CN114758416A - 状态监测方法、装置、设备、存储介质和程序产品 - Google Patents

Abstract

本申请涉及一种状态监测方法、装置、设备、存储介质和程序产品。所述方法包括：通过获取目标人员在高空作业场景下的状态数据；然后利用预设的状态检测模型对获取到的目标人员的状态数据进行检测，得到状态检测结果；如果状态检测结果指示目标人员的状态不安全，则输出提示信息。采用本方法能够在目标人员在进行高空作业时，获取目标人员的状态数据，然后利用边缘计算设备中预设的状态检测模型对目标人员的状态数据进行检测，得到目标人员的状态检测结果，当目标人员的状态检测结果为人员状态不安全时，则输出告警等提示信息，从而保证目标人员的安全性。

Description

状态监测方法、装置、设备、存储介质和程序产品

技术领域

本申请涉及电力技术领域，特别是涉及一种状态监测方法、装置、设备、存储介质和程序产品。

背景技术

随着经济增长，我国电力需求实现高速增长，大容量发电机组不断增多，电力系统运行特性日趋复杂，给电力系统安全稳定运行带来了严峻的考验。因此电力系统的安全检修变得尤为重要，电力系统的检修往往需要作业人员进行登高作业，登高作业过程中具有一定的风险。

因此，如何保证登高作业人员的安全，成为了亟待解决的技术问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够实时监测作业人员安全的状态监测方法、装置、设备、存储介质和程序产品。

第一方面，本申请提供了一种状态监测方法，应用于边缘计算设备，该方法包括：

获取目标人员在高空作业场景下的状态数据；利用预设的状态检测模型对状态数据进行检测，得到状态检测结果；状态检测结果用于指示目标人员的状态是否安全；若状态检测结果指示目标人员的状态不安全，则输出提示信息。

在其中一个实施例中，状态数据包括作业状态数据，状态检测模型包括作业状态检测模型，利用预设的状态检测模型对状态数据进行检测，得到状态检测结果，包括：

将作业状态数据输入到作业状态检测模型中，得到作业状态检测模型输出的作业状态检测结果；作业状态检测结果用于指示目标人员的作业状态是否安全。

在其中一个实施例中，作业状态数据包括安全装备的传感器数据，将作业状态数据输入到作业状态检测模型中，得到作业状态检测模型输出的作业状态检测结果，包括：

将安全装备的传感器数据输入到作业状态检测模型中进行数据范围检测；若传感器数据超出预设范围，则作业状态检测模型输出目标人员的作业状态不安全的作业状态检测结果。

在其中一个实施例中，作业状态数据包括图像数据，将作业状态数据输入到作业状态检测模型中，得到作业状态检测模型输出的作业状态检测结果，包括：

将多个图像数据输入到作业状态检测模型中进行违章图像识别；若识别出多个图像数据中存在违章的图像数据，则作业状态检测模型输出目标人员的作业状态不安全的作业状态检测结果。

在其中一个实施例中，作业状态数据包括图像数据，将作业状态数据输入到作业状态检测模型中，得到作业状态检测模型输出的作业状态检测结果，包括：

将多个图像数据输入到作业状态检测模型中进行作业顺序识别；若识别出多个图像数据的作业顺序异常，则作业状态检测模型输出目标人员的作业状态不安全的作业状态检测结果。

在其中一个实施例中，状态数据包括体征状态数据，状态检测模型包括体征状态检测模型，利用预设的状态检测模型对状态数据进行检测，得到状态检测结果，包括：

将体征状态数据输入到体征状态检测模型中，得到体征状态检测模型输出的体征状态检测结果；体征状态检测结果用于指示目标人员的体征状态是否安全。

在其中一个实施例中，获取目标人员在高空作业场景下的状态数据，包括：从采集终端获取目标人员在高空作业场景下的状态数据。

在其中一个实施例中，方法还包括：从服务器获取状态检测模型的更新数据；根据更新数据对状态检测模型进行更新处理。

第二方面，本申请还提供了一种状态监测装置。应用于边缘计算设备，该装置包括：

获取模块，用于获取目标人员在高空作业场景下的状态数据；

检测模块，用于利用预设的状态检测模型对状态数据进行检测，得到状态检测结果，状态检测结果用于指示目标人员的状态是否安全；

输出模块，用于若状态检测结果指示目标人员的状态不安全，则输出提示信息。

在其中一个实施例中，状态数据包括作业状态数据，状态检测模型包括作业状态检测模型，该检测模块，具体用于将作业状态数据输入到作业状态检测模型中，得到作业状态检测模型输出的作业状态检测结果；作业状态检测结果用于指示目标人员的作业状态是否安全。

