CN113792665B - 一种针对不同角色权限的违禁区域侵入检测方法 - Google Patents

一种针对不同角色权限的违禁区域侵入检测方法 Download PDF

Info

Publication number
CN113792665B
CN113792665B CN202111084852.XA CN202111084852A CN113792665B CN 113792665 B CN113792665 B CN 113792665B CN 202111084852 A CN202111084852 A CN 202111084852A CN 113792665 B CN113792665 B CN 113792665B
Authority
CN
China
Prior art keywords
forbidden area
forbidden
personnel
different
role
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
Application number
CN202111084852.XA
Other languages
English (en)
Other versions
CN113792665A (zh
Inventor
郑艳伟
傅建
于东晓
赵增瑞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University
Original Assignee
Shandong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong University filed Critical Shandong University
Priority to CN202111084852.XA priority Critical patent/CN113792665B/zh
Publication of CN113792665A publication Critical patent/CN113792665A/zh
Application granted granted Critical
Publication of CN113792665B publication Critical patent/CN113792665B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
    • G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Burglar Alarm Systems (AREA)

Abstract

本发明公开了一种针对不同角色权限的违禁区域侵入检测方法，对于不同权限的人员采取不同的防范措施。本发明利用深度学习技术对图像上的人员目标进行检测，通过不同的安全帽颜色、马甲等确定人员角色，通过对处于指定违禁区域周界上的人员进行判断来确定是否存在风险，是否触发报警信息。本发明将YOLO（You Only Look Once）目标检测技术与工厂的安全机制相结合，将违禁区域侵入检测技术与人员角色权限确定技术相结合，实现了一种针对不同角色权限的违禁区域侵入报警方法。在节省了大量人力物力的同时，优化了工厂的安防系统，保障了工厂管理制度的实施，减少了隐藏的安全隐患，维护了人员的生命健康安全。

