CN113743249B - 一种违章识别方法、装置、设备及可读存储介质 - Google Patents
一种违章识别方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN113743249B CN113743249B CN202110937720.0A CN202110937720A CN113743249B CN 113743249 B CN113743249 B CN 113743249B CN 202110937720 A CN202110937720 A CN 202110937720A CN 113743249 B CN113743249 B CN 113743249B
- Authority
- CN
- China
- Prior art keywords
- detection
- target
- targets
- algorithm
- detection targets
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 320
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 75
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000013139 quantization Methods 0.000 claims abstract description 21
- 230000003321 amplification Effects 0.000 claims abstract description 11
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 37
- 238000012163 sequencing technique Methods 0.000 claims description 37
- 238000012790 confirmation Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000006399 behavior Effects 0.000 abstract description 11
- 238000004364 calculation method Methods 0.000 abstract description 7
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 238000010276 construction Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000005236 sound signal Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
Abstract
本发明提供了一种违章识别方法、装置、设备及可读存储介质，所述方法包括：获取目标检测区域的检测画面；捕捉所述检测画面中的检测目标，对所述检测目标进行放大对焦处理，得到处理后的检测目标；利用违章识别算法对所述处理后的检测目标进行违章分析，识别出违章的所述检测目标。本发明对目标检测算法进行了量化处理；通过将所述目标检测算法中参数的储存类型由四字节存储类型转换为一个字节的存储类型，大大加快了矩阵间的计算，去除掉稀疏的矩阵，减少了相应的计算量，加快了目标检测算法的推理计算速度。本发明通过对检测目标进行排序，可以及时的发现管理者比较关注的违章行为，降低因违章行为产生的生产成本。
Description
技术领域
本发明涉及违章识别技术领域，具体而言，涉及一种违章识别方法、装置、设备及可读存储介质。
背景技术
随着“AI赋能生产”理念的兴起，解决生产环境隐患的问题逐渐严肃起来，最值得讨论的是摄像头如何为后端算法服务器提供高质量的检测画面进行识别分析。目前常用的技术有通过枪球联动一体机进行识别分析，但是目前枪球联动识别的方案中存在的缺陷有覆盖面窄、距离近和枪机采用计算场景相似度方式为球机提供追踪目标，导致球机追踪的目标大部分为无效目标，因此无法对目标进行准确的违章分析。
发明内容
本发明的目的在于提供一种违章识别方法、装置、设备及可读存储介质，以改善上述问题。
为了实现上述目的，本申请实施例提供了如下技术方案：
一方面，本申请实施例提供了一种违章识别方法，所述方法包括：
获取目标检测区域的检测画面；
捕捉所述检测画面中的检测目标，对所述检测目标进行放大对焦处理，得到处理后的检测目标；
利用违章识别算法对所述处理后的检测目标进行违章分析，识别出违章的所述检测目标。
可选的，所述获取目标检测区域的检测画面之前，还包括：
获取第一输入信息和第二输入信息，所述第一输入信息包括工作人员输入的枪球联动一体机已安装好的确认信息，所述第二输入信息包括工作人员输入的枪球联动一体机中的枪机中已配置好目标检测算法的确认信息；