在其中一个实施例中，作业状态数据包括安全装备的传感器数据，该检测模块，具体用于将安全装备的传感器数据输入到作业状态检测模型中进行数据范围检测；若传感器数据超出预设范围，则作业状态检测模型输出目标人员的作业状态不安全的作业状态检测结果。

在其中一个实施例中，作业状态数据包括图像数据，该检测模块，具体用于将多个图像数据输入到作业状态检测模型中进行违章图像识别；若识别出多个图像数据中存在违章的图像数据，则作业状态检测模型输出目标人员的作业状态不安全的作业状态检测结果。

在其中一个实施例中，作业状态数据包括图像数据，该检测模块，具体用于将多个图像数据输入到作业状态检测模型中进行作业顺序识别；若识别出多个图像数据的作业顺序异常，则作业状态检测模型输出目标人员的作业状态不安全的作业状态检测结果。

在其中一个实施例中，状态数据包括体征状态数据，状态检测模型包括体征状态检测模型，该检测模块，具体用于将体征状态数据输入到体征状态检测模型中，得到体征状态检测模型输出的体征状态检测结果；体征状态检测结果用于指示目标人员的体征状态是否安全。

在其中一个实施例中，该获取模块，具体用于从采集终端获取目标人员在高空作业场景下的状态数据。

在其中一个实施例中，还包括更新模块，用于从服务器获取状态检测模型的更新数据；根据更新数据对状态检测模型进行更新处理。

第三方面，本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的方法。

第四方面，本申请还提供了一种计算机可读存储介质。该计算机可读存储介质，其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上述第一方面所述的方法。

第五方面，本申请还提供了一种计算机程序产品。该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上述第一方面所述的方法。

本申请实施例提供的技术方案带来的有益效果至少包括：

在本申请实施例提供的状态监测方法中，获取目标人员在高空作业场景下的状态数据；然后利用预设的状态检测模型对获取到的目标人员的状态数据进行检测，得到状态检测结果；如果状态检测结果指示目标人员的状态不安全，则输出提示信息。通过这种方式，当目标人员在进行高空作业时，获取目标人员在作业时的状态数据，然后利用边缘计算设备中预设的状态检测模型对目标人员的状态数据进行检测，得到目标人员的状态检测结果，当目标人员的状态检测结果为人员状态不安全时，则输出告警等提示信息，从而保证目标人员的安全性。

附图说明

图1为一个实施例中状态监测方法的应用环境图；

图2为一个实施例中边缘计算设备模块图；

图3为一个实施例中边缘计算设备详细模块图；

图4为另一个实施例中状态监测方法的流程示意图之一；

图5为另一个实施例中状态监测方法的流程示意图之二；

图6为另一个实施例中状态监测方法的流程示意图之三；

图7为另一个实施例中状态监测方法的流程示意图之四；

图8为另一个实施例中状态监测方法的流程示意图之五；

图9为另一个实施例中状态监测方法的流程示意图之六；

图10为另一个实施例中状态监测装置的结构框图；

图11为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的状态检测方法，可以应用于如图1所示的应用环境中。其中，采集终端101通过网络与边缘计算设备102进行通信，边缘计算设备102通过网络与服务器103进行通信。其中，采集终端101可以是智能安全帽，智能穿戴设备等。服务器103可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

如图2所示，边缘计算设备102搭载基于ARM(Advanced RISC Machine，精简指令集处理器)架构的高性能边缘计算AI(Artificial Intelligence，人工智能)处理器，基础模块包括AI分析模块、存储模块、定位模块、主控模块、安全加密模块、远程通信模块和本地通信模块，同时支持扩展配置模块，如语音模块、电源模块和短报文模块可以按需配置，可以满足在不同作业需求下，多形态硬件装置的定制化需求。其中，AI分析模块包括状态检测模型，存储模块用于存储接收到的人员状态数据。远程通信模块指边缘计算设备102与服务器103上的电力作业部门的安全生产风险管控平台、数字化工作票系统以及边缘智能服务平台进行通信，主要采用北斗卫星、4G/5G专网、无线专网等通信方式。本地通信模块指边缘计算设备102与各采集终端101之间的通信，主要采用LoRa(Long Range Radio，远距离无线电)、蓝牙、以太网、RS-485、WiFi、4G/5G等各类通信方式，满足不同本地通信接入的需求。