Description

一种针对不同角色权限的违禁区域侵入检测方法
技术领域
本申请属于违禁区域侵入信息监测领域，具体涉及一种针对不同角色权限的违禁区域侵入检测方法。
背景技术
违禁区域检测涉及的周界防范主要可以分为两种：实体防范和技术防范。
实体防范一般是利用栅栏，木制栏杆，铁丝网等制成周界围栏，以满足不同区域的防范要求。但是这种方式有很多缺点。首先是建立这些东西需要耗费一定的人力和物力，同时这些围栏非常容易遭到破环，一但遭到破环就需要及时修理更换，非常麻烦。除此之外，这些材料一般都比较坚硬，无形中埋下了安全隐患，增大了危险系数。
技术防范一般是利用红外，微波等具备探测功能的产品，对周界闯入者进行探测，一旦探测到入侵者就发出警报。但是这些方法容易受到温度湿度，光线等因素的影响，有些还会对人的身体造成一定危害。同时，技术防范只有进入边界即报警，无法区分人员是否有权限进入。
发明内容
基于上述问题，本发明提供了一种针对不同角色权限的违禁区域侵入检测及报警方法，不仅不需要在现场布置栅栏等围栏，对人体也没有任何危害，同时也不受温度湿度的影响，而且还可以对入侵的角色进行区分，以确定是否需要报警。本申请技术方案为，
一种针对不同角色权限的违禁区域侵入检测方法，检测过程如下：
从视频获取模块中获取数据，将数据送入人员检测与角色识别模块中，检测出角色；
从违禁区域周界绘制模块获取绘制的周界信息，结合检测出的角色信息，对数据进行周界判断，通过违禁区域侵入检测模块判断是否存在违反规定的行为。
进一步优选的，包括以下几个模块
视频获取模块：以不同场景多个摄像头下的视频作为数据来源，数据处理完后进行两阶段训练：通过识别不同工作人员所佩戴安全帽的颜色和马甲颜色确定人员身份，对人员是否越界进行判断；
违禁区域周界绘制模块：在摄像头预置点拍摄图像上绘制违禁区域，一个图像上可以绘制多个违禁区域，每个违禁区域均为封闭区域；
人员检测与角色识别模块：对图像进行标注时，将不同颜色的安全帽、马甲对应角色作为输出类别进行标注和输出；
违禁区域侵入检测模块：设置违禁区域越界条件对于特定任务的工作人员和非工作人员进行区别对待，如翻车机工作时，翻车机操作人员、清洁人员等都需穿马甲入内，不穿马甲人员禁止进入该区域。
进一步优选的，视频获取模块是以不同场景多个摄像头下的视频作为数据来源，同一场地，在不同角落，不同方向上设置有多个摄像头，在进行模型训练时，取多个摄像头的视频作为数据来源，制作数据集。
进一步优选的，在违禁区域周界绘制模块中，第k个违禁区域可表示为二元组(Pk,Rk)，其中是nk个点的有序集合，这些点顺序相连且首尾相接组成封闭区域,Rk是特定角色的集合，表示这些角色允许进入该违禁区域。
进一步优选的，在人员检测与角色识别模块中，标注后的结果整体包括工厂里面的各类角色和其它无法确定角色的人员，采用YOLO算法进行训练和检测识别，输出人员检测框和角色类别。
进一步优选的，在违禁区域侵入检测模块中，
假设检测到第i个人员检测框为(li,ti,wi,hi)，其中(li,ti)为检测框左上角坐标，wi,hi分别为宽和高，检测该人员是否越界第j个违禁区域，先计算射线穿透：
其中I{g}是指示函数，当条件为真时取1，为假时取0；和/>分别为检测框左下角和右下角的射线穿透；
当为奇数或者/>为奇数时，都表示第i个人员越界第j个违禁区域。
进一步优选的，假设第i个人员的角色为ri，则越界判定准则为：
第i个人员对该图像所有违禁区域都不越界才算不越界。
进一步优选的，还包括风险记录和报警模块，将存在风险的图片或视频上传到存储器进行保存，并通过计算机界面和现场喇叭发出警报。
有益效果
