CN115035458B - 一种安全风险评价方法及系统 - Google Patents
一种安全风险评价方法及系统 Download PDFInfo
- Publication number
- CN115035458B CN115035458B CN202210796855.4A CN202210796855A CN115035458B CN 115035458 B CN115035458 B CN 115035458B CN 202210796855 A CN202210796855 A CN 202210796855A CN 115035458 B CN115035458 B CN 115035458B
- Authority
- CN
- China
- Prior art keywords
- preset
- vector
- camera
- traversed
- behavior
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Multimedia (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Psychiatry (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种安全风险评价方法及系统,其中,方法包括:步骤1:获取生产现场内的多个作业人员的人员视频图像;步骤2:基于多个作业人员的人员视频图像,确定多个作业人员的第一作业行为;步骤3:基于多个作业人员的第一作业行为,对生产现场进行安全风险评价。本发明的安全风险评价方法及系统,获取生产现场内正在进行作业的作业人员的人员视频图像,基于人员视频图像,确定作业人员的第一作业行为,基于第一作业行为,对生产现场进行安全风险评价,代替安全监管人员对作业人员进行安全监管,降低了人力成本,另外,也提升了监管的全面性,间接提升生产安全性。
Description
技术领域
本发明涉及风险评价技术领域,特别涉及一种安全风险评价方法及系统。
背景技术
目前,为了避免生产现场内发生作业安全事故,多在生产现场内设置多个安全监管人员,对作业人员进行安全监管。但是,人工进行安全监管的人力成本较大,另外,人工进行安全监管时,可能会存在监管不全面等情况,仍存在安全风险。
因此,亟需一种解决办法。
发明内容
本发明目的之一在于提供了一种安全风险评价方法及系统,获取生产现场内正在进行作业的作业人员的人员视频图像,基于人员视频图像,确定作业人员的第一作业行为,基于第一作业行为,对生产现场进行安全风险评价,代替安全监管人员对作业人员进行安全监管,降低了人力成本,另外,也提升了监管的全面性,间接提升生产安全性。
本发明实施例提供的一种安全风险评价方法,包括:
步骤1:获取生产现场内的多个作业人员的人员视频图像;
步骤2:基于多个作业人员的人员视频图像,确定多个作业人员的第一作业行为;
步骤3:基于多个作业人员的第一作业行为,对生产现场进行安全风险评价。
优选的,步骤1:获取生产现场内的多个作业人员的人员视频图像,包括:
通过设置于生产现场内预设的第一位置的全景摄像机获取生产现场的现场全景视频图像;
依次遍历多个作业人员;
每次遍历时,基于现场全景视频图像,确定遍历到的作业人员的面部的最新的第二位置和第一朝向;
获取设置于生产现场内多个预设的第三位置的第一摄像机的镜头的第二朝向;
获取第二位置和第三位置之间的第一直线距离;
若第一直线距离小于等于预设的第一直线距离阈值,将对应第三位置的第一摄像机作为第二摄像机;
基于现场全景视频图像,确定第二位置与第二摄像机的第三位置之间是否存在拍摄遮挡物;
若否,将对应第二摄像机作为第三摄像机;
基于第二位置和第一朝向,构建第一方向向量;
基于第三摄像机的第三位置和镜头的第二朝向,构建第二方向向量;
计算第一方向向量与第二方向向量之间的第一向量夹角;
将落在预设的第一向量夹角范围内的第一向量夹角作为第二向量夹角;
通过最大第二向量夹角对应的第三摄像机获取遍历到的作业人员的人员视频图像。
优选的,基于现场全景视频图像,确定第二位置与第二摄像机的第三位置之间是否存在拍摄遮挡物,包括:
连接第二位置与第二摄像机的第三位置,获得连接直线;
基于现场全景视频图像,确定连接直线是否途经生产现场内的至少一个目标物体;
若是,确定第二位置与第二摄像机的第三位置之间存在拍摄遮挡物;
若否,在连接直线上每隔预设的间隔距离设置一个检测点位;
依次遍历检测点位;
每次遍历时,基于现场全景视频图像,确定遍历到的检测点位周边预设的第一范围内的至少一个移动物体的最新位置和移动方向;
获取从最新位置向遍历到的检测点位的目标方向;
基于最新位置和移动方向,构建第三方向向量;
基于最新位置和目标方向,构建第四方向向量;
计算第三方向向量与第四方向向量的第二向量夹角;
获取最新位置与遍历到的检测点位之间的第二直线距离;
若第二向量夹角小于等于预设的向量夹角阈值且第二直线距离小于等于预设的第二直线距离阈值,确定第二位置与第二摄像机的第三位置之间存在拍摄遮挡物;
否则,不存在拍摄遮挡物。
优选的,步骤2:基于多个作业人员的人员视频图像,确定多个作业人员的第一作业行为,包括:
依次遍历多个作业人员;
每次遍历时,基于预设的第一特征提取模板,对遍历到的作业人员的人员视频图像进行特征提取,获得多个第一特征值;
基于第一特征值,确定遍历到的作业人员的第一作业行为。
优选的,基于第一特征值,确定遍历到的作业人员的第一作业行为,包括:
基于第一特征值,构建遍历到的作业人员的第一行为描述向量;
获取预设的行为描述向量-作业行为集,描述向量-作业行为集包括:多组一一对应的第二行为描述向量和第二作业行为;
将第一行为描述向量与第二行为描述向量进行匹配;
若匹配符合,将匹配符合的第二行为描述向量对应的第二作业行为作为遍历到的作业人员的第一作业行为;
和/或,
获取预设的作业行为识别模型;
将第一特征值输入至作业行为识别模型,由作业行为识别模型确定遍历到的作业人员的第一作业行为。
优选的,步骤3:基于多个作业人员的第一作业行为,对生产现场进行安全风险评价,包括:
获取生产现场对应的预设的现场三维模型;
依次遍历多个作业人员;
每次遍历时,获取遍历到的作业人员在生产现场内的第四位置,同时,将遍历到的作业人员的第一作业行为映射于现场三维模型中对应于第四位置的第五位置;
遍历结束后,依次遍历现场三维模型中的多个预设的风险点位;
