CN116193239A - 一种基于位置信息的视频智能分析方法 - Google Patents

一种基于位置信息的视频智能分析方法 Download PDF

Info

Publication number
CN116193239A
CN116193239A CN202310198379.0A CN202310198379A CN116193239A CN 116193239 A CN116193239 A CN 116193239A CN 202310198379 A CN202310198379 A CN 202310198379A CN 116193239 A CN116193239 A CN 116193239A
Authority
CN
China
Prior art keywords
camera
equipment
fixed
images
mobile
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
Application number
CN202310198379.0A
Other languages
English (en)
Inventor
全力
谢庆地
张瑞
张雪元
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Taihao Information Technology Co ltd
Original Assignee
Shenzhen Taihao Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Taihao Information Technology Co ltd filed Critical Shenzhen Taihao Information Technology Co ltd
Priority to CN202310198379.0A priority Critical patent/CN116193239A/zh
Publication of CN116193239A publication Critical patent/CN116193239A/zh
Pending legal-status Critical Current

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
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)

Abstract

本发明涉及视频智能分析领域，具体公开一种基于位置信息的视频智能分析方法，本发明通过获取各固定设备对应的摄像头偏转参数和第一摄像头巡检各固定设备的顺序，将其输入到第一摄像头的执行端，获取监测时间段内第一摄像头各轮巡检中各固定设备的图像，分析各固定设备是否存在工作异常情况；获取移动设备对应的摄像头偏转参数集合，将其输入到第二摄像头的执行端，获取各移动设备在追踪周期内各采样时间点的图像，分析各移动设备是否存在故障，通过单个摄像头对多个固定设备和单个摄像头对多个移动设备的一对多式监控，从而实现对特定区域进行高精度、高效率的巡检。

Description

一种基于位置信息的视频智能分析方法
技术领域
本发明涉及视频智能分析领域，涉及到一种基于位置信息的视频智能分析方法。
背景技术
在生产工厂中，视频监控分析技术使用十分普遍，如通过摄像头获取仪器设备的视频信息进而对仪器设备进行监控，但现有的视频监控分析技术仍存在着一些不足之处：1、现有视频监控分析技术通过单个摄像头对单个仪器设备进行一对一式监控，监测多个仪器设备时则使用到多个摄像头，进而造成资源的浪费，同时增大了视频信息接收端的数据传输量，对视频信息接收端的内存和运存都提出更高要求。
2、现有视频监控分析技术对仪器设备进行监控时，获取的是仪器设备的全图像，不同仪器设备所需要监控的部位也不同，现有技术没有根据仪器设备重点监控部位所在位置，调整摄像头偏转角度，进而不能获取仪器设备重点监控部位的特写图像，无法对仪器设备进行针对性分析，从而降低仪器设备监测分析结果的精准性。
发明内容
针对上述问题，本发明提出了一种基于位置信息的视频智能分析方法，具体技术方案如下：一种基于位置信息的视频智能分析方法，包括如下步骤：步骤一、固定设备关键部位获取：获取目标工厂车间设定区域内各固定设备中需要监控的部位，将其记为各固定设备的关键部位。