对所述目标检测算法进行量化处理，得到处理后的目标检测算法。
可选的，所述对所述目标检测算法进行量化处理，得到处理后的目标检测算法，包括：
将所述目标检测算法中参数的储存类型由四字节存储类型转换为一个字节的存储类型，并去除掉所述目标检测算法的反卷积层和特征金字塔网络结构中稀疏的矩阵，得到所述处理后的目标检测算法。
可选的，所述捕捉所述检测画面中的检测目标，对所述检测目标进行放大对焦处理，得到处理后的检测目标，包括：
利用目标检测算法捕捉所述检测画面中的检测目标；
对所述检测目标的个数进行分析，其中，若所述检测目标的个数为一个，则直接对其进行放大对焦处理，得到处理后的检测目标；若所述检测目标的个数为多个，则对所述检测目标进行排序，排序后按照顺序依次对所述检测目标进行放大对焦处理，得到处理后的检测目标。
可选的，所述捕捉所述检测画面中的检测目标，对所述检测目标进行放大对焦处理，得到处理后的检测目标，包括：
对所述检测目标的个数进行分析，其中，若所述检测目标的个数为一个，则直接对其进行放大对焦处理，得到处理后的检测目标；若所述检测目标的个数为多个，则获取排序信息，所述排序信息包括工作人员输入的所述检测目标的排序顺序信息；
按照所述排序信息对所述检测目标进行排序，排序后按照顺序依次对所述检测目标进行放大对焦处理，得到处理后的检测目标。
可选的，所述捕捉所述检测画面中的检测目标，对所述检测目标进行放大对焦处理，得到处理后的检测目标，包括：
利用枪球联动一体机中的枪机中配置的目标检测算法捕捉所述检测画面中的检测目标；
对所述检测目标的个数进行分析，其中，若所述检测目标的个数为一个，则直接对其进行放大对焦处理，得到处理后的检测目标；若所述检测目标的个数为多个，则对所述检测目标进行排序，得到排序后的检测目标，所述排序后的检测目标用于触发枪球联动一体机中的球机按照顺序依次对所述检测目标进行放大对焦处理，得到处理后的检测目标。
可选的，所述利用违章识别算法对所述处理后的检测目标进行违章分析，识别出违章的所述检测目标后，还包括：
获取违章的所述检测目标的坐标位置信息和违章的所述检测目标所属的管理单位；
将所述坐标位置信息发送至所述管理单位的相关工作人员处，用于帮助所述相关工作人员对违章的所述检测目标进行管理。
第二方面，本申请实施例提供了一种违章识别装置，所述装置包括第一获取模块、处理模块和识别模块。
第一获取模块，用于获取目标检测区域的检测画面；
处理模块，用于捕捉所述检测画面中的检测目标，对所述检测目标进行放大对焦处理，得到处理后的检测目标；
识别模块，用于利用违章识别算法对所述处理后的检测目标进行违章分析，识别出违章的所述检测目标。
可选的，所述装置，还包括：
第二获取模块，用于获取第一输入信息和第二输入信息，所述第一输入信息包括工作人员输入的枪球联动一体机已安装好的确认信息，所述第二输入信息包括工作人员输入的枪球联动一体机中的枪机中已配置好目标检测算法的确认信息；
量化模块，用于对所述目标检测算法进行量化处理，得到处理后的目标检测算法。
可选的，所述量化模块，包括：
量化单元，用于将所述目标检测算法中参数的储存类型由四字节存储类型转换为一个字节的存储类型，并去除掉所述目标检测算法的反卷积层和特征金字塔网络结构中稀疏的矩阵，得到所述处理后的目标检测算法。
可选的，所述处理模块，包括：
第一捕捉单元，用于利用目标检测算法捕捉所述检测画面中的检测目标；
第一分析单元，用于对所述检测目标的个数进行分析，其中，若所述检测目标的个数为一个，则直接对其进行放大对焦处理，得到处理后的检测目标；若所述检测目标的个数为多个，则对所述检测目标进行排序，排序后按照顺序依次对所述检测目标进行放大对焦处理，得到处理后的检测目标。
可选的，所述处理模块，包括：
第二分析单元，用于对所述检测目标的个数进行分析，其中，若所述检测目标的个数为一个，则直接对其进行放大对焦处理，得到处理后的检测目标；若所述检测目标的个数为多个，则获取排序信息，所述排序信息包括工作人员输入的所述检测目标的排序顺序信息；
排序单元，用于按照所述排序信息对所述检测目标进行排序，排序后按照顺序依次对所述检测目标进行放大对焦处理，得到处理后的检测目标。
可选的，所述处理模块，包括：
第二捕捉单元，用于利用枪球联动一体机中的枪机中配置的目标检测算法捕捉所述检测画面中的检测目标；
第三分析单元，用于对所述检测目标的个数进行分析，其中，若所述检测目标的个数为一个，则直接对其进行放大对焦处理，得到处理后的检测目标；若所述检测目标的个数为多个，则对所述检测目标进行排序，得到排序后的检测目标，所述排序后的检测目标用于触发枪球联动一体机中的球机按照顺序依次对所述检测目标进行放大对焦处理，得到处理后的检测目标。
可选的，所述装置，还包括：
第三获取模块，用于获取违章的所述检测目标的坐标位置信息和违章的所述检测目标所属的管理单位；
发送模块，用于将所述坐标位置信息发送至所述管理单位的相关工作人员处，用于帮助所述相关工作人员对违章的所述检测目标进行管理。
第三方面，本申请实施例提供了一种违章识别设备，所述设备包括存储器和处理器。存储器用于存储计算机程序；处理器用于执行所述计算机程序时实现上述违章识别方法的步骤。
