄像头,当中心摄像头为进出摄像头,那么结束对追踪人员的监测,当中心摄像头不是进出摄像头时,令关联摄像头获取模块工作,其中,进出摄像头为追踪人员进入配电站时第一个检测到追踪人员的摄像头或者追踪人员离开配电站时最后一个检测到追踪人员的摄像头;所述关联摄像头获取模块用于获取中心摄像头的关联摄像头,并令间隔采集判断模块判断中心摄像头的关联摄像头在转折时刻之后的预设时间段内是否采集到该追踪人员的监控画面,在采集到该追踪人员的监控画面,继续监测监控画面中的追踪人员,在没有采集到该追踪人员的监控画面时,所述待处理画面分析模块设转折时刻前一段时间内该追踪人员的所有监控画面为待处理画面,设该追踪人员为存疑人员,分析待处理画面,其中,转折时刻为存疑人员在所有的监控视频中消失的时刻。
3.根据权利要求2所述的一种基于AI智能分析的辅助监控系统,其特征在于:所述关联摄像头获取模块包括摄像头选取模块和关联摄像头判断模块,所述摄像头选取模块用于获取历史各个监控摄像头的监控画面,在历史监测某个追踪人员时,设第一摄像头为中心摄像头、除中心摄像头以外的监控摄像头中的一个,第二摄像头为中心摄像头、除中心摄像头以外的监控摄像头的另一个,所述关联摄像头判断模块用于在历史监控画面中某个除中心摄像头以外的监控摄像头满足第一摄像头的监控画面追踪人员出现的时间与第二摄像头的监控画面追踪人员的消失的时间之间的时间间隔小于间隔阈值时,设该监控摄像头为中心摄像头的关联摄像头。
4.根据权利要求3所述的一种基于AI智能分析的辅助监控系统,其特征在于:所述待处理画面分析模块包括疑似指数计算模块、疑似指数比较模块、存疑边缘判断模块和倒地分析模块,所述疑似指数计算模块提取存疑人员在待处理画面中存疑停顿的次数dc,计算存疑人员的疑似指数U=dc/dz,其中,dz为停顿次数阈值,如果存疑人员的某次停顿中,该次停顿前的移动方向与停顿后的移动方向相同且停顿时长小于停顿阈值,那么该次停顿为存疑停顿,所述疑似指数比较模块用于将存疑人员的疑似指数与疑似阈值进行比较,在该存疑人员的疑似指数大于疑似阈值时令倒地分析模块工作,所述存疑边缘判断模块用于获取中心摄像头历史采集到追踪人员的次数Nz,分别计算中心摄像头采集到的画面所对应的上边缘、下边缘、左边缘、右边缘的监控指数,那么某个边缘的监控指数T=Nc/Nz,其中,Nc为中心摄像头采集到追踪人员时追踪人员从该侧边缘出现或消失的次数,在某个边缘的监控指数小于等于监控阈值,设该边缘为存疑边缘;所述倒地分析模块用于判断中心摄像头所采集到监控画面中存疑人员消失时所接触的那侧边缘是否为存疑边缘,在是存疑边缘时,判断该追踪人员可能倒地。
5.根据权利要求1所述的一种基于AI智能分析的辅助监控系统,其特征在于:所述辅助监控系统还包括辅助监控方法,所述辅助监控方法包括以下步骤:
配电站预先设置有多个监控摄像头,通过各个监控摄像头实时采集配电站的监控画面,当监控画面监测到某个工作人员位于配电站内时,通过人工智能分析判断该工作人员是否穿戴有安全帽,如果判断该工作人员穿戴有安全帽,设该工作人员为追踪人员,否则,传输第一警报信息;
监测监控画面中的追踪人员,如果监测到某个时刻某个追踪人员在所有的监控视频中都消失时,分析判断该追踪人员是否可能倒地,在判断该追踪人员可能倒地时,传输第二警报信息。
6.根据权利要求5所述的一种基于AI智能分析的辅助监控系统,其特征在于:所述分析判断该追踪人员是否可能倒地包括:
设最后采集到该追踪人员的监控画面的监控摄像头为中心摄像头,如果中心摄像头为进出摄像头,那么结束对追踪人员的监测,其中,进出摄像头为追踪人员进入配电站时第一个检测到追踪人员的摄像头或者追踪人员离开配电站时最后一个检测到追踪人员的摄像头;
否则,获取中心摄像头的关联摄像头,并判断这些关联摄像头在转折时刻之后的预设时间段内是否采集到该追踪人员的监控画面,如果采集到该追踪人员的监控画面,继续监测监控画面中的追踪人员,否则,设转折时刻前一段时间内该追踪人员的所有监控画面为待处理画面,设该追踪人员为存疑人员,分析待处理画面,其中,转折时刻为存疑人员在所有的监控视频中消失的时刻。
7.根据权利要求6所述的一种基于AI智能分析的辅助监控系统,其特征在于:所述获取中心摄像头的关联摄像头包括:
获取历史各个监控摄像头的监控画面,在历史监测某个追踪人员时,设第一摄像头为中心摄像头、除中心摄像头以外的监控摄像头中的一个,第二摄像头为中心摄像头、除中心摄像头以外的监控摄像头的另一个,如果历史监控画面中某个除中心摄像头以外的监控摄像头满足第一摄像头的监控画面追踪人员出现的时间与第二摄像头的监控画面追踪人员的消失的时间之间的时间间隔小于间隔阈值,那么该监控摄像头为中心摄像头的关联摄像头。