步骤二、固定设备对应摄像头偏转参数获取：获取第一摄像头在监控各固定设备关键部位时第一摄像头镜头中心点在第一坐标系中的三维坐标，进而获取各固定设备对应的摄像头偏转参数，其中摄像头偏转参数包括第一机臂旋转角度和第二机臂旋转角度。
步骤三、固定设备巡检顺序获取：根据各固定设备对应的摄像头偏转参数，获取第一摄像头巡检各固定设备的顺序。
步骤四、第一摄像头执行端参数输入：将各固定设备对应的摄像头偏转参数和第一摄像头巡检各固定设备的顺序输入到第一摄像头的执行端。
步骤五、固定设备监测分析：获取监测时间段内第一摄像头各轮巡检中各固定设备的图像，分析各固定设备是否存在工作异常情况，若存在工作异常情况，则进行预警。
步骤六、移动设备对应摄像头偏转参数获取：获取追踪周期内各采样时间点第二摄像头监控目标工厂车间设定区域内流水线上移动设备时镜头中心点在第二坐标系中的三维坐标，进而获取移动设备对应的摄像头偏转参数集合，其中摄像头偏转参数包括第一机臂旋转角度和第二机臂旋转角度。
步骤七、第二摄像头执行端参数输入：将移动设备对应的摄像头偏转参数集合输入到第二摄像头的执行端。
步骤八、移动设备监测分析：通过第二摄像头对目标工厂车间设定区域内流水线上各移动设备依次进行追踪式监控，获取各移动设备在追踪周期内各采样时间点的图像，分析各移动设备是否存在故障，并进行相应处理。
在上述实施例的基础上，所述步骤一的具体分析过程为：通过第一摄像头获取目标工厂车间设定区域内各固定设备的图像，从数据库中提取各类型固定设备的标准图像，将各固定设备的图像分别与各类型固定设备的标准图像进行比对，得到各固定设备图像与各类型固定设备标准图像的相似度，将最大相似度对应的固定设备类型作为固定设备的类型，统计得到各固定设备的类型。
提取数据库中存储的各类型固定设备中需要监控的部位，根据各固定设备的类型，筛选得到各固定设备中需要监控的部位，将其记为各固定设备的关键部位。
在上述实施例的基础上，所述步骤二的具体分析过程为：按照设定的坐标系构建方法在第一摄像头所在区域构建三维坐标系，将其记为第一坐标系，设定第一摄像头的初始位置，获取第一摄像头在初始位置时第一摄像头镜头中心点在第一坐标系中的三维坐标，将其记为第一摄像头的初始坐标。
调试第一摄像头，获取第一摄像头监控各固定设备关键部位区域中心点时第一摄像头镜头中心点的位置，进而获取第一摄像头在监控各固定设备关键部位时第一摄像头镜头中心点在第一坐标系中的三维坐标，将其记为各固定设备对应的摄像头监控坐标。
按照预设的原则设定第一摄像头中第一机臂旋转的正方向和第二机臂旋转的正方向，根据第一摄像头的初始坐标和各固定设备对应的摄像头监控坐标，获取由第一摄像头的初始坐标分别移动到各固定设备对应的摄像头监控坐标时第一摄像头中第一机臂按正方向旋转的角度和第二机臂按正方向旋转的角度，将其分别记为各固定设备对应的第一机臂旋转角度和第二机臂旋转角度。
在上述实施例的基础上，所述步骤三中获取第一摄像头巡检各固定设备的顺序，具体过程为：将各固定设备对应的第一机臂旋转角度和第二机臂旋转角度代入公式
Figure BDA0004108057480000041
得到各固定设备的巡检优先级系数βi，i表示第i个固定设备的编号，i＝1,2,...,n，其中χ表示预设的固定设备的巡检优先级系数修正因子，e表示自然常数，Δθ表示预设的第一摄像头机臂旋转角度的阈值，/>
Figure BDA0004108057480000042
表示第i个固定设备对应的第一机臂旋转角度，/>
Figure BDA0004108057480000043
表示第i个固定设备对应的第二机臂旋转角度，i＝1,2,...,n，δ1、δ2分别表示预设的固定设备对应的第一机臂旋转角度和第二机臂旋转角度的权重因子。
将各固定设备按照巡检优先级系数从大到小的顺序进行排序，进而得到第一摄像头巡检各固定设备的顺序。
在上述实施例的基础上，所述步骤五的具体分析过程为：通过第一摄像头对各固定设备进行巡检，设定监测时间段的时长，获取监测时间段内第一摄像头各轮巡检中各固定设备的图像。
提取数据库中存储的各类型固定设备对应的各种故障图像，根据各固定设备的类型，筛选得到各固定设备对应的各种故障图像。
