CN115984027B - 基于uwb的井下人员聚集预警方法、装置及存储介质 - Google Patents
基于uwb的井下人员聚集预警方法、装置及存储介质 Download PDFInfo
- Publication number
- CN115984027B CN115984027B CN202310266706.1A CN202310266706A CN115984027B CN 115984027 B CN115984027 B CN 115984027B CN 202310266706 A CN202310266706 A CN 202310266706A CN 115984027 B CN115984027 B CN 115984027B
- Authority
- CN
- China
- Prior art keywords
- person
- current sampling
- personnel
- cluster
- early warning
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000005070 sampling Methods 0.000 claims abstract description 115
- 238000004220 aggregation Methods 0.000 claims abstract description 59
- 230000002776 aggregation Effects 0.000 claims abstract description 59
- 238000007621 cluster analysis Methods 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000009825 accumulation Methods 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000001360 synchronised effect Effects 0.000 description 9
- 230000003068 static effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
Abstract
本申请公开了一种基于UWB的井下人员聚集预警方法、装置及存储介质。该方法包括：获取当前采样时刻井下区域的各人员的位置信息；对获取的各人员的位置信息，基于井下巷道的无向图求取任意两人员之间的最短路径值；基于最短路径值和设定距离阈值进行聚类分析，并滤除人数值小于设定人数阈值的簇，得到当前采样时刻的聚类簇集合；基于当前采样时刻的聚类簇集合和紧邻当前采样时刻之前的N‑1个采集时刻分别对应的历史聚类簇集合，得到用于聚集预警的目标人员。可以有效减少基于欧式距离导致的聚集误判；此外，还能够进一步避免临时人员聚集等导致的误判，进而提高了井下人员聚集的预警准确性。
Description
技术领域
本申请涉及无线通信领域，尤其涉及一种基于UWB（Ultra Wide Band，超宽带）的井下人员聚集预警方法、装置及存储介质。
背景技术
矿山井下开采有一定的危险性，生产时井下具有大量的设备、车辆和人员，为做好安全事故的事前预防，需要对井下人员、车辆等进行有效地组织管理，其中，人员聚集管理是生产管理和安全预防的一项重点工作。
实现人员聚集预警的方法目前主要分为两类，一类是基于视频图像自动识别方法，即通过井下安装的视频采集摄像头，通过人工智能自动识别的方法判断是否存在人员聚集，该方法存在的问题包括：井下难以实现视频监控的全覆盖，一般仅在重点监控区域安装摄像头，故未安转摄像头的区域无法进行预警，此外，井下空间受限，视频监测画面中常存在人员遮挡的情况，通过人工智能自动识别的方法难以准确判断人员聚集情况；另一类是通过人员精确定位的方法，最常用的井下精确定位采用UWB定位技术，在井下每隔一定距离布置UWB定位基站，人员携带UWB定位标签，UWB定位基站与UWB定位标签之间通过测量脉冲信号的飞行时间，精确计算标签到基站之间的距离，UWB定位基站的坐标是已知的，根据UWB定位标签与多个UWB定位基站之间的精确距离，可精确计算出UWB定位标签的坐标，在具有人员精确坐标信息的基础上，一般通过聚类分析的方法判断是否存在人员聚集问题，在井下受限空间场景下该方法面临的问题包括：存在井下人员间的欧氏距离在距离阈值范围内，但实际上人员在不同的巷道内，即完全不在同一活动空间，从而出现人员聚集误判，此外，对于人员间短时间内相向行走交错等情况下的临时性人员聚集属正常现象，也不应进行人员聚集预警。
因此，亟需一种基于UWB的井下人员聚集预警方法，实现对人员聚集现象的合理预警，避免人员在不同巷道空间但欧氏距离较近的人员聚集误判，及临时性人员聚集等正常现象的正确识别。
发明内容
有鉴于此，本申请实施例提供了一种基于UWB的井下人员聚集预警方法、装置及存储介质，旨在改善基于UWB的井下人员聚集的预警效果。
本申请实施例的技术方案是这样实现的：