第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质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上述违章识别方法的步骤。
本发明的有益效果为：
1、本发明对目标检测算法进行了量化处理；通过将所述目标检测算法中参数的储存类型由四字节存储类型转换为一个字节的存储类型，大大加快了矩阵间的计算，去除掉稀疏的矩阵，减少了相应的计算量，加快了目标检测算法的推理计算速度。
2、本发明中的目标检测算法对于小目标也可以保持高精度，为球机的追踪提供了高质量的目标，同时随着低质量目标的大大降低，可有效提高违章行为的检出率。
3、本发明通过对检测目标进行排序，可以及时的发现管理者比较关注的违章行为，降低因违章行为产生的生产成本。此外，检测目标的排序顺序还可以根据不同的应用场景和用户的不同需要进行针对性的设置，通过这种设置可以提高本发明的灵活性，同时也可以提高本发明的适用性。
本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1是本发明实施例中所述的违章识别方法流程示意图；
图2是本发明实施例中所述的违章识别装置结构示意图；
图3是本发明实施例中所述的违章识别设备结构示意图。
具体实施方式
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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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，都属于本发明保护的范围。
应注意到：相似的标号或字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1
如图1所示，本实施例提供了一种违章识别方法，该方法包括步骤S1、步骤S2和步骤S3。
步骤S1、获取目标检测区域的检测画面；
步骤S2、捕捉所述检测画面中的检测目标，对所述检测目标进行放大对焦处理，得到处理后的检测目标；
步骤S3、利用违章识别算法对所述处理后的检测目标进行违章分析，识别出违章的所述检测目标。
在本实施例中，目标检测区域可以为核电站的施工工地，其中检测目标可以为施工现场的工作人员或施工设备等；例如，在本实施例中，通过违章识别算法可以识别出现场施工人员是否佩戴安全帽，施工设备中吊车是否放置在规定的位置，施工过程中是否符合规定，比如吊车在运行状态是否配置防脱装置，吊车支架是否直接放在地面；通过上述方法，可以同时对多个目标进行违章分析，此外，对所述检测目标进行放大对焦处理可以提高违章识别的准确性。此外，在本实施例中违章识别算法为目前常用的违章识别算法，为常规技术。
在本公开的一种具体实施方式中，所述步骤S1前，还可以包括步骤S11和步骤S12。
步骤S11、获取第一输入信息和第二输入信息，所述第一输入信息包括工作人员输入的枪球联动一体机已安装好的确认信息，所述第二输入信息包括工作人员输入的枪球联动一体机中的枪机中已配置好目标检测算法的确认信息；
步骤S12、对所述目标检测算法进行量化处理，得到处理后的目标检测算法。
在本实施例中，在获取目标检测区域的检测画面还需要配置好目标检测算法和对目标检测算法进行量化；其中，本实施例中是采用枪球联动一体机对目标进行违章分析，同时将枪球联动一体机设置在塔吊或高层建筑上，视野更广；同时将目标检测算法配置在枪球联动一体机的枪机中。
在本公开的一种具体实施方式中，所述步骤S12，还可以包括步骤S121。
步骤S121、将所述目标检测算法中参数的储存类型由四字节存储类型转换为一个字节的存储类型，并去除掉所述目标检测算法的反卷积层和特征金字塔网络结构中稀疏的矩阵，得到所述处理后的目标检测算法。
本实施例对目标检测算法进行了量化处理；通过将所述目标检测算法中参数的储存类型由四字节存储类型转换为一个字节的存储类型，大大加快了矩阵间的计算，去除掉稀疏的矩阵，减少了相应的计算量，加快了目标检测算法的推理计算速度。本实施例中的目标检测算法对于小目标也可以保持高精度，为球机的追踪提供了高质量的目标，同时随着低质量目标的大大降低，可有效提高违章行为的检出率。
在本公开的一种具体实施方式中，所述步骤S2，还可以包括步骤S21和步骤S22。
步骤S21、利用目标检测算法捕捉所述检测画面中的检测目标；
步骤S22、对所述检测目标的个数进行分析，其中，若所述检测目标的个数为一个，则直接对其进行放大对焦处理，得到处理后的检测目标；若所述检测目标的个数为多个，则对所述检测目标进行排序，排序后按照顺序依次对所述检测目标进行放大对焦处理，得到处理后的检测目标。
在本公开的一种具体实施方式中，所述步骤S2，还可以包括步骤S23和步骤S24。