每次遍历时,获取遍历到的风险点位对应的预设的风险触发行为库;
将现场三维模型中遍历到的风险点位周边预设的第二范围内的第一作业行为与风险触发行为库中的第三作业行为进行匹配;
若匹配符合,将匹配符合的第一作业行为作为第四作业行为,同时,获取匹配符合第三作业行为对应的预设的至少一个触发确认向量;
基于预设的第二特征提取模板,对现场三维模型中第四作业行为至少两两之间的第一位置关系以及第四作业行为与遍历到的风险点位之间的第二位置关系进行特征提取,获得多个第二特征值;
基于第二特征值,构建第一位置关系和第二位置关系的关系描述向量;
将关系描述向量与触发确认向量进行匹配;
若匹配符合,获取匹配符合的触发确认向量对应的预设的安全风险评价结果,并进行输出;
遍历结束后,完成对生产现场的安全风险评价。
本发明实施例提供的一种安全风险评价系统,包括:
获取模块,用于获取生产现场内的多个作业人员的人员视频图像;
确定模块,用于基于多个作业人员的人员视频图像,确定多个作业人员的第一作业行为;
评价模块,用于基于多个作业人员的第一作业行为,对生产现场进行安全风险评价。
优选的,获取模块获取生产现场内的多个作业人员的人员视频图像,包括:
通过设置于生产现场内预设的第一位置的全景摄像机获取生产现场的现场全景视频图像;
依次遍历多个作业人员;
每次遍历时,基于现场全景视频图像,确定遍历到的作业人员的面部的最新的第二位置和第一朝向;
获取设置于生产现场内多个预设的第三位置的第一摄像机的镜头的第二朝向;
获取第二位置和第三位置之间的第一直线距离;
若第一直线距离小于等于预设的第一直线距离阈值,将对应第三位置的第一摄像机作为第二摄像机;
基于现场全景视频图像,确定第二位置与第二摄像机的第三位置之间是否存在拍摄遮挡物;
若否,将对应第二摄像机作为第三摄像机;
基于第二位置和第一朝向,构建第一方向向量;
基于第三摄像机的第三位置和镜头的第二朝向,构建第二方向向量;
计算第一方向向量与第二方向向量之间的第一向量夹角;
将落在预设的第一向量夹角范围内的第一向量夹角作为第二向量夹角;
通过最大第二向量夹角对应的第三摄像机获取遍历到的作业人员的人员视频图像。
优选的,获取模块基于现场全景视频图像,确定第二位置与第二摄像机的第三位置之间是否存在拍摄遮挡物,包括:
连接第二位置与第二摄像机的第三位置,获得连接直线;
基于现场全景视频图像,确定连接直线是否途经生产现场内的至少一个目标物体;
若是,确定第二位置与第二摄像机的第三位置之间存在拍摄遮挡物;
若否,在连接直线上每隔预设的间隔距离设置一个检测点位;
依次遍历检测点位;
每次遍历时,基于现场全景视频图像,确定遍历到的检测点位周边预设的第一范围内的至少一个移动物体的最新位置和移动方向;
获取从最新位置向遍历到的检测点位的目标方向;
基于最新位置和移动方向,构建第三方向向量;
基于最新位置和目标方向,构建第四方向向量;
计算第三方向向量与第四方向向量的第二向量夹角;
获取最新位置与遍历到的检测点位之间的第二直线距离;
若第二向量夹角小于等于预设的向量夹角阈值且第二直线距离小于等于预设的第二直线距离阈值,确定第二位置与第二摄像机的第三位置之间存在拍摄遮挡物;
否则,不存在拍摄遮挡物。
优选的,确定模块基于多个作业人员的人员视频图像,确定多个作业人员的第一作业行为,包括:
依次遍历多个作业人员;
每次遍历时,基于预设的第一特征提取模板,对遍历到的作业人员的人员视频图像进行特征提取,获得多个第一特征值;
基于第一特征值,确定遍历到的作业人员的第一作业行为。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种安全风险评价方法的示意图;
图2为本发明实施例中一种安全风险评价系统的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了一种安全风险评价方法,如图1所示,包括:
步骤1:获取生产现场内的多个作业人员的人员视频图像;
步骤2:基于多个作业人员的人员视频图像,确定多个作业人员的第一作业行为;
步骤3:基于多个作业人员的第一作业行为,对生产现场进行安全风险评价。
上述技术方案的工作原理及有益效果为:
作业人员在生产现场内作业时,通过设备获取作业人员的人员视频图像。基于图像识别技术,根据人员视频图像,确定作业人员的第一作业行为,第一作业行具体为:动作行为、着装行为和移动行为等,例如:手部动作、佩戴安全帽和移动方向、速度等。基于第一作业行为,对生产现场进行安全风险评价,例如:存在作业人员手部接近高压设备则存在安全风险;存在作业人员未佩戴安全帽则存在安全风险;作业人员在高处区域内,快速移动靠近高处区域的边缘,则存在安全风险等。基于安全风险评价结果,对相应的作业人员进行风险预警提醒。
本申请获取生产现场内正在进行作业的作业人员的人员视频图像,基于人员视频图像,确定作业人员的第一作业行为,基于第一作业行为,对生产现场进行安全风险评价,代替安全监管人员对作业人员进行安全监管,降低了人力成本,另外,也提升了监管的全面性,间接提升生产安全性。
本发明实施例提供了一种安全风险评价方法,步骤1:获取生产现场内的多个作业人员的人员视频图像,包括:
通过设置于生产现场内预设的第一位置的全景摄像机获取生产现场的现场全景视频图像;
依次遍历多个作业人员;
每次遍历时,基于现场全景视频图像,确定遍历到的作业人员的面部的最新的第二位置和第一朝向;
获取设置于生产现场内多个预设的第三位置的第一摄像机的镜头的第二朝向;
获取第二位置和第三位置之间的第一直线距离;
若第一直线距离小于等于预设的第一直线距离阈值,将对应第三位置的第一摄像机作为第二摄像机;
基于现场全景视频图像,确定第二位置与第二摄像机的第三位置之间是否存在拍摄遮挡物;
若否,将对应第二摄像机作为第三摄像机;
基于第二位置和第一朝向,构建第一方向向量;
基于第三摄像机的第三位置和镜头的第二朝向,构建第二方向向量;
计算第一方向向量与第二方向向量之间的第一向量夹角;
将落在预设的第一向量夹角范围内的第一向量夹角作为第二向量夹角;
通过最大第二向量夹角对应的第三摄像机获取遍历到的作业人员的人员视频图像。
上述技术方案的工作原理及有益效果为:
本申请中,在生产现场内预设的第一位置设置全景摄像机,预设的第一位置具体为厂房的顶棚内侧中心位置,便于拍摄生产现场的现场全景视频图像。基于现场全景视频图像,确定作业人员的面部的最新的第二位置和第一朝向,第二位置和第一朝向可基于图像识别技术,根据全景视频图像中的最新帧图像确定。在生产现场内多个预设的第三位置设置普通的第一摄像机,预设的第三位置具体为厂房内四周内侧壁靠顶棚的上部位置。第一摄像机的镜头的第二朝向可与第一摄像机通信对接后获取。
