CN114359712A - 一种基于无人机巡检的安全违规行为分析系统 - Google Patents
一种基于无人机巡检的安全违规行为分析系统 Download PDFInfo
- Publication number
- CN114359712A CN114359712A CN202111517468.4A CN202111517468A CN114359712A CN 114359712 A CN114359712 A CN 114359712A CN 202111517468 A CN202111517468 A CN 202111517468A CN 114359712 A CN114359712 A CN 114359712A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- module
- safety belt
- safety
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于无人机巡检的安全违规行为分析系统,属于智能AI分析技术领域,包括图片预处理模块、人体识别模块、安全帽识别模块、安全帽佩戴判别模块、安全带识别模块、安全带佩戴判别模块、结果输出及数据管理模块;工作流程为:无人机按照既定轨迹飞行进行巡检,全方位多角度采集现场图片,并将图片输入到系统中;系统中的风险识别分析模型对图片数据进行预处理;风险识别分析模型自动识别安全帽、安全带位置,并分别进行安全帽、安全带是是否正确佩戴的判别;得出安全帽和安全带是否正确佩戴的判别结果,并进行数据归档;系统输出判别结果。本发明可以实现安全帽、安全带佩戴的精准判别,最大程度保证工作人员的安全。
Description
技术领域
本发明属于智能AI分析技术领域,具体涉及一种基于无人机巡检的安全违规行为分析系统。
背景技术
不论是人工巡检、无人机巡检、移动摄像头巡检还是其他设备进行信息采集,随之而来的都将是大量图像数据。传统的图像分析方法主要是依靠于人的观察,找出特定的目标和与之相关的镜头,并进行比对分析。这种方法往往具有主观性,不能够快速准确的识别和判定目标,起不到预警作用。智能图像分析作为一种滤除大量冗余信息的有效手段,可以将特定信息从海量的数据流中快速准确的分辨出来,是目前比较受关注的图像处理技术,它具有实时分析的特点并有效避免了信息遗漏。简单来说,该技术以智能化为手段,寻找图像画面中的特定目标,对其进行跟踪和识别,及时发现和提示。
目前,视频图像识别分析对象主要为固定摄像头拍摄的图像,拍摄高度、角度和清晰度与无人机拍摄的图像均有较大不同,无法将现有识别模型直接应用于无人机巡检拍摄的照片。
发明内容
为了解决现有AI图像分析模型不适用无人机拍摄图像的问题,本发明提出了一种基于无人机巡检的安全违规行为分析系统。
本发明的技术方案如下:
一种基于无人机巡检的安全违规行为分析系统,包括图片预处理模块、人体识别模块、安全帽识别模块、安全帽佩戴判别模块、安全带识别模块、安全带佩戴判别模块、结果输出及数据管理模块;
所述图片预处理模块用于对无人机采集到的图片进行预处理;所述人体识别模块用于精准识别出图片中的人体部分;所述安全帽识别模块用于精准识别人体头部安全帽的位置与轮廓;所述安全帽佩戴判别模块用于判断当前工作人员安全帽佩戴是否安全准确;所述安全带识别模块用于精准识别工作人员安全带的位置与轮廓;所述安全带佩戴判别模块用于判断当前工作人员安全带佩戴是否安全准确;所述结果输出及数据管理模块用于输出判别结果,同时存储数据;
所述安全违规行为分析系统的工作流程为:
步骤1.无人机按照既定轨迹飞行进行巡检,全方位多角度采集现场图片,并将图片输入到系统中;
步骤2.系统中的风险识别分析模型对图片数据进行预处理;
步骤3.风险识别分析模型自动识别安全帽、安全带位置,并分别进行安全帽、安全带是是否正确佩戴的判别;
步骤4.得出安全帽和安全带是否正确佩戴的判别结果,并进行数据归档;
步骤5.系统输出判别结果。
进一步地,采用工业用无人机,并加设广角镜头;无人机的飞行轨迹根据场地实际情况预先设计。
进一步地,针对每个作业场景,利用无人机全方位多角度搜集现场图像形成智能识别分析学习样本数据库,在此基础上利用人工智能深度学习技术及目标识别技术,构建风险识别分析模型。
进一步地,构建风险识别分析模型智能存储和分析处理无人机拍摄的图像数据,识别出预设的典型作业场景。
本发明所带来的有益技术效果:
基于无人机巡检和风险识别分析模型可以实现安全帽穿戴识别准确率95%以上,安全带穿戴识别准确率90%以上,实现了安全帽、安全带佩戴的精准判别,最大程度保证工作人员的安全;而且在满足系统硬件需求的前提下,图片处理速度快,达到单张图片识别时间优于5秒。
附图说明
图1为本发明安全违规行为分析系统的功能模块图;
图2为本发明安全违规行为分析系统的工作流程图。
具体实施方式
下面结合附图以及具体实施方式对本发明作进一步详细说明:
基于施工现场高风险及违章作业场景辨识,结合现场安全监管的实际需求,综合考虑无人机抓拍和智能分析技术实现可行性,确定未穿戴安全帽、未穿戴安全带这两个典型作业场景为对象开展视频图像识别分析研究。
针对每个场景,利用无人机全方位多角度搜集现场图像形成智能识别分析学习样本数据库,在此基础上利用人工智能深度学习技术及目标识别技术,构建风险识别分析模型,实现对图像的多目标检测、目标多属性特征的识别,智能存储和分析处理无人机拍摄的图像数据,识别出预设的典型作业场景。
一种基于无人机巡检的安全违规行为分析系统,包括图片预处理模块、人体识别模块、安全帽识别模块、安全帽佩戴判别模块、安全带识别模块、安全带佩戴判别模块、结果输出及数据管理模块。其中,
图片预处理模块用于对无人机采集到的图片进行预处理;
人体识别模块用于精准识别出图片中的人体部分;
安全帽识别模块用于精准识别人体头部安全帽的位置与轮廓;
安全帽佩戴判别模块用于判断当前工作人员安全帽佩戴是否安全准确;
安全带识别模块用于精准识别工作人员安全带的位置与轮廓;
安全带佩戴判别模块用于判断当前工作人员安全带佩戴是否安全准确;
结果输出及数据管理模块用于输出判别结果,同时存储数据。
该系统的工作流程为:
步骤1.无人机按照既定轨迹飞行进行巡检,全方位多角度采集现场图片,并将图片输入到系统中;
步骤2.系统中的风险识别分析模型对图片数据进行预处理;
步骤3.风险识别分析模型自动识别安全帽、安全带位置,并分别进行安全帽、安全带是是否正确佩戴的判别;
步骤4.得出安全帽和安全带是否正确佩戴的判别结果,并进行数据归档;
步骤5.系统输出判别结果。
其中,无人机加了广角镜头,为了照片更清晰,能局部放大;无人机是工业用,飞行高度十几公里;无人机的飞行轨迹根据场地实际情况预先设计。
由于安全帽的特征明显、与人体的相对关系明确,因此可以采用不需要大量数据训练的模式识别方式识别。由于施工现场所使用安全带的识别特征不够突出和供应厂家来源广泛,并且各厂家的产品形态存在较大差异,因此而导致安全带的图像识别算法的识别准确率存在巨大的难度和不确定性,所以采用深度学习的方式实现,采集大量样本进行训练,在训练出合适的模型后可对安全带进行识别。
通过基于无人机巡检的安全违规行为分析系统,对安全帽穿戴识别准确率可以达到95%以上,安全带穿戴识别准确率90%以上。同时,在满足系统硬件需求的前提下,达到单张图片识别时间优于5秒。
当然,上述说明并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换,也应属于本发明的保护范围。
Claims (4)
1.一种基于无人机巡检的安全违规行为分析系统,其特征在于,包括图片预处理模块、人体识别模块、安全帽识别模块、安全帽佩戴判别模块、安全带识别模块、安全带佩戴判别模块、结果输出及数据管理模块;
所述图片预处理模块用于对无人机采集到的图片进行预处理;所述人体识别模块用于精准识别出图片中的人体部分;所述安全帽识别模块用于精准识别人体头部安全帽的位置与轮廓;所述安全帽佩戴判别模块用于判断当前工作人员安全帽佩戴是否安全准确;所述安全带识别模块用于精准识别工作人员安全带的位置与轮廓;所述安全带佩戴判别模块用于判断当前工作人员安全带佩戴是否安全准确;所述结果输出及数据管理模块用于输出判别结果,同时存储数据;
所述安全违规行为分析系统的工作流程为:
步骤1.无人机按照既定轨迹飞行进行巡检,全方位多角度采集现场图片,并将图片输入到系统中;
步骤2.系统中的风险识别分析模型对图片数据进行预处理;
步骤3.风险识别分析模型自动识别安全帽、安全带位置,并分别进行安全帽、安全带是是否正确佩戴的判别;
步骤4.得出安全帽和安全带是否正确佩戴的判别结果,并进行数据归档;
步骤5.系统输出判别结果。
2.根据权利要求1所述基于无人机巡检的安全违规行为分析系统,其特征在于,采用工业用无人机,并加设广角镜头;无人机的飞行轨迹根据场地实际情况预先设计。
3.根据权利要求1所述基于无人机巡检的安全违规行为分析系统,其特征在于,针对每个作业场景,利用无人机全方位多角度搜集现场图像形成智能识别分析学习样本数据库,在此基础上利用人工智能深度学习技术及目标识别技术,构建风险识别分析模型。
4.根据权利要求1所述基于无人机巡检的安全违规行为分析系统,其特征在于,所述构建风险识别分析模型智能存储和分析处理无人机拍摄的图像数据,识别出预设的典型作业场景。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111517468.4A CN114359712A (zh) | 2021-12-08 | 2021-12-08 | 一种基于无人机巡检的安全违规行为分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111517468.4A CN114359712A (zh) | 2021-12-08 | 2021-12-08 | 一种基于无人机巡检的安全违规行为分析系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114359712A true CN114359712A (zh) | 2022-04-15 |
