CN114186896A - 一种走廊安全监管方法、电子设备和存储介质 - Google Patents

一种走廊安全监管方法、电子设备和存储介质 Download PDF

Info

Publication number
CN114186896A
CN114186896A CN202111561161.4A CN202111561161A CN114186896A CN 114186896 A CN114186896 A CN 114186896A CN 202111561161 A CN202111561161 A CN 202111561161A CN 114186896 A CN114186896 A CN 114186896A
Authority
CN
China
Prior art keywords
student
guardrail
students
corridor
information
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.)
Granted
Application number
CN202111561161.4A
Other languages
English (en)
Other versions
CN114186896B (zh
Inventor
梁帆
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.)
Guangdong Prophet Big Data Co ltd
Original Assignee
Dongguan Prophet Big Data Co ltd
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 Dongguan Prophet Big Data Co ltd filed Critical Dongguan Prophet Big Data Co ltd
Priority to CN202111561161.4A priority Critical patent/CN114186896B/zh
Publication of CN114186896A publication Critical patent/CN114186896A/zh
Application granted granted Critical
Publication of CN114186896B publication Critical patent/CN114186896B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请涉及一种走廊安全监管方法、电子设备和存储介质，该方法包括：获取走廊中护栏区域的位置信息以及学生的位置信息；根据护栏区域的位置信息以及学生的位置信息确定学生与护栏之间的近似距离，判断近似距离与第一预设阈值的大小；当判断结果为近似距离的值小于第一预设阈值时，确定护栏风险指数得分；根据护栏风险指数得分确定多帧护栏风险指数得分的总和；判断多帧护栏风险指数得分的总和与第二预设阈值的大小；当判断结果为多帧护栏风险指数得分的总和大于第二预设阈值时，发送视频影像至管理处提醒管理人员。本申请通过护栏风险指数确定护栏区域的风险情形，管理人员能够根据视频影像中的风险情形确定解决方案，及时的杜绝危险情况的发生。