第一方面，本申请实施例提供了基于UWB的井下人员聚集预警方法，包括：
获取当前采样时刻井下区域的各人员的位置信息；
对获取的各人员的位置信息，基于井下巷道的无向图求取任意两人员之间的最短路径值；
基于所述最短路径值和设定距离阈值进行聚类分析，并滤除人数值小于设定人数阈值的簇，得到所述当前采样时刻的聚类簇集合；
基于所述当前采样时刻的聚类簇集合和紧邻所述当前采样时刻之前的N-1个采集时刻分别对应的历史聚类簇集合，得到用于聚集预警的目标人员；其中，所述目标人员为所述当前采样时刻和所述N-1个采样时刻均存在聚集现象的人员，N为大于1的自然数。
上述方案中，所述基于所述当前采样时刻的聚类簇集合和紧邻所述当前采样时刻之前的N-1个采集时刻分别对应的历史聚类簇集合，得到用于聚集预警的目标人员，包括：
针对所述当前采样时刻的聚类簇集合中各簇的各人员，遍历各人员在所述N-1个采样时刻的历史聚类簇集合中是否存在有交集的簇，基于所述是否存在有交集的簇的结果生成状态标识；其中，若有，则将所述人员在相应采样时刻的状态标识赋值为表示聚集的第一状态，若无，则将所述人员在相应采集时刻的状态标识赋值为表示未聚集的第二状态；
基于各人员相应于N-1个采样时刻的所述状态标识，得到所述当前采样时刻和所述N-1个采样时刻均存在聚集现象的人员。
上述方案中，所述对获取的各人员的位置信息，基于井下巷道的无向图求取任意两人员之间的最短路径值之前，所述方法还包括：
获取表征井下巷道结构的无向图，其中，所述无向图基于所述井下巷道的中心线确定。
上述方案中，所述方法还包括：
调整所述设定距离阈值和/或所述设定人数阈值。
上述方案中，所述方法还包括：
基于所述设定距离阈值和人员行走的平均速度，设置N的取值。
第二方面，本申请实施例提供了一种基于UWB的井下人员聚集预警装置，包括：
获取模块，用于获取当前采样时刻井下区域的各人员的位置信息；
距离求取模块，用于对获取的各人员的位置信息，基于井下巷道的无向图求取任意两人员之间的最短路径值；
聚类模块，用于基于所述最短路径值和设定距离阈值进行聚类分析，并滤除人数值小于设定人数阈值的簇，得到所述当前采样时刻的聚类簇集合；
预警模块，用于基于所述当前采样时刻的聚类簇集合和紧邻所述当前采样时刻之前的N-1个采集时刻分别对应的历史聚类簇集合，得到用于聚集预警的目标人员；其中，所述目标人员为所述当前采样时刻和所述N-1个采样时刻均存在聚集现象的人员，N为大于1的自然数。
第三方面，本申请实施例提供了一种电子设备，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器，用于运行计算机程序时，执行本申请实施例第一方面所述方法的步骤。
第四方面，本申请实施例提供了一种计算机存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现本申请实施例第一方面所述方法的步骤。
本申请实施例提供的技术方案，获取当前采样时刻井下区域的各人员的位置信息；对获取的各人员的位置信息，基于井下巷道的无向图求取任意两人员之间的最短路径值；基于最短路径值和设定距离阈值进行聚类分析，并滤除人数值小于设定人数阈值的簇，得到当前采样时刻的聚类簇集合；基于当前采样时刻的聚类簇集合和紧邻当前采样时刻之前的N-1个采集时刻分别对应的历史聚类簇集合，得到用于聚集预警的目标人员；其中，目标人员为当前采样时刻和N-1个采样时刻均存在聚集现象的人员，N为大于1的自然数。由于基于最短路径值与设定距离阈值进行聚类分析，可以有效减少基于欧式距离导致的聚集误判；此外，引入历史聚类簇集合进行综合判断，能够进一步避免临时人员聚集等导致的误判，进而提高了井下人员聚集的预警准确性。
附图说明
图1为本申请实施例基于UWB的井下人员聚集预警方法的流程示意图；
图2为本申请应用示例中井下巷道的无向图构建的原理示意图；
图3为人员在不同巷道空间但欧式距离较近的原理示意图；
图4为本申请实施例基于UWB的井下人员聚集预警装置的结构示意图；
图5为本申请实施例电子设备的结构示意图。
具体实施方式
下面结合附图及实施例对本申请再作进一步详细的描述。
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。
相关技术中，在具有人员精确坐标信息的基础上，通过聚类分析的方法判断是否存在人员聚集问题时，往往存在井下人员间的欧氏距离在距离阈值范围内，但实际上人员在不同的巷道内，即完全不在同一活动空间，从而出现人员聚集误判的情形，此外，对于人员间短时间内相向行走交错等情况下的临时性人员聚集属正常现象，也会出现聚集预警错误的情形。
基于此，本申请实施例提供了一种基于UWB的井下人员聚集预警方法，可以应用于具有数据处理能力的电子设备，例如：台式机、平板电脑、笔记本等具有数据处理能力的电子设备，本申请实施例对此不做限定。如图1所示，该方法包括：
步骤101，获取当前采样时刻井下区域的各人员的位置信息。
可以理解的是，本申请实施例中，可以基于UWB定位技术，获取井下区域各人员的位置信息，例如，在井下每隔一定距离布置UWB定位基站，各人员携带UWB定位标签，UWB定位基站与UWB定位标签之间通过测量脉冲信号的飞行时间，精确计算标签到基站之间的距离，UWB定位基站的坐标是已知的，根据UWB定位标签与多个UWB定位基站之间的精确距离，可精确计算出UWB定位标签的坐标（即得到相应人员的位置信息），具体可以参照相关技术，在此不再赘述。