步骤S23、对所述检测目标的个数进行分析，其中，若所述检测目标的个数为一个，则直接对其进行放大对焦处理，得到处理后的检测目标；若所述检测目标的个数为多个，则获取排序信息，所述排序信息包括工作人员输入的所述检测目标的排序顺序信息；
步骤S24、按照所述排序信息对所述检测目标进行排序，排序后按照顺序依次对所述检测目标进行放大对焦处理，得到处理后的检测目标。
在本实施例中，工作人员可以事先配置好检测目标的排序顺序，例如本实施例中应用场景仍为核电站的施工工地，其中检测目标为施工现场的工作人员或施工设备，工作人员确定的检测目标的排序顺序为工作人员排第一，施工设备排第二，那么在进行放大对焦处理时则将工作人员作为第一个放大对象，对其进行放大对焦处理。本实施例中检测目标的排序顺序可以根据不同的应用场景和用户的不同需要进行针对性的设置，通过这种设置可以提高本方法的灵活性，同时也可以提高本方法的适用性。
在本公开的一种具体实施方式中，所述步骤S2，还可以包括步骤S25和步骤S26。
步骤S25、利用枪球联动一体机中的枪机中配置的目标检测算法捕捉所述检测画面中的检测目标；
步骤S26、对所述检测目标的个数进行分析，其中，若所述检测目标的个数为一个，则直接对其进行放大对焦处理，得到处理后的检测目标；若所述检测目标的个数为多个，则对所述检测目标进行排序，得到排序后的检测目标，所述排序后的检测目标用于触发枪球联动一体机中的球机按照顺序依次对所述检测目标进行放大对焦处理，得到处理后的检测目标。
在本实施例中，枪机获取到检测画面后，则会调用其中内置的目标检测方法捕捉检测目标，若检测目标为多个，那么通过事先配置好的排序顺序后，枪机则会对检测目标进行排序，排序后枪机会引导球机按照顺序依次对检测目标进行放大对焦处理，处理后则会调用违章识别算法对每个检测目标进行违章识别。通过对检测目标进行排序，可以及时的发现管理者比较关注的违章行为，降低因违章行为产生的生产成本。
在本公开的一种具体实施方式中，所述步骤S3后，还可以包括步骤S4和步骤S5。
步骤S4、获取违章的所述检测目标的坐标位置信息和违章的所述检测目标所属的管理单位；
步骤S5、将所述坐标位置信息发送至所述管理单位的相关工作人员处，用于帮助所述相关工作人员对违章的所述检测目标进行管理。
在本实施例中，识别到违章行为后会立即获取检测目标的坐标位置信息和违章的所述检测目标所属的管理单位，通过这种方式可以及时的让相关的管理工作者了解到所管署的区域存在违章行为，可以及时的对违章行为进行纠正，减少不必要的安全事故的发生。在本实施例中，还可以将所述检测目标的坐标位置信息和违章的所述检测目标所属的管理单位显示在显示设备上，例如在核电站的施工现场，还可以将其显示在现场显示设备上，通过这种方式可以更加直观的让现场管理人员知道违章行为发生的位置信息；同时本实施例中，若识别到违章行为后，还可以通过施工现场配置的警报装置发出警报。
实施例2
如图2所示，本实施例提供了一种违章识别装置，所述装置包括第一获取模块701、处理模块702和识别模块703。
所述第一获取模块701，用于获取目标检测区域的检测画面；
所述处理模块702，用于捕捉所述检测画面中的检测目标，对所述检测目标进行放大对焦处理，得到处理后的检测目标；
所述识别模块703，用于利用违章识别算法对所述处理后的检测目标进行违章分析，识别出违章的所述检测目标。
在本实施例中，目标检测区域可以为核电站的施工工地，其中检测目标可以为施工现场的工作人员或施工设备等；例如，在本实施例中，通过违章识别算法可以识别出现场施工人员是否佩戴安全帽，施工设备中吊车是否放置在规定的位置，施工过程中是否符合规定，比如吊车在运行状态是否配置防脱装置，吊车支架是否直接放在地面；通过上述方法，可以同时对多个目标进行违章分析，此外，对所述检测目标进行放大对焦处理可以提高违章识别的准确性。
在本公开的一种具体实施方式中，所述装置，还包括第二获取模块704和量化模块705。
所述第二获取模块704，用于获取第一输入信息和第二输入信息，所述第一输入信息包括工作人员输入的枪球联动一体机已安装好的确认信息，所述第二输入信息包括工作人员输入的枪球联动一体机中的枪机中已配置好目标检测算法的确认信息；
所述量化模块705，用于对所述目标检测算法进行量化处理，得到处理后的目标检测算法。
在本公开的一种具体实施方式中，所述量化模块705，还包括量化单元7051。
所述量化单元7051，用于将所述目标检测算法中参数的储存类型由四字节存储类型转换为一个字节的存储类型，并去除掉所述目标检测算法的反卷积层和特征金字塔网络结构中稀疏的矩阵，得到所述处理后的目标检测算法。
在本公开的一种具体实施方式中，所述处理模块702，还包括第一捕捉单元7021和第一分析单元7022。
所述第一捕捉单元7021，用于利用目标检测算法捕捉所述检测画面中的检测目标；
所述第一分析单元7022，用于对所述检测目标的个数进行分析，其中，若所述检测目标的个数为一个，则直接对其进行放大对焦处理，得到处理后的检测目标；若所述检测目标的个数为多个，则对所述检测目标进行排序，排序后按照顺序依次对所述检测目标进行放大对焦处理，得到处理后的检测目标。