Description

一种走廊安全监管方法、电子设备和存储介质
技术领域
本申请涉及安全监管技术领域，特别是涉及一种走廊安全监管方法、电子设备和存储介质。
背景技术
现有的走廊安全监管，通常是安保人员在走廊内的关键区域进行人工管理，或者在走廊内的关键区域安装摄像头，通过摄像头查看是否存在不安全情形，人工管理要时时有人把守，监管效率低，通过摄像头监管也是管理人员要实时查看，监管效率低，管理人员体验差。
发明内容
基于当前走廊区域的安全监管监管效率低，管理人员体验差的问题，本申请提供一种走廊安全监管方法、电子设备和存储介质。
第一方面，本申请实施例提供一种走廊安全监管方法，包括：
获取走廊中护栏区域的位置信息以及学生的位置信息；
根据护栏区域的位置信息以及学生的位置信息确定学生与护栏之间的近似距离，判断近似距离与第一预设阈值的大小；
当判断结果为近似距离的值小于第一预设阈值时，确定护栏风险指数得分；
根据护栏风险指数得分确定多帧护栏风险指数得分的总和；
判断多帧护栏风险指数得分的总和与第二预设阈值的大小；
当判断结果为多帧护栏风险指数得分的总和大于第二预设阈值时，发送视频影像至管理处提醒管理人员。
进一步地，上述一种走廊安全监管方法，还包括：
获取当前帧的学生位置与当前帧前nc1帧的学生位置；
根据当前帧的学生位置与所述当前帧前nc1帧的学生位置确定学生的近似速度，判断近似速度与第三预设阈值的大小；
当判断结果为近似速度大于所述第三预设阈值时，标记所述学生；
获取标记学生的轨迹信息{(xuj，yuj)}，根据轨迹信息{(xuj，yuj)}确定前进方向向量(xvN-xv1，yvN-yv1)，其中N为轨迹点的个数；
根据前进方向向量(xvN-xv1，yvN-yv1)以及轨迹信息{(xuj，yuj)}判断所述标记学生在预设时间段内的轨迹信息是否满足第一预设条件：
Figure BDA0003414284410000021
其中，tsv为设定阈值，N1为预设时间段内的总帧数，
当判断结果为标记学生在第一预设时间段内的轨迹信息满足第一预设条件时，确定标记学生出现急速停止行为；
确定标记学生出现急速停止行为时，判断标记学生是否处于倒地或磕碰状态；
当判断结果为标记学生处于倒地或磕碰状态时，发送视频影像至管理处提醒管理人员。
进一步地，上述一种走廊安全监管方法中，获取走廊中护栏区域的位置信息以及学生的位置信息，包括：
护栏区域检测模型获取走廊中护栏区域的位置信息；
学生检测模型获取学生的位置信息；
其中，护栏区域检测模型的训练步骤包括：获取教学楼走廊的护栏区域图片并对所述护栏区域进行标注；训练所述标注后的走廊的护栏区域图片得到护栏区域检测模型；
学生检测模型的训练步骤包括：获取教学楼走廊的学生图片并对学生进行标注；训练标注后的走廊的学生图片得到学生检测模型。
进一步地，上述一种走廊安全监管方法中，根据所述护栏区域的位置信息以及学生的位置信息确定学生与护栏之间的近似距离，通过如下公式确定：
学生与护栏之间的近似距离ds＝cs1ds1+cs2ds2，
其中，cs1，cs2分别为历史数据训练得到的修正参数，
护栏区域的位置信息表示为{(xi，yi)}，i＝1，2，3，4，学生的位置信息表示为(xs，ys，ws，hs)，
ds1＝|(y3-y4)(xs+0.5ws)+(x4-x3)(ys+hs)+x3y4-x4y3|
ds2＝|2(y1+y4-y2-y3)(xs+0.5ws)+2(x2+x3-x1-x4)(ys+0.5hs)+(x1+x4)(y2+y3)-(x2+x3)(y1+y4)|。
进一步地，上述一种走廊安全监管方法中，确定护栏风险指数得分，包括：
获取学生的双脚位置信息(xf1，yf1)、学生的手肘信息(xa1，ya1)以及学生的脖子信息(xn1，yn1)；
根据护栏区域的位置信息{(xi，yi)}，i＝1，2，3，4，所述学生的双脚位置信息(xf1，yf1)、学生的手肘信息(xa1，ya1)以及学生的脖子信息(xn1，yn1)确定护栏风险指数得分gr；
确定护栏风险指数得分gr通过如下公式确定：
gr＝crfgf+craga
其中，crf，cra为历史数据训练得到的修正常数，
Figure BDA0003414284410000041
Figure BDA0003414284410000042
tsf为设定阈值，
Figure BDA0003414284410000043
Figure BDA0003414284410000044
cga，cga1，cga2为历史数据训练得到的修正常数，tsga2为设定阈值。
进一步地，上述一种走廊安全监管方法中，根据所述当前帧的学生位置与所述当前帧前nc1帧的学生位置确定学生的近似速度通过如下公式确定：
学生的近似速度
Figure BDA0003414284410000045
其中，当前帧的学生位置表示为：(xc1，yc1)，当前帧前nc1帧的学生位置表示为：(xc2，yc2)，nc表示视频的帧率。
进一步地，上述一种走廊安全监管方法中，当判断结果为标记学生出现急速停止行为时，判断标记学生是否处于倒地状态，包括：
