CN114155492A - 高空作业安全带挂绳高挂低用识别方法、装置和电子设备 - Google Patents
高空作业安全带挂绳高挂低用识别方法、装置和电子设备 Download PDFInfo
- Publication number
- CN114155492A CN114155492A CN202111498705.7A CN202111498705A CN114155492A CN 114155492 A CN114155492 A CN 114155492A CN 202111498705 A CN202111498705 A CN 202111498705A CN 114155492 A CN114155492 A CN 114155492A
- Authority
- CN
- China
- Prior art keywords
- hanging
- safety belt
- low
- rope
- hanging rope
- 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 36
- 238000001514 detection method Methods 0.000 claims abstract description 56
- 238000012549 training Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 230000009466 transformation Effects 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 6
- 210000003423 ankle Anatomy 0.000 claims description 4
- 210000005069 ears Anatomy 0.000 claims description 4
- 210000003127 knee Anatomy 0.000 claims description 4
- 210000000707 wrist Anatomy 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000003909 pattern recognition Methods 0.000 abstract description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000009193 crawling Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function 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
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明属于人工智能、模式识别应用技术领域,具体公开了一种高空作业安全带挂绳高挂低用识别方法,包括以下步骤,步骤1、构建高空作业人体关键点检测数据集。步骤2、构建安全带挂绳检测数据集。步骤3、通过训练好人体关键点检测算法处理监控视频帧。步骤4、基于人体关键点位置。步骤5、通过训练好的安全带挂绳检测算法处理腰部以上区域图像块。步骤6、若作业人员安全带未高挂低用,则将报警信息和报警图片通过网络发送到远程监控中心;识别装置,包括人体关键点检测模块、安全带挂绳检测模块、高挂低用判断模块和报警模块。本发明的有益效果在于:实现对高空作业人员的全天候、实时本质安全管控,识别作业安全、可靠和稳定。
Description
技术领域
本发明属于模式识别和人工智能应用技术领域,具体涉及一种高空作业安全带挂绳高挂低用识别方法、装置和电子设备。
背景技术
高空作业人员施工检修时必须佩戴安全带,安全带挂位有高挂低用和低挂高用两种。前者将安全带挂于腰部以上,有助于减少意外坠落事故发生时的冲击距离,而后者则增加了冲击距离。故而对高空作业人员安全带挂绳的挂位进行监测十分必要,实时识别并保证挂绳始终高挂低用意义重大。
随着传感器技术、人工智能、模式识别技术和嵌入式处理技术的发展,使用先进的计算机视觉技术对高空作业场景的实时图像进行高精度分析,判断安全带挂绳的挂位是否正确高挂,并将报警信息和数据及时发送到监控中心,使得全天候、实时的高空作业人员本质安全管控成为现实。
因此,基于上述问题,本发明提供一种高空作业安全带挂绳高挂低用识别方法、装置和电子设备。
发明内容
发明目的:本发明的目的是提供一种高空作业安全带挂绳高挂低用识别方法、装置和电子设备,以实现对高空作业人员的全天候、实时本质安全管控。
技术方案:本发明的第一方面提供一种高空作业安全带挂绳高挂低用识别方法,包括以下步骤,步骤1、构建高空作业人体关键点检测数据集,并用此数据集训练通用人体关键点检测算法。步骤2、构建安全带挂绳检测数据集,并用此数据集训练通用目标检测算法。步骤3、通过训练好人体关键点检测算法处理监控视频帧,以得到高空作业场景中人员的骨骼关键点位置。步骤4、基于人体关键点位置,得到腰部以上区域图像块。步骤5、通过训练好的安全带挂绳检测算法处理腰部以上区域图像块,判断安全带高挂低用情况。步骤6、若作业人员安全带未高挂低用,则将报警信息和报警图片通过网络发送到远程监控中心。
本技术方案的,所述步骤1包括:采集高空作业场景下的图像数据,并手工标注出作业人员的人体关键点;手工标注的关键点包括鼻子、左右眼、左右耳、左右肩、左右肘、左右腕、左右臀、左右膝和左右脚踝;按照8:1:1的比例随机划分训练集和测试集;对训练集图像中的人体部分施加随机变换,以扩增训练集;计算预测值与标签真值之间的偏差,再利用反向传播算法迭代更新参数数值,完成算法训练。
本技术方案的,所述的步骤2包括:采集高空作业场景下的图像数据,并手工标注出安全带挂绳的检测框标签;按照8:1:1的比例随机划分训练集和测试集;对训练集图像中的安全带挂绳部分施加随机变换,以扩增训练集;在训练集图像上随机生成大小不一的黑色矩形块,来模拟物体遮挡情况;计算网络最终预测值与标签真值之间的偏差loss_1,计算网络中间预测值与标签真值之间的偏差loss_2;结合loss_1和loss_2,利用反向传播算法迭代更新网络参数数值,完成算法训练。
本技术方案的,所述的步骤3,包括:将原尺寸、1/2尺寸和1/4尺寸三种尺寸图像分别输入训练好的人体关键点检测算法,得到同一视频帧在三种输入尺寸下的三种预测响应结果图;综合考虑三种响应结果图,以得到最终关键点的预测结果。
本技术方案的,所述的步骤4包括:根据预测所得的人体关键点结果,在腰部以上区域裁剪出图像块,作为安全带挂绳高挂低用的候选区域。
本技术方案的,所述的步骤5包括:在腰部以上区域图像框中对安全带挂绳目标进行检测;若检测出安全带挂绳,则代表正常使用安全带,即高挂低用;若未检测出安全带挂绳,则代表异常使用安全带。
本技术方案的,所述的步骤6包括:将保存的报警图片存储地址链接、人体关键点坐标、安全带挂绳高挂低用的候选位置坐标一起打包作为报警信息,发送至远程监控中心;远程监控中心通过报警信息中的图片地址链接读取报警图片,并显示在前端监控界面上。
本发明的第二方面提供一种高空作业安全带挂绳高挂低用识别装置,包括人体关键点检测模块、安全带挂绳检测模块、高挂低用判断模块和报警模块:所述人体关键点检测模块:用于获得人体关键点的坐标,并基于腰部关键点位置得到安全带挂绳高挂低用的候选区域;所述安全带挂绳检测模块:用于在安全带挂绳高挂低用的候选区域中对安全带挂绳进行目标检测;所述高挂低用判断模块:用于判断安全带挂绳是否正确高挂低用;所述报警模块:用于将报警信息通过网络发送到远程监控中心。
本发明的第三方面提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1-7中任一所述的高空作业安全带挂绳高挂低用识别方法,该电子设备包括但不限于计算机、嵌入式移动计算设备、平板电脑、服务器等。
与现有技术相比,本发明的一种高空作业安全带挂绳高挂低用识别方法、装置和电子设备的有益效果在于:实现对高空作业人员的全天候、实时本质安全管控,识别作业安全、可靠和稳定。
附图说明
图1是本发明的一种高空作业安全带挂绳高挂低用识别方法的流程示意图;
图2和图3是本发明的一种高空作业安全带挂绳高挂低用识别的模块及作业流程示意图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明。
实施例一
图1为本发明提供的一种高空作业安全带挂绳高挂低用识别方法的流程示意图,该方法可以由本发明实施例提供的高空作业安全带挂绳高挂低用识别装置来执行,且该装置可配置于本发明实施例提供的电子设备中。该方法具体包括如下步骤:
1、构建高空作业人体关键点检测数据集,并用此数据集训练通用人体关键点检测算法,包括:
采集高空作业场景下的图像数据,并手工标注出作业人员的人体关键点;
手工标注的关键点包括鼻子、左右眼、左右耳、左右肩、左右肘、左右腕、左右臀、左右膝和左右脚踝;
按照8:1:1的比例随机划分训练集和测试集;
对训练集图像中的人体部分施加随机变换,以扩增训练集;
计算预测值与标签真值之间的偏差,再利用反向传播算法迭代更新参数数值,完成算法训练。
其中,使用labelme等开源标注工具进行人体关键点标注;
其中,手工标注的关键点可根据不同需求任意选择,包括但不限于鼻子、左右眼、左右耳、左右肩、左右肘、左右腕、左右臀、左右膝和左右脚踝;
其中,对训练集图片施加的随机变换包括但不限于旋转、翻转、形变、高斯噪声、平滑、仿射变换、颜色空间转换等;
其中,构建的人体关键点数据集的数据来源包括但不限于现场拍摄、开源数据集和互联网爬取;
其中,通用人体关键点检测算法包括不限于Mask-RCNN、HRNet-Pose、MSPN、DarkPose和OpenPose等;
其中,训练算法使用的深度学习框架包括但不限于pytorch、tensorflow、caffe、darknet等;
其中,网络反向传播时使用的优化器包括但不限于SGD、Momentum、RMSprop、Adam等。
2、构建安全带挂绳检测数据集,并用此数据集训练通用目标检测算法。
采集高空作业场景下的图像数据,并手工标注出安全带挂绳的检测框标签;
按照8:1:1的比例随机划分训练集和测试集;
对训练集图像中的安全带挂绳部分施加随机变换,以扩增训练集;
在训练集图像上随机生成大小不一的黑色矩形块,来模拟物体遮挡情况;
计算网络最终预测值与标签真值之间的偏差loss_1,计算网络中间预测值与标签真值之间的偏差loss_2;
结合loss_1和loss_2,利用反向传播算法迭代更新网络参数数值,完成算法训练。
其中,使用labelme等开源标注工具进行安全带挂绳检测标注;
其中,对训练集图片施加的随机变换包括但不限于旋转、翻转、形变、高斯噪声、平滑、仿射变换、颜色空间转换等;
其中,构建的安全带挂绳检测数据集的数据来源包括但不限于现场拍摄、开源数据集和互联网爬取;
其中,算法训练时将输入图像上随机生成大小不一的黑色矩形块,是为了提高训练样本的多样性和复杂度,以提高算法的鲁棒性。
其中,通用检测算法包括但不限于RCNN、YOLO系列、GCNet、HRNet-Det等;
其中,训练算法使用的深度学习框架包括但不限于pytorch、tensorflow、caffe、darknet等;
其中,使用的loss函数来衡量检测预测值与标注真值之间的差别,包括但不限于IOU loss、GIOU loss、Focal loss等;
其中,网络反向传播时使用的优化器包括但不限于SGD、Momentum、RMSprop、Adam等。
3、通过训练好人体关键点检测算法处理监控视频帧,以得到高空作业场景中人员的骨骼关键点位置。包括:
将原尺寸、1/2尺寸和1/4尺寸三种尺寸图像分别输入训练好的人体关键点检测算法,得到同一视频帧在三种输入尺寸下的三种预测响应结果图;
综合考虑三种响应结果图,以得到最终关键点的预测结果。
其中,多尺寸图像输入有助于算法获得多种感受野和更加丰富的纹理、语义信息;
其中,结合三个多尺度响应结果的方法包括但不限于平均法、投票法、加权求和法等。
4、基于人体关键点位置,得到腰部以上区域图像块,包括:
根据预测所得的人体关键点结果,在腰部以上区域裁剪出图像块,作为安全带挂绳高挂低用的候选区域。
其中,通过人体关键点检测来定位图像中人体腰部以上区域,是因为安全带高挂低用要求挂绳需高于腰部位置,所得图像块区域即为正确佩戴安全带时挂绳位置范围;
5、通过训练好的安全带挂绳检测算法处理腰部以上区域图像块,判断安全带高挂低用情况。包括:
在腰部以上区域图像块中对安全带挂绳目标进行目标检测,得到挂绳检测框;
若检测出安全带挂绳,则代表正常使用安全带,即高挂低用;
若未检测出安全带挂绳,则代表异常使用安全带。
其中, 异常使用安全带包括未戴安全带、未使用挂绳和安全带低挂高用等多种情况。
实施例二
图2和图3是本发明实施例二提供的一种高空作业安全带挂绳高挂低用识别装置的结构示意图。该装置包括:
1、人体关键点检测模块210:用于获得人体关键点的坐标,并基于腰部关键点位置得到安全带挂绳高挂低用的候选区域。包括:
将原尺寸、1/2尺寸和1/4尺寸三种尺寸图像分别输入训练好的人体关键点检测算法,得到同一视频帧在三种输入尺寸下的三种预测响应结果图;
综合考虑三种响应结果图,以得到最终关键点的预测结果;
根据预测所得的人体关键点结果,在腰部以上区域裁剪出图像块,作为安全带挂绳高挂低用的候选区域。
2、安全带挂绳检测模块220:用于在安全带挂绳高挂低用的候选区域中对安全带挂绳进行目标检测。包括:
在腰部以上区域图像块中对安全带挂绳目标进行目标检测,得到挂绳检测框;
3、高挂低用判断模块230:用于判断安全带挂绳是否正确高挂低用。包括:若模块220检测出安全带挂绳,则代表正常使用安全带,即高挂低用;
若模块220未检测出安全带挂绳,则代表异常使用安全带。
4、报警模块240:用于将报警信息通过网络发送到远程监控中心,其中,使用Python内置的request模块发送HTTP请求。
前端视频采集装置110用于实时采集作业现场的监控视频流数据;存储装置
150用于保存报警信息和报警图片到磁盘。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技
术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进,这些改进也应视为本发明的保护范围。
Claims (9)
1.一种高空作业安全带挂绳高挂低用识别方法,其特征在于:包括以下步骤,
步骤1、构建高空作业人体关键点检测数据集,并用此数据集训练通用人体关键点检测算法;
步骤2、构建安全带挂绳检测数据集,并用此数据集训练通用目标检测算法;
步骤3、通过训练好人体关键点检测算法处理监控视频帧,以得到高空作业场景中人员的骨骼关键点位置;