在本公开的一种具体实施方式中，所述处理模块702，还包括第二分析单元7023和排序单元7024。
所述第二分析单元7023，用于对所述检测目标的个数进行分析，其中，若所述检测目标的个数为一个，则直接对其进行放大对焦处理，得到处理后的检测目标；若所述检测目标的个数为多个，则获取排序信息，所述排序信息包括工作人员输入的所述检测目标的排序顺序信息；
所述排序单元7024，用于按照所述排序信息对所述检测目标进行排序，排序后按照顺序依次对所述检测目标进行放大对焦处理，得到处理后的检测目标。
在本公开的一种具体实施方式中，所述处理模块702，还包括第二捕捉单元7025和第三分析单元7026。
所述第二捕捉单元7025，用于利用枪球联动一体机中的枪机中配置的目标检测算法捕捉所述检测画面中的检测目标；
所述第三分析单元7026，用于对所述检测目标的个数进行分析，其中，若所述检测目标的个数为一个，则直接对其进行放大对焦处理，得到处理后的检测目标；若所述检测目标的个数为多个，则对所述检测目标进行排序，得到排序后的检测目标，所述排序后的检测目标用于触发枪球联动一体机中的球机按照顺序依次对所述检测目标进行放大对焦处理，得到处理后的检测目标。
在本公开的一种具体实施方式中，所述装置，还包括第三获取模块706和发送模块707。
所述第三获取模块706，用于获取违章的所述检测目标的坐标位置信息和违章的所述检测目标所属的管理单位；
所述发送模块707，用于将所述坐标位置信息发送至所述管理单位的相关工作人员处，用于帮助所述相关工作人员对违章的所述检测目标进行管理。
需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
实施例3
相应于上面的方法实施例，本公开实施例还提供了违章识别设备，下文描述的违章识别设备与上文描述的违章识别方法可相互对应参照。
图3是根据一示例性实施例示出的违章识别设备800的框图。如图3所示，该违章识别设备800可以包括：处理器801，存储器802。该违章识别设备800还可以包括多媒体组件803，输入/输出(I/O)接口804，以及通信组件805中的一者或多者。
其中，处理器801用于控制该违章识别设备800的整体操作，以完成上述的违章识别方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该违章识别设备800的操作，这些数据例如可以包括用于在该违章识别设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该违章识别设备800与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(NearFieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
在一示例性实施例中，该违章识别设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的违章识别方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的违章识别方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由该违章识别设备800的处理器801执行以完成上述的违章识别方法。
实施例4
相应于上面的方法实施例，本公开实施例还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的违章识别方法可相互对应参照。
一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的违章识别方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
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，对于本领域的技术人员来说，本发明可以有各种更改和变化。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 (4)
1.一种违章识别方法，其特征在于，包括：
获取目标检测区域的检测画面；
捕捉所述检测画面中的检测目标，对所述检测目标进行放大对焦处理，得到处理后的检测目标；其中，包括：
利用目标检测算法捕捉所述检测画面中的检测目标；
对所述检测目标的个数进行分析，其中，若所述检测目标的个数为一个，则直接对其进行放大对焦处理，得到处理后的检测目标；若所述检测目标的个数为多个，则对所述检测目标进行排序，排序后按照顺序依次对所述检测目标进行放大对焦处理，得到处理后的检测目标；进行排序时为工作人员输入的所述检测目标的排序顺序信息或者枪球联动一体机中的球机按照顺序依次处理；
利用违章识别算法对所述处理后的检测目标进行违章分析，识别出违章的所述检测目标；
所述获取目标检测区域的检测画面之前，还包括：
获取第一输入信息和第二输入信息，所述第一输入信息包括工作人员输入的枪球联动一体机已安装好的确认信息，所述第二输入信息包括工作人员输入的枪球联动一体机中的枪机中已配置好目标检测算法的确认信息；