获取标记学生邻域内学生的躯干方向信息，以及走廊内学生的躯干信息，根据所述走廊内学生的躯干信息确定走廊内学生的躯干方向信息；
聚类所述走廊内学生的躯干方向信息得到走廊内的学生站立方向(xtd，ytd)；
判断所述标记学生邻域内学生的躯干方向信息(xti-xdi，yti-ydi)和所述走廊内的学生站立方向(xtd，ytd)是否满足第二预设条件：
Figure BDA0003414284410000051
其中，tstd为设定阈值，当判断结果为所述标记学生邻域内学生的躯干方向信息(xti-xdi，yti-ydi)和所述走廊内的学生站立方向(xtd，ytd)满足所述第二预设条件时，判定学生处于倒地状态。
进一步地，上述一种走廊安全监管方法中，当判断结果为标记学生出现急速停止行为时，判断标记学生是否处于磕碰状态，包括：
获取标记学生距离走廊内墙体区域及护栏区域的距离及距离标记学生出现急速停止行为的时间间隔ti；
判断第二预设时间段内标记学生距离走廊内墙体区域及护栏区域的距离集合{dti}是否满足第三预设条件：
Figure BDA0003414284410000052
dtNt＜tsdmin
其中，tsdt，tsdmin为设定阈值，Nt为距离集合元素个数；
在判断结果为所述第二预设时间段内标记学生距离走廊内墙体区域及护栏区域的距离集合满足所述第三预设条件时，判定标记学生处于磕碰状态。
第二方面，本申请实施例还提供一种电子设备，其特征在于，包括：处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行上述一种走廊安全监管方法。
第三方面，本申请实施例还提供一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机上述一种走廊安全监管方法。
本申请实施例的优点在于：本申请首先通过护栏区域的位置信息以及学生的位置信息确定学生与护栏之间的近似距离，在学生离护栏很近的情况下，进一步根据护栏区域的位置信息、学生的双脚位置信息、学生的手肘信息以及学生的脖子信息确定护栏风险指数得分，在满足多帧护栏风险指数得分的总和大于预设阈值的情况下，确定护栏区域存在风险行为，发送视频影像至管理处提醒管理人员，不管理人员能够根据视频影像中实时的风险行为确定对应的方案，及时的杜绝危险情况的发生，为学生的安全保驾护航，解决了当前管理人员监管效率低，管理人员体验差的问题。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案，下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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为本申请实施例提供的一种走廊安全监管方法示意图一；
图2为本申请实施例提供的一种走廊安全监管方法示意图二；
图3为本申请实施例提供的一种走廊安全监管方法示意图三；
图4为本申请实施例提供的一种走廊安全监管方法示意图四；
图5是本申请实施例提供的一种电子设备的示意性框图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵时做类似改进，因此本申请不受下面公开的具体实施的限制。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
图1为本申请实施例提供的一种走廊安全监管方法示意图一。
第一方面，本申请实施例提供一种走廊安全监管方法，结合图1，包括S101至S106六个步骤：
S101：获取走廊中护栏区域的位置信息以及学生的位置信息。
具体的，本申请实施例中，护栏区域检测模型获取走廊中护栏区域的位置信息{(xi，yi)}，i＝1，2，3，4；学生检测模型获取学生的位置信息(xs，ys，ws，hs)。
其中，护栏区域检测模型的训练步骤包括：获取教学楼走廊的护栏区域图片并对护栏区域进行标注；训练标注后的走廊的护栏区域图片得到护栏区域检测模型；学生检测模型的训练步骤包括：获取教学楼走廊的学生图片并对学生进行标注；训练标注后的走廊的学生图片得到学生检测模型。
S102：根据护栏区域的位置信息以及学生的位置信息确定学生与护栏之间的近似距离，判断近似距离与第一预设阈值的大小。
具体的，本申请实施例中，根据护栏区域的位置信息{(xi，yi)}，i＝1，2，3，4和学生的位置信息(xs，ys，ws，hs)计算得到学生与护栏之间的近似距离ds，下文结合公式介绍计算学生与护栏之间的近似距离的方法，判断学生与护栏之间的近似距离ds与第一预设阈值tss的大小，其中第一预设阈值tss可以根据实际情况灵活确定，如0.5米、0.8米等值，并不以此限定本申请的保护范围。
S103：当判断结果为近似距离的值小于第一预设阈值时，确定护栏风险指数得分。
具体的，本申请实施例中，当判断结果为学生与护栏之间的近似距离ds小于第一预设阈值tss时，确定护栏风险指数得分gr，本申请中根据护栏区域的位置信息、学生的双脚位置信息、学生的手肘信息以及学生的脖子信息确定护栏风险指数得分gr，下文结合具体的公式介绍计算护栏风险指数得分gr的方法。