如图3所示，主控模块的主要功能包括对边缘计算设备102的设备管理、微应用管理、模型管理、接口服务以及运行管理。

其中设备管理包括设备的注册、配置管理、设备的厂家型号管理、上线记录管理、证书管理、设备升级以及黑名单管理，完成对边缘计算设备102的接入、配置以及工作记录等功能。

主控模块安装有微应用，微应用管理包括对运行在边缘计算设备102上的应用程序的管理，如微应用上传，更新，上架以及下发，还包括对违章规则管理，如违章规则新增、更新、上架以及下发。

模型管理主要是对从服务器103获得的状态检测模型进行管理，包括模型上传、框架转换、模型量化、模型剪枝、模型在线更新以及批量下发。

接口服务定义了标准的通信方式、数据规范和交互方式，包括音视频数据接口、位置数据接口、高度数据接口、工作票数据接口、围栏数据接口以及告警数据接口，用于传输各类型的数据。

运行管理主要是监测各类采集终端、边缘计算设备以及各应用程序和模型的运行状况，具体包括对采集终端101接入监测与告警，边缘计算设备102的运行监测与告警，模型运行监测与告警以及微应用运行监测与告警。

在一个实施例中，如图4所示，提供了一种状态监测方法，以该方法应用于图1中的边缘计算设备102为例进行说明，包括以下步骤：

步骤401，边缘计算设备获取目标人员在高空作业场景下的状态数据。

其中，边缘计算设备是指在靠近采集终端即数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台。由于靠近采集终端，控制和采集数据效率更高，能够减轻服务器的负荷，同时通过扩展各种应用模块能够满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。

目标人员为待进行监测的正在高空作业场景下工作的维修人员，边缘计算设备可以通过如图2所示的本地通信方式获取目标人员工作中的状态数据。该状态数据可以是传感器数据，也可以是视频数据和音频数据。

步骤402，边缘计算设备利用预设的状态检测模型对状态数据进行检测，得到状态检测结果。

其中，状态检测结果用于指示目标人员的状态是否安全。边缘计算设备将采集到的目标人员状态数据输入状态检测模型中，由状态检测模型输出对应的状态检测结果。

步骤403，若状态检测结果指示目标人员的状态不安全，则边缘计算设备输出提示信息。

若状态检测结果指示目标人员的状态为不安全，边缘计算设备输出提示信息，如进行告警等，提醒目标人员或其他工作人员进行对应的处理，从而可以保证目标人员在高空作业时的安全性。

上述状态监测方法中，通过获取目标人员在高空作业场景下的状态数据；然后利用预设的状态检测模型对获取到的目标人员的状态数据进行检测，得到状态检测结果；如果状态检测结果指示目标人员的状态不安全，则输出提示信息。通过这种方式，当目标人员在进行高空作业时，获取目标人员在作业时的状态数据，然后利用边缘计算设备中预设的状态检测模型对目标人员的状态数据进行检测，得到目标人员的状态检测结果，当目标人员的状态检测结果为人员状态不安全时，则输出告警等提示信息，从而保证目标人员的安全性。

在一个实施例中，状态数据包括作业状态数据，预设的状态检测模型包括作业状态检测模型，上述获取作业状态检测结果的步骤包括：边缘计算设备将作业状态数据输入到作业状态检测模型中，得到作业状态检测模型输出的作业状态检测结果。

其中，作业状态检测结果用于指示目标人员的作业状态是否安全。人员的作业状态数据可以包括目标人员在高空作业时的操作动作，操作流程以及安全装备的数据。本公开实施例对作业状态数据不做限定。

上述实施例中，将作业状态数据输入到作业状态检测模型中，得到作业状态检测结果，可以利用作业状态模型迅速判断出目标人员的作业过程是否安全，提前识别作业风险，保证目标人员的安全性。