一般的,作业人员在生产现场内作业时,会产生移动,在移动过程时,身体不仅会发生位移,还会发生旋转,因此,若在生产现场内的控制一个固定的摄像机拍摄作业人员的人员视频,可能只能拍摄到作业人员的后背画面,造成无法进行行为识别。另外,当固定的摄像机与工作人员的距离较远时,可能造成摄像机拍摄人员视频时画面不清晰,提升行为识别难度。其次,生产现场内有多个生产设备,设备有高有低,一些设备处于高低切换状态,还可能造成摄像机对作业人员进行拍摄时,存在拍摄盲区。
因此,需要从第一摄像机中挑选适宜第一摄像机拍摄作业人员的人员视频图像。适宜的第一摄像机需同时满足三个条件,分别为:第一,作业人员面部的第二位置与第一摄像机的第三位置之间的第一直线距离小于等于预设的第一直线距离阈值,保证拍摄距离不能过远,保证拍摄的画面清晰;第二,作业人员面部的第二位置与第一摄像机的第三位置之间不存在拍摄遮挡物,保证在拍摄时,不存在拍摄盲区;第三,拍摄角度适宜,避免拍摄到作业人员的后背画面,造成无法进行行为识别。
确保拍摄角度适宜时,基于面部的第二位置和第一朝向,构建第一方向向量,基于第三摄像机的第三位置和镜头的第二朝向,构建第二方向向量,计算第一方向向量与第二方向向量之间的第一向量夹角,保证第一向量夹角落在预设的第一向量夹角范围内且最大。一般的,当作业人员的面部完全正对摄像机的镜头时,第一向量夹角为180度,当作业人员的面部完全侧对摄像机的镜头时,第一向量夹角为90度,因此,第一向量夹角范围为90度到180度,在此范围内,第一向量夹角越大,说明作业人员的面部越正对于摄像机的镜头,因此,选取最大第二向量夹角对应的第三摄像机获取遍历到的作业人员的人员视频图像。
本发明实施例提供了一种安全风险评价方法,基于现场全景视频图像,确定第二位置与第二摄像机的第三位置之间是否存在拍摄遮挡物,包括:
连接第二位置与第二摄像机的第三位置,获得连接直线;
基于现场全景视频图像,确定连接直线是否途经生产现场内的至少一个目标物体;
若是,确定第二位置与第二摄像机的第三位置之间存在拍摄遮挡物;
若否,在连接直线上每隔预设的间隔距离设置一个检测点位;
依次遍历检测点位;
每次遍历时,基于现场全景视频图像,确定遍历到的检测点位周边预设的第一范围内的至少一个移动物体的最新位置和移动方向;
获取从最新位置向遍历到的检测点位的目标方向;
基于最新位置和移动方向,构建第三方向向量;
基于最新位置和目标方向,构建第四方向向量;
计算第三方向向量与第四方向向量的第二向量夹角;
获取最新位置与遍历到的检测点位之间的第二直线距离;
若第二向量夹角小于等于预设的向量夹角阈值且第二直线距离小于等于预设的第二直线距离阈值,确定第二位置与第二摄像机的第三位置之间存在拍摄遮挡物;
否则,不存在拍摄遮挡物。
上述技术方案的工作原理及有益效果为:
拍摄遮挡存在两种情况:第一种,摄像机的拍摄线路上存在物体,造成遮挡;第二种,摄像机的拍摄线路周边有物体靠近拍摄线路,可能即将造成遮挡。
因此,本申请中,连接第二位置与第二摄像机的第三位置,获得连接直线,基于图像识别技术,根据现场全景视频图像,确定连接直线是否途经生产现场内的至少一个目标物体,即确定是否发生第一种拍摄遮挡情况,若是,确定第二位置与第二摄像机的第三位置之间存在拍摄遮挡物。否则,需要确定是否存在第二种拍摄遮挡情况。在连接直线上每隔预设的间隔距离设置一个检测点位,预设的间隔距离具体为:1.3米,基于图像识别技术,根据现场全景视频图像,确定检测点位周边预设的第一范围内的至少一个移动物体的最新位置和移动方向,周边预设的第一范围具体为:周边3米内,移动物体可基于图像识别技术,根据移动物体在最新的连续两帧图像中的位置是否发生变化确定,最新位置可根据现场全景视频图像的最新帧图像确定,移动方向可根据移动物体在最新的连续两帧图像中的位置确定。若移动物体靠近检测点位,则移动物体的移动方向越与假设移动物体靠近检测点位时产生的移动方向即从最新位置向遍历到的检测点位的目标方向接近,即第二向量夹角小于等于预设的向量夹角阈值。另外,若最新位置与遍历到的检测点位之间的第二直线距离小于等于预设的第二直线距离阈值,也说明移动物体靠近检测点位。因此,若第二向量夹角小于等于预设的向量夹角阈值且第二直线距离小于等于预设的第二直线距离阈值,确定第二位置与第二摄像机的第三位置之间存在拍摄遮挡物,即发生第二种遮挡情况。
本申请根据不同遮挡情况分别针对性地进行识别,生产现场中大多数有固定物体和移动物体,提升了适用性,提升了拍摄遮挡物确定的精准性,同时,也更加智能化。
本发明实施例提供了一种安全风险评价方法,步骤2:基于多个作业人员的人员视频图像,确定多个作业人员的第一作业行为,包括:
依次遍历多个作业人员;
每次遍历时,基于预设的第一特征提取模板,对遍历到的作业人员的人员视频图像进行特征提取,获得多个第一特征值;
基于第一特征值,确定遍历到的作业人员的第一作业行为。
上述技术方案的工作原理及有益效果为:
确定作业人员的第一作业行为时,引入预设的第一特征提取模板,对作业人员的人员视频图像进行特征提取,获得多个第一特征值,第一特征值具体为:作业人员手部高度变化、作业人员是否佩戴安全帽和作业人员的移动方向、速度等,第一特征提取模板具体为:为了适配于提取这类第一特征值的模板,属于现有技术范畴,不作赘述。基于第一特征值,确定遍历到的作业人员的第一作业行为,例如:作业人员手部高度由低到高,说明作业人员产生抬起手部的动作;作业人员未佩戴安全帽,说明作业人员产生未佩戴安全帽的着装行为等。
本申请引入预设的第一特征提取模板,提取出作业人员的人员视频图像的第一特征值,基于第一特征值,确定作业人员的第一作业行为,提升了作业人员的第一作业行为确定的精准性和确定效率。
本发明实施例提供了一种安全风险评价方法,基于第一特征值,确定遍历到的作业人员的第一作业行为,包括:
基于第一特征值,构建遍历到的作业人员的第一行为描述向量;
获取预设的行为描述向量-作业行为集,描述向量-作业行为集包括:多组一一对应的第二行为描述向量和第二作业行为;
将第一行为描述向量与第二行为描述向量进行匹配;
若匹配符合,将匹配符合的第二行为描述向量对应的第二作业行为作为遍历到的作业人员的第一作业行为;
和/或,
获取预设的作业行为识别模型;