8.根据权利要求7所述的一种基于AI智能分析的辅助监控系统,其特征在于:所述分析待处理画面包括:
提取存疑人员在待处理画面中存疑停顿的次数dc,计算存疑人员的疑似指数U=dc/dz,其中,dz为停顿次数阈值,如果存疑人员的某次停顿中,该次停顿前的移动方向与停顿后的移动方向相同且停顿时长小于停顿阈值,那么该次停顿为存疑停顿;
如果存疑人员的疑似指数大于疑似阈值,那么当在中心摄像头所采集到监控画面中存疑人员消失时所接触的那侧边缘为存疑边缘时,判断该追踪人员可能倒地。
9.根据权利要求8所述的一种基于AI智能分析的辅助监控系统,其特征在于:所述分析待处理画面还包括:
获取中心摄像头历史采集到追踪人员的次数Nz,分别计算中心摄像头采集到的画面所对应的上边缘、下边缘、左边缘、右边缘的监控指数,
那么某个边缘的监控指数T=Nc/Nz,其中,Nc为中心摄像头采集到追踪人员时追踪人员从该侧边缘出现或消失的次数,
如果某个边缘的监控指数小于等于监控阈值,那么该边缘为存疑边缘。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110901217.XA CN113596408A (zh) | 2021-08-06 | 2021-08-06 | 基于ai智能分析的辅助监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110901217.XA CN113596408A (zh) | 2021-08-06 | 2021-08-06 | 基于ai智能分析的辅助监控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113596408A true CN113596408A (zh) | 2021-11-02 |
Family
ID=78255822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110901217.XA Pending CN113596408A (zh) | 2021-08-06 | 2021-08-06 | 基于ai智能分析的辅助监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113596408A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114422760A (zh) * | 2022-03-29 | 2022-04-29 | 深圳市迈科思腾科技有限公司 | 一种基于多路复用的视频监控方法及装置 |
CN114969167A (zh) * | 2022-04-07 | 2022-08-30 | 江苏尚蓝信息技术有限公司 | 基于数据化的智能电网监控综合管理系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886667A (zh) * | 2017-10-11 | 2018-04-06 | 深圳云天励飞技术有限公司 | 报警方法及装置 |
CN109005386A (zh) * | 2018-08-01 | 2018-12-14 | 深圳云天励飞技术有限公司 | 基于图像分析的社区监控方法、装置及设备 |
CN111507308A (zh) * | 2020-05-07 | 2020-08-07 | 广东电网有限责任公司 | 一种基于视频识别技术的变电站安全监控系统及方法 |
CN112488068A (zh) * | 2020-12-21 | 2021-03-12 | 重庆紫光华山智安科技有限公司 | 监控目标搜索方法、装置、设备及计算机存储介质 |
CN112737121A (zh) * | 2020-12-28 | 2021-04-30 | 内蒙古电力(集团)有限责任公司包头供电局 | 一种电网智能视频监控分析控制管理系统 |
CN113132680A (zh) * | 2019-12-31 | 2021-07-16 | 浙江宇视科技有限公司 | 防止人员走失的方法、装置、设备和介质 |
-
2021
- 2021-08-06 CN CN202110901217.XA patent/CN113596408A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886667A (zh) * | 2017-10-11 | 2018-04-06 | 深圳云天励飞技术有限公司 | 报警方法及装置 |