本发明提供了一种针对不同角色的周界防范方法。既不像实体防范一样，需要在周界上安上栅栏，栏杆等物体，也不像红外，微波等技术防范一样，会受到温度湿度影响。本发明将深度学习中的YOLO(You Only Look Once)目标检测技术应用到周界防范技术中来，保证系统的高准确率和高效率，先进性和便捷性，提高了工厂的安全防护机制。
附图说明
图1是本发明的系统结构图。
图2是本发明的周界绘制示意图。
图3是本发明的违禁区域侵入检测过程示意图。
图4是本发明的运行效果示意图。
具体实施方式
下面结合附图对本发明实施例中的技术方案进行清楚、完整地描述。
本发明涉及一种针对不同角色权限的违禁区域侵入检测及报警方法。如图1所示为本发明的系统结构图，包括以下模块：
视频获取模块：以不同场景多个摄像头下的视频作为数据来源，数据处理完后进行两阶段训练：通过识别不同工作人员所佩戴安全帽的颜色和马甲颜色确定人员身份，对人员是否越界进行判断；
违禁区域周界绘制模块：在摄像头预置点拍摄图像上绘制违禁区域，一个图像上可以绘制多个违禁区域，每个违禁区域均为封闭区域；
人员检测与角色识别模块：对图像进行标注时，将不同颜色的安全帽、马甲对应角色作为输出类别进行标注和输出，将未佩戴安全帽的工作人员标注出来；
违禁区域侵入检测模块：设置违禁区域越界条件对于特定的工作人员和普通工作人员进行区别。
风险记录和报警模块，将存在风险的图片或视频上传到存储器进行保存，并通过计算机界面和现场喇叭发出警报。
具体检测过程为：
从摄像头(视频获取模块)获取数据，违禁区域周界绘制(违禁区域周界绘制模块)是在摄像头预置点的数据上进行的。运行时，摄像头获取的数据送入人员检测与角色识别模块，检测出角色；然后，违禁区域浸入检测模块获取绘制的周界信息，结合检测出的角色信息，对数据进行周界判断，若是存在违反规定的行为，则将相应的风险信息进行存储，发出报警信号。
图2为本发明的周界绘制示意图。一个图的违禁区域可以有多个，本图显示了2个，标记为(x1，y1)…(x7，y7)。每个违禁区域的周界由一系列有序点，通过顺序连接并首尾相接组成封闭区域。
图3为本发明的违禁区域侵入检测过程示意图。视频获取模块负责从摄像头获取视频流，并抓取图像；人员检测与角色识别模块直接输出人员检测框和角色类别。
违禁区域侵入检测模块判别违禁区域越界条件时，先检测左下角，再检测右下角，都不越界则检测下一个人员，如果有一个越界则判定权限。如果有权限，则检测下一个人员，无权限则记录风险并上报。如假设检测到第i个人员检测框为(li,ti,wi,hi)，其中(li,ti)为检测框左上角坐标，wi,hi分别为宽和高，检测该人员是否越界第j个违禁区域，先计算射线穿透：
其中I{g}是指示函数，当条件为真时取1，为假时取0；和/>分别为检测框左下角和右下角的射线穿透；
当为奇数或者/>为奇数时，都表示第i个人员越界第j个违禁区域。
假设第i个人员的角色为ri，则越界判定准则为：
第i个人员对该图像所有违禁区域都不越界才算不越界。
图4是本发明的运行效果示意图，图中为一人员未穿马甲穿越违禁区域报警的情形。
风险记录和报警模块，将存在风险的图片或视频上传到存储器进行保存，同时将风险详细信息进行说明，不同类型的风险信息设置有不同的风险代号，同时根据经验值设置不同临界点用来判断是否有风险，见表1；当风险值超过设定的临界点，发出警报。
表1风险代号及权重
序号 风险名称 风险代号 临界点
1 翻车机区域闯入 A01 1.2
2 铁路区域闯入 A02 1
3 高压柜区域闯入 B01 1
4 升压站闯入 B02 1.5
5 输煤带区域闯入 C01 1.2
6 输煤带头部闯入 C02 1.2
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (7)