将第一特征值输入至作业行为识别模型,由作业行为识别模型确定遍历到的作业人员的第一作业行为。
上述技术方案的工作原理及有益效果为:
基于第一特征值,确定作业人员的第一作业行为的方式有两种:第一种,引入预设的行为描述向量-作业行为集,预设的行为描述向量-作业行为集中有多组一一对应的第二行为描述向量和第二作业行为,第二行为描述向量和第二作业行为由工作人员事先构建,例如:安排人员产生第二作业行为,拍摄图像,利用上述相同手段提取出特征值,构建第二行为描述向量,可以实现。基于第一特征值,构建遍历到的作业人员的第一行为描述向量,将第一行为描述向量与第二行为描述向量进行匹配,若匹配符合,将匹配符合的第二行为描述向量对应的第二作业行为作为遍历到的作业人员的第一作业行为。第二种,引入预设的作业行为识别模型,作业行为识别模型具体为:工作人员事先进行大量分析实验,实验内容为:分析利用上述相同手段提取出行为图像的特征值,分析特征值代表哪种作业行为,记录分析逻辑,利用大量分析实验的分析逻辑对神经网络模型进行训练,当神经网络模型训练至收敛后,将神经网络模型作为作业行为识别模型,作业行为识别模型可以学习人工分析逻辑,代替人工根据第一特征值确定代表的作业行为,可以实现,另外,神经网络模型以及利用有针对性的训练样本对神经网络模型进行训练,获得代替对应人工进行对应针对性操作的人工智能模型均属于现有技术范畴,不作赘述。
本申请引入两种方式基于第一特征值,确定作业人员的第一作业行为,提升了作业人员的第一作业行为确定的全面性和适用性。
本发明实施例提供了一种安全风险评价方法,步骤3:基于多个作业人员的第一作业行为,对生产现场进行安全风险评价,包括:
获取生产现场对应的预设的现场三维模型;
依次遍历多个作业人员;
每次遍历时,获取遍历到的作业人员在生产现场内的第四位置,同时,将遍历到的作业人员的第一作业行为映射于现场三维模型中对应于第四位置的第五位置;
遍历结束后,依次遍历现场三维模型中的多个预设的风险点位;
每次遍历时,获取遍历到的风险点位对应的预设的风险触发行为库;
将现场三维模型中遍历到的风险点位周边预设的第二范围内的第一作业行为与风险触发行为库中的第三作业行为进行匹配;
若匹配符合,将匹配符合的第一作业行为作为第四作业行为,同时,获取匹配符合第三作业行为对应的预设的至少一个触发确认向量;
基于预设的第二特征提取模板,对现场三维模型中第四作业行为至少两两之间的第一位置关系以及第四作业行为与遍历到的风险点位之间的第二位置关系进行特征提取,获得多个第二特征值;
基于第二特征值,构建第一位置关系和第二位置关系的关系描述向量;
将关系描述向量与触发确认向量进行匹配;
若匹配符合,获取匹配符合的触发确认向量对应的预设的安全风险评价结果,并进行输出;
遍历结束后,完成对生产现场的安全风险评价。
上述技术方案的工作原理及有益效果为:
生产现场对应的预设的现场三维模型具体为:针对生产现场一比一构建的三维模型,可基于三维GIS技术实现。
一般的,作业人员产生的风险均与生产设备等相关,例如:吊机在吊运货物,货物在高空,若作业人员站在其之下或附近,存在高空坠物风险。
因此,在现场三维模型中引入多个预设的风险点位,风险点位具体为:一些对作业人员可能造成风险的生产设备的位置,生产设备可以为,例如:吊机的吊钩、切割设备和高压设备等。获取作业人员在生产现场内的第四位置,第四位置可基于图像识别技术,根据人员视频图像确定。将作业人员的第一作业行为映射于现场三维模型中对应于第四位置的第五位置,第五位置为例如:第四位置为现场内的机床A旁,第五位置则为现场三维模型中对应于机床A的机床三维模型旁。引入风险点位对应的预设的风险触发行为库,风险触发行为库中存储有多个第三作业行为,第三作业行为具体为:作业人员靠近风险点位时,可能产生风险时,作业人员产生的作业行为,例如:作业人员未佩戴安全帽,向吊机的吊钩的正下方移动。
将现场三维模型中遍历到的风险点位周边预设的第二范围内的第一作业行为与风险触发行为库中的第三作业行为进行匹配,周边预设的第二范围具体为:周边5米内,若匹配符合,说明作业人员在风险点位旁产生的作业行为可能造成风险发生,但是,需要进行风险确认,例如:作业人员只是路过吊机,未向其继续靠近,另外,作业人员之间产生的行为可能会组合触发风险,例如:作业人员A在高处推货物至下方,而作业人员B刚好靠近该高处的下方。
因此,基于预设的第二特征提取模板,对现场三维模型中第四作业行为至少两两之间的第一位置关系(作业人员之间的位置关系,至少两两指的是两两、三个和四个等,以此类推)以及第四作业行为与遍历到的风险点位之间的第二位置关系(作业人员与生产设备之间的位置关系)进行特征提取,获得多个第二特征值,第二特征值具体为:位置之间的垂直距离、水平距离、前后关系和上下关系等,第二特征提取模板与第一特征提取模板同理。同理,基于第二特征值,构建第一位置关系和第二位置关系的关系描述向量。
引入匹配符合第三作业行为对应的预设的至少一个触发确认向量,触发确认向量具体为:对产生风险的第三作业行为进行风险坐实确认的向量,例如:产生风险的第三作业行为靠近吊机,触发确认向量为工作人员与吊机的吊钩之间的水平距离很小的特征值构建成的向量。将关系描述向量与触发确认向量进行匹配,若匹配符合,说明风险坐实,获取匹配符合的触发确认向量对应的预设的安全风险评价结果,预设的安全风险评价结果具体为,例如:作业人员靠近吊机,存在高空坠物风险,并输出安全风险评价结果。
本申请引入风险触发行为库,采用触发值,无需时刻进行风险识别,当触发时,再进行风险识别,减少了风险识别资源,提升了风险识别效率。另外,引入触发确认向量,对触发的可能产生的风险进行风险坐实确认,提升了风险识别的精准性,同时,也更加智能化。
本发明实施例提供了一种安全风险评价系统,如图2所示,包括:
获取模块1,用于获取生产现场内的多个作业人员的人员视频图像;
确定模块2,用于基于多个作业人员的人员视频图像,确定多个作业人员的第一作业行为;
评价模块3,用于基于多个作业人员的第一作业行为,对生产现场进行安全风险评价。
本发明实施例提供了一种安全风险评价系统,获取模块1获取生产现场内的多个作业人员的人员视频图像,包括:
通过设置于生产现场内预设的第一位置的全景摄像机获取生产现场的现场全景视频图像;
依次遍历多个作业人员;
每次遍历时,基于现场全景视频图像,确定遍历到的作业人员的面部的最新的第二位置和第一朝向;
获取设置于生产现场内多个预设的第三位置的第一摄像机的镜头的第二朝向;
获取第二位置和第三位置之间的第一直线距离;