在一个实施例中，作业状态数据可以包括安全装备的传感器数据，如图5所示，得到作业状态检测模型输出的作业状态检测结果的步骤可以包括：

步骤501，边缘计算设备将安全装备的传感器数据输入到作业状态检测模型中进行数据范围检测。

其中，人员的作业状态数据可以包括安全装备的传感器数据。

将获取到的安全装备的传感器数据输入到作业状态检测模型中，对数据的范围进行检测，判断传感器数据是否在预设的安全范围内。例如，安全帽及安全绳是否穿戴合格，目前的高度以及安全绳是否匹配。

步骤502，若传感器数据超出预设范围，则作业状态检测模型输出目标人员的作业状态不安全的作业状态检测结果。

其中，当安全装备的传感器数据超出了预设的安全范围，表示安全装备穿戴不合格，此时作业状态检测模型输出目标人员作业状态不安全，同时可以在采集终端侧进行告警，提醒目标人员安全佩戴。

上述实施例中通过对目标人员安全装备的传感器数据进行检测，得到目标人员的作业状态结果，如目标人员的作业状态处于不安全状态时，通过告警提醒目标人员进行检查，进一步提高了人员作业的安全性。

在一个实施例中，作业状态数据还可以包括图像数据，对图像数据的处理包括以下两种方式，第一种方式如图6所示，得到作业状态检测模型输出的作业状态检测结果的步骤可以包括：

步骤601，边缘计算设备将多个图像数据输入到作业状态检测模型中进行违章图像识别。

其中，边缘计算设备获取人员作业状态的图像数据，该图像数据主要是人员在作业时的操作照片。作业状态检测模型可以是基于神经网络的模型，通过提前使用大量的正常图片和违章操作的图片对作业状态检测模型进行训练，使其能够识别出违章操作的图片。然后将当前目标人员正在作业时拍摄的图像数据输入到作业状态检测模型中，根据模型的输出分类，判断图像数据是否是违章操作的图片。

步骤602，若边缘计算设备识别出多个图像数据中存在违章的图像数据，则作业状态检测模型输出目标人员的作业状态不安全的作业状态检测结果。

若识别出多个图像数据中存在违章的图像数据，则说明目标人员在当前作业操作中存在违章操作，存在一定的安全隐患，此时输出目标人员作业状态不安全的结果，并进行告警。

上述实施例中，通过对获取到的目标人员的多个图像数据进行检测，识别目标人员存在的违规操作，并输出告警信息，提醒人员注意操作规范，进一步提高了人员作业的安全性。

第二种方式如图7所示，得到作业状态检测模型输出的作业状态检测结果的步骤可以包括：

步骤701，边缘计算设备将多个图像数据输入到作业状态检测模型中进行作业顺序识别。

多个图像数据可以是同一个操作的不同步骤顺序的图像数据，安全作业规范流程需要目标人员在作业时符合操作预设的作业顺序。将多个图像数据输入到作业状态检测模型中，检测多个图像数据的顺序是否符合操作规定的步骤顺序。

步骤702，若边缘计算设备识别出多个图像数据的作业顺序异常，则作业状态检测模型输出目标人员的作业状态不安全的作业状态检测结果。

若检测到多个图像数据的作业顺序不符合操作规定的步骤顺序，则说明目标人员的操作不符合安全作业规范流程，此时输出目标人员作业状态不安全的结果，并进行告警。

上述实施例中通过对获取到的目标人员的多个图像数据的顺序进行检测，当识别到目标人员的操作不符合安全作业规范流程时，输出告警信息，提醒人员注意操作顺序，进一步提高了人员作业的安全性。

在一个实施例中，状态数据还包括体征状态数据，状态检测模型包括体征状态检测模型，将体征状态数据输入到体征状态检测模型中，得到体征状态检测模型输出的体征状态检测结果。

其中，体征状态检测结果用于指示目标人员的体征状态是否安全。体征状态数据可以是目标人员的心率和血压等身体状态数据。

体征状态数据可以由智能穿戴设备进行采集并通过本地通讯方式传输至边缘计算设备。边缘计算设备将获取到的体征状态数据输入到体征状态检测模型中，体征状态检测模型根据预设的状态数据阈值判断人员的身体状态是否在正常范围内，该状态数据阈值可以为普通人员的正常生理数据的范围。然后输出体征状态检测结果，当体征状态检测结果显示目标人员身体状况出现异常时，及时进行告警。