CN109005386A (zh) * | 2018-08-01 | 2018-12-14 | 深圳云天励飞技术有限公司 | 基于图像分析的社区监控方法、装置及设备 |
CN113132680A (zh) * | 2019-12-31 | 2021-07-16 | 浙江宇视科技有限公司 | 防止人员走失的方法、装置、设备和介质 |
CN111507308A (zh) * | 2020-05-07 | 2020-08-07 | 广东电网有限责任公司 | 一种基于视频识别技术的变电站安全监控系统及方法 |
CN112488068A (zh) * | 2020-12-21 | 2021-03-12 | 重庆紫光华山智安科技有限公司 | 监控目标搜索方法、装置、设备及计算机存储介质 |
CN112737121A (zh) * | 2020-12-28 | 2021-04-30 | 内蒙古电力(集团)有限责任公司包头供电局 | 一种电网智能视频监控分析控制管理系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114422760A (zh) * | 2022-03-29 | 2022-04-29 | 深圳市迈科思腾科技有限公司 | 一种基于多路复用的视频监控方法及装置 |
CN114422760B (zh) * | 2022-03-29 | 2022-06-07 | 深圳市迈科思腾科技有限公司 | 一种基于多路复用的视频监控方法及装置 |
CN114969167A (zh) * | 2022-04-07 | 2022-08-30 | 江苏尚蓝信息技术有限公司 | 基于数据化的智能电网监控综合管理系统及方法 |
CN114969167B (zh) * | 2022-04-07 | 2024-02-06 | 江苏尚蓝信息技术有限公司 | 基于数据化的智能电网监控综合管理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106971474B (zh) | 基于wifi无线信号的入侵监测方法和系统 | |
CN113596408A (zh) | 基于ai智能分析的辅助监控系统 | |
CN109286788B (zh) | 一种基于云计算的安防监控系统 | |
CN105763853A (zh) | 一种公共区域拥挤、踩踏事件应急预警方法 | |
CN103812577A (zh) | 非正常无线电信号的自动识别系统及其方法 | |
CN104994334A (zh) | 基于实时视频的变电站自动监控方法 | |
CN112419571A (zh) | 基于轻载算法的分布式变电站安全作业监测装置及方法 | |
KR102182008B1 (ko) | 통합 환경 감시를 통한 관제시스템 및 방법 | |
CN108565963B (zh) | 配电网智能运行维护系统 | |
CN113537009A (zh) | 一种居家隔离监管系统 | |
CN115100813B (zh) | 基于数字孪生的智慧社区系统 | |
CN115496640A (zh) | 一种火电厂智慧安全系统 | |
CN111466888A (zh) | 基于多数据分析的生产岗位人员健康安全管控系统 | |
CN110428579A (zh) | 基于图像识别的室内监控系统、方法及装置 | |
CN110262436A (zh) | 安全生产监控方法及监控系统 | |
CN106602707A (zh) | 远程电力监控系统 | |
CN115664006B (zh) | 一种增量配电网智能管控一体化平台 | |
CN213545078U (zh) | 一种变电站环境综合智能监管系统 | |
CN116798205A (zh) | 一种基于大数据的电气火灾监测阈值动态处理方法及系统 | |
CN208239863U (zh) | 一种基于物联网的智能安防装置 | |
CN111291728A (zh) | 违规翻越传输带行为的检测系统及检测设备、检测方法 | |
CN116403384A (zh) | 一种基于物联网技术的远程人工智能消防预警系统 | |
CN116342481A (zh) | 一种基于机器视觉的转炉烟道结渣监测系统及方法 | |
CN115841730A (zh) | 视频监控系统、异常事件检测方法 | |
CN106602713A (zh) | 集散式电力报警控制系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211102 |