若第一直线距离小于等于预设的第一直线距离阈值,将对应第三位置的第一摄像机作为第二摄像机;
基于现场全景视频图像,确定第二位置与第二摄像机的第三位置之间是否存在拍摄遮挡物;
若否,将对应第二摄像机作为第三摄像机;
基于第二位置和第一朝向,构建第一方向向量;
基于第三摄像机的第三位置和镜头的第二朝向,构建第二方向向量;
计算第一方向向量与第二方向向量之间的第一向量夹角;
将落在预设的第一向量夹角范围内的第一向量夹角作为第二向量夹角;
通过最大第二向量夹角对应的第三摄像机获取遍历到的作业人员的人员视频图像。
本发明实施例提供了一种安全风险评价系统,获取模块1基于现场全景视频图像,确定第二位置与第二摄像机的第三位置之间是否存在拍摄遮挡物,包括:
连接第二位置与第二摄像机的第三位置,获得连接直线;
基于现场全景视频图像,确定连接直线是否途经生产现场内的至少一个目标物体;
若是,确定第二位置与第二摄像机的第三位置之间存在拍摄遮挡物;
若否,在连接直线上每隔预设的间隔距离设置一个检测点位;
依次遍历检测点位;
每次遍历时,基于现场全景视频图像,确定遍历到的检测点位周边预设的第一范围内的至少一个移动物体的最新位置和移动方向;
获取从最新位置向遍历到的检测点位的目标方向;
基于最新位置和移动方向,构建第三方向向量;
基于最新位置和目标方向,构建第四方向向量;
计算第三方向向量与第四方向向量的第二向量夹角;
获取最新位置与遍历到的检测点位之间的第二直线距离;
若第二向量夹角小于等于预设的向量夹角阈值且第二直线距离小于等于预设的第二直线距离阈值,确定第二位置与第二摄像机的第三位置之间存在拍摄遮挡物;
否则,不存在拍摄遮挡物。
本发明实施例提供了一种安全风险评价系统,确定模块2基于多个作业人员的人员视频图像,确定多个作业人员的第一作业行为,包括:
依次遍历多个作业人员;
每次遍历时,基于预设的第一特征提取模板,对遍历到的作业人员的人员视频图像进行特征提取,获得多个第一特征值;
基于第一特征值,确定遍历到的作业人员的第一作业行为。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种安全风险评价方法,其特征在于,包括:
步骤1:获取生产现场内的多个作业人员的人员视频图像;
步骤2:基于所述多个作业人员的人员视频图像,确定所述多个作业人员的第一作业行为;
步骤3:基于所述多个作业人员的第一作业行为,对所述生产现场进行安全风险评价;
所述步骤1:获取生产现场内的多个作业人员的人员视频图像,包括:
通过设置于所述生产现场内预设的第一位置的全景摄像机获取所述生产现场的现场全景视频图像;
依次遍历所述多个作业人员;
每次遍历时,基于所述现场全景视频图像,确定遍历到的所述作业人员的面部的最新的第二位置和第一朝向;
获取设置于所述生产现场内多个预设的第三位置的第一摄像机的镜头的第二朝向;
获取所述第二位置和所述第三位置之间的第一直线距离;
若所述第一直线距离小于等于预设的第一直线距离阈值,将对应所述第三位置的所述第一摄像机作为第二摄像机;
基于所述现场全景视频图像,确定所述第二位置与所述第二摄像机的所述第三位置之间是否存在拍摄遮挡物;
若否,将对应所述第二摄像机作为第三摄像机;
基于所述第二位置和所述第一朝向,构建第一方向向量;
基于所述第三摄像机的所述第三位置和所述镜头的第二朝向,构建第二方向向量;
计算所述第一方向向量与所述第二方向向量之间的第一向量夹角;
将落在预设的第一向量夹角范围内的所述第一向量夹角作为第二向量夹角;
通过最大所述第二向量夹角对应的所述第三摄像机获取遍历到的作业人员的人员视频图像;
所述基于所述现场全景视频图像,确定所述第二位置与所述第二摄像机的所述第三位置之间是否存在拍摄遮挡物,包括:
连接所述第二位置与所述第二摄像机的所述第三位置,获得连接直线;
基于所述现场全景视频图像,确定所述连接直线是否途经所述生产现场内的至少一个目标物体;
若是,确定所述第二位置与所述第二摄像机的所述第三位置之间存在拍摄遮挡物;
若否,在所述连接直线上每隔预设的间隔距离设置一个检测点位;
依次遍历所述检测点位;
每次遍历时,基于所述现场全景视频图像,确定遍历到的所述检测点位周边预设的第一范围内的至少一个移动物体的最新位置和移动方向;
获取从所述最新位置向遍历到的所述检测点位的目标方向;
基于所述最新位置和所述移动方向,构建第三方向向量;
基于所述最新位置和所述目标方向,构建第四方向向量;
计算所述第三方向向量与所述第四方向向量的第二向量夹角;
获取所述最新位置与遍历到的所述检测点位之间的第二直线距离;
若所述第二向量夹角小于等于预设的向量夹角阈值且所述第二直线距离小于等于预设的第二直线距离阈值,确定所述第二位置与所述第二摄像机的所述第三位置之间存在拍摄遮挡物;
否则,不存在拍摄遮挡物。
2.如权利要求1所述的一种安全风险评价方法,其特征在于,所述步骤2:基于所述多个作业人员的人员视频图像,确定所述多个作业人员的第一作业行为,包括:
依次遍历所述多个作业人员;
每次遍历时,基于预设的第一特征提取模板,对遍历到的所述作业人员的所述人员视频图像进行特征提取,获得多个第一特征值;
基于所述第一特征值,确定遍历到的所述作业人员的第一作业行为。
3.如权利要求2所述的一种安全风险评价方法,其特征在于,所述基于所述第一特征值,确定遍历到的所述作业人员的第一作业行为,包括:
基于所述第一特征值,构建遍历到的所述作业人员的第一行为描述向量;
获取预设的行为描述向量-作业行为集,所述描述向量-作业行为集包括:多组一一对应的第二行为描述向量和第二作业行为;
将所述第一行为描述向量与所述第二行为描述向量进行匹配;
若匹配符合,将匹配符合的所述第二行为描述向量对应的所述第二作业行为作为遍历到的所述作业人员的第一作业行为;
和/或,
获取预设的作业行为识别模型;
将所述第一特征值输入至所述作业行为识别模型,由所述作业行为识别模型确定遍历到的所述作业人员的第一作业行为。
4.如权利要求1所述的一种安全风险评价方法,其特征在于,所述步骤3:基于所述多个作业人员的第一作业行为,对所述生产现场进行安全风险评价,包括:
获取所述生产现场对应的预设的现场三维模型;
依次遍历所述多个作业人员;
每次遍历时,获取遍历到的所述作业人员在所述生产现场内的第四位置,同时,将遍历到的所述作业人员的所述第一作业行为映射于所述现场三维模型中对应于所述第四位置的第五位置;
遍历结束后,依次遍历所述现场三维模型中的多个预设的风险点位;