S104：根据护栏风险指数得分确定多帧护栏风险指数得分的总和。
具体的，本申请实施例中，护栏风险指数得分gr可以是视频内任意一帧的护栏风险指数，通过确定连续时间段内每一帧的护栏风险指数的总和Gr＝∑gr确定走廊中护栏区域的护栏风险指数。
S105：判断多帧护栏风险指数得分的总和与第二预设阈值的大小。
具体的，本申请实施例中，判断多帧护栏风险指数得分的总和Gr＝∑gr与第二预设阈值的大小，应理解，第二预设阈值可以根据实际情况灵活确定。
S106：当判断结果为多帧护栏风险指数得分的总和大于第二预设阈值时，发送视频影像至管理处提醒管理人员。
具体的，本申请实施例中，多帧护栏风险指数得分的总和Gr大于第二预设阈值时，确定走廊中护栏区域出现风险行为，发送视频影像至管理处提醒管理人员，管理人员能够根据视频影像的情形确定对应的方案，及时的杜绝危险情况的发生。
上述S101至S106六个步骤介绍了护栏区域的安全监管方法，下文结合S201至S208八个步骤介绍走廊区域若发生倒地或磕碰状态的安全监管方法。
图2为本申请实施例提供的一种走廊安全监管方法示意图二。
进一步地，上述一种走廊安全监管方法，还包括S201至S208八个步骤：
S201：获取当前帧的学生位置与当前帧前nc1帧的学生位置。
具体的，本申请实施例中，通过训练好的学生跟踪模型对学生进行跟踪获取当前帧学生位置(xc1，yc1)与当前帧前nc1帧的学生位置(xc2，yc2)。
S202：根据当前帧的学生位置与当前帧前nc1帧的学生位置确定学生的近似速度，判断近似速度与第三预设阈值的大小。
具体的，本申请实施例中，根据当前帧学生位置(xc1，yc1)与当前帧前nc1帧的学生位置(xc2，yc2)确定学生的近似速度vc1，下文结合公式介绍计算学生的近似速度vc1的方法，判断学生的近似速度vc1与第三预设阈值tss的大小，其中第三预设阈值可以根据实际情况灵活确定，如3m/s、2.5m/s等值，并不以此限定本申请的保护范围。
S203：当判断结果为近似速度大于第三预设阈值时，标记学生。
具体的，本申请实施例中，当判断结果为学生的近似速度vc1大于第三预设阈值时，判定学生在走廊内快速移动，对快速移动的学生进行标记。
S204：获取标记学生的轨迹信息，根据轨迹信息确定前进方向向量。
具体的，本申请实施例中，对快速移动的学生进行标记后，获取标记学生的轨迹信息{(xvi，yvi)}，根据轨迹信息{(xvi，yvi)}确定标记学生的前进方向向量(xvN-xv1，yvN-yv1)，其中N为轨迹点的个数。
S205：根据前进方向向量以及轨迹信息判断标记学生在预设时间段内的轨迹信息是否满足第一预设条件。
具体的，本申请实施例中，在确定了(xvN-xv1，yvN-yv1)和{(xvi，yvi)}后，判断标记学生在预设时间段内的轨迹信息{(xuj，yuj)}是否满足第一预设条件：
Figure BDA0003414284410000101
其中，tsv为设定阈值，N1为预设时间段内的总帧数。
S206：当判断结果为标记学生在第一预设时间段内的轨迹信息满足第一预设条件时，确定学生出现急速停止行为。
具体的，本申请实施例中，当判断结果为标记学生在预设时间段内的轨迹信息{(xuj，yuj)}满足第一预设条件的情况下，确定学生出现急速停止行为。
S207：确定学生出现急速停止行为时，判断学生是否处于倒地或磕碰状态。
具体的，本申请实施例中，确定学生出现急速停止行为时，继续判断学生是否处于倒地或磕碰状态，下文结合具体的公式介绍如何判断学生是否处于倒地或磕碰状态。
S208：当判断结果为学生处于倒地或磕碰状态时，发送视频影像至管理处提醒管理人员。
具体的，本申请实施例中，当判断结果为学生处于倒地或磕碰状态时，发送视频影像至管理处提醒管理人员，管理人员能够根据视频影像的情形确定对应的方案，及时的杜绝危险情况的发生。
进一步地，上述一种走廊安全监管方法中，根据护栏区域的位置信息以及学生的位置信息确定学生与护栏之间的近似距离，通过如下公式确定：
学生与护栏之间的近似距离ds＝cs1ds1+cs2ds2
其中，cs1，Cs2分别为历史数据训练得到的修正参数，
护栏区域的位置信息表示为{(xi，yi)}，i＝1，2，3，4，学生的位置信息表示为(xs，ys，ws，hs)，
ds1＝|(y3-y4)(xs+0.5ws)+(x4-x3)(ys+hs)+x3y4-x4y3|
ds2＝|2(y1+y4-y2-y3)(xs+0.5ws)+2(x2+x3-x1-x4)(ys+0.5hs)+(x1+x4)(y2+y3)-(x2+x3)(y1+y4)|。
进一步地，上述一种走廊安全监管方法中，确定护栏风险指数得分，包括：
获取学生的双脚位置信息(xf1，yf1)、学生的手肘信息(xa1，ya1)以及学生的脖子信息(xn1，yn1)。
根据护栏区域的位置信息{(xi，yi)}，i＝1，2，3，4、学生的双脚位置信息(xf1，yf1)、学生的手肘信息(xa1，ya1)以及学生的脖子信息(xn1，yn1)确定护栏风险指数得分。