将监测时间段内第一摄像头各轮巡检中各固定设备的图像与其对应的各种故障图像分别进行比对，若监测时间段内第一摄像头某轮巡检中某固定设备的图像与其对应的某种故障图像相同，表明该固定设备工作异常，并将该固定设备记为异常固定设备，统计各异常固定设备的编号，将各异常固定设备的编号发送至目标工厂车间监控后台，并进行预警，若监测时间段内第一摄像头某轮巡检中某固定设备的图像与其对应的各种故障图像均不相同，表明该固定设备工作正常，将该固定设备记为标记固定设备，获取监测时间段内第一摄像头各轮巡检中各标记固定设备的图像，利用图像处理技术，提取监测时间段内第一摄像头各轮巡检中各标记固定设备图像对应的显示信息，构建各标记固定设备的显示信息集合，将其记为
Figure BDA0004108057480000051
i′表示第i′个标记固定设备的编号，i′＝1′,2′,...,n′，/>
Figure BDA0004108057480000052
表示监测时间段内第一摄像头第b轮巡检中第i′个标记固定设备图像对应的显示信息，/>
Figure BDA0004108057480000053
表示监测时间段内第一摄像头第c轮巡检中第i′个标记固定设备图像对应的显示信息，c表示监测时间段内第一摄像头巡检的总轮数，将各标记固定设备的显示信息集合发送至目标工厂车间监控后台。
在上述实施例的基础上，所述步骤六的具体分析过程包括：按照设定的坐标系构建方法在第二摄像头所在区域构建三维坐标系，将其记为第二坐标系，设定第二摄像头的初始位置，获取第二摄像头在初始位置时第二摄像头镜头中心点在第二坐标系中的三维坐标，将其记为第二摄像头的初始坐标。
设定追踪周期的时长，按照等时间间隔原则在追踪周期内设置各采样时间点，获取监控目标工厂车间设定区域内流水线上移动设备在追踪周期内各采样时间点的位置，将其记为各移动设备检测点位置，调试第二摄像头，获取第二摄像头监控各移动设备检测点位置时第二摄像头镜头中心点的位置，进而获取第二摄像头在监控各移动设备检测点位置时第二摄像头镜头中心点在第二坐标系中的三维坐标，将其记为各移动设备检测点位置对应的摄像头监控坐标。
在上述实施例的基础上，所述步骤六的具体分析过程还包括：按照预设的原则设定第二摄像头中第一机臂旋转的正方向和第二机臂旋转的正方向，根据第二摄像头的初始坐标和各移动设备检测点位置对应的摄像头监控坐标，获取由第二摄像头的初始坐标分别移动到各移动设备检测点位置对应的摄像头监控坐标时第二摄像头中第一机臂按正方向旋转的角度和第二机臂按正方向旋转的角度，将其记为各移动设备检测点位置对应的第一机臂旋转角度和第二机臂旋转角度，根据各移动设备检测点位置对应的第一机臂旋转角度和第二机臂旋转角度，构建移动设备对应的摄像头偏转参数集合，将其记为
Figure BDA0004108057480000061
j表示第j个移动设备检测点的编号，j＝1,2,...,m，其中/>
Figure BDA0004108057480000062
表示第j个移动设备检测点位置对应的第一机臂旋转角度，/>
Figure BDA0004108057480000063
表示第j个移动设备检测点位置对应的第二机臂旋转角度，/>
Figure BDA0004108057480000064
表示第m个移动设备检测点位置对应的第一机臂旋转角度，/>
Figure BDA0004108057480000065
表示第m个移动设备检测点位置对应的第二机臂旋转角度，m表示移动设备检测点的总数量。
在上述实施例的基础上，所述步骤八的具体过程为：按照移动设备放置在目标工厂车间设定区域内流水线上的先后顺序将各移动设备依次编号为1,2,...,u,...,v。
通过第二摄像头对目标工厂车间设定区域内流水线上各移动设备依次进行追踪式监控，获取各移动设备在追踪周期内各采样时间点的图像，提取数据库中存储的移动设备在流水线上运动的标准图像，将其记为移动设备参考图像，将各移动设备在追踪周期内各采样时间点的图像与移动设备参考图像进行比对，得到各移动设备在追踪周期内各采样时间点的图像与移动设备参考图像的相似度，将各移动设备在追踪周期内各采样时间点的图像与移动设备参考图像的相似度与预设的相似度阈值进行比较，若某移动设备在追踪周期内某采样时间点的图像与移动设备参考图像的相似度小于预设的相似度阈值，则该移动设备存在故障，将其记为故障移动设备，筛选出各故障移动设备，将各故障移动设备的编号发送至目标工厂车间监控后台。
相对于现有技术，本发明所述的一种基于位置信息的视频智能分析方法以下有益效果：1、本发明提供的一种基于位置信息的视频智能分析方法，通过获取各固定设备对应的摄像头偏转参数和第一摄像头巡检各固定设备的顺序，将其输入到第一摄像头的执行端，获取监测时间段内第一摄像头各轮巡检中各固定设备的图像，分析各固定设备是否存在工作异常情况；获取移动设备对应的摄像头偏转参数集合，将其输入到第二摄像头的执行端，获取各移动设备在追踪周期内各采样时间点的图像，分析各移动设备是否存在故障，通过单个摄像头对多个固定设备和单个摄像头对多个移动设备的一对多式监控，从而实现对特定区域进行高精度、高效率的巡检。
2、本发明通过获取第一摄像头在监控各固定设备关键部位时第一摄像头镜头中心点在第一坐标系中的三维坐标，得到各固定设备对应的摄像头偏转参数，进而通过第一摄像头对多个固定设备进行巡检；获取追踪周期内各采样时间点第二摄像头监控目标工厂车间设定区域内流水线上移动设备时镜头中心点在第二坐标系中的三维坐标，得到移动设备对应的摄像头偏转参数集合，进而通过第二摄像头对多个移动设备进行追踪式检测，结合固定式仪器设备和移动式仪器设备的特点，对各固定设备和各移动设备分别进行一对多式巡检式监控和一对多式追踪式监控，大大节省资源，同时减少视频信息接收端的数据传输量，对视频信息接收端的包容性更强。
3、本发明通过获取各固定设备的关键部位，进一步获取第一摄像头在监控各固定设备关键部位时第一摄像头镜头中心点在第一坐标系中的三维坐标，得到各固定设备对应的摄像头偏转参数及第一摄像头巡检各固定设备的顺序，并输入到第一摄像头的执行端，获取监测时间段内第一摄像头各轮巡检中各固定设备的图像，分析各固定设备是否存在工作异常情况，能够识别不同类型的设备和不同类型设备的关键部位，进而获取不同类型设备关键部位的图像，实现对仪器设备的针对性分析，并提高仪器设备监测分析结果的精准性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的方法流程示意图。
图2为本发明的摄像头结构原理示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明提供的一种基于位置信息的视频智能分析方法，包括如下步骤：步骤一、固定设备关键部位获取：获取目标工厂车间设定区域内各固定设备中需要监控的部位，将其记为各固定设备的关键部位。
作为一种优选方案，所述步骤一的具体分析过程为：通过第一摄像头获取目标工厂车间设定区域内各固定设备的图像，从数据库中提取各类型固定设备的标准图像，将各固定设备的图像分别与各类型固定设备的标准图像进行比对，得到各固定设备图像与各类型固定设备标准图像的相似度，将最大相似度对应的固定设备类型作为固定设备的类型，统计得到各固定设备的类型。
提取数据库中存储的各类型固定设备中需要监控的部位，根据各固定设备的类型，筛选得到各固定设备中需要监控的部位，将其记为各固定设备的关键部位。
需要说明的是，所述目标工厂车间可以是洗衣机生产车间，所述固定设备可以是洗衣机电压检测设备、洗衣机电流检测设备和洗衣机功率检测设备等，所述关键部位可以是洗衣机电压检测设备显示屏、洗衣机电流检测设备显示屏和洗衣机功率检测设备显示屏等，所述移动设备可以是洗衣机生产车间流水线上的洗衣机。
步骤二、固定设备对应摄像头偏转参数获取：获取第一摄像头在监控各固定设备关键部位时第一摄像头镜头中心点在第一坐标系中的三维坐标，进而获取各固定设备对应的摄像头偏转参数，其中摄像头偏转参数包括第一机臂旋转角度和第二机臂旋转角度。
作为一种优先方案，所述步骤二的具体分析过程为：按照设定的坐标系构建方法在第一摄像头所在区域构建三维坐标系，将其记为第一坐标系，设定第一摄像头的初始位置，获取第一摄像头在初始位置时第一摄像头镜头中心点在第一坐标系中的三维坐标，将其记为第一摄像头的初始坐标。
调试第一摄像头，获取第一摄像头监控各固定设备关键部位区域中心点时第一摄像头镜头中心点的位置，进而获取第一摄像头在监控各固定设备关键部位时第一摄像头镜头中心点在第一坐标系中的三维坐标，将其记为各固定设备对应的摄像头监控坐标。
按照预设的原则设定第一摄像头中第一机臂旋转的正方向和第二机臂旋转的正方向，根据第一摄像头的初始坐标和各固定设备对应的摄像头监控坐标，获取由第一摄像头的初始坐标分别移动到各固定设备对应的摄像头监控坐标时第一摄像头中第一机臂按正方向旋转的角度和第二机臂按正方向旋转的角度，将其分别记为各固定设备对应的第一机臂旋转角度和第二机臂旋转角度。
需要说明的是，所述第一机臂旋转的正方向可以是顺时针方向或者逆时针方向，所述第二机臂旋转的正方向可以是顺时针方向或者逆时针方向。
步骤三、固定设备巡检顺序获取：根据各固定设备对应的摄像头偏转参数，获取第一摄像头巡检各固定设备的顺序。
作为一种优先方案，所述步骤三中获取第一摄像头巡检各固定设备的顺序，具体过程为：将各固定设备对应的第一机臂旋转角度和第二机臂旋转角度代入公式
Figure BDA0004108057480000111
得到各固定设备的巡检优先级系数βi，i表示第i个固定设备的编号，i＝1,2,...,n，其中χ表示预设的固定设备的巡检优先级系数修正因子，e表示自然常数，Δθ表示预设的第一摄像头机臂旋转角度的阈值，/>
Figure BDA0004108057480000113
表示第i个固定设备对应的第一机臂旋转角度，/>
Figure BDA0004108057480000112
表示第i个固定设备对应的第二机臂旋转角度，i＝1,2,...,n，δ1、δ2分别表示预设的固定设备对应的第一机臂旋转角度和第二机臂旋转角度的权重因子。
将各固定设备按照巡检优先级系数从大到小的顺序进行排序，进而得到第一摄像头巡检各固定设备的顺序。
步骤四、第一摄像头执行端参数输入：将各固定设备对应的摄像头偏转参数和第一摄像头巡检各固定设备的顺序输入到第一摄像头的执行端。
步骤五、固定设备监测分析：获取监测时间段内第一摄像头各轮巡检中各固定设备的图像，分析各固定设备是否存在工作异常情况，若存在工作异常情况，则进行预警。
作为一种优选方案，所述步骤五的具体分析过程为：通过第一摄像头对各固定设备进行巡检，设定监测时间段的时长，获取监测时间段内第一摄像头各轮巡检中各固定设备的图像。
提取数据库中存储的各类型固定设备对应的各种故障图像，根据各固定设备的类型，筛选得到各固定设备对应的各种故障图像。
将监测时间段内第一摄像头各轮巡检中各固定设备的图像与其对应的各种故障图像分别进行比对，若监测时间段内第一摄像头某轮巡检中某固定设备的图像与其对应的某种故障图像相同，表明该固定设备工作异常，并将该固定设备记为异常固定设备，统计各异常固定设备的编号，将各异常固定设备的编号发送至目标工厂车间监控后台，并进行预警，若监测时间段内第一摄像头某轮巡检中某固定设备的图像与其对应的各种故障图像均不相同，表明该固定设备工作正常，将该固定设备记为标记固定设备，获取监测时间段内第一摄像头各轮巡检中各标记固定设备的图像，利用图像处理技术，提取监测时间段内第一摄像头各轮巡检中各标记固定设备图像对应的显示信息，构建各标记固定设备的显示信息集合，将其记为
Figure BDA0004108057480000121
i′表示第i′个标记固定设备的编号，i′＝1′,2′,...,n′，/>
Figure BDA0004108057480000122
表示监测时间段内第一摄像头第b轮巡检中第i′个标记固定设备图像对应的显示信息，/>
Figure BDA0004108057480000131
表示监测时间段内第一摄像头第c轮巡检中第i′个标记固定设备图像对应的显示信息，c表示监测时间段内第一摄像头巡检的总轮数，将各标记固定设备的显示信息集合发送至目标工厂车间监控后台。
需要说明的是，所述固定设备如洗衣机电压检测设备，所述固定设备对应的故障图像如洗衣机电压检测设备显示屏不亮时对应的图像。
需要说明的是，所述各固定设备的显示信息如洗衣机电压检测设备显示的电压、洗衣机电流检测设备显示的电流和洗衣机功率检测设备显示的功率等。
在本实施例中，本发明通过获取各固定设备的关键部位，进一步获取第一摄像头在监控各固定设备关键部位时第一摄像头镜头中心点在第一坐标系中的三维坐标，得到各固定设备对应的摄像头偏转参数及第一摄像头巡检各固定设备的顺序，并输入到第一摄像头的执行端，获取监测时间段内第一摄像头各轮巡检中各固定设备的图像，分析各固定设备是否存在工作异常情况，能够识别不同类型的设备和不同类型设备的关键部位，进而获取不同类型设备关键部位的图像，实现对仪器设备的针对性分析，并提高仪器设备监测分析结果的精准性。
步骤六、移动设备对应摄像头偏转参数获取：获取追踪周期内各采样时间点第二摄像头监控目标工厂车间设定区域内流水线上移动设备时镜头中心点在第二坐标系中的三维坐标，进而获取移动设备对应的摄像头偏转参数集合，其中摄像头偏转参数包括第一机臂旋转角度和第二机臂旋转角度。
作为一种优选方案，所述步骤六的具体分析过程包括：按照设定的坐标系构建方法在第二摄像头所在区域构建三维坐标系，将其记为第二坐标系，设定第二摄像头的初始位置，获取第二摄像头在初始位置时第二摄像头镜头中心点在第二坐标系中的三维坐标，将其记为第二摄像头的初始坐标。
设定追踪周期的时长，按照等时间间隔原则在追踪周期内设置各采样时间点，获取监控目标工厂车间设定区域内流水线上移动设备在追踪周期内各采样时间点的位置，将其记为各移动设备检测点位置，调试第二摄像头，获取第二摄像头监控各移动设备检测点位置时第二摄像头镜头中心点的位置，进而获取第二摄像头在监控各移动设备检测点位置时第二摄像头镜头中心点在第二坐标系中的三维坐标，将其记为各移动设备检测点位置对应的摄像头监控坐标。
作为一种优选方案，所述步骤六的具体分析过程还包括：按照预设的原则设定第二摄像头中第一机臂旋转的正方向和第二机臂旋转的正方向，根据第二摄像头的初始坐标和各移动设备检测点位置对应的摄像头监控坐标，获取由第二摄像头的初始坐标分别移动到各移动设备检测点位置对应的摄像头监控坐标时第二摄像头中第一机臂按正方向旋转的角度和第二机臂按正方向旋转的角度，将其记为各移动设备检测点位置对应的第一机臂旋转角度和第二机臂旋转角度，根据各移动设备检测点位置对应的第一机臂旋转角度和第二机臂旋转角度，构建移动设备对应的摄像头偏转参数集合，将其记为
Figure BDA0004108057480000151
j表示第j个移动设备检测点的编号，j＝1,2,...,m，其中/>
Figure BDA0004108057480000152
表示第j个移动设备检测点位置对应的第一机臂旋转角度，/>
Figure BDA0004108057480000153
表示第j个移动设备检测点位置对应的第二机臂旋转角度，/>
Figure BDA0004108057480000154
表示第m个移动设备检测点位置对应的第一机臂旋转角度，/>
Figure BDA0004108057480000155
表示第m个移动设备检测点位置对应的第二机臂旋转角度，m表示移动设备检测点的总数量。
步骤七、第二摄像头执行端参数输入：将移动设备对应的摄像头偏转参数集合输入到第二摄像头的执行端。
步骤八、移动设备监测分析：通过第二摄像头对目标工厂车间设定区域内流水线上各移动设备依次进行追踪式监控，获取各移动设备在追踪周期内各采样时间点的图像，分析各移动设备是否存在故障，并进行相应处理。
作为一种优选方案，所述步骤八的具体过程为：按照移动设备放置在目标工厂车间设定区域内流水线上的先后顺序将各移动设备依次编号为1,2,...,u,...,v。
通过第二摄像头对目标工厂车间设定区域内流水线上各移动设备依次进行追踪式监控，获取各移动设备在追踪周期内各采样时间点的图像，提取数据库中存储的移动设备在流水线上运动的标准图像，将其记为移动设备参考图像，将各移动设备在追踪周期内各采样时间点的图像与移动设备参考图像进行比对，得到各移动设备在追踪周期内各采样时间点的图像与移动设备参考图像的相似度，将各移动设备在追踪周期内各采样时间点的图像与移动设备参考图像的相似度与预设的相似度阈值进行比较，若某移动设备在追踪周期内某采样时间点的图像与移动设备参考图像的相似度小于预设的相似度阈值，则该移动设备存在故障，将其记为故障移动设备，筛选出各故障移动设备，将各故障移动设备的编号发送至目标工厂车间监控后台。
需要说明的是，所述第二摄像头执行端设有复位指令，当执行完对某个移动设备的监控后，执行复位指令，第二摄像头恢复至初始位置，即第二摄像头中第一机臂和第二机臂均恢复至初始位置。
在本实施例中，本发明通过获取第一摄像头在监控各固定设备关键部位时第一摄像头镜头中心点在第一坐标系中的三维坐标，得到各固定设备对应的摄像头偏转参数，进而通过第一摄像头对多个固定设备进行巡检；获取追踪周期内各采样时间点第二摄像头监控目标工厂车间设定区域内流水线上移动设备时镜头中心点在第二坐标系中的三维坐标，得到移动设备对应的摄像头偏转参数集合，进而通过第二摄像头对多个移动设备进行追踪式检测，结合固定式仪器设备和移动式仪器设备的特点，对各固定设备和各移动设备分别进行一对多式巡检式监控和一对多式追踪式监控，大大节省资源，同时减少视频信息接收端的数据传输量，对视频信息接收端的包容性更强。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (8)