对所述目标检测算法进行量化处理，得到处理后的目标检测算法；其中，包括：将所述目标检测算法中参数的储存类型由四字节存储类型转换为一个字节的存储类型，并去除掉所述目标检测算法的反卷积层和特征金字塔网络结构中稀疏的矩阵，得到所述处理后的目标检测算法。
2.一种违章识别装置，其特征在于，包括：
第一获取模块，用于获取目标检测区域的检测画面；
处理模块，用于捕捉所述检测画面中的检测目标，对所述检测目标进行放大对焦处理，得到处理后的检测目标；
识别模块，用于利用违章识别算法对所述处理后的检测目标进行违章分析，识别出违章的所述检测目标；
所述装置，还包括：
第二获取模块，用于获取第一输入信息和第二输入信息，所述第一输入信息包括工作人员输入的枪球联动一体机已安装好的确认信息，所述第二输入信息包括工作人员输入的枪球联动一体机中的枪机中已配置好目标检测算法的确认信息；
量化模块，用于对所述目标检测算法进行量化处理，得到处理后的目标检测算法；
所述量化模块，包括：
量化单元，用于将所述目标检测算法中参数的储存类型由四字节存储类型转换为一个字节的存储类型，并去除掉所述目标检测算法的反卷积层和特征金字塔网络结构中稀疏的矩阵，得到所述处理后的目标检测算法；所述处理模块，包括：
第一捕捉单元，用于利用目标检测算法捕捉所述检测画面中的检测目标；
第一分析单元，用于对所述检测目标的个数进行分析，其中，若所述检测目标的个数为一个，则直接对其进行放大对焦处理，得到处理后的检测目标；若所述检测目标的个数为多个，则对所述检测目标进行排序，排序后按照顺序依次对所述检测目标进行放大对焦处理，得到处理后的检测目标。
3.一种违章识别设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1所述违章识别方法的步骤。
4.一种可读存储介质，其特征在于：所述可读存储介质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权利要求1所述违章识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110937720.0A CN113743249B (zh) | 2021-08-16 | 2021-08-16 | 一种违章识别方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110937720.0A CN113743249B (zh) | 2021-08-16 | 2021-08-16 | 一种违章识别方法、装置、设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113743249A CN113743249A (zh) | 2021-12-03 |
| CN113743249B true CN113743249B (zh) | 2024-03-26 |
Family
ID=78731294
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110937720.0A Active CN113743249B (zh) | 2021-08-16 | 2021-08-16 | 一种违章识别方法、装置、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113743249B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103986871A (zh) * | 2014-05-23 | 2014-08-13 | 华中科技大学 | 一种智能变焦视频监控方法及系统 |
| CN105389990A (zh) * | 2015-11-20 | 2016-03-09 | 北京信路威科技股份有限公司 | 一种基于监控球机的违章停车检测识别方法 |
| CN109117742A (zh) * | 2018-07-20 | 2019-01-01 | 百度在线网络技术（北京）有限公司 | 手势检测模型处理方法、装置、设备及存储介质 |
| CN110222787A (zh) * | 2019-06-14 | 2019-09-10 | 合肥工业大学 | 多尺度目标检测方法、装置、计算机设备及存储介质 |
| CN110661977A (zh) * | 2019-10-29 | 2020-01-07 | Oppo广东移动通信有限公司 | 主体检测方法和装置、电子设备、计算机可读存储介质 |
| 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 |
| CN111008938A (zh) * | 2019-11-25 | 2020-04-14 | 天津大学 | 一种基于内容和连续性引导的实时多帧比特增强方法 |