上述实施例中，通过对目标人员体征状态进行检测，判断目标人员的身体状况，当出现异常时及时进行告警提醒，进一步保证了目标人员作业的安全性。

在一个实施例中，边缘计算设备需要获取目标人员在高空作业场景下的状态数据，然后对其进行检测。其中获取方式可以包括从采集终端获取。

采集终端可以是智能安全帽，采用模块化设计，集成高清摄像头、定位标签、大气压传感器以及高度传感器等监测模块，可实现视频采集、语音通讯、人员定位和高度监测等功能。其中视频采集可使用高清摄像头对现场情况进行一键拍录，可通过WIFI、4G或者5G通信方式实时回传至边缘计算设备。语音通讯功能，作业人员可以通过智能安全帽与管理人员进行语音通话，包括语音通话和组内对讲。同时智能安全帽还具备UWB(Ultra Wideband)超带宽定位+北斗芯片，实现作业人员位置信息数据的实时回传至边缘计算设备。高度监测通过智能安全帽的高度传感器，实现作业人员的高度定位。

上述实施例中，通过多种方式可以采集目标人员在高空作业场景下的图像数据以及安全状态传感器数据，进而实现对作业人员的状态监控。

在一个实施例中，状态检测方法中使用的状态检测模型可以更新，如图8所示，模型更新步骤包括：

步骤801，边缘计算设备从服务器获取状态检测模型的更新数据。

其中，边缘计算设备从服务器获取状态检测模型，同时当违章规则和作业流程进行更新时，状态检测模型也需要进行更新来匹配最新的违章规则及作业流程，边缘计算设备通过远程通信方式从服务器端来获取状态检测模型的更新数据。

步骤802，边缘计算设备根据更新数据对状态检测模型进行更新处理。

边缘计算设备从根据服务器获取的状态检测模型的数据对本地的状态检测模型进行更新，例如使用新的扩展的数据重新对模型进行训练等方式。

上述实施例中，边缘计算设备从服务器获取状态检测模型的更新数据并进行更新，可以实现对违章规则和作业流程的变更和新增进行检测，提高检测的灵活性，同时通过不断的规范操作和作业流程，更好的保证人员作业的安全性。

在本申请的实施例中，请参考图9，其示出了本申请实施例提供的一种状态监测方法的流程图，该人员状态监测方法包括以下步骤：

步骤901，边缘计算设备从采集终端获取目标人员在高空作业场景下的状态数据。

步骤902，边缘计算设备从服务器获取状态检测模型的更新数据。

步骤903，边缘计算设备根据更新数据对状态检测模型进行更新处理。

步骤904，边缘计算设备利用预设的状态检测模型对所述状态数据进行检测，得到状态检测结果。

步骤905，若状态检测结果指示目标人员的状态不安全，则边缘计算设备输出提示信息。

上述实施例中当目标人员在进行高空作业时，获取目标人员在作业时的状态数据，对状态检测模型进行更新，然后利用边缘计算设备中预设的状态检测模型对目标人员的状态数据进行检测，得到目标人员的状态检测结果，当目标人员的状态检测结果为人员状态不安全时，则输出告警等提示信息，从而保证目标人员的安全性。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的状态监测方法的状态监测装置。如图10所示，提供了一种状态监测装置，应用于边缘计算设备，该装置包括：

获取模块1001，用于获取目标人员在高空作业场景下的状态数据；

检测模块1002，用于利用预设的状态检测模型对状态数据进行检测，得到状态检测结果，状态检测结果用于指示目标人员的状态是否安全；

输出模块1003，用于若状态检测结果指示目标人员的状态不安全，则输出提示信息。

在本申请的可选实施例中，状态数据包括作业状态数据，状态检测模型包括作业状态检测模型，检测模块1002，具体用于将作业状态数据输入到作业状态检测模型中，得到作业状态检测模型输出的作业状态检测结果；作业状态检测结果用于指示目标人员的作业状态是否安全。

在本申请的可选实施例中，作业状态数据包括安全装备的传感器数据，该检测模块1002，具体用于将安全装备的传感器数据输入到作业状态检测模型中进行数据范围检测；若传感器数据超出预设范围，则作业状态检测模型输出目标人员的作业状态不安全的作业状态检测结果。

在本申请的可选实施例中，作业状态数据包括图像数据，该检测模块1002，具体用于将多个图像数据输入到作业状态检测模型中进行违章图像识别；若识别出多个图像数据中存在违章的图像数据，则作业状态检测模型输出目标人员的作业状态不安全的作业状态检测结果。