步骤102，对获取的各人员的位置信息，基于井下巷道的无向图求取任意两人员之间的最短路径值。
可以理解的是，本申实施例中，所述对获取的各人员的位置信息，基于井下巷道的无向图求取任意两人员之间的最短路径值之前，该方法还包括：
获取表征井下巷道结构的无向图，其中，所述无向图基于所述井下巷道的中心线确定。
示例性地，电子设备可以获取预先构建好的井下巷道的无向图，或者可以在本地构建生成该无向图。无向图（undirected graph）是指边没有方向的图集，本申请实施例的无向图可以为基于井下巷道的中心线构建的，其中，无向图的边为巷道，中间节点为巷道交叉口，端节点为巷道入口或巷道终点。例如，无向图可以表示为G=<V，E>，其中，V是非空集合，称为顶点集；E是V中元素构成的无序二元组的集合，称为边集。
本申请实施例中，电子设备可以对获取的各人员的位置信息，基于井下巷道的无向图求取任意两人员之间的最短路径值。示例性地，基于井下巷道的无向图和当前采样时刻的各人员的坐标值，可以使用
算法或dijskra算法，求取两人员之间的最短路径值。该/>
（A-Star）算法是一种静态路网中求解最短路径最有效的直接搜索方法，也是解决许多搜索问题的有效算法，算法中的距离估算值与实际值越接近，最终搜索速度越快。该dijskra（迪杰斯特拉）算法又称为狄克斯特拉算法。是从一个顶点到其余各顶点的最短路径算法，解决的是有权图中最短路径问题。需要说明的是，上述算法仅为示例，本申请实施例对最短路径值的求取算法不做具体限定。
这里，两人员之间的最短路径值可以理解为两人所处的位置沿无向图的最短距离，其不同于传统的空间两点之间的直线距离（即欧式距离）。
图2示出了本应用示例中井下巷道的无向图示意图，其中，该无向图基于巷道中心线1构建而成。
设人员聚集评判的距离阈值为20m，如图3所示，人员a与人员b之间的欧式距离为15m，但人员a与人员b不在同一巷道空间，其间的最短路径值为103.17m。
步骤103，基于所述最短路径值和设定距离阈值进行聚类分析，并滤除人数值小于设定人数阈值的簇，得到所述当前采样时刻的聚类簇集合。
可以理解的是，电子设备可以基于最短路径值和设定距离阈值进行聚类分析，得到初始的聚类簇集合，然后，再对初始的聚类簇集合基于设定人数阈值进行过滤，滤除人数值小于设定人数阈值的簇，将滤除后的聚类簇集合作为所述当前采样时刻的聚类簇集合。
这里，设定距离阈值用于作为评判人员聚集与否的空间依据，设定人数阈值作为簇内的人数是否达到聚类人数的评判依据。
示例性地，假定设定距离阈值为s，设定人数阈值为R，采用K-means聚类法对采样时刻t的任意两人员之间的最短路径值进行聚类，得到M个初始的聚类簇，然后，再过滤掉人数小于R的簇，得到Mt个人数大于或等于R的簇，构成采样时刻t的聚类簇集合
。
可以理解的是，电子设备可以对各采样时刻的井下人员的位置信息均进行上述处理，进而得到各采样时刻的聚类簇集合。
步骤104，基于所述当前采样时刻的聚类簇集合和紧邻所述当前采样时刻之前的N-1个采集时刻分别对应的历史聚类簇集合，得到用于聚集预警的目标人员；其中，所述目标人员为所述当前采样时刻和所述N-1个采样时刻均存在聚集现象的人员，N为大于1的自然数。
需要说明的是，本申请实施例的预警方法，需要结合N个采样时刻的聚类簇集合进行人员聚集分析，即电子设备开始运行时，需要基于采集的人员的位置信息，构造N个采样时刻的聚类簇集合后，才能进行人员聚集分析，得到用于聚集预警的目标人员。在后续的检测过程中，可以基于当前采样时刻的聚类簇集合，并结合当前采样时刻之前的N-1个采集时刻分别对应的历史聚类簇集合进行人员聚集分析，得到用于聚集预警的目标人员。换言之，本申请实施例的预警方法，以N个采样时刻作为滑动时间窗口，基于该滑动时间窗口的数据进行人员聚集预警。该滑动时间窗口的滑动步长可以是UWB定位的频率，即相邻采样时刻之间可以间隔一个UWB的定位周期。
可以理解的是，本申请实施例的预警方法，由于基于最短路径值与设定距离阈值进行聚类分析，可以有效减少基于欧式距离导致的聚集误判；此外，引入历史聚类簇集合进行综合判断，即基于滑动时间窗口的数据进行人员聚集预警，能够进一步避免临时人员聚集等导致的误判，进而提高了井下人员聚集的预警准确性。
示例性地，所述基于所述当前采样时刻的聚类簇集合和紧邻所述当前采样时刻之前的N-1个采集时刻分别对应的历史聚类簇集合，得到用于聚集预警的目标人员，包括：
针对所述当前采样时刻的聚类簇集合中各簇的各人员，遍历各人员在所述N-1个采样时刻的历史聚类簇集合中是否存在有交集的簇，基于所述是否存在有交集的簇的结果生成状态标识；其中，若有，则将所述人员在相应采样时刻的状态标识赋值为表示聚集的第一状态，若无，则将所述人员在相应采集时刻的状态标识赋值为表示未聚集的第二状态；
基于各人员相应于N-1个采样时刻的所述状态标识，得到所述当前采样时刻和所述N-1个采样时刻均存在聚集现象的人员。
在一应用示例中，假定采样时刻t的聚类簇集合为
，相应的人员聚集分析过程如下：
步骤1），设置临时数组
，其中，MN表示簇中人员的个数，各元素zi的初始值为0，各元素zi为表示当前采样时刻之前的N-1个采样时刻，人员是否持续处于聚集状态，若持续处于聚集状态，则zi=1，否则，zi=0；
步骤2），设置临时数组
，其中，各元素yi的初始值为0，各元素yi为表示当前采样时刻之前的i采样时刻，人员是否处于聚集状态，若处于聚集状态，则yi=1，否则，yi=0；
步骤3），依次遍历当前采样时刻N的各人员的簇
；对于簇/>
，进一步依次遍历/>
中各历史采样时刻的簇集合；对于采样时刻t，1≤t≤N-1，若
与采样时刻t的聚类簇集合/>
中的任意簇有交集，则yt=1，否则yt=0；进一步判断/>
中是否存在0，若不存在，则zi=1，否则，zi=0；
步骤4）、判断
中是否存在1，若存在，则进行人员聚集预警，人员聚集预警的对象为zi=1对应的簇/>
中的所有人员；否则不进行人员聚集预警。/>
可以理解的是，本申请实施例中，对于当前采样时刻存在聚集现象的人员，还需要进一步判断该人员前N-1时刻是否也一直存在聚集现象，若存在，则给该人员所有的簇都发聚集告警；若不存在则不报警。
需要说明的是，对于临时性聚集，如两个队伍（队伍人数都小于R）相向行走，当两个队伍相遇时，人数过多，故当前时刻存在聚集现象，但不会立刻报警，而是会一直判断之后N-1时刻会不会一直聚集。实际中，经过N-1时间，两个队伍已经错开超过设定距离阈值s，故自始至终不会报警。但如果2个队伍相遇时都停下来，则会进行报警。如此，本申请实施例的预警方法，可以提高极大地提高预警准确性。
示例性地，该方法还包括：
调整所述设定距离阈值和/或所述设定人数阈值。
需要说明的是，在实际应用中，可以基于聚集分析的需求，合理调整或者设置设定距离阈值和/或设定人数阈值，如此，能够满足不同场景下的人员聚集的预警需求，适用范围广。
示例性地，该方法还包括：
基于所述设定距离阈值和人员行走的平均速度，设置N的取值。
在一些实施例中，为了能够有效滤除临时聚集现象，提高人员聚集预警的准确性，可以基于基于所述设定距离阈值和人员行走的平均速度，设置N的取值。示例性地，可以设置N的取值为设定距离阈值
2/（人员行走的平均速度/>
1.5）的取整值。
为了实现本申请实施例的方法，本申请实施例还提供一种基于UWB的井下人员聚集预警装置，设置在电子设备，如图4所示，该基于UWB的井下人员聚集预警装置包括：获取模块401、距离求取模块402、聚类模块403及预警模块404。
获取模块401用于获取当前采样时刻井下区域的各人员的位置信息；
距离求取模块402用于对获取的各人员的位置信息，基于井下巷道的无向图求取任意两人员之间的最短路径值；
聚类模块403用于基于所述最短路径值和设定距离阈值进行聚类分析，并滤除人数值小于设定人数阈值的簇，得到所述当前采样时刻的聚类簇集合；
预警模块404用于基于所述当前采样时刻的聚类簇集合和紧邻所述当前采样时刻之前的N-1个采集时刻分别对应的历史聚类簇集合，得到用于聚集预警的目标人员；其中，所述目标人员为所述当前采样时刻和所述N-1个采样时刻均存在聚集现象的人员，N为大于1的自然数。
在一些实施例中，预警模块404具体用于：
针对所述当前采样时刻的聚类簇集合中各簇的各人员，遍历各人员在所述N-1个采样时刻的历史聚类簇集合中是否存在有交集的簇，基于所述是否存在有交集的簇的结果生成状态标识；其中，若有，则将所述人员在相应采样时刻的状态标识赋值为表示聚集的第一状态，若无，则将所述人员在相应采集时刻的状态标识赋值为表示未聚集的第二状态；
基于各人员相应于N-1个采样时刻的所述状态标识，得到所述当前采样时刻和所述N-1个采样时刻均存在聚集现象的人员。
在一些实施例中，获取模块401还用于在对获取的各人员的位置信息，基于井下巷道的无向图求取任意两人员之间的最短路径值之前，获取表征井下巷道结构的无向图，其中，所述无向图基于所述井下巷道的中心线确定。
在一些实施例中，该基于UWB的井下人员聚集预警装置还包括：设置模块405，用于调整所述设定距离阈值和/或所述设定人数阈值。
在一些实施例中，设置模块405还用于基于所述设定距离阈值和人员行走的平均速度，设置N的取值。
实际应用时，获取模块401、距离求取模块402、聚类模块403、预警模块404和设置模块405，可以由电子设备中的处理器来实现。当然，处理器需要运行存储器中的计算机程序来实现它的功能。
需要说明的是：上述实施例提供的基于UWB的井下人员聚集预警装置在进行基于UWB的井下人员聚集预警时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的基于UWB的井下人员聚集预警装置与基于UWB的井下人员聚集预警方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
基于上述程序模块的硬件实现，且为了实现本申请实施例的方法，本申请实施例还提供一种电子设备。图5仅仅示出了该设备的示例性结构而非全部结构，根据需要可以实施图5示出的部分结构或全部结构。
如图5所示，本申请实施例提供的电子设备500包括：至少一个处理器501、存储器502、用户接口503和至少一个网络接口504。电子设备500中的各个组件通过总线系统505耦合在一起。可以理解，总线系统505用于实现这些组件之间的连接通信。总线系统505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。但是为了清楚说明起见，在图5中将各种总线都标为总线系统505。
其中，用户接口503可以包括显示器、键盘、鼠标、轨迹球、点击轮、按键、按钮、触感板或者触摸屏等。
本申请实施例中的存储器502用于存储各种类型的数据以支持电子设备的操作。这些数据的示例包括：用于在电子设备上操作的任何计算机程序。
本申请实施例揭示的基于UWB的井下人员聚集预警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可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，基于UWB的井下人员聚集预警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（DSP，Digital Signal Processor），或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器501可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤，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模块组合执行完成。软件模块可以位于存储介质中，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，结合其硬件完成本申请实施例提供的基于UWB的井下人员聚集预警方法的步骤。
在示例性实施例中，电子设备可以被一个或多个应用专用集成电路（ASIC，Application Specific Integrated Circuit）、DSP、可编程逻辑器件（PLD，ProgrammableLogic Device）、复杂可编程逻辑器件（CPLD，Complex Programmable Logic Device）、FPGA、通用处理器、控制器、微控制器（MCU，Micro Controller Unit）、微处理器（Microprocessor）、或者其他电子元件实现，用于执行前述方法。
可以理解，存储器502可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器（ROM，Read Only Memory）、可编程只读存储器（PROM，Programmable Read-Only Memory）、可擦除可编程只读存储器（EPROM，Erasable Programmable Read-Only Memory）、电可擦除可编程只读存储器（EEPROM，Electrically Erasable Programmable Read-Only Memory）、磁性随机存取存储器（FRAM，ferromagnetic random access memory）、快闪存储器（Flash Memory）、磁表面存储器、光盘、或只读光盘（CD-ROM，Compact Disc Read-Only Memory）；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器（RAM，Random AccessMemory），其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器（SRAM，Static Random Access Memory）、同步静态随机存取存储器（SSRAM，Synchronous Static Random Access Memory）、动态随机存取存储器（DRAM，Dynamic Random Access Memory）、同步动态随机存取存储器（SDRAM，SynchronousDynamic Random Access Memory）、双倍数据速率同步动态随机存取存储器（DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory）、增强型同步动态随机存取存储器（ESDRAM，Enhanced Synchronous Dynamic Random Access Memory）、同步连接动态随机存取存储器（SLDRAM，SyncLink Dynamic Random Access Memory）、直接内存总线随机存取存储器（DRRAM，Direct Rambus Random Access Memory）。本申请实施例描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
在示例性实施例中，本申请实施例还提供了一种存储介质，即计算机存储介质，具体可以是计算机可读存储介质，例如包括存储计算机程序的存储器502，上述计算机程序可由电子设备的处理器501执行，以完成本申请实施例方法的步骤。计算机可读存储介质可以是ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD-ROM等存储器。
需要说明的是：“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
另外，本申请实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。
以上所述，仅为本申请的具体实施方式，但本申请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申请披露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种基于UWB的井下人员聚集预警方法，其特征在于，包括：
获取当前采样时刻井下区域的各人员的位置信息；
对获取的各人员的位置信息，基于井下巷道的无向图求取任意两人员之间的最短路径值；
基于所述最短路径值和设定距离阈值进行聚类分析，并滤除人数值小于设定人数阈值的簇，得到所述当前采样时刻的聚类簇集合；
基于所述当前采样时刻的聚类簇集合和紧邻所述当前采样时刻之前的N-1个采样时刻分别对应的历史聚类簇集合，得到用于聚集预警的目标人员；其中，所述目标人员为所述当前采样时刻和所述N-1个采样时刻均存在聚集现象的人员，N为大于1的自然数；
所述基于所述当前采样时刻的聚类簇集合和紧邻所述当前采样时刻之前的N-1个采样时刻分别对应的历史聚类簇集合，得到用于聚集预警的目标人员，包括：
针对所述当前采样时刻的聚类簇集合中各簇的各人员，遍历各人员在所述N-1个采样时刻的历史聚类簇集合中是否存在有交集的簇，基于所述是否存在有交集的簇的结果生成状态标识；其中，若有，则将所述人员在相应采样时刻的状态标识赋值为表示聚集的第一状态，若无，则将所述人员在相应采样时刻的状态标识赋值为表示未聚集的第二状态；
基于各人员相应于N-1个采样时刻的所述状态标识，得到所述当前采样时刻和所述N-1个采样时刻均存在聚集现象的人员。
2.根据权利要求1所述的方法，其特征在于，所述对获取的各人员的位置信息，基于井下巷道的无向图求取任意两人员之间的最短路径值之前，所述方法还包括：
获取表征井下巷道结构的无向图，其中，所述无向图基于所述井下巷道的中心线确定。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
调整所述设定距离阈值和/或所述设定人数阈值。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述设定距离阈值和人员行走的平均速度，设置N的取值。
5.一种基于UWB的井下人员聚集预警装置，其特征在于，包括：
获取模块，用于获取当前采样时刻井下区域的各人员的位置信息；
距离求取模块，用于对获取的各人员的位置信息，基于井下巷道的无向图求取任意两人员之间的最短路径值；
聚类模块，用于基于所述最短路径值和设定距离阈值进行聚类分析，并滤除人数值小于设定人数阈值的簇，得到所述当前采样时刻的聚类簇集合；
预警模块，用于基于所述当前采样时刻的聚类簇集合和紧邻所述当前采样时刻之前的N-1个采样时刻分别对应的历史聚类簇集合，得到用于聚集预警的目标人员；其中，所述目标人员为所述当前采样时刻和所述N-1个采样时刻均存在聚集现象的人员，N为大于1的自然数；
所述基于所述当前采样时刻的聚类簇集合和紧邻所述当前采样时刻之前的N-1个采样时刻分别对应的历史聚类簇集合，得到用于聚集预警的目标人员，包括：
针对所述当前采样时刻的聚类簇集合中各簇的各人员，遍历各人员在所述N-1个采样时刻的历史聚类簇集合中是否存在有交集的簇，基于所述是否存在有交集的簇的结果生成状态标识；其中，若有，则将所述人员在相应采样时刻的状态标识赋值为表示聚集的第一状态，若无，则将所述人员在相应采样时刻的状态标识赋值为表示未聚集的第二状态；
基于各人员相应于N-1个采样时刻的所述状态标识，得到所述当前采样时刻和所述N-1个采样时刻均存在聚集现象的人员。
6.一种电子设备，其特征在于，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，
所述处理器，用于运行计算机程序时，执行权利要求1至4任一项所述方法的步骤。
7.一种计算机存储介质，所述计算机存储介质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4任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310266706.1A CN115984027B (zh) | 2023-03-20 | 2023-03-20 | 基于uwb的井下人员聚集预警方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310266706.1A CN115984027B (zh) | 2023-03-20 | 2023-03-20 | 基于uwb的井下人员聚集预警方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115984027A CN115984027A (zh) | 2023-04-18 |
| CN115984027B true CN115984027B (zh) | 2023-06-06 |
Family
ID=85970894
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310266706.1A Active CN115984027B (zh) | 2023-03-20 | 2023-03-20 | 基于uwb的井下人员聚集预警方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115984027B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114080549A (zh) * | 2020-06-12 | 2022-02-22 | 浙江大学 | 基于超宽带雷达的目标跟踪方法、装置、设备及存储介质 |
| CN114205884A (zh) * | 2020-09-02 | 2022-03-18 | 华为技术有限公司 | 用于电子设备的超宽带定位的方法以及超宽带终端设备 |
| CN115209427A (zh) * | 2022-09-16 | 2022-10-18 | 长沙迪迈数码科技股份有限公司 | 井下uwb定位基站优化布置方法、装置及设备 |
| CN115267667A (zh) * | 2022-09-28 | 2022-11-01 | 长沙迪迈数码科技股份有限公司 | 井下高精度定位修正方法、装置、设备及存储介质 |
| WO2023284243A1 (zh) * | 2021-07-15 | 2023-01-19 | 上海闻泰信息技术有限公司 | 标签定位方法、装置、计算机设备和存储介质 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3076379B1 (fr) * | 2017-12-31 | 2022-12-16 | Bull Sas | Systeme et procede de gestion de rassemblement de masse |
| CN111601381B (zh) * | 2020-05-26 | 2022-01-28 | 煤炭科学技术研究院有限公司 | 一种基于决策-预测的uwb的井下人员定位方法和系统 |
| CN114527426A (zh) * | 2020-11-06 | 2022-05-24 | 西安理工大学 | 一种基于紫外光信标的应急定位系统及定位方法 |
| WO2023035341A1 (zh) * | 2021-09-08 | 2023-03-16 | 中铁工程服务有限公司 | 用于地铁工地的三维定位方法、系统及介质 |
| CN115291166B (zh) * | 2022-09-28 | 2023-01-06 | 长沙迪迈数码科技股份有限公司 | 井下高精度定位方法、装置、设备及存储介质 |
| CN115761636A (zh) * | 2022-11-21 | 2023-03-07 | 苏州浪潮智能科技有限公司 | 一种检测人员聚集的方法、系统、设备和存储介质 |
| CN115810178B (zh) * | 2023-02-03 | 2023-04-28 | 中电信数字城市科技有限公司 | 人群异常聚集预警方法、装置、电子设备及介质 |
-
2023
- 2023-03-20 CN CN202310266706.1A patent/CN115984027B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114080549A (zh) * | 2020-06-12 | 2022-02-22 | 浙江大学 | 基于超宽带雷达的目标跟踪方法、装置、设备及存储介质 |
| CN114205884A (zh) * | 2020-09-02 | 2022-03-18 | 华为技术有限公司 | 用于电子设备的超宽带定位的方法以及超宽带终端设备 |
| WO2023284243A1 (zh) * | 2021-07-15 | 2023-01-19 | 上海闻泰信息技术有限公司 | 标签定位方法、装置、计算机设备和存储介质 |
| CN115209427A (zh) * | 2022-09-16 | 2022-10-18 | 长沙迪迈数码科技股份有限公司 | 井下uwb定位基站优化布置方法、装置及设备 |
| CN115267667A (zh) * | 2022-09-28 | 2022-11-01 | 长沙迪迈数码科技股份有限公司 | 井下高精度定位修正方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115984027A (zh) | 2023-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2020206861A1 (zh) | 基于YOLO v3的针对交通枢纽关键物体的检测方法 | |
| JP6571545B2 (ja) | 物体検出装置および物体検出方法 | |
| CN110852285A (zh) | 对象检测方法、装置、计算机设备和存储介质 | |
| CN104680557A (zh) | 视频序列图像中的异常行为智能检测方法 | |
| You et al. | A fatigue driving detection algorithm based on facial motion information entropy | |
| CN109784254A (zh) | 一种车辆违规事件检测的方法、装置和电子设备 | |
| CN111524350B (zh) | 车路协同异常行驶状况检测方法、系统、终端设备及介质 | |
| Zaki et al. | Automated analysis of pedestrians’ nonconforming behavior and data collection at an urban crossing | |
| CN111325292B (zh) | 一种对象行为的识别方法及装置 | |
| CN115209427B (zh) | 井下uwb定位基站优化布置方法、装置及设备 | |
| CN103646254A (zh) | 一种高密度行人检测方法 | |
| CN109444872A (zh) | 行人与车辆的区分方法、装置、计算机设备及存储介质 | |
| CN111738225A (zh) | 人群聚集检测方法、装置、设备及存储介质 | |
| Weng et al. | Review of analyses on crowd-gathering risk and its evaluation methods | |
| CN115984027B (zh) | 基于uwb的井下人员聚集预警方法、装置及存储介质 | |
| Ma et al. | An effective risk identification method for power fence operation based on neighborhood correlation network and vector calculation | |
| CN113763425A (zh) | 道路区域标定方法及电子设备 | |
| CN115267667B (zh) | 井下高精度定位修正方法、装置、设备及存储介质 | |
| Ng et al. | Outdoor illegal parking detection system using convolutional neural network on Raspberry Pi | |
| CN115209429B (zh) | 定位基站信号覆盖率评估方法、装置、设备及存储介质 | |
| CN115291166B (zh) | 井下高精度定位方法、装置、设备及存储介质 | |
| CN107134148A (zh) | 占道停车行为检测方法与装置 | |
| Chen et al. | Traffic travel pattern recognition based on sparse Global Positioning System trajectory data | |
| Ashqar et al. | Vulnerable road user detection using smartphone sensors and recurrence quantification analysis | |
| Anithadevi et al. | An Improved SSD Object Detection Algorithm For Safe Social Distancing and Face Mask Detection In Public Areas Through Intelligent Video Analytics |
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: 410205 10th floor, C1 building, Lugu enterprise Plaza, 27 Wenxuan Road, Yuelu District, Changsha City, Hunan Province Patentee after: Changsha Dimai Technology Co.,Ltd. Address before: 410205 10th floor, C1 building, Lugu enterprise Plaza, 27 Wenxuan Road, Yuelu District, Changsha City, Hunan Province Patentee before: CHANGSHA DIGITAL MINE CO.,LTD. |
|
| CP03 | Change of name, title or address |