| CN112153343A (zh) * | 2020-09-25 | 2020-12-29 | 北京百度网讯科技有限公司 | 电梯安全监控方法、装置、监控摄像头和存储介质 |
| WO2021026225A1 (en) * | 2019-08-08 | 2021-02-11 | Neuralmagic Inc. | System and method of accelerating execution of a neural network |
| CN112381784A (zh) * | 2020-11-12 | 2021-02-19 | 国网浙江省电力有限公司信息通信分公司 | 一种基于多光谱图像的设备检测系统 |
| CN112435479A (zh) * | 2020-11-09 | 2021-03-02 | 浙江大华技术股份有限公司 | 目标物体违章检测方法、装置、计算机设备及系统 |
| CN112434618A (zh) * | 2020-11-26 | 2021-03-02 | 西安电子科技大学 | 基于稀疏前景先验的视频目标检测方法、存储介质及设备 |
| CN113111889A (zh) * | 2021-03-10 | 2021-07-13 | 国网浙江省电力有限公司宁波供电公司 | 用于边缘计算端的目标检测网络处理方法 |
| CN113222108A (zh) * | 2021-03-09 | 2021-08-06 | 北京大学 | 目标检测的处理方法、装置及设备 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8131477B2 (en) * | 2005-11-16 | 2012-03-06 | 3M Cogent, Inc. | Method and device for image-based biological data quantification |
| US8190549B2 (en) * | 2007-12-21 | 2012-05-29 | Honda Motor Co., Ltd. | Online sparse matrix Gaussian process regression and visual applications |
| CN107239823A (zh) * | 2016-08-12 | 2017-10-10 | 北京深鉴科技有限公司 | 一种用于实现稀疏神经网络的装置和方法 |
| CN110826572B (zh) * | 2018-08-09 | 2023-04-21 | 京东方科技集团股份有限公司 | 多目标检测的非极大值抑制方法、装置及设备 |
-
2021
- 2021-08-16 CN CN202110937720.0A patent/CN113743249B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103986871A (zh) * | 2014-05-23 | 2014-08-13 | 华中科技大学 | 一种智能变焦视频监控方法及系统 |
| CN105389990A (zh) * | 2015-11-20 | 2016-03-09 | 北京信路威科技股份有限公司 | 一种基于监控球机的违章停车检测识别方法 |
| CN109117742A (zh) * | 2018-07-20 | 2019-01-01 | 百度在线网络技术（北京）有限公司 | 手势检测模型处理方法、装置、设备及存储介质 |
| CN110222787A (zh) * | 2019-06-14 | 2019-09-10 | 合肥工业大学 | 多尺度目标检测方法、装置、计算机设备及存储介质 |
| WO2021026225A1 (en) * | 2019-08-08 | 2021-02-11 | Neuralmagic Inc. | System and method of accelerating execution of a neural network |
| CN110661977A (zh) * | 2019-10-29 | 2020-01-07 | Oppo广东移动通信有限公司 | 主体检测方法和装置、电子设备、计算机可读存储介质 |
| 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 |
| CN111008938A (zh) * | 2019-11-25 | 2020-04-14 | 天津大学 | 一种基于内容和连续性引导的实时多帧比特增强方法 |
| CN112153343A (zh) * | 2020-09-25 | 2020-12-29 | 北京百度网讯科技有限公司 | 电梯安全监控方法、装置、监控摄像头和存储介质 |
| CN112435479A (zh) * | 2020-11-09 | 2021-03-02 | 浙江大华技术股份有限公司 | 目标物体违章检测方法、装置、计算机设备及系统 |