Family
ID=81098699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111517468.4A Pending CN114359712A (zh) | 2021-12-08 | 2021-12-08 | 一种基于无人机巡检的安全违规行为分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114359712A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116050842A (zh) * | 2023-02-01 | 2023-05-02 | 东华理工大学 | 城市地下工程施工安全风险动态控制方法及系统 |
CN116579609A (zh) * | 2023-05-15 | 2023-08-11 | 三峡科技有限责任公司 | 一种基于巡检过程中的违规操作分析方法 |
-
2021
- 2021-12-08 CN CN202111517468.4A patent/CN114359712A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116050842A (zh) * | 2023-02-01 | 2023-05-02 | 东华理工大学 | 城市地下工程施工安全风险动态控制方法及系统 |
CN116050842B (zh) * | 2023-02-01 | 2023-08-04 | 东华理工大学 | 一种城市地下工程施工安全风险动态控制方法及系统 |
CN116579609A (zh) * | 2023-05-15 | 2023-08-11 | 三峡科技有限责任公司 | 一种基于巡检过程中的违规操作分析方法 |
CN116579609B (zh) * | 2023-05-15 | 2023-11-14 | 三峡科技有限责任公司 | 一种基于巡检过程中的违规操作分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109948582B (zh) | 一种基于跟踪轨迹分析的车辆逆行智能检测方法 | |
CN111191586B (zh) | 一种施工现场人员安全帽佩戴情况巡检方法及系统 | |
CN101465033B (zh) | 一种自动追踪识别系统及方法 | |
CN108802758B (zh) | 一种基于激光雷达的智能安防监控装置、方法和系统 | |
CN112235537B (zh) | 一种变电站现场作业安全预警方法 | |
CN114359712A (zh) | 一种基于无人机巡检的安全违规行为分析系统 | |
CN201278180Y (zh) | 一种自动追踪识别系统 | |
CN112396658B (zh) | 一种基于视频的室内人员定位方法及定位系统 | |
CN112785798A (zh) | 面向电力变电站工程建设项目施工人员的行为分析方法 | |
CN105844659B (zh) | 运动部件的跟踪方法和装置 | |
CN110619276B (zh) | 基于无人机移动监控的异常及暴力检测系统和方法 | |
CN105141885A (zh) | 进行视频监控的方法及装置 | |
CN113676702B (zh) | 基于视频流的目标追踪监测方法、系统、装置及存储介质 | |
CN112149513A (zh) | 基于深度学习的工业制造现场安全帽佩戴识别系统和方法 | |
CN112613449A (zh) | 一种基于视频人脸图像的安全帽佩戴检测识别方法及系统 | |
CN113963315A (zh) | 一种复杂场景下实时视频多人行为识别方法及系统 | |
CN112200841B (zh) | 一种基于行人体态的跨域多摄像头跟踪方法和装置 | |
CN112084963A (zh) | 一种监控预警方法、系统及存储介质 | |
CN109389040B (zh) | 一种作业现场人员安全着装的检查方法及装置 | |
CN113807240A (zh) | 基于非配合式人脸识别的变电站人员着装智能监控方法 | |
CN115909223A (zh) | 一种wim系统信息与监控视频数据匹配的方法和系统 | |
CN111383248A (zh) | 一种行人闯红灯判断方法、装置和电子设备 | |
CN113593162A (zh) | 一种基于视频ai的陌生人通行监控方法及装置 | |
CN111723725A (zh) | 一种基于视频ai多维分析系统 | |
CN114913323A (zh) | 一种充电桩区域夜间明火检测方法 |
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 |