步骤4、基于人体关键点位置,得到腰部以上区域图像块;
步骤5、通过训练好的安全带挂绳检测算法处理腰部以上区域图像块,判断安全带高挂低用情况;
步骤6、若作业人员安全带未高挂低用,则将报警信息和报警图片通过网络发送到远程监控中心。
2.根据权利要求1所述的一种高空作业安全带挂绳高挂低用识别方法,其特征在于:所述步骤1包括:
采集高空作业场景下的图像数据,并手工标注出作业人员的人体关键点;
手工标注的关键点包括鼻子、左右眼、左右耳、左右肩、左右肘、左右腕、左右臀、左右膝和左右脚踝;
按照8:1:1的比例随机划分训练集和测试集;
对训练集图像中的人体部分施加随机变换,以扩增训练集;
计算预测值与标签真值之间的偏差,再利用反向传播算法迭代更新参数数值,完成算法训练。
3.根据权利要求1所述的一种高空作业安全带挂绳高挂低用识别方法,其特征在于:所述的步骤2包括:
采集高空作业场景下的图像数据,并手工标注出安全带挂绳的检测框标签;
按照8:1:1的比例随机划分训练集和测试集;
对训练集图像中的安全带挂绳部分施加随机变换,以扩增训练集;
在训练集图像上随机生成大小不一的黑色矩形块,来模拟物体遮挡情况;
计算网络最终预测值与标签真值之间的偏差loss_1,计算网络中间预测值与标签真值之间的偏差loss_2;
结合loss_1和loss_2,利用反向传播算法迭代更新网络参数数值,完成算法训练。
4.根据权利要求1所述的一种高空作业安全带挂绳高挂低用识别方法,其特征在
于:所述的步骤3,包括:将原尺寸、1/2尺寸和1/4尺寸三种尺寸图像分别输入训练好的人体关键点检测算法,得到同一视频帧在三种输入尺寸下的三种预测响应结果图;
综合考虑三种响应结果图,以得到最终关键点的预测结果。
5.根据权利要求1所述的一种高空作业安全带挂绳高挂低用识别方法,其特征在于:所述的步骤4包括:根据预测所得的人体关键点结果,在腰部以上区域裁剪出图像块,作为安全带挂绳高挂低用的候选区域。
6.根据权利要求1所述的一种高空作业安全带挂绳高挂低用识别方法,其特征在于:所述的步骤5包括:
在腰部以上区域图像框中对安全带挂绳目标进行检测;
若检测出安全带挂绳,则代表正常使用安全带,即高挂低用;
若未检测出安全带挂绳,则代表异常使用安全带。
7.根据权利要求1所述的一种高空作业安全带挂绳高挂低用识别方法,其特征在于:所述的步骤6包括:
将保存的报警图片存储地址链接、人体关键点坐标、安全带挂绳高挂低用的候选位置坐标一起打包作为报警信息,发送至远程监控中心;
远程监控中心通过报警信息中的图片地址链接读取报警图片,并显示在前端监控界面上。
8.一种高空作业安全带挂绳高挂低用识别装置,其特征在于:包括人体关键点检测模块(210)、安全带挂绳检测模块(220)、高挂低用判断模块(230)和报警模块(240):
所述人体关键点检测模块(210):用于获得人体关键点的坐标,并基于腰部关键点位置得到安全带挂绳高挂低用的候选区域;
所述安全带挂绳检测模块(220):用于在安全带挂绳高挂低用的候选区域中对安全带挂绳进行目标检测;
所述高挂低用判断模块(230):用于判断安全带挂绳是否正确高挂低用;
所述报警模块(240):用于将报警信息通过网络发送到远程监控中心。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一所述的高空作业安全带挂绳高挂低用识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111498705.7A CN114155492A (zh) | 2021-12-09 | 2021-12-09 | 高空作业安全带挂绳高挂低用识别方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111498705.7A CN114155492A (zh) | 2021-12-09 | 2021-12-09 | 高空作业安全带挂绳高挂低用识别方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114155492A true CN114155492A (zh) | 2022-03-08 |
Family
ID=80453759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111498705.7A Pending CN114155492A (zh) | 2021-12-09 | 2021-12-09 | 高空作业安全带挂绳高挂低用识别方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114155492A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114742180A (zh) * | 2022-06-13 | 2022-07-12 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 高空作业安全等级确定方法、装置和计算机设备 |
CN116959028A (zh) * | 2023-07-20 | 2023-10-27 | 山东产研鲲云人工智能研究院有限公司 | 监管高空作业安全的方法和巡检设备及计算设备 |
CN117351434A (zh) * | 2023-12-06 | 2024-01-05 | 山东恒迈信息科技有限公司 | 一种基于动作识别的工作区域人员行为规范监控分析系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009165517A (ja) * | 2008-01-11 | 2009-07-30 | Nakanishi Metal Works Co Ltd | 安全帯使用状況の監視及び警報システム |
CN109240311A (zh) * | 2018-11-19 | 2019-01-18 | 国网四川省电力公司电力科学研究院 | 基于智能机器人的室外电力场地施工作业监督方法 |
CN111709360A (zh) * | 2020-06-16 | 2020-09-25 | 上海大学 | 一种安全绳佩戴识别方法及系统 |
CN111932581A (zh) * | 2020-08-11 | 2020-11-13 | 沈阳帝信人工智能产业研究院有限公司 | 安全绳检测方法、装置、电子设备和可读存储介质 |
US20200364888A1 (en) * | 2019-05-15 | 2020-11-19 | Getac Technology Corporation | Artificial neural network-based method for detecting surface pattern of object |
CN112084849A (zh) * | 2020-07-31 | 2020-12-15 | 华为技术有限公司 | 图像识别方法和装置 |
CN112215138A (zh) * | 2020-10-12 | 2021-01-12 | 中国石油大学(华东) | 一种基于深度学习的安全带低挂高用违规检测方法 |
CN113392708A (zh) * | 2021-05-13 | 2021-09-14 | 上海湃道智能科技有限公司 | 安全带检测方法 |
-
2021
- 2021-12-09 CN CN202111498705.7A patent/CN114155492A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009165517A (ja) * | 2008-01-11 | 2009-07-30 | Nakanishi Metal Works Co Ltd | 安全帯使用状況の監視及び警報システム |
CN109240311A (zh) * | 2018-11-19 | 2019-01-18 | 国网四川省电力公司电力科学研究院 | 基于智能机器人的室外电力场地施工作业监督方法 |
US20200364888A1 (en) * | 2019-05-15 | 2020-11-19 | Getac Technology Corporation | Artificial neural network-based method for detecting surface pattern of object |
CN111709360A (zh) * | 2020-06-16 | 2020-09-25 | 上海大学 | 一种安全绳佩戴识别方法及系统 |
CN112084849A (zh) * | 2020-07-31 | 2020-12-15 | 华为技术有限公司 | 图像识别方法和装置 |
CN111932581A (zh) * | 2020-08-11 | 2020-11-13 | 沈阳帝信人工智能产业研究院有限公司 | 安全绳检测方法、装置、电子设备和可读存储介质 |
CN112215138A (zh) * | 2020-10-12 | 2021-01-12 | 中国石油大学(华东) | 一种基于深度学习的安全带低挂高用违规检测方法 |
CN113392708A (zh) * | 2021-05-13 | 2021-09-14 | 上海湃道智能科技有限公司 | 安全带检测方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114742180A (zh) * | 2022-06-13 | 2022-07-12 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 高空作业安全等级确定方法、装置和计算机设备 |