| CN112381784A (zh) * | 2020-11-12 | 2021-02-19 | 国网浙江省电力有限公司信息通信分公司 | 一种基于多光谱图像的设备检测系统 |
| CN112434618A (zh) * | 2020-11-26 | 2021-03-02 | 西安电子科技大学 | 基于稀疏前景先验的视频目标检测方法、存储介质及设备 |
| CN113222108A (zh) * | 2021-03-09 | 2021-08-06 | 北京大学 | 目标检测的处理方法、装置及设备 |
| CN113111889A (zh) * | 2021-03-10 | 2021-07-13 | 国网浙江省电力有限公司宁波供电公司 | 用于边缘计算端的目标检测网络处理方法 |
Non-Patent Citations (3)
| Title |
|---|
| C++函数模板的模板参数类型转换技术;何远强等;《科技创新导报》(第（2014）年第10期);19-20，正文第1节第3段 * |
| Landing Cooperative Target Robust Detection via Low Rank and Sparse Matrix Decomposition;Hao, S等;《2016 INTERNATIONAL SYMPOSIUM ON COMPUTER, CONSUMER AND CONTROL (IS3C)》;20161231;172-175 * |
| 社会化问答平台内容质量评估研究;徐秀;《中国优秀硕士学位论文全文数据库社会科学Ⅰ辑》(第（2021）年 第01期);G108-254，正文第3.3.2节和4.1.2节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113743249A (zh) | 2021-12-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106341661B (zh) | 巡逻机器人 | |
| CN111368619B (zh) | 可疑人员的检测方法、装置及设备 | |
| CN114155614B (zh) | 一种作业现场反违章行为识别方法及系统 | |
| JP2010072782A (ja) | 異常行動検知装置 | |
| CN111063144A (zh) | 异常行为的监控方法、装置、设备及计算机可读存储介质 | |
| US20200394600A1 (en) | Fire protection inspection method, fire protection inspection device, and remote device | |
| CN111191507A (zh) | 智慧社区的安全预警分析方法及系统 | |
| CN115099724A (zh) | 施工场景的监控预警方法、装置、设备及存储介质 | |
| CN114758300A (zh) | 场景恶意遮挡的判断方法、装置、设备及可读存储介质 | |
| CN106781167B (zh) | 监测物体运动状态的方法及设备 | |
| CN115457466A (zh) | 一种基于巡检视频的隐患检测方法、系统及电子设备 | |
| CN114187561A (zh) | 异常行为的识别方法、装置、终端设备及存储介质 | |
| CN110738077B (zh) | 一种异物检测方法及装置 | |
| CN113743249B (zh) | 一种违章识别方法、装置、设备及可读存储介质 | |
| CN112800849A (zh) | 视频监控方法、视频监控装置、电子设备和存储介质 | |
| CN111652128A (zh) | 一种高空电力作业安全监测方法、系统和存储装置 | |
| CN111339366A (zh) | 大数据视频检索方法、装置、计算机设备以及存储介质 | |
| CN115953815A (zh) | 基建现场的监测方法及装置 | |
| CN113807228A (zh) | 停车事件提示方法、装置、电子设备以及存储介质 | |
| CN113627321A (zh) | 基于人工智能的图像识别方法、装置及计算机设备 | |
| CN103777954A (zh) | 一种信息处理方法以及装置 | |
| CN115620248B (zh) | 一种基于交通监控的摄像头调用方法及系统 | |
| CN113129532B (zh) | 陌生人员的预警方法、装置、电子设备及存储介质 | |
| CN111145558B (zh) | 一种基于高点视频监控的违法行为识别方法 | |
| EP4350639A1 (en) | Safety rule violation detection in a construction or constructed site |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |