CN115689819A - 一种船舶应急训练方法、系统、装置及可读存储介质 - Google Patents
一种船舶应急训练方法、系统、装置及可读存储介质 Download PDFInfo
- Publication number
- CN115689819A CN115689819A CN202211164000.6A CN202211164000A CN115689819A CN 115689819 A CN115689819 A CN 115689819A CN 202211164000 A CN202211164000 A CN 202211164000A CN 115689819 A CN115689819 A CN 115689819A
- Authority
- CN
- China
- Prior art keywords
- emergency training
- training
- emergency
- target
- evaluation result
- 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
Links
Images
Classifications
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例提供一种船舶应急训练的方法、系统、装置及可读存储介质,该方法包括:基于应急训练记录,获取船舶中每个船员的应急训练情况;基于应急训练情况,确定至少一个目标应急训练项目和对应的目标船员;在目标船员进行对应的每项目标应急训练项目的训练过程中,获取每个目标船员的应急训练视频;基于应急训练视频,生成每个目标船员所对应的评估结果;以及基于评估结果,更新应急训练情况。
Description
技术领域
本说明书涉及船舶安全领域,特别涉及一种船舶应急训练方法、系统、装置及可读存储介质。
背景技术
在船舶航行过程中,可能会产生各种突发紧急情况。为了保证船舶以及船员的安全,船员需要熟知并掌握各种应对紧急情况的技能。
因此,有必要提供一种船舶应急训练方法和系统,对船员进行应急能力的训练以及评估,以提高船员的应急、应变能力,确保对突发事件的有效控制和处理。
发明内容
本说明书一个或多个实施例提供一种船舶应急训练的方法,所述方法包括:基于应急训练记录,获取所述船舶中每个船员的应急训练情况;基于所述应急训练情况,确定至少一个目标应急训练项目和对应的目标船员;在所述目标船员进行对应的每项所述目标应急训练项目的训练过程中,获取每个所述目标船员的应急训练视频;基于所述应急训练视频,生成每个所述目标船员所对应的评估结果;以及基于所述评估结果,更新所述应急训练情况。
本说明书一个或多个实施例提供一种船舶应急训练的系统,所述系统包括:第一获取模块,用于基于应急训练记录,获取所述船舶中每个船员的应急训练情况;第一确定模块,用于基于所述应急训练情况,确定至少一个目标应急训练项目和对应的目标船员;第二获取模块,用于在所述目标船员进行对应的每项所述目标应急训练项目的训练过程中,获取每个所述目标船员的应急训练视频;生成模块,用于基于所述应急训练视频,生成每个所述目标船员所对应的评估结果;以及更新模块,用于基于所述评估结果,更新所述应急训练情况。
本说明书一个或多个实施例提供一种船舶应急训练装置,所述装置包括至少一个处理器以及至少一个存储器;所述至少一个存储器用于存储计算机指令;所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如上任意一项所述的船舶应急训练方法。
本说明书实施例之一提供一种计算机可读存储介质,所述存储介质存储计算机指令,当所述计算机指令被处理器执行时实现如上任一项所述的船舶应急训练方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的船舶应急训练系统的示例性模块图;
图2是根据本说明书一些实施例所示的船舶应急训练方法的示例性流程图;
图3是根据本说明书一些实施例所示的生成每个目标船员所对应的评估结果的示例性流程图;
图4是根据本说明书一些实施例所示的训练一致性判定模型的示例性示意图;
图5是根据本说明书一些实施例所示的确定待评估关键帧的示例性示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
在一些实施例中,船舶应急训练系统可以应用于船舶应急训练的多种场景。例如,在针对突发情况(如,船舶设备故障)的应急训练场景中,船舶应急训练系统可以获取船舶设备故障训练的相关信息(例如,应急训练记录、应急训练情况等),以得到针对突发情况训练(如,船舶设备故障训练)的目标应急训练项目(如,主机失控、电力中断等)和对应的目标训练船员。在一些实施例中,船舶应急训练系统可以基于目标应急训练项目和对应的目标训练人员,得到在目标应急训练项目训练过程中的目标训练人员的应急训练视频,并进行评估。船舶应急训练方法还可以适用于其他多种场景,包括如交通运输工具(飞机、高铁、汽车等)的应急训练、公共场所(如,学校、医院、商场、工厂、机场等)的应急训练等。其中,应急训练可以包括应急训练评估和管理、应急训练项目结合实际突发情况的优化、相关工作人员的调配等。需要说明的是以上场景仅为示例,并不对船舶应急训练系统的具体应用场景起限制作用,本领域技术人员可以在本实施例公开的内容基础上,将船舶应急训练系统应用于其他合适的任何场景。
图1是根据本说明书一些实施例所示的一种船舶应急训练系统的示例性模块图。
如图1所示,船舶应急训练系统100可以包括第一获取模块110、第一确定模块120、第二获取模块130、生成模块140和更新模块150。
第一获取模块110用于基于应急训练记录,获取船舶中每个船员的应急训练情况。关于获取应急训练情况的更多内容参见图2及其相关描述。
第一确定模块120用于基于应急训练情况,确定至少一个目标应急训练项目和对应的目标船员。关于确定目标应急训练项目和目标船员的更多内容参见图2及其相关描述。
第二获取模块130用于在目标船员进行对应的每项目标应急训练项目的训练过程中,获取每个目标船员的应急训练视频。关于获取应急训练视频的更多内容参见图2及其相关描述。
生成模块140用于基于应急训练视频,生成每个目标船员所对应的评估结果。
在一些实施例中,为基于应急训练视频,生成每个目标船员所对应的评估结果,生成模块140进一步用于基于参考视频和应急训练视频,通过预设算法确定每个目标船员所对应的初始评估结果;判断初始评估结果是否满足预设条件;当初始评估结果满足预设条件时,将初始评估结果作为评估结果;当初始评估结果不满足预设条件时,对应急训练视频进行人工评估。关于通过预设算法确定评估结果的更多内容参见图2及其相关描述。
在一些实施例中,为基于应急训练视频,生成每个目标船员所对应的评估结果,生成模块140进一步用于基于应急训练视频确定待评估关键帧;基于参考视频确定参考关键帧;基于特征向量提取模型对待评估关键帧和参考关键帧进行处理,确定待评估特征向量和参考特征向量;对于每个待评估特征向量,计算每个待评估特征向量与每个参考特征向量的向量距离;将与每个待评估特征向量的向量距离最小的参考特征向量作为目标参考特征向量,并将每个待评估特征向量与目标参考特征向量及其向量距离组成特征向量对;确定向量距离小于距离阈值的特征向量对的数量;当数量大于数量阈值,确定对应的目标应急训练项目的初始评估结果满足预设条件,并将初始评估结果作为评估结果;以及当数量小于数量阈值,确定对应的目标应急训练项目的初始评估结果不满足预设条件,对应急训练视频进行人工评估。关于基于关键帧确定评估结果的更多内容参见图3及其相关描述。
在一些实施例中,为基于关键帧提取模型对应急训练视频进行处理,确定待评估关键帧,生成模块140进一步用于基于关键帧提取模型对应急训练视频进行处理,确定待评估关键帧。关于基于关键帧提取模型确定待评估关键帧的更多内容参见图5及其相关描述。
更新模块150用于基于评估结果,更新所述应急训练情况。关于更新应急训练情况的更多内容参见图2及其相关描述。
需要注意的是,以上对于船舶应急训练系统的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。在一些实施例中,图1中披露的第一获取模块110、第一确定模块120、第二获取模块130、生成模块140和更新模块150可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本说明书的保护范围之内。
图2是根据本说明书一些实施例所示的船舶应急训练方法的示例性流程图。如图2所示,流程200包括下述步骤。在一些实施例中,流程200可以由船舶应急训练系统100执行。
步骤210,基于应急训练记录,获取船舶中每个船员的应急训练情况。
应急训练记录可以指船员参与应急训练项目的记录。其中,应急训练项目是指应对船舶应急情况的相关训练,例如,船舶消防训练、救生训练、船舶设备和/或机械故障训练、船舱进水训练等。在一些实施例中,应急训练记录中可以包括船舶中每个船员的应急训练情况。应急训练记录可以根据船员最新的应急训练情况进行更新。
应急训练情况可以反映船员参与应急训练项目的情况。在一些实施例中,应急训练情况可以包括船舶上每个船员已参与的应急训练项目及对应的训练时间、训练时长等。
在一些实施例中,应急训练记录可以预先存储在存储设备或数据库中,第一获取模块110可以直接调用应急训练记录,获取其中船舶中每个船员的应急训练情况。
步骤220,基于应急训练情况,确定至少一个目标应急训练项目和对应的目标船员。
目标应急训练项目是指需要进行训练的应急训练项目。例如,目标应急训练项目可以是参与人数未达人数阈值的应急训练项目、船员合格率低于合格率阈值的应急训练项目等。其中,参与人数可以指已参与过某一应急训练项目的船员数量。已参与过某一应急训练项目的船员可以指参与过某一应急训练项目且对应的训练时间未超出规定时间范围的船员,例如,规定的训练时间有效期为1个月,某船员上次参加消防训练的时间为20天前,则该船员可以被认定为已参与消防训练的船员。又例如,某船员上次参加消防训练的时间为3个月前,则该船员会被认定为未参与消防训练的船员。
目标船员是指需要参与目标应急训练项目的船员。例如,目标船员可以是没有参加过目标应急训练项目的船员、在目标应急训练项目的训练结果为不合格的船员等。
在一些实施例中,第一确定模块120可以基于应急训练情况中应急训练项目的已参与船员人数和参与时间确定目标应急训练项目和对应的目标船员。
具体地,响应于某应急训练项目的已参与船员人数与该船舶上总船员人数的比例小于预设阈值(例如,75%),第一确定模块120可以将该应急训练项目确定为目标应急训练项目,并在规定时间内(如,开航后24小时内)进行目标应急训练项目对应的应急训练。第一确定模块120可以确定未参加过该目标应急训练项目,或者参与过目标应急训练项目但参与时间已超出规定时间范围(如,1个月)的船员作为该应急训练项目对应的目标船员。
在一些实施例中,第一确定模块120可以进一步基于目标应急训练项目,规划训练项目组合。仅作为示例地,第一确定模块120可以将关联性较强或相似性较高的训练项目在同一时间依次进行训练。例如,船体碰撞、船体结构损坏、船舱进水等涉及船舶结构的应急训练项目可以进行组合训练。又例如,主机失控、电力中断、应急操舵等涉及船舶设备机械故障的应急训练项目可以进行组合训练。
本说明书一些实施例所述的方法,通过将关联性较强或相似性较高的训练项目进行组合,以帮助船员系统性地进行不同类型的应急训练,能够使船员能够遇到类似的突发情况时,能够有效地控制与处理,并及时发现在类似情况下,其他潜在的安全问题。
步骤230,在目标船员进行对应的每项目标应急训练项目的训练过程中,获取每个目标船员的应急训练视频。
应急训练视频是指目标船员进行目标应急训练项目训练的相关视频数据。
在一些实施例中,第二获取模块130可以通过图像采集装置(如,摄像头、无人机等)在目标船员进行每项目标应急训练项目的训练过程中,获取应急训练视频。
步骤240,基于应急训练视频,生成每个目标船员所对应的评估结果。
评估结果可以反映目标船员在目标应急项目的训练中的训练质量。在一些实施例中,评估结果可以为合格、不合格。在另一些实施例中,评估结果可以用数值表征,例如,评估结果可以被表示为范围在0-100中的某一数值。相应地,评估结果对应的数值越高,训练质量越高。
在一些实施例中,生成模块140可以通过人工分析每个目标船员的应急训练视频,确定每个目标船员所对应的评估结果。
在一些实施例中,生成模块140可以基于参考视频和应急训练视频,通过预设算法确定每个目标船员所对应的初始评估结果。
参考视频可以指达到应急训练项目的要求时对应的视频数据。例如,参考视频可以包括应急训练项目的标准动作示范、标准处置流程展示等。
在一些实施例中,生成模块140可以基于参考视频和应急训练视频,通过预设算法确定每个目标船员所对应的初始评估结果,其中,预设算法可以包括建模或各种数据分析算法。仅作为示例地,生成模块140可以对参考视频和应急训练视频进行逐帧比对,若应急训练视频中包含了参考视频中的所有关键动作或必要流程,则初始评估结果为合格。
在一些实施例中,生成模块140可以判断初始评估结果是否满足预设条件。当初始评估结果满足预设条件时,生成模块140可以将初始评估结果作为评估结果;当初始评估结果不满足预设条件时,对应急训练视频进行人工评估。示例性地,生成模块140可以进一步对参考视频和应急训练视频的每一帧进行特征提取,确定参考视频特征与待评估视频特征的向量距离(如,欧式距离),当所有参考视频特征与对应待评估视频特征的平均向量距离小于预设阈值,则可以将初始评估结果作为评估结果;如果大于预设阈值,则进行人工评估以得到评估结果。
在一些实施例中,生成模块140还可以基于应急训练视频确定待评估关键帧;基于参考视频确定参考关键帧;并基于特征向量提取模型对待评估关键帧和参考关键帧进行处理,确定待评估特征向量和参考特征向量。对于每个待评估特征向量,处理器可以计算每个待评估特征向量与每个参考特征向量的向量距离;将与每个待评估特征向量的向量距离最小的参考特征向量作为目标参考特征向量,并将每个待评估特征向量与目标参考特征向量及其向量距离组成特征向量对;确定向量距离小于距离阈值的特征向量对的数量。当数量大于数量阈值时,生成模块140可以确定对应的目标应急训练项目的初始评估结果满足预设条件,并将初始评估结果作为评估结果。当数量小于数量阈值时,生成模块140可以确定对应的目标应急训练项目的初始评估结果不满足预设条件,对应急训练视频进行人工评估。关于上述实施例的更多内容,可以参见图3及其相关描述。
本说明书一些实施例所述的方法,通过预设算法或结合人工评估对训练视频分析,能够更加准确客观地确定出目标船员的评估结果,从而便于后续更新应急训练情况和新的应急训练项目的安排。
步骤250,基于评估结果,更新应急训练情况。
在一些实施例中,更新模块150可以基于评估结果,更新应急训练情况。例如,当某目标船员在目标应急训练项目上的评估结果为合格,则更新该目标船员的应急训练情况中,该目标应急训练项目已完成,并记录完成时间。在一些实施例中,更新模块150可以定期对应急训练情况进行更新,例如,每天更新、每周更新、训练完成后更新等。
本说明书一些实施例所述的方法,通过应急训练记录对完成各个项目的合格情况进行统计,在某些项目的合格情况不达标时,重新规划不达标项目的训练组合,以对需要训练的船员进行训练。同时,在船员的训练过程中录制训练视频,通过对训练视频分析,确定船员评估结果,根据船员的评估结果能够对应急训练进行科学合理的安排,提高船员的应对突发情况的能力与技能熟练程度,以保证船员遇到突发紧急情况时可以快速响应并处置,从而保障船员的人身安全。
图3是根据本说明书一些实施例所示的生成评估结果方法的示意图。如图3所示,流程300包括下述步骤。
步骤310,基于应急训练视频确定待评估关键帧。
待评估关键帧可以指从目标船员的应急训练视频的所有帧中提取出来的,可以反映应急训练视频的特征的帧。例如,目标船员进行设备操作、救援动作等行为的帧会被提取作为待评估关键帧。
在一些实施例中,待评估关键帧可以从目标船员的应急训练视频的所有帧中通过人工标定提取。例如,可以人工标定目标船员的应急训练视频中目标船员进行设备操作、救援动作等行为的帧,作为关键帧,并将其提取。
在一些实施例中,可以基于关键帧提取模型对应急训练视频进行处理,确定待评估关键帧。更多关于关键帧提取模型的相关说明可参见图5及其对应描述。
步骤320,基于参考视频确定参考关键帧。
参考关键帧可以指从参考视频的所有帧中提取出来的关键帧。
在一些实施例中,参考关键帧可以从参考视频的所有帧中通过人工标定提取。参考视频可以指用于对船员应急训练进行指导的标准训练视频。
在一些实施例中,可以基于关键帧提取模型对参考视频进行处理,确定参考关键帧。更多关于关键帧提取模型的相关说明可参见图5及其对应描述。
步骤330,基于特征向量提取模型对待评估关键帧和参考关键帧进行处理,确定待评估特征向量和参考特征向量。
特征向量提取模型可以对关键帧进行处理,获取对应的特征向量。
在一些实施例中,特征向量提取模型的输入可以是待评估关键帧或参考关键帧,输出可以是分别对应的待评估特征向量或参考特征向量。
在一些实施例中,处理器可以通过训练一致性判定模型获取特征向量提取模型。一致性判定模型包括特征向量提取层、动作一致性判定层和着装一致性判定层。
如图4所示,通过训练一致性判定模型获取特征向量提取模型的步骤可以包括如下S1-S4:
S1、获取多个训练样本410和标签420,其中,训练样本410包括样本待评估关键帧411和样本参考关键帧412,标签420包括一致性判定结果;其中,一致性判定结果包括动作一致性判定结果和着装一致性判定结果,动作一致性判定结果可以指待评估关键帧中目标船员的动作与参考关键帧中训练人员的动作是否一致;着装一致性判定结果可以指待评估关键帧中目标船员的着装与参考关键帧中训练人员的着装是否一致。
S2、将多个训练样本410和标签420输入初始特征向量提取层430。
S3、将初始特征向量提取层430的输出分别输入至初始动作一致性判定层451和初始着装一致性判定层452中训练初始一致性判定模型450,获得训练好的一致性判定模型。其中,初始特征向量提取层430的输出包括待评估特征向量441或参考特征向量442。示例性的,可以根据初始动作一致性判定层451输出的动作一致性判定结果461和初始着装一致性判定层452输出的着装一致性判定结果462和标签420构建损失函数,以更新特征向量提取层和一致性判定模型的参数,得到训练好的判断模型。
S4、将训练好的一致性判定模型中特征向量提取层的参数作为特征向量提取模型的参数,以获取特征向量提取模型。
在一些实施例中,由于特征向量提取模型与关键帧提取模型的特征层结构一致,相应的,可以基于训练好的特征向量提取模型的参数,更新关键帧提取模型的特征层的参数。更多关于关键帧提取模型的说明参见图5及其相关描述。
本说明书一些实施例中,通过训练一致性判定模型的训练获得训练好的特征向量提取模型,有效解决了单独训练特征向量提取模型时样本标签难以获取的问题。
步骤340,对于每个待评估特征向量,计算每个待评估特征向量与每个参考特征向量的向量距离。
在一些实施例中,可以分别计算每个待评估特征向量与所有参考特征向量之间的向量距离。示例性地,计算向量距离的方法可以包括但不限于欧式距离、余弦距离、马氏距离、切比雪夫距离和/或曼哈顿距离等,本说明书对此不做限制。
步骤350,将与每个待评估特征向量的向量距离最小的参考特征向量作为目标参考特征向量,并将每个待评估特征向量与目标参考特征向量及其向量距离组成特征向量对。
在一些实施例中,对于所有待评估特征向量中的一个,在计算待评估特征向量与所有参考特征向量之间的向量距离时,可以将所有参考特征向量中与该待评估特征向量的向量距离最小的参考特征向量作为目标参考特征向量。进而,可以将该待评估特征向量、目标参考特征向量以及二者之间的向量距离组成特征向量对。每个待评估特征向量可以对应确定出一个特征向量对。
步骤360,确定向量距离小于距离阈值的特征向量对的数量。
步骤370,当数量大于数量阈值,确定对应的目标应急训练项目的初始评估结果满足预设条件,并将初始评估结果作为评估结果。
当向量距离小于距离阈值的特征向量对的数量大于数量阈值时,可以说明待评估特征向量与参考特征向量的向量距离相近的数量足够多,进而说明待评估关键帧与参考关键帧相似的数量足够多,可以反映出目标船员的应急训练视频与参考视频较为接近,因此,可以将目标船员的初始评估结果确定为训练合格,并将该初始评估结果作为最终的评估结果。
步骤380,当数量小于数量阈值,确定对应的目标应急训练项目的初始评估结果不满足预设条件,对应急训练视频进行人工评估。
当向量距离小于距离阈值的特征向量对的数量小于数量阈值时,待评估特征向量与参考特征向量的向量距离相近的数量不够多,即待评估关键帧与参考关键帧相似的数量不够多,无法反映出目标船员的应急训练视频与参考视频较为接近,因此,此时将目标船员的初始评估结果确定为训练不合格。然而,部分待评估特征向量与参考特征向量的向量距离不相近,并不一定代表目标船员的对应训练过程一定存在问题。例如,目标船员使用与参考视频中不同的动作完成了对某器械的操作,也达成了理想的训练效果,但此时从该动作片段中提取的待评估关键帧的特征向量与参考特征向量之间的向量距离会较大。若在目标船员的应急训练视频中此种情形出现较多,会使得向量距离小于距离阈值的特征向量对的数量小于数量阈值,但该目标船员也不一定未完成训练项目要求。因此,目标船员的初始评估结果确定为训练不合格时,可以对目标船员的应急训练视频进行人工评估。人工评估可以指对初始评估结果进行人工复核,进而确定该目标船员的评估结果。
本说明书一些实施例中,通过确定关键帧进而确定人员评估结果,相比于对每帧进行分析,能够节约计算量,从而能够更加快速准确地确定目标船员的评估结果。
图5是根据本说明书一些实施例所示的关键帧提取模型的示例性结构图。
在一些实施例中,基于应急训练视频确定待评估关键帧包括:基于关键帧提取模型对应急训练视频进行处理,确定待评估关键帧。
在一些实施例中,关键帧提取模型的输入可以是应急训练视频,输出可以是待评估关键帧。在一些实施例中,关键帧提取模型的输入也可以是参考视频,相应的,输出为参考关键帧。
在一些实施例中,如图5所示,关键帧提取模型520可以包括特征层521和关键帧提取层522。
特征层521的输入可以是应急训练视频511,输出可以是应急训练视频中每帧图像的特征向量530。图像的特征向量可以指能反映应急训练视频每帧图像的图像特征的向量形式的数据。例如,某帧图像的特征向量可以是[a,b,c],其中,a表示在视频第X分X秒第X帧,b表示动作,c表示着装。
关键帧提取层522的输入可以包括应急训练视频中每帧图像的特征向量530,以及应急训练视频的图像清晰度512,输出可以是应急训练视频的待评估关键帧540。
在一些实施例中,关键帧提取模型的特征层的参数可以基于训练好的特征向量提取模型的参数进行更新。更新的方法可以是将训练好的特征向量提取模型的参数迁移至关键帧提取模型的特征层。
在一些实施例中,特征层521的输出可以作为关键帧提取层522的输入,特征层521、关键帧提取层522可以联合训练得到。例如,样本数据包括样本视频及样本视频的图像清晰度,标签为样本关键帧,其中,样本视频可以包括样本应急训练视频和样本参考视频,相应的样本关键帧包括样本待评估关键帧和样本参考关键帧。将样本视频输入特征层,得到特征层输出的每帧图像的特征向量;将每帧图像的特征向量作为训练样本数据,和样本视频的图像清晰度输入关键帧提取层,得到关键帧提取层输出的关键帧,训练过程中,基于样本关键帧和关键帧提取层的输出建立损失函数对特征层和关键帧提取层的参数进行更新,得到训练好的特征层和关键帧提取层。
本说明书一些实施例中,通过上述训练方式获得关键帧提取模型的参数,在一些情况下有利于解决单独训练关键帧提取模型各个层时难以获得标签的问题,还可以使关键帧提取模型输出的关键帧能较好地反映应急训练视频的特征。
本说明书一些实施例中,通过关键帧提取模型获取应急训练视频的待评估关键帧,有效提高了待评估关键帧的获取效率和准确性。
本说明书实施例还提供了一种船舶应急训练装置,包括至少一个处理器以及至少一个存储器;至少一个存储器用于存储计算机指令;至少一个处理器用于执行计算机指令中的至少部分指令以实现所述船舶应急训练方法。
本说明书实施例还提供了一种计算机可读存储介质,存储介质存储计算机指令,当所述计算机指令被处理器执行时实现所述船舶应急训练方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种船舶应急训练的方法,其特征在于,包括:
基于应急训练记录,获取所述船舶中每个船员的应急训练情况;
基于所述应急训练情况,确定至少一个目标应急训练项目和对应的目标船员;
在所述目标船员进行对应的每项所述目标应急训练项目的训练过程中,获取每个所述目标船员的应急训练视频;
基于所述应急训练视频,生成每个所述目标船员所对应的评估结果;以及
基于所述评估结果,更新所述应急训练情况。
2.如权利要求1所述的方法,其特征在于,所述基于所述应急训练视频,生成每个所述目标船员所对应的评估结果,包括:
基于参考视频和所述应急训练视频,通过预设算法确定每个目标船员所对应的初始评估结果;
判断所述初始评估结果是否满足预设条件;
当所述初始评估结果满足预设条件时,将所述初始评估结果作为所述评估结果;
当所述初始评估结果不满足所述预设条件时,对所述应急训练视频进行人工评估。
3.如权利要求2所述的方法,其特征在于,所述基于所述应急训练视频,生成每个所述目标船员所对应的评估结果进一步包括:
基于所述应急训练视频确定待评估关键帧;
基于所述参考视频确定参考关键帧;
基于特征向量提取模型对所述待评估关键帧和参考关键帧进行处理,确定待评估特征向量和参考特征向量;
对于每个所述待评估特征向量,计算每个所述待评估特征向量与每个所述参考特征向量的向量距离;
将与每个所述待评估特征向量的向量距离最小的参考特征向量作为目标参考特征向量,并将每个所述待评估特征向量与所述目标参考特征向量及其向量距离组成特征向量对;
确定向量距离小于距离阈值的特征向量对的数量;
当所述数量大于数量阈值,确定对应的目标应急训练项目的初始评估结果满足预设条件,并将所述初始评估结果作为所述评估结果;以及
当所述数量小于所述数量阈值,确定对应的目标应急训练项目的初始评估结果不满足预设条件,对所述应急训练视频进行人工评估。
4.如权利要求3所述的方法,其特征在于,通过训练一致性判定模型获取所述特征向量提取模型,所述一致性判定模型包括:特征向量提取层、动作一致性判定层和着装一致性判定层,
所述通过训练一致性判定模型获取所述特征向量提取模型,包括:
获取多个训练样本和标签,其中,所述训练样本包括样本待评估关键帧、和样本参考关键帧,所述标签包括一致性判定结果;
将所述多个训练样本和所述标签输入初始特征向量提取层;
将初始特征向量提取层的输出分别输入至初始动作一致性判定层和初始着装一致性判定层中训练初始一致性判定模型,获得训练好的所述一致性判定模型;
将训练好的所述一致性判定模型中所述特征向量提取层的参数作为所述特征向量提取模型的参数,以获取所述特征向量提取模型。
5.如权利要求3所述的方法,其特征在于,所述基于所述应急训练视频确定待评估关键帧包括:
基于关键帧提取模型对所述应急训练视频进行处理,确定所述待评估关键帧。
6.一种船舶应急训练的系统,其特征在于,包括:
第一获取模块,用于基于应急训练记录,获取所述船舶中每个船员的应急训练情况;
第一确定模块,用于基于所述应急训练情况,确定至少一个目标应急训练项目和对应的目标船员;
第二获取模块,用于在所述目标船员进行对应的每项所述目标应急训练项目的训练过程中,获取每个所述目标船员的应急训练视频;
生成模块,用于基于所述应急训练视频,生成每个所述目标船员所对应的评估结果;以及
更新模块,用于基于所述评估结果,更新所述应急训练情况。
7.如权利要求6所述的系统,其特征在于,为基于所述应急训练视频,生成每个所述目标船员所对应的评估结果,所述生成模块进一步用于:
基于参考视频和所述应急训练视频,通过预设算法确定每个目标船员所对应的初始评估结果;
判断所述初始评估结果是否满足预设条件;
当所述初始评估结果满足预设条件时,将所述初始评估结果作为所述评估结果;
当所述初始评估结果不满足所述预设条件时,对所述应急训练视频进行人工评估。
8.如权利要求7所述的系统,其特征在于,为基于所述应急训练视频,生成每个所述目标船员所对应的评估结果,所述生成模块进一步用于:
基于所述应急训练视频确定待评估关键帧;
基于所述参考视频确定参考关键帧;
基于特征向量提取模型对所述待评估关键帧和参考关键帧进行处理,确定待评估特征向量和参考特征向量;
对于每个所述待评估特征向量,计算每个所述待评估特征向量与每个所述参考特征向量的向量距离;
将与每个所述待评估特征向量的向量距离最小的参考特征向量作为目标参考特征向量,并将每个所述待评估特征向量与所述目标参考特征向量及其向量距离组成特征向量对;
确定向量距离小于距离阈值的特征向量对的数量;
当所述数量大于数量阈值,确定对应的目标应急训练项目的初始评估结果满足预设条件,并将所述初始评估结果作为所述评估结果;以及
当所述数量小于所述数量阈值,确定对应的目标应急训练项目的初始评估结果不满足预设条件,对所述应急训练视频进行人工评估。
9.一种船舶应急训练装置,所述装置包括至少一个处理器以及至少一个存储器;
所述至少一个存储器用于存储计算机指令;
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1~5中任意一项所述的船舶应急训练方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,当所述计算机指令被处理器执行时实现如权利要求1-5中任一项所述的船舶应急训练方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211164000.6A CN115689819B (zh) | 2022-09-23 | 2022-09-23 | 一种船舶应急训练方法、系统、装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211164000.6A CN115689819B (zh) | 2022-09-23 | 2022-09-23 | 一种船舶应急训练方法、系统、装置及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115689819A true CN115689819A (zh) | 2023-02-03 |
CN115689819B CN115689819B (zh) | 2023-06-30 |
Family
ID=85062226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211164000.6A Active CN115689819B (zh) | 2022-09-23 | 2022-09-23 | 一种船舶应急训练方法、系统、装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115689819B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106384077A (zh) * | 2016-08-29 | 2017-02-08 | 广东工业大学 | 一种基于低比特率视频的相机识别方法及装置 |
CN107025819A (zh) * | 2017-06-20 | 2017-08-08 | 大连海事大学 | 一种船甲板克令吊虚拟训练系统及其工作方法 |
CN107301402A (zh) * | 2017-06-30 | 2017-10-27 | 锐捷网络股份有限公司 | 一种现实场景关键帧的确定方法、装置、介质及设备 |
CN109947991A (zh) * | 2017-10-31 | 2019-06-28 | 腾讯科技(深圳)有限公司 | 一种关键帧提取方法、装置和存储介质 |
WO2019197715A1 (en) * | 2018-04-09 | 2019-10-17 | Nokia Technologies Oy | An apparatus, a method and a computer program for running a neural network |
CN110575663A (zh) * | 2019-09-25 | 2019-12-17 | 郑州大学 | 一种基于人工智能的体育辅助训练方法 |
CN111414842A (zh) * | 2020-03-17 | 2020-07-14 | 腾讯科技(深圳)有限公司 | 一种视频对比方法、装置、计算机设备和存储介质 |
CN111639766A (zh) * | 2020-05-26 | 2020-09-08 | 上海极链网络科技有限公司 | 样本数据的生成方法以及装置 |
CN111741330A (zh) * | 2020-07-17 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 一种视频内容评估方法、装置、存储介质及计算机设备 |
CN111898519A (zh) * | 2020-07-28 | 2020-11-06 | 武汉大学 | 便携式的特定区域内运动训练辅助视觉伺服机器人系统及姿态评估方法 |
CN113705314A (zh) * | 2021-04-08 | 2021-11-26 | 腾讯科技(深圳)有限公司 | 视频处理方法、设备、可读存储介质及程序产品 |
CN113837107A (zh) * | 2021-09-26 | 2021-12-24 | 腾讯音乐娱乐科技(深圳)有限公司 | 模型训练方法、视频处理方法、电子设备及可读存储介质 |
CN114399238A (zh) * | 2022-03-25 | 2022-04-26 | 河北东来工程技术服务有限公司 | 一种船员管理的方法、装置及计算机可读存储介质 |
CN114565976A (zh) * | 2022-03-02 | 2022-05-31 | 福建恒智信息技术有限公司 | 一种训练智能测试方法以及装置 |
CN114584849A (zh) * | 2019-09-24 | 2022-06-03 | 腾讯科技(深圳)有限公司 | 视频质量评估方法、装置、电子设备及计算机存储介质 |
CN114757801A (zh) * | 2022-04-28 | 2022-07-15 | 河北东来工程技术服务有限公司 | 一种船员培训管理方法和系统 |
-
2022
- 2022-09-23 CN CN202211164000.6A patent/CN115689819B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106384077A (zh) * | 2016-08-29 | 2017-02-08 | 广东工业大学 | 一种基于低比特率视频的相机识别方法及装置 |
CN107025819A (zh) * | 2017-06-20 | 2017-08-08 | 大连海事大学 | 一种船甲板克令吊虚拟训练系统及其工作方法 |
CN107301402A (zh) * | 2017-06-30 | 2017-10-27 | 锐捷网络股份有限公司 | 一种现实场景关键帧的确定方法、装置、介质及设备 |
CN109947991A (zh) * | 2017-10-31 | 2019-06-28 | 腾讯科技(深圳)有限公司 | 一种关键帧提取方法、装置和存储介质 |
WO2019197715A1 (en) * | 2018-04-09 | 2019-10-17 | Nokia Technologies Oy | An apparatus, a method and a computer program for running a neural network |
CN114584849A (zh) * | 2019-09-24 | 2022-06-03 | 腾讯科技(深圳)有限公司 | 视频质量评估方法、装置、电子设备及计算机存储介质 |
CN110575663A (zh) * | 2019-09-25 | 2019-12-17 | 郑州大学 | 一种基于人工智能的体育辅助训练方法 |
CN111414842A (zh) * | 2020-03-17 | 2020-07-14 | 腾讯科技(深圳)有限公司 | 一种视频对比方法、装置、计算机设备和存储介质 |
CN111639766A (zh) * | 2020-05-26 | 2020-09-08 | 上海极链网络科技有限公司 | 样本数据的生成方法以及装置 |
CN111741330A (zh) * | 2020-07-17 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 一种视频内容评估方法、装置、存储介质及计算机设备 |
CN111898519A (zh) * | 2020-07-28 | 2020-11-06 | 武汉大学 | 便携式的特定区域内运动训练辅助视觉伺服机器人系统及姿态评估方法 |
CN113705314A (zh) * | 2021-04-08 | 2021-11-26 | 腾讯科技(深圳)有限公司 | 视频处理方法、设备、可读存储介质及程序产品 |
CN113837107A (zh) * | 2021-09-26 | 2021-12-24 | 腾讯音乐娱乐科技(深圳)有限公司 | 模型训练方法、视频处理方法、电子设备及可读存储介质 |
CN114565976A (zh) * | 2022-03-02 | 2022-05-31 | 福建恒智信息技术有限公司 | 一种训练智能测试方法以及装置 |
CN114399238A (zh) * | 2022-03-25 | 2022-04-26 | 河北东来工程技术服务有限公司 | 一种船员管理的方法、装置及计算机可读存储介质 |
CN114757801A (zh) * | 2022-04-28 | 2022-07-15 | 河北东来工程技术服务有限公司 | 一种船员培训管理方法和系统 |
Non-Patent Citations (2)
Title |
---|
康艳红: "基于内容相似性的视频片段拷贝检测研究", no. 03, pages 138 - 733 * |
马淼: "视频中人体姿态估计、跟踪与行为识别研究", no. 12, pages 138 - 62 * |
Also Published As
Publication number | Publication date |
---|---|
CN115689819B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Escalante et al. | Modeling, recognizing, and explaining apparent personality from videos | |
CN111340144B (zh) | 风险样本检测方法、装置、电子设备及存储介质 | |
CN115205764B (zh) | 基于机器视觉的在线学习专注度监测方法、系统及介质 | |
US11562567B2 (en) | Observed-object recognition system and method | |
CN114926889B (zh) | 作业提交方法、装置、电子设备和存储介质 | |
CN112686232B (zh) | 基于微表情识别的教学评价方法、装置、电子设备及介质 | |
CN113505604B (zh) | 一种用于心理学教育的在线辅助实验方法、装置及设备 | |
Nithya | Automated class attendance system based on face recognition using PCA algorithm | |
US10803318B1 (en) | Automated scoring of video clips using extracted physiological features | |
CN115689819A (zh) | 一种船舶应急训练方法、系统、装置及可读存储介质 | |
CN110459296A (zh) | 信息推送方法及相关产品 | |
Roy et al. | An Automated and Scalable Tool for Fingerprint based Biometric Attendance Management System | |
CN111199378A (zh) | 学员管理方法、装置、电子设备及存储介质 | |
CN109635778B (zh) | 适于特殊人群的风险行为监测预警方法及系统 | |
CN114399238A (zh) | 一种船员管理的方法、装置及计算机可读存储介质 | |
Baker | Climate survey analysis of aviation maintenance safety | |
Zong et al. | A Crowd–AI Collaborative Approach to Address Demographic Bias for Student Performance Prediction in Online Education | |
Narayanan et al. | A Review on Recognition of Disguise Face Mask Using Novel Deep Convolutional Neural Network | |
CN113780804A (zh) | 基于数据分析的员工行为风险预测方法、装置及存储介质 | |
Josey et al. | A methodology for automated facial expression recognition using facial landmarks | |
Shenoy et al. | A Study on various Applications of Computer Vision for Teaching Learning in Classroom | |
Khalid et al. | Prediction of trust in scripted dialogs using neuro-fuzzy method | |
Meraliyev et al. | A computer vision supported investigation on anxiety-success relationship in educational processes | |
CN117575862B (zh) | 一个基于知识图谱的学生个性化实训指导方法及系统 | |
CN116630724B (zh) | 数据模型的生成方法和图像处理方法、装置及芯片 |
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 |