在本申请的可选实施例中，作业状态数据包括图像数据，该检测模块1002，具体用于将多个图像数据输入到作业状态检测模型中进行作业顺序识别；若识别出多个图像数据的作业顺序异常，则作业状态检测模型输出目标人员的作业状态不安全的作业状态检测结果。

在本申请的可选实施例中，状态数据包括体征状态数据，状态检测模型包括体征状态检测模型，该检测模块1002，具体用于将体征状态数据输入到体征状态检测模型中，得到体征状态检测模型输出的体征状态检测结果；体征状态检测结果用于指示目标人员的体征状态是否安全。

在本申请的可选实施例中，该获取模块1001，具体用于从采集终端获取目标人员在高空作业场景下的状态数据。

在本申请的可选实施例中，还包括更新模块，用于从服务器获取状态检测模型的更新数据；根据更新数据对状态检测模型进行更新处理。

上述状态监测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种状态监测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述方法实施例中所提供的状态监测方法。

在一个实施例中，提供了一种计算机可读存储介质，其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中所提供的状态监测方法。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述方法实施例中所提供的状态监测方法。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种状态监测方法，其特征在于，应用于边缘计算设备，所述方法包括：

获取目标人员在高空作业场景下的状态数据；

利用预设的状态检测模型对所述状态数据进行检测，得到状态检测结果；所述状态检测结果用于指示所述目标人员的状态是否安全；

若所述状态检测结果指示所述目标人员的状态不安全，则输出提示信息。

2.根据权利要求1所述的方法，其特征在于，所述状态数据包括作业状态数据，所述状态检测模型包括作业状态检测模型，所述利用预设的状态检测模型对所述状态数据进行检测，得到状态检测结果，包括：

将所述作业状态数据输入到所述作业状态检测模型中，得到所述作业状态检测模型输出的作业状态检测结果；所述作业状态检测结果用于指示所述目标人员的作业状态是否安全。

3.根据权利要求2所述的方法，其特征在于，所述作业状态数据包括安全装备的传感器数据，所述将所述作业状态数据输入到所述作业状态检测模型中，得到所述作业状态检测模型输出的作业状态检测结果，包括：

将所述安全装备的传感器数据输入到所述作业状态检测模型中进行数据范围检测；

若所述传感器数据超出预设范围，则所述作业状态检测模型输出所述目标人员的作业状态不安全的作业状态检测结果。

4.根据权利要求2所述的方法，其特征在于，所述作业状态数据包括图像数据，所述将所述作业状态数据输入到所述作业状态检测模型中，得到所述作业状态检测模型输出的作业状态检测结果，包括：

将多个所述图像数据输入到所述作业状态检测模型中进行违章图像识别；

若识别出多个所述图像数据中存在违章的图像数据，则所述作业状态检测模型输出所述目标人员的作业状态不安全的作业状态检测结果。

5.根据权利要求2所述的方法，其特征在于，所述作业状态数据包括图像数据，所述将所述作业状态数据输入到所述作业状态检测模型中，得到所述作业状态检测模型输出的作业状态检测结果，包括：

将多个所述图像数据输入到所述作业状态检测模型中进行作业顺序识别；

若识别出多个所述图像数据的作业顺序异常，则所述作业状态检测模型输出所述目标人员的作业状态不安全的作业状态检测结果。

6.根据权利要求1所述的方法，其特征在于，所述状态数据包括体征状态数据，所述状态检测模型包括体征状态检测模型，所述利用预设的状态检测模型对所述状态数据进行检测，得到状态检测结果，包括：

将所述体征状态数据输入到所述体征状态检测模型中，得到所述体征状态检测模型输出的体征状态检测结果；所述体征状态检测结果用于指示所述目标人员的体征状态是否安全。

7.一种状态监测装置，其特征在于，应用于边缘计算设备，所述装置包括：

获取模块，用于获取目标人员在高空作业场景下的状态数据；

检测模块，用于利用预设的状态检测模型对所述状态数据进行检测，得到状态检测结果，所述状态检测结果用于指示所述目标人员的状态是否安全；

输出模块，用于若所述状态检测结果指示所述目标人员的状态不安全，则输出提示信息。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

Images