确定护栏风险指数得分gr是通过如下公式确定的，
gr＝crfgf+craga
其中，crf，cra为历史数据训练得到的修正常数，
Figure BDA0003414284410000121
Figure BDA0003414284410000122
tsf为设定阈值，
Figure BDA0003414284410000123
Figure BDA0003414284410000124
cga，cga1，cga2为历史数据训练得到的修正常数，tsga2为设定阈值。
进一步地，上述一种走廊安全监管方法中，根据当前帧的学生位置与当前帧前N帧的学生位置确定学生的近似速度vc1通过如下公式确定：
学生的近似速度
Figure BDA0003414284410000125
其中，当前帧的学生位置表示为：(xc1，yc1)，当前帧前N帧的学生位置表示为：(xc2，yc2)，nc1为视频的帧率。
图3为本申请实施例提供的一种走廊安全监管方法示意图三。
进一步地，上述一种走廊安全监管方法中，当判断结果为标记学生出现急速停止行为时，判断标记学生是否处于倒地状态，包括：
S301：获取标记学生邻域内学生的躯干方向信息，以及走廊内学生的躯干信息，根据所述走廊内学生的躯干信息确定走廊内学生的躯干方向信息。
具体的，本申请实施例中，当确定走廊内出现标记学生急速停止行为时，可以在标记学生中心位置(xd，yd)距离小于设定长度的邻域内获取周围学生的躯干方向信息(xti-xdi，yti-ydi)，以及走廊内学生的躯干信息(xti，yti)，(xdi，ydi)，根据走廊内学生的躯干信息(xti，yti)，(xdi，ydi)确定走廊内学生的躯干方向信息。
S302：聚类所述走廊内学生的躯干方向信息得到学生站立方向。
具体的，本申请实施例中，走廊内学生的躯干方向信息使用K-means算法进行聚类，并选择聚类后元素最多的分类为走廊内的学生站立方向，获取该类的聚类中心信息(xtd，ytd)，得到学生站立方向(xtd，ytd)。
S303：判断所述标记学生邻域内学生的躯干方向信息和所述学生站立方向是否满足第二预设条件。
具体的，本申请实施例中，当标记学生邻域内学生的躯干方向信息(xti-xdi，yti-ydi)与场景内的学生站立方向(xtd，ytd)是否满足第二预设条件：
Figure BDA0003414284410000131
S304：当判断结果为所述标记学生邻域内学生的躯干方向信息和所述学生站立方向满足第二预设条件时，判定学生处于倒地状态。
具体的，本申请实施例中，当判断结果为标记学生邻域内学生的躯干方向信息(xti-xdi，yti-ydi)和学生站立方向(xtd，ytd)满足第二预设条件时，判定学生处于倒地状态。
进一步地，上述判定学生处于倒地状态可以是视频中的任意一帧，可以确定视频内出现学生出现倒地状态的帧数大于设定阈值，才判定走廊内出现学生倒地状态，进一步提高了判定学生处于倒地状态的准确率。
图4为本申请实施例提供的一种走廊安全监管方法示意图四。
进一步地，上述一种走廊安全监管方法中，当判断结果为标记学生出现急速停止行为时，判断标记学生是否处于磕碰状态，包括：
S401：获取标记学生距离走廊内墙体区域及护栏区域的距离及距离标记学生出现急速停止行为的时间间隔。
具体的，本申请实施例中，获取标记学生距离走廊内墙体区域及护栏区域的距离dti及距离学生急速停止行为的时间间隔ti。
S402：判断第二预设时间段内标记学生距离走廊内墙体区域及护栏区域的距离集合是否满足第三预设条件。
具体的，本申请实施例中，判断第二预设时间段内标记学生距离走廊内墙体区域及护栏区域的距离集合{dti}是否满足第三预设条件：
Figure BDA0003414284410000141
dtNt＜tsdmin
其中tsdt，tsdmin为设定阈值，Nt为集合元素个数。
S403：在判断结果为第二预设时间段内标记学生距离走廊内墙体区域及护栏区域的距离集合满足第三预设条件时，判定学生处于磕碰状态。
具体的，本申请实施例中，在判断结果为第二预设时间段内标记学生距离走廊内墙体区域及护栏区域的距离集合{dti}满足第三预设条件的情况下，判定学生处于磕碰状态。
第二方面，本发明实施例还提供了一种电子设备，包括：处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行如上所述任一项所述的所述一种走廊安全监管方法。
第三方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如上所述任一项所述的所述一种走廊安全监管方法。
图5是本公开实施例提供的一种电子设备的示意性框图。
如图5所示，电子设备包括：至少一个处理器501、至少一个存储器502和至少一个通信接口503。电子设备中的各个组件通过总线系统504耦合在一起。通信接口503，用于与外部设备之间的信息传输。可理解，总线系统504用于实现这些组件之间的连接通信。总线系统504除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但为了清楚说明起见，在图5中将各种总线都标为总线系统504。