每次遍历时,获取遍历到的所述风险点位对应的预设的风险触发行为库;
将所述现场三维模型中遍历到的所述风险点位周边预设的第二范围内的所述第一作业行为与所述风险触发行为库中的第三作业行为进行匹配;
若匹配符合,将匹配符合的所述第一作业行为作为第四作业行为,同时,获取匹配符合所述第三作业行为对应的预设的至少一个触发确认向量;
基于预设的第二特征提取模板,对所述现场三维模型中所述第四作业行为至少两两之间的第一位置关系以及所述第四作业行为与遍历到的所述风险点位之间的第二位置关系进行特征提取,获得多个第二特征值;
基于所述第二特征值,构建所述第一位置关系和所述第二位置关系的关系描述向量;
将所述关系描述向量与所述触发确认向量进行匹配;
若匹配符合,获取匹配符合的所述触发确认向量对应的预设的安全风险评价结果,并进行输出;
遍历结束后,完成对所述生产现场的安全风险评价。
5.一种安全风险评价系统,其特征在于,包括:
获取模块,用于获取生产现场内的多个作业人员的人员视频图像;
确定模块,用于基于所述多个作业人员的人员视频图像,确定所述多个作业人员的第一作业行为;
评价模块,用于基于所述多个作业人员的第一作业行为,对所述生产现场进行安全风险评价;
所述获取模块获取生产现场内的多个作业人员的人员视频图像,包括:
通过设置于所述生产现场内预设的第一位置的全景摄像机获取所述生产现场的现场全景视频图像;
依次遍历所述多个作业人员;
每次遍历时,基于所述现场全景视频图像,确定遍历到的所述作业人员的面部的最新的第二位置和第一朝向;
获取设置于所述生产现场内多个预设的第三位置的第一摄像机的镜头的第二朝向;
获取所述第二位置和所述第三位置之间的第一直线距离;
若所述第一直线距离小于等于预设的第一直线距离阈值,将对应所述第三位置的所述第一摄像机作为第二摄像机;
基于所述现场全景视频图像,确定所述第二位置与所述第二摄像机的所述第三位置之间是否存在拍摄遮挡物;
若否,将对应所述第二摄像机作为第三摄像机;
基于所述第二位置和所述第一朝向,构建第一方向向量;
基于所述第三摄像机的所述第三位置和所述镜头的第二朝向,构建第二方向向量;
计算所述第一方向向量与所述第二方向向量之间的第一向量夹角;
将落在预设的第一向量夹角范围内的所述第一向量夹角作为第二向量夹角;
通过最大所述第二向量夹角对应的所述第三摄像机获取遍历到的作业人员的人员视频图像;
所述获取模块基于所述现场全景视频图像,确定所述第二位置与所述第二摄像机的所述第三位置之间是否存在拍摄遮挡物,包括:
连接所述第二位置与所述第二摄像机的所述第三位置,获得连接直线;
基于所述现场全景视频图像,确定所述连接直线是否途经所述生产现场内的至少一个目标物体;
若是,确定所述第二位置与所述第二摄像机的所述第三位置之间存在拍摄遮挡物;
若否,在所述连接直线上每隔预设的间隔距离设置一个检测点位;
依次遍历所述检测点位;
每次遍历时,基于所述现场全景视频图像,确定遍历到的所述检测点位周边预设的第一范围内的至少一个移动物体的最新位置和移动方向;
获取从所述最新位置向遍历到的所述检测点位的目标方向;
基于所述最新位置和所述移动方向,构建第三方向向量;
基于所述最新位置和所述目标方向,构建第四方向向量;
计算所述第三方向向量与所述第四方向向量的第二向量夹角;
获取所述最新位置与遍历到的所述检测点位之间的第二直线距离;
若所述第二向量夹角小于等于预设的向量夹角阈值且所述第二直线距离小于等于预设的第二直线距离阈值,确定所述第二位置与所述第二摄像机的所述第三位置之间存在拍摄遮挡物;
否则,不存在拍摄遮挡物。
6.如权利要求5所述的一种安全风险评价系统,其特征在于,所述确定模块基于所述多个作业人员的人员视频图像,确定所述多个作业人员的第一作业行为,包括:
依次遍历所述多个作业人员;
每次遍历时,基于预设的第一特征提取模板,对遍历到的所述作业人员的所述人员视频图像进行特征提取,获得多个第一特征值;
基于所述第一特征值,确定遍历到的所述作业人员的第一作业行为。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210796855.4A CN115035458B (zh) | 2022-07-06 | 2022-07-06 | 一种安全风险评价方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210796855.4A CN115035458B (zh) | 2022-07-06 | 2022-07-06 | 一种安全风险评价方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115035458A CN115035458A (zh) | 2022-09-09 |
CN115035458B true CN115035458B (zh) | 2023-02-03 |
Family
ID=83128614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210796855.4A Active CN115035458B (zh) | 2022-07-06 | 2022-07-06 | 一种安全风险评价方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115035458B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116341084B (zh) * | 2023-04-25 | 2023-11-10 | 盐城市建设工程质量检测中心有限公司 | 一种建筑工程检测的可视化系统及方法 |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103167270A (zh) * | 2011-12-14 | 2013-06-19 | 杭州普维光电技术有限公司 | 人员头部拍摄方法、系统及服务器 |
CN103617699A (zh) * | 2013-12-02 | 2014-03-05 | 国家电网公司 | 一种电力作业现场安全智能监护系统 |
CN107885170A (zh) * | 2016-09-30 | 2018-04-06 | 珠海优特电力科技股份有限公司 | 安全生产管控装置、系统及安全生产管控的方法 |