1.一种基于位置信息的视频智能分析方法，其特征在于，包括如下步骤：
步骤一、固定设备关键部位获取：获取目标工厂车间设定区域内各固定设备中需要监控的部位，将其记为各固定设备的关键部位；
步骤二、固定设备对应摄像头偏转参数获取：获取第一摄像头在监控各固定设备关键部位时第一摄像头镜头中心点在第一坐标系中的三维坐标，进而获取各固定设备对应的摄像头偏转参数，其中摄像头偏转参数包括第一机臂旋转角度和第二机臂旋转角度；
步骤三、固定设备巡检顺序获取：根据各固定设备对应的摄像头偏转参数，获取第一摄像头巡检各固定设备的顺序；
步骤四、第一摄像头执行端参数输入：将各固定设备对应的摄像头偏转参数和第一摄像头巡检各固定设备的顺序输入到第一摄像头的执行端；
步骤五、固定设备监测分析：获取监测时间段内第一摄像头各轮巡检中各固定设备的图像，分析各固定设备是否存在工作异常情况，若存在工作异常情况，则进行预警；
步骤六、移动设备对应摄像头偏转参数获取：获取追踪周期内各采样时间点第二摄像头监控目标工厂车间设定区域内流水线上移动设备时镜头中心点在第二坐标系中的三维坐标，进而获取移动设备对应的摄像头偏转参数集合，其中摄像头偏转参数包括第一机臂旋转角度和第二机臂旋转角度；
步骤七、第二摄像头执行端参数输入：将移动设备对应的摄像头偏转参数集合输入到第二摄像头的执行端；
步骤八、移动设备监测分析：通过第二摄像头对目标工厂车间设定区域内流水线上各移动设备依次进行追踪式监控，获取各移动设备在追踪周期内各采样时间点的图像，分析各移动设备是否存在故障，并进行相应处理。
2.根据权利要求1所述的一种基于位置信息的视频智能分析方法，其特征在于：所述步骤一的具体分析过程为：
通过第一摄像头获取目标工厂车间设定区域内各固定设备的图像，从数据库中提取各类型固定设备的标准图像，将各固定设备的图像分别与各类型固定设备的标准图像进行比对，得到各固定设备图像与各类型固定设备标准图像的相似度，将最大相似度对应的固定设备类型作为固定设备的类型，统计得到各固定设备的类型；
提取数据库中存储的各类型固定设备中需要监控的部位，根据各固定设备的类型，筛选得到各固定设备中需要监控的部位，将其记为各固定设备的关键部位。
3.根据权利要求1所述的一种基于位置信息的视频智能分析方法，其特征在于：所述步骤二的具体分析过程为：
按照设定的坐标系构建方法在第一摄像头所在区域构建三维坐标系，将其记为第一坐标系，设定第一摄像头的初始位置，获取第一摄像头在初始位置时第一摄像头镜头中心点在第一坐标系中的三维坐标，将其记为第一摄像头的初始坐标；
调试第一摄像头，获取第一摄像头监控各固定设备关键部位区域中心点时第一摄像头镜头中心点的位置，进而获取第一摄像头在监控各固定设备关键部位时第一摄像头镜头中心点在第一坐标系中的三维坐标，将其记为各固定设备对应的摄像头监控坐标；
按照预设的原则设定第一摄像头中第一机臂旋转的正方向和第二机臂旋转的正方向，根据第一摄像头的初始坐标和各固定设备对应的摄像头监控坐标，获取由第一摄像头的初始坐标分别移动到各固定设备对应的摄像头监控坐标时第一摄像头中第一机臂按正方向旋转的角度和第二机臂按正方向旋转的角度，将其分别记为各固定设备对应的第一机臂旋转角度和第二机臂旋转角度。
4.根据权利要求3所述的一种基于位置信息的视频智能分析方法，其特征在于：所述步骤三中获取第一摄像头巡检各固定设备的顺序，具体过程为：
将各固定设备对应的第一机臂旋转角度和第二机臂旋转角度代入公式
Figure FDA0004108057460000031
得到各固定设备的巡检优先级系数βi，i表示第i个固定设备的编号，i＝1,2,...,n，其中χ表示预设的固定设备的巡检优先级系数修正因子，e表示自然常数，Δθ表示预设的第一摄像头机臂旋转角度的阈值，/>
Figure FDA0004108057460000032
表示第i个固定设备对应的第一机臂旋转角度，/>
Figure FDA0004108057460000033
表示第i个固定设备对应的第二机臂旋转角度，i＝1,2,...,n，δ1、δ2分别表示预设的固定设备对应的第一机臂旋转角度和第二机臂旋转角度的权重因子；
将各固定设备按照巡检优先级系数从大到小的顺序进行排序，进而得到第一摄像头巡检各固定设备的顺序。