可以理解，本实施例中的存储器502可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。
在一些实施方式中，存储器502存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统和应用程序。
其中，操作系统，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序，包含各种应用程序，例如媒体播放器(Media P1ayer)、浏览器(Browser)等，用于实现各种应用业务。实现本申请实施例提供的一种走廊安全监管方法中任一方法的程序可以包含在应用程序中。
在本申请实施例中，处理器501通过调用存储器502存储的程序或指令，具体的，可以是应用程序中存储的程序或指令，处理器501用于执行本申请实施例提供的一种走廊安全监管方法各实施例的步骤。
获取走廊中护栏区域的位置信息以及学生的位置信息；
根据护栏区域的位置信息以及学生的位置信息确定学生与护栏之间的近似距离，判断近似距离与第一预设阈值的大小；
当判断结果为近似距离的值小于第一预设阈值时，确定护栏风险指数得分；
根据护栏风险指数得分确定多帧护栏风险指数得分的总和；
判断多帧护栏风险指数得分的总和与第二预设阈值的大小；
当判断结果为多帧护栏风险指数得分的总和大于第二预设阈值时，发送视频影像至管理处提醒管理人员。
本申请实施例提供的一种走廊安全监管方法中任一方法可以应用于处理器501中，或者由处理器501实现。处理器501可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器501中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器501可以是通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本申请实施例提供的一种走廊安全监管方法中任一方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器502，处理器501读取存储器502中的信息，结合其硬件完成一种走廊安全监管方法的步骤。
本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。
本领域的技术人员能够理解，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种走廊安全监管方法，其特征在于，包括：
获取走廊中护栏区域的位置信息以及学生的位置信息；
根据所述护栏区域的位置信息以及学生的位置信息确定学生与护栏之间的近似距离，判断所述近似距离与第一预设阈值的大小；
当判断结果为所述近似距离的值小于第一预设阈值时，确定护栏风险指数得分；
根据所述护栏风险指数得分确定多帧护栏风险指数得分的总和；
判断所述多帧护栏风险指数得分的总和与第二预设阈值的大小；
当判断结果为所述多帧护栏风险指数得分的总和大于所述第二预设阈值时，发送视频影像至管理处提醒管理人员。
2.根据权利要求1所述的一种走廊安全监管方法，其特征在于，所述方法还包括：
获取当前帧的学生位置与当前帧前nc1帧的学生位置；
根据所述当前帧的学生位置与所述当前帧前nc1帧的学生位置确定学生的近似速度，判断所述近似速度与第三预设阈值的大小；
当判断结果为所述近似速度大于所述第三预设阈值时，标记所述学生；
获取所述标记学生的轨迹信息{(xuj，yuj)}，根据所述轨迹信息{(xuj，yuj)确定前进方向向量(xvN-xv1，yvN-yv1)，其中N为轨迹点的个数；
根据所述前进方向向量(xvN-xv1，yvN-yv1)以及所述轨迹信息{(xuj，yuj)}判断所述标记学生在预设时间段内的轨迹信息是否满足第一预设条件：
Figure FDA0003414284400000021
其中，tsv为设定阈值，N1为预设时间段内的总帧数，
当判断结果为所述标记学生在第一预设时间段内的轨迹信息满足所述第一预设条件时，确定所述标记学生出现急速停止行为；
确定所述标记学生出现急速停止行为时，判断所述标记学生是否处于倒地或磕碰状态；
当判断结果为所述标记学生处于倒地或磕碰状态时，发送视频影像至管理处提醒管理人员。
3.根据权利要求1所述的一种走廊安全监管方法，其特征在于，获取走廊中护栏区域的位置信息以及学生的位置信息，包括：
护栏区域检测模型获取走廊中护栏区域的位置信息；
学生检测模型获取学生的位置信息；
其中，所述护栏区域检测模型的训练步骤包括：获取教学楼走廊的护栏区域图片并对所述护栏区域进行标注；训练所述标注后的走廊的护栏区域图片得到护栏区域检测模型；
所述学生检测模型的训练步骤包括：获取教学楼走廊的学生图片并对所述学生进行标注；训练所述标注后的走廊的学生图片得到学生检测模型。
4.根据权利要求1所述的一种走廊安全监管方法，其特征在于，所述根据所述护栏区域的位置信息以及学生的位置信息确定学生与护栏之间的近似距离，通过如下公式确定：