CN107967562A (zh) * | 2017-11-29 | 2018-04-27 | 国网山西省电力公司太原供电公司 | 一种施工现场作业安全远程管控系统及方法 |
CN108089510A (zh) * | 2017-12-22 | 2018-05-29 | 深圳市前海公共安全科学研究院有限公司 | 一种施工人员行为智能监管系统及方法 |
CN108419014A (zh) * | 2018-03-20 | 2018-08-17 | 北京天睿空间科技股份有限公司 | 利用全景摄像机和多台抓拍摄像机联动抓拍人脸的方法 |
CN110602449A (zh) * | 2019-09-01 | 2019-12-20 | 天津大学 | 一种基于视觉的大场景下施工安全智能监控系统方法 |
CN111091609A (zh) * | 2019-12-11 | 2020-05-01 | 云南电网有限责任公司保山供电局 | 一种基于三维动态建模的变电站现场作业管控系统和方法 |
CN111479089A (zh) * | 2020-04-15 | 2020-07-31 | 云南电网有限责任公司曲靖供电局 | 一种基于北斗定位的电网施工监控方法及系统 |
CN112183313A (zh) * | 2020-09-27 | 2021-01-05 | 武汉大学 | 一种基于SlowFast的电力作业现场动作识别方法 |
CN112419091A (zh) * | 2020-11-26 | 2021-02-26 | 武汉大学 | 知识图谱驱动的配电网现场作业视频智能安全管控方法 |
CN112581836A (zh) * | 2020-10-19 | 2021-03-30 | 贵州电网有限责任公司 | 一种基于ar的输电现场作业培训系统 |
CN113269442A (zh) * | 2021-05-26 | 2021-08-17 | 国网宁夏电力有限公司中卫供电公司 | 电网系统配网不停电作业的风险评估方法、装置及存储介质 |
CN113296427A (zh) * | 2021-05-24 | 2021-08-24 | 湖南长顺项目管理有限公司 | 一种基于物联网的建筑工地安全监测系统 |
CN113344326A (zh) * | 2021-04-30 | 2021-09-03 | 西安交通大学 | 多信息融合特殊作业现场动态隐患识别和风险评估系统和方法 |
CN113627897A (zh) * | 2021-08-23 | 2021-11-09 | 珠海优特电力科技股份有限公司 | 现场作业人员安全的管控方法和装置及存储介质 |
CN113657165A (zh) * | 2020-08-10 | 2021-11-16 | 广东电网有限责任公司 | 电力现场作业中的危险攀登行为识别算法 |
CN113763203A (zh) * | 2021-08-10 | 2021-12-07 | 国网湖北省电力有限公司检修公司 | 变电站智慧安监系统及现场作业安全管控方法 |
CN114092875A (zh) * | 2021-11-01 | 2022-02-25 | 南方电网深圳数字电网研究院有限公司 | 基于机器学习的作业现场安全监管方法及装置 |
CN114387542A (zh) * | 2021-12-27 | 2022-04-22 | 广州市奔流电力科技有限公司 | 一种基于便携布控球的视频采集单元异常识别系统 |
CN114634112A (zh) * | 2022-03-23 | 2022-06-17 | 深圳唯创安全技术有限公司 | 基于ai视觉和uwb技术起重机起吊区域的人员防撞系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100240988A1 (en) * | 2009-03-19 | 2010-09-23 | Kenneth Varga | Computer-aided system for 360 degree heads up display of safety/mission critical data |
CN110309719A (zh) * | 2019-05-27 | 2019-10-08 | 安徽继远软件有限公司 | 一种电网作业人员安全帽佩戴管理控制方法和系统 |
CN112487891B (zh) * | 2020-11-17 | 2023-07-18 | 云南电网有限责任公司 | 一种应用于电力作业现场的视觉智能动态识别模型构建方法 |
-
2022
- 2022-07-06 CN CN202210796855.4A patent/CN115035458B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103167270A (zh) * | 2011-12-14 | 2013-06-19 | 杭州普维光电技术有限公司 | 人员头部拍摄方法、系统及服务器 |
CN103617699A (zh) * | 2013-12-02 | 2014-03-05 | 国家电网公司 | 一种电力作业现场安全智能监护系统 |
CN107885170A (zh) * | 2016-09-30 | 2018-04-06 | 珠海优特电力科技股份有限公司 | 安全生产管控装置、系统及安全生产管控的方法 |
CN107967562A (zh) * | 2017-11-29 | 2018-04-27 | 国网山西省电力公司太原供电公司 | 一种施工现场作业安全远程管控系统及方法 |
CN108089510A (zh) * | 2017-12-22 | 2018-05-29 | 深圳市前海公共安全科学研究院有限公司 | 一种施工人员行为智能监管系统及方法 |
CN108419014A (zh) * | 2018-03-20 | 2018-08-17 | 北京天睿空间科技股份有限公司 | 利用全景摄像机和多台抓拍摄像机联动抓拍人脸的方法 |
CN110602449A (zh) * | 2019-09-01 | 2019-12-20 | 天津大学 | 一种基于视觉的大场景下施工安全智能监控系统方法 |
CN111091609A (zh) * | 2019-12-11 | 2020-05-01 | 云南电网有限责任公司保山供电局 | 一种基于三维动态建模的变电站现场作业管控系统和方法 |