1.一种针对不同角色权限的违禁区域侵入检测方法，其特征在于，检测过程如下：
从视频获取模块中获取数据，将数据送入人员检测与角色识别模块中，检测出角色；
从违禁区域周界绘制模块获取绘制的周界信息，结合检测出的角色信息，对数据进行周界判断，通过违禁区域侵入检测模块判断是否存在违反规定的行为；
在违禁区域侵入检测模块中，
假设检测到第i个人员检测框为(li，ti，wi，hi)，其中(li，ti)为检测框左上角坐标，wi，hi分别为宽和高，检测该人员是否越界第j个违禁区域，先计算射线穿透：
其中I{}是指示函数，当条件为真时取1，为假时取0；和/>分别为检测框左下角和右下角的射线穿透；
当为奇数或者/>为奇数时，都表示第i个人员越界第j个违禁区域。
2.根据权利要求1所述的一种针对不同角色权限的违禁区域侵入检测方法，其特征在于，
视频获取模块：以不同场景多个摄像头下的视频作为数据来源，数据处理完后进行两阶段训练：通过识别不同工作人员所佩戴安全帽的颜色和马甲颜色确定人员身份，对人员是否越界进行判断；
违禁区域周界绘制模块：在摄像头预置点拍摄图像上绘制违禁区域，一个图像上可以绘制多个违禁区域，每个违禁区域均为封闭区域；
人员检测与角色识别模块：对图像进行标注时，将不同颜色的安全帽、马甲对应角色作为输出类别进行标注和输出，将未佩戴安全帽、未穿马甲作为另外的输出类别进行标注和输出；
违禁区域侵入检测模块：设置违禁区域越界条件对于特定任务的工作人员和非工作人员进行区别。
3.根据权利要求1所述的一种针对不同角色权限的违禁区域侵入检测方法，其特征在于，视频获取模块是以不同场景多个摄像头下的视频作为数据来源，同一场地，在不同角落，不同方向上设置有多个摄像头，在进行模型训练时，取多个摄像头的视频作为数据来源，制作数据集。
4.根据权利要求1所述的一种针对不同角色权限的违禁区域侵入检测方法，其特征在于，在违禁区域周界绘制模块中，第k个违禁区域可表示为二元组(Pk，Rk)，其中是nk个点的有序集合，这些点顺序相连且首尾相接组成封闭区域，Rk是特定角色的集合，表示这些角色允许进入该违禁区域。
5.根据权利要求1所述的一种针对不同角色权限的违禁区域侵入检测方法，其特征在于，在人员检测与角色识别模块中，标注后的结果整体包括工厂里面的各类角色和其它无法确定角色的人员，采用YOLO算法进行训练和检测识别，输出人员检测框和角色类别。
6.根据权利要求1所述的一种针对不同角色权限的违禁区域侵入检测方法，其特征在于，假设第l个人员的角色为ri，则越界判定准则为：
第l个人员对该图像所有违禁区域都不越界才算不越界。
7.根据权利要求1所述的一种针对不同角色权限的违禁区域侵入检测方法，其特征在于，还包括风险记录和报警模块，将存在风险的图片或视频上传到存储器进行保存，并通过计算机界面和现场喇叭发出警报。
CN202111084852.XA 2021-09-16 2021-09-16 一种针对不同角色权限的违禁区域侵入检测方法 Active CN113792665B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111084852.XA CN113792665B (zh) 2021-09-16 2021-09-16 一种针对不同角色权限的违禁区域侵入检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111084852.XA CN113792665B (zh) 2021-09-16 2021-09-16 一种针对不同角色权限的违禁区域侵入检测方法

Publications (2)

Publication Number Publication Date
CN113792665A CN113792665A (zh) 2021-12-14
CN113792665B true CN113792665B (zh) 2023-08-08

Family

ID=79183700

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111084852.XA Active CN113792665B (zh) 2021-09-16 2021-09-16 一种针对不同角色权限的违禁区域侵入检测方法

Country Status (1)

Country Link
CN (1) CN113792665B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114997279A (zh) * 2022-05-11 2022-09-02 浙江大学 一种基于改进Yolov5模型的建筑工人危险区域入侵检测方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109040669A (zh) * 2018-06-28 2018-12-18 国网山东省电力公司菏泽供电公司 变电站智能视频围栏方法及系统
CN109978827A (zh) * 2019-02-25 2019-07-05 平安科技（深圳）有限公司 基于人工智能的违禁物识别方法、装置、设备和存储介质
CN110188724A (zh) * 2019-06-05 2019-08-30 中冶赛迪重庆信息技术有限公司 基于深度学习的安全帽定位与颜色识别的方法及系统
CN110807429A (zh) * 2019-10-23 2020-02-18 西安科技大学 基于tiny-YOLOv3的施工安全检测方法及系统
CN110942545A (zh) * 2019-11-20 2020-03-31 中船重工(武汉)凌久高科有限公司 基于人脸识别和视频围栏的人员密集出入口门禁控制系统及方法
CN111126219A (zh) * 2019-12-16 2020-05-08 国网浙江省电力有限公司电力科学研究院 一种基于人工智能的变电站人员的身份识别系统和方法
CN111144291A (zh) * 2019-12-25 2020-05-12 中铁信(北京)网络技术研究院有限公司 基于目标检测的视频监控区域人员入侵判别方法及装置
CN112417946A (zh) * 2020-09-17 2021-02-26 国网天津静海供电有限公司 电力施工现场指定区域的越界检测方法及系统
JP2021051464A (ja) * 2019-09-24 2021-04-01 Ｊｆｅスチール株式会社 侵入検出装置及び侵入検出方法
CN113111771A (zh) * 2021-04-12 2021-07-13 济南奔腾时代电力科技有限公司 一种发电厂工作人员不安全行为的识别方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109040669A (zh) * 2018-06-28 2018-12-18 国网山东省电力公司菏泽供电公司 变电站智能视频围栏方法及系统
CN109978827A (zh) * 2019-02-25 2019-07-05 平安科技（深圳）有限公司 基于人工智能的违禁物识别方法、装置、设备和存储介质
CN110188724A (zh) * 2019-06-05 2019-08-30 中冶赛迪重庆信息技术有限公司 基于深度学习的安全帽定位与颜色识别的方法及系统
JP2021051464A (ja) * 2019-09-24 2021-04-01 Ｊｆｅスチール株式会社 侵入検出装置及び侵入検出方法
CN110807429A (zh) * 2019-10-23 2020-02-18 西安科技大学 基于tiny-YOLOv3的施工安全检测方法及系统
CN110942545A (zh) * 2019-11-20 2020-03-31 中船重工(武汉)凌久高科有限公司 基于人脸识别和视频围栏的人员密集出入口门禁控制系统及方法
CN111126219A (zh) * 2019-12-16 2020-05-08 国网浙江省电力有限公司电力科学研究院 一种基于人工智能的变电站人员的身份识别系统和方法
CN111144291A (zh) * 2019-12-25 2020-05-12 中铁信(北京)网络技术研究院有限公司 基于目标检测的视频监控区域人员入侵判别方法及装置
CN112417946A (zh) * 2020-09-17 2021-02-26 国网天津静海供电有限公司 电力施工现场指定区域的越界检测方法及系统
CN113111771A (zh) * 2021-04-12 2021-07-13 济南奔腾时代电力科技有限公司 一种发电厂工作人员不安全行为的识别方法

Also Published As

Publication number Publication date
CN113792665A (zh) 2021-12-14

Similar Documents

Publication Publication Date Title
US9977971B2 (en) Role-based tracking and surveillance
US8908034B2 (en) Surveillance systems and methods to monitor, recognize, track objects and unusual activities in real time within user defined boundaries in an area
US9449483B2 (en) System and method of anomaly detection with categorical attributes
CN101751744B (zh) 一种烟雾检测和预警方法
US20030210139A1 (en) Method and system for improved security
CN104050771B (zh) 异常检测的系统和方法
CN110674761B (zh) 一种区域行为预警方法及系统
CN110197158B (zh) 一种安保云系统及其应用
KR20080044812A (ko) 컴퓨터 영상 분석기술을 이용한 범죄 및 사고예방 자동경비 시스템
CN113792665B (zh) 一种针对不同角色权限的违禁区域侵入检测方法
CN112270253A (zh) 一种高空抛物的检测方法及装置
CN112132048A (zh) 一种基于计算机视觉的社区巡更分析方法及系统
CN111553305B (zh) 一种违章视频识别系统和方法
CN113971782A (zh) 一种综合监控信息管理方法和系统
CN113393607B (zh) 一种电力智能安保方法及系统
CN104574729A (zh) 一种报警方法、装置及系统
CN116993265A (zh) 一种基于物联网的智能仓储安全管理系统
Al Daghan et al. A deep learning model for detecting PPE to minimize risk at construction sites
US20160378268A1 (en) System and method of smart incident analysis in control system using floor maps
CN115841730A (zh) 视频监控系统、异常事件检测方法
CN113408338A (zh) 一种矿工异常行为监测方法、装置及系统
Mahin et al. A simple approach for abandoned object detection
CN111653054B (zh) 核设施实物保护系统
Park et al. Development of intelligent safety monitoring model for industrial construction site application
Kim et al. Abnormal Detection of Worker by Interaction Analysis of Accident-Causing Objects

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