学生与护栏之间的近似距离ds＝cs1ds1+cs2ds2，
其中，cs1，cs2分别为历史数据训练得到的修正参数，
护栏区域的位置信息表示为{(xi，yi)}，i＝1，2，3，4，学生的位置信息表示为(xs，ys，ws，hs)，
ds1＝|(y3-y4)(xs+0.5ws)+(x4-x3)(ys+hs)+x3y4-x4y3|
ds2＝|2(y1+y4-y2-y3)(xs+0.5ws)+2(x2+x3-x1-x4)(ys+0.5hs)+(x1+x4)(y2+y3)-(x2+x3)(y1+y4)|。
5.根据权利要求1所述的一种走廊安全监管方法，其特征在于，确定护栏风险指数得分，包括：
获取学生的双脚位置信息(xf1，yf1)、学生的手肘信息(xa1，ya1)以及学生的脖子信息(xn1，yn1)；
根据所述护栏区域的位置信息{(xi，yi)}，i＝1，2，3，4，所述学生的双脚位置信息(xf1，yf1)、所述学生的手肘信息(xa1，ya1)以及所述学生的脖子信息(xn1，yn1)确定护栏风险指数得分gr；
确定护栏风险指数得分gr通过如下公式确定：
gr＝crfgf+craga
其中，crf，cra为历史数据训练得到的修正常数，
Figure FDA0003414284400000031
Figure FDA0003414284400000032
tsf为设定阈值，
Figure FDA0003414284400000033
Figure FDA0003414284400000034
cga，cga1，cga2为历史数据训练得到的修正常数，tsga2为设定阈值。
6.根据权利要求2所述的一种走廊安全监管方法，其特征在于，所述根据所述当前帧的学生位置与所述当前帧前nc1帧的学生位置确定学生的近似速度通过如下公式确定：
学生的近似速度
Figure FDA0003414284400000041
其中，当前帧的学生位置表示为：(xc1，yc1)，当前帧前nc1帧的学生位置表示为：(xc2，yc2)，nc表示视频的帧率。
7.根据权利要求2所述的一种走廊安全监管方法，其特征在于，当判断结果为标记学生出现急速停止行为时，判断标记学生是否处于倒地状态，包括：
获取标记学生邻域内学生的躯干方向信息，以及走廊内学生的躯干信息，根据所述走廊内学生的躯干信息确定走廊内学生的躯干方向信息；
聚类所述走廊内学生的躯干方向信息得到走廊内的学生站立方向(xtd，ytd)；
判断所述标记学生邻域内学生的躯干方向信息(xti-xdi，yti-ydi)和所述走廊内的学生站立方向(xtd，ytd)是否满足第二预设条件：
Figure FDA0003414284400000042
其中，tstd为设定阈值，当判断结果为所述标记学生邻域内学生的躯干方向信息(xti-xdi，yti-ydi)和所述走廊内的学生站立方向(xtd，ytd)满足所述第二预设条件时，判定学生处于倒地状态。
8.根据权利要求2所述的一种走廊安全监管方法，其特征在于，当判断结果为标记学生出现急速停止行为时，判断标记学生是否处于磕碰状态，包括：
获取标记学生距离走廊内墙体区域及护栏区域的距离及距离标记学生出现急速停止行为的时间间隔tj；
判断第二预设时间段内标记学生距离走廊内墙体区域及护栏区域的距离集合{dtj}是否满足第三预设条件：
Figure FDA0003414284400000051
dtNt＜tsdmin
其中，tsdt，tsdmin为设定阈值，Nt为距离集合元素个数；
在判断结果为所述第二预设时间段内标记学生距离走廊内墙体区域及护栏区域的距离集合满足所述第三预设条件时，判定标记学生处于磕碰状态。
9.一种电子设备，其特征在于，包括：处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至8任一项所述一种走廊安全监管方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至8任一项所述一种走廊安全监管方法。
CN202111561161.4A 2021-12-16 2021-12-16 一种走廊安全监管方法、电子设备和存储介质 Active CN114186896B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111561161.4A CN114186896B (zh) 2021-12-16 2021-12-16 一种走廊安全监管方法、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111561161.4A CN114186896B (zh) 2021-12-16 2021-12-16 一种走廊安全监管方法、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN114186896A true CN114186896A (zh) 2022-03-15
CN114186896B CN114186896B (zh) 2022-08-23