CN111479089A (zh) * | 2020-04-15 | 2020-07-31 | 云南电网有限责任公司曲靖供电局 | 一种基于北斗定位的电网施工监控方法及系统 |
CN113657165A (zh) * | 2020-08-10 | 2021-11-16 | 广东电网有限责任公司 | 电力现场作业中的危险攀登行为识别算法 |
CN112183313A (zh) * | 2020-09-27 | 2021-01-05 | 武汉大学 | 一种基于SlowFast的电力作业现场动作识别方法 |
CN112581836A (zh) * | 2020-10-19 | 2021-03-30 | 贵州电网有限责任公司 | 一种基于ar的输电现场作业培训系统 |
CN112419091A (zh) * | 2020-11-26 | 2021-02-26 | 武汉大学 | 知识图谱驱动的配电网现场作业视频智能安全管控方法 |
CN113344326A (zh) * | 2021-04-30 | 2021-09-03 | 西安交通大学 | 多信息融合特殊作业现场动态隐患识别和风险评估系统和方法 |
CN113296427A (zh) * | 2021-05-24 | 2021-08-24 | 湖南长顺项目管理有限公司 | 一种基于物联网的建筑工地安全监测系统 |
CN113269442A (zh) * | 2021-05-26 | 2021-08-17 | 国网宁夏电力有限公司中卫供电公司 | 电网系统配网不停电作业的风险评估方法、装置及存储介质 |
CN113763203A (zh) * | 2021-08-10 | 2021-12-07 | 国网湖北省电力有限公司检修公司 | 变电站智慧安监系统及现场作业安全管控方法 |
CN113627897A (zh) * | 2021-08-23 | 2021-11-09 | 珠海优特电力科技股份有限公司 | 现场作业人员安全的管控方法和装置及存储介质 |
CN114092875A (zh) * | 2021-11-01 | 2022-02-25 | 南方电网深圳数字电网研究院有限公司 | 基于机器学习的作业现场安全监管方法及装置 |
CN114387542A (zh) * | 2021-12-27 | 2022-04-22 | 广州市奔流电力科技有限公司 | 一种基于便携布控球的视频采集单元异常识别系统 |
CN114634112A (zh) * | 2022-03-23 | 2022-06-17 | 深圳唯创安全技术有限公司 | 基于ai视觉和uwb技术起重机起吊区域的人员防撞系统 |
Non-Patent Citations (3)
Title |
---|
Research on Video Monitoring Method for Switching Status of Switch Cabinet Breaker;Gong Chen等;《2019 IEEE 3rd Conference on Energy Internet and Energy System Integration (EI2)》;20200409;1839-1843 * |
基于机器视觉的建筑作业区安全隐患监测方法;郭子星;《电子制作》;20180930;96-98 * |
视频识别技术在作业现场违章行为预测方面的应用;刘玉林;《安全信息化专栏》;20211231;第21卷(第5期);22-26 * |
Also Published As
Publication number | Publication date |
---|---|
CN115035458A (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109240311B (zh) | 基于智能机器人的室外电力场地施工作业监督方法 | |
CN106593534B (zh) | 一种智能隧道施工安全监控系统 | |
CN115597659B (zh) | 一种变电站智能安全管控方法 | |
CN115082864B (zh) | 一种建筑施工安全监控系统 | |
CN111445524A (zh) | 基于场景理解的施工现场工人不安全行为识别方法 | |
CN106412501A (zh) | 一种视频的施工安全行为智能监控系统及其监控方法 | |
CN115035458B (zh) | 一种安全风险评价方法及系统 | |
CN112862887A (zh) | 基于人工智能和大数据分析的建筑施工安全管理预警系统及安全云平台 | |
CN111275923A (zh) | 施工现场的人机碰撞预警方法及系统 | |
CN112235537A (zh) | 一种变电站现场作业安全预警方法 | |
CN110805081B (zh) | 一种挖掘机人员安全防护系统 | |
CN109389040B (zh) | 一种作业现场人员安全着装的检查方法及装置 | |
CN112906441B (zh) | 用于通信行业查勘维护的图像识别系统及方法 | |
CN115620192A (zh) | 一种高空作业安全绳穿戴检测的方法和装置 | |
CN113256269A (zh) | 一种基于bim、云计算及大数据技术的工程管理系统 | |
CN115150552A (zh) | 一种基于深度学习自适应的施工人员安全监测方法、系统及装置 | |
CN114434456A (zh) | 一种机房巡检机器人及其巡检方法 | |
CN117094058A (zh) | 基于bim与uav的施工现场安全管理方法及系统 | |
CN116866520B (zh) | 一种基于ai的单轨吊安全运行实时监控管理系统 | |
CN112217994A (zh) | 一种电力高压线周边安全作业预警方法 | |
CN117115999A (zh) | 移动式安全巡检方法、终端设备 | |
CN112560727A (zh) | 一种基于人工智能的起重机越线安全预警方法和装置 | |
CN116374221A (zh) | 集成式火箭x贮动力系统状态监测与图像分析系统及方法 | |
CN116258343A (zh) | 一种建筑物施工监测方法 | |
KR20240040530A (ko) | 딥러닝 기반 감염병 예방 시스템 |
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 |