CN114742180B (zh) * | 2022-06-13 | 2022-09-20 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 高空作业安全等级确定方法、装置和计算机设备 |
CN116959028A (zh) * | 2023-07-20 | 2023-10-27 | 山东产研鲲云人工智能研究院有限公司 | 监管高空作业安全的方法和巡检设备及计算设备 |
CN116959028B (zh) * | 2023-07-20 | 2024-03-01 | 山东产研鲲云人工智能研究院有限公司 | 监管高空作业安全的方法和巡检设备及计算设备 |
CN117351434A (zh) * | 2023-12-06 | 2024-01-05 | 山东恒迈信息科技有限公司 | 一种基于动作识别的工作区域人员行为规范监控分析系统 |
CN117351434B (zh) * | 2023-12-06 | 2024-04-26 | 山东恒迈信息科技有限公司 | 一种基于动作识别的工作区域人员行为规范监控分析系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110210323B (zh) | 一种基于机器视觉的溺水行为在线识别方法 | |
CN110210302B (zh) | 多目标跟踪方法、装置、计算机设备及存储介质 | |
CN114155492A (zh) | 高空作业安全带挂绳高挂低用识别方法、装置和电子设备 | |
CN111144263A (zh) | 一种建筑工人高坠事故预警方法及装置 | |
CN111931653B (zh) | 安全监测方法、装置、电子设备和可读存储介质 | |
CN110414400B (zh) | 一种施工现场安全帽穿戴自动检测方法及系统 | |
CN113191699A (zh) | 一种配电施工现场安全监管方法 | |
CN110543800B (zh) | 用于吊舱的目标识别跟踪方法、装置和吊舱 | |
CN114155601A (zh) | 一种基于视觉的作业人员危险行为检测方法及系统 | |
CN109506628A (zh) | 一种基于深度学习的卡车环境下目标物测距方法 | |
CN111126153B (zh) | 基于深度学习的安全监测方法、系统、服务器及存储介质 | |
CN112434669B (zh) | 一种多信息融合的人体行为检测方法及系统 | |
Nar et al. | Abnormal activity detection for bank ATM surveillance | |
CN111062303A (zh) | 图像处理方法、系统及计算机存储介质 | |
CN116259002A (zh) | 一种基于视频的人体危险行为分析方法 | |
CN103049747B (zh) | 利用肤色的人体图像再识别的方法 | |
CN107463873A (zh) | 一种基于rgbd深度传感器的实时手势分析与评价方法与系统 | |
CN112906441B (zh) | 用于通信行业查勘维护的图像识别系统及方法 | |
CN113392738A (zh) | 行为规范性检测方法、装置、电子设备和存储介质 | |
CN116092199A (zh) | 一种员工工作状态识别方法及识别系统 | |
CN115223249A (zh) | 一种基于机器视觉的井下人员不安全行为快速分析与识别方法 | |
CN111091104A (zh) | 一种目标物体的防护检测方法、装置、设备及存储介质 | |
CN113111747A (zh) | 异常肢体行为检测方法、装置、终端及介质 | |
CN116665419B (zh) | 电力生产作业中基于ai分析的故障智能预警系统及方法 | |
CN116682034A (zh) | 一种复杂生产作业场景下危险行为检测方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 751400 Lingwu City, Yinchuan City, Ningxia Hui Autonomous Region Applicant after: Guoneng Ningxia Lingwu Power Generation Co.,Ltd. Applicant after: NANJING NANZI INFORMATION TECHNOLOGY Co.,Ltd. Address before: 751400 Lingwu City, Yinchuan City, Ningxia Hui Autonomous Region Applicant before: HUADIAN NINGXIA LINGWU POWER GENERATION Co.,Ltd. Applicant before: NANJING NANZI INFORMATION TECHNOLOGY Co.,Ltd. |