Family

ID=80544511

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111561161.4A Active CN114186896B (zh) 2021-12-16 2021-12-16 一种走廊安全监管方法、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN114186896B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115043285A (zh) * 2022-06-08 2022-09-13 东莞先知大数据有限公司 确定儿童违规操作电梯的方法、电子设备和存储介质
CN116092130A (zh) * 2023-04-11 2023-05-09 东莞先知大数据有限公司 一种油罐内作业人员安全监管方法、装置及存储介质
CN118071114A (zh) * 2024-04-17 2024-05-24 浙江中南建设集团有限公司 一种用于道路桥梁防撞护栏的状态监测系统及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006263916A (ja) * 2001-05-08 2006-10-05 Mitsubishi Electric Corp ロボット制御装置
US20100286874A1 (en) * 2007-05-25 2010-11-11 Oliver Schwindt Collision warning device having guardrail detection
US20140210646A1 (en) * 2012-12-28 2014-07-31 Balu Subramanya Advanced parking and intersection management system
CN106263804A (zh) * 2016-08-31 2017-01-04 刘哲 床用智能看护护栏
CN109166141A (zh) * 2018-08-10 2019-01-08 Oppo广东移动通信有限公司 危险提醒方法、装置、存储介质及移动终端
CN110206330A (zh) * 2019-06-10 2019-09-06 邱鑫梅 一种基于大数据的校园楼层智能防护系统
CN112580456A (zh) * 2014-05-14 2021-03-30 御眼视觉技术有限公司 用于路缘检测和行人危险评估的系统和方法
CN112804491A (zh) * 2020-12-31 2021-05-14 重庆惠统智慧科技有限公司 一种校园安全监管方法、系统、服务器及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006263916A (ja) * 2001-05-08 2006-10-05 Mitsubishi Electric Corp ロボット制御装置
US20100286874A1 (en) * 2007-05-25 2010-11-11 Oliver Schwindt Collision warning device having guardrail detection
US20140210646A1 (en) * 2012-12-28 2014-07-31 Balu Subramanya Advanced parking and intersection management system
CN112580456A (zh) * 2014-05-14 2021-03-30 御眼视觉技术有限公司 用于路缘检测和行人危险评估的系统和方法
CN106263804A (zh) * 2016-08-31 2017-01-04 刘哲 床用智能看护护栏
CN109166141A (zh) * 2018-08-10 2019-01-08 Oppo广东移动通信有限公司 危险提醒方法、装置、存储介质及移动终端
CN110206330A (zh) * 2019-06-10 2019-09-06 邱鑫梅 一种基于大数据的校园楼层智能防护系统
CN112804491A (zh) * 2020-12-31 2021-05-14 重庆惠统智慧科技有限公司 一种校园安全监管方法、系统、服务器及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115043285A (zh) * 2022-06-08 2022-09-13 东莞先知大数据有限公司 确定儿童违规操作电梯的方法、电子设备和存储介质
CN115043285B (zh) * 2022-06-08 2023-11-21 东莞先知大数据有限公司 确定儿童违规操作电梯的方法、电子设备和存储介质
CN116092130A (zh) * 2023-04-11 2023-05-09 东莞先知大数据有限公司 一种油罐内作业人员安全监管方法、装置及存储介质
CN118071114A (zh) * 2024-04-17 2024-05-24 浙江中南建设集团有限公司 一种用于道路桥梁防撞护栏的状态监测系统及方法

Also Published As

Publication number Publication date
CN114186896B (zh) 2022-08-23

Similar Documents

Publication Publication Date Title
CN114186896B (zh) 一种走廊安全监管方法、电子设备和存储介质
Ijjina et al. Computer vision-based accident detection in traffic surveillance
Fang et al. Computer vision aided inspection on falling prevention measures for steeplejacks in an aerial environment
CN109345829B (zh) 无人车的监控方法、装置、设备及存储介质
CN111126235B (zh) 一种船只违章停泊检测处理方法及装置
KR20210038852A (ko) 조기 경보 방법, 장치, 전자 기기, 컴퓨터 판독 가능 저장 매체 및 컴퓨터 프로그램
Lee et al. Real-time illegal parking detection in outdoor environments using 1-D transformation
KR102343822B1 (ko) 비신호교차로에서 접근로들의 교통상황에 따른 가변 교통안전표지 운영장치 및 방법
CN109544870B (zh) 用于智能监控系统的报警判断方法与智能监控系统
CN115043285B (zh) 确定儿童违规操作电梯的方法、电子设备和存储介质
CN113223046A (zh) 一种监狱人员行为识别的方法和系统
CN103810696A (zh) 一种目标对象图像检测方法及装置
CN110688873A (zh) 多目标追踪方法及人脸识别方法
Suttiponpisarn et al. Detection of wrong direction vehicles on two-way traffic
CN112464546B (zh) 基于动态数据分析的公共空间行人流运动风险判别方法
CN117611795A (zh) 基于多任务ai大模型的目标检测方法、模型训练方法
CN111179610B (zh) 一种交通信号设备的控制方法及装置
CN115019242B (zh) 一种交通场景的异常事件检测方法、装置和处理设备
CN112906428A (zh) 影像侦测区域取得方法及空间使用情况的判定方法
CN114758507A (zh) 接驳站司机违规下车的处理方法、电子设备和存储介质
Ali et al. Real-time safety monitoring vision system for linemen in buckets using spatio-temporal inference
CN113538968B (zh) 用于输出信息的方法和装置
Park et al. Homography-based analysis of people and vehicle activities in crowded scenes
Wang et al. A Forewarning Method for Falling Hazard from Hole Based on Instance Segmentation and Regional Invasion Detection
CN111814590A (zh) 人员安全状态监测方法、设备及计算机可读存储介质

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
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: Building 7, No. 124 Dongbao Road, Dongcheng Street, Dongguan City, Guangdong Province, 523128

Patentee after: Guangdong Prophet Big Data Co.,Ltd.

Country or region after: China

Address before: 523128 Room 401, building 6, No.5 Weifeng Road, Dongcheng Street, Dongguan City, Guangdong Province

Patentee before: Dongguan prophet big data Co.,Ltd.

Country or region before: China