5.根据权利要求2所述的一种基于位置信息的视频智能分析方法，其特征在于：所述步骤五的具体分析过程为：
通过第一摄像头对各固定设备进行巡检，设定监测时间段的时长，获取监测时间段内第一摄像头各轮巡检中各固定设备的图像；
提取数据库中存储的各类型固定设备对应的各种故障图像，根据各固定设备的类型，筛选得到各固定设备对应的各种故障图像；
将监测时间段内第一摄像头各轮巡检中各固定设备的图像与其对应的各种故障图像分别进行比对，若监测时间段内第一摄像头某轮巡检中某固定设备的图像与其对应的某种故障图像相同，表明该固定设备工作异常，并将该固定设备记为异常固定设备，统计各异常固定设备的编号，将各异常固定设备的编号发送至目标工厂车间监控后台，并进行预警，若监测时间段内第一摄像头某轮巡检中某固定设备的图像与其对应的各种故障图像均不相同，表明该固定设备工作正常，将该固定设备记为标记固定设备，获取监测时间段内第一摄像头各轮巡检中各标记固定设备的图像，利用图像处理技术，提取监测时间段内第一摄像头各轮巡检中各标记固定设备图像对应的显示信息，构建各标记固定设备的显示信息集合，将其记为
Figure FDA0004108057460000041
i′表示第i′个标记固定设备的编号，i′＝1′,2′,...,n′，/>
Figure FDA0004108057460000042
表示监测时间段内第一摄像头第b轮巡检中第i′个标记固定设备图像对应的显示信息，/>
Figure FDA0004108057460000043
表示监测时间段内第一摄像头第c轮巡检中第i′个标记固定设备图像对应的显示信息，c表示监测时间段内第一摄像头巡检的总轮数，将各标记固定设备的显示信息集合发送至目标工厂车间监控后台。
6.根据权利要求1所述的一种基于位置信息的视频智能分析方法，其特征在于：所述步骤六的具体分析过程包括：
按照设定的坐标系构建方法在第二摄像头所在区域构建三维坐标系，将其记为第二坐标系，设定第二摄像头的初始位置，获取第二摄像头在初始位置时第二摄像头镜头中心点在第二坐标系中的三维坐标，将其记为第二摄像头的初始坐标；
设定追踪周期的时长，按照等时间间隔原则在追踪周期内设置各采样时间点，获取监控目标工厂车间设定区域内流水线上移动设备在追踪周期内各采样时间点的位置，将其记为各移动设备检测点位置，调试第二摄像头，获取第二摄像头监控各移动设备检测点位置时第二摄像头镜头中心点的位置，进而获取第二摄像头在监控各移动设备检测点位置时第二摄像头镜头中心点在第二坐标系中的三维坐标，将其记为各移动设备检测点位置对应的摄像头监控坐标。
7.根据权利要求6所述的一种基于位置信息的视频智能分析方法，其特征在于：所述步骤六的具体分析过程还包括：
按照预设的原则设定第二摄像头中第一机臂旋转的正方向和第二机臂旋转的正方向，根据第二摄像头的初始坐标和各移动设备检测点位置对应的摄像头监控坐标，获取由第二摄像头的初始坐标分别移动到各移动设备检测点位置对应的摄像头监控坐标时第二摄像头中第一机臂按正方向旋转的角度和第二机臂按正方向旋转的角度，将其记为各移动设备检测点位置对应的第一机臂旋转角度和第二机臂旋转角度，根据各移动设备检测点位置对应的第一机臂旋转角度和第二机臂旋转角度，构建移动设备对应的摄像头偏转参数集合，将其记为
Figure FDA0004108057460000061
j表示第j个移动设备检测点的编号，j＝1,2,...,m，其中/>
Figure FDA0004108057460000062
表示第j个移动设备检测点位置对应的第一机臂旋转角度，/>
Figure FDA0004108057460000063
表示第j个移动设备检测点位置对应的第二机臂旋转角度，/>
Figure FDA0004108057460000064
表示第m个移动设备检测点位置对应的第一机臂旋转角度，/>
Figure FDA0004108057460000065
表示第m个移动设备检测点位置对应的第二机臂旋转角度，m表示移动设备检测点的总数量。
8.根据权利要求1所述的一种基于位置信息的视频智能分析方法，其特征在于：所述步骤八的具体过程为：
按照移动设备放置在目标工厂车间设定区域内流水线上的先后顺序将各移动设备依次编号为1,2,...,u,...,v；
通过第二摄像头对目标工厂车间设定区域内流水线上各移动设备依次进行追踪式监控，获取各移动设备在追踪周期内各采样时间点的图像，提取数据库中存储的移动设备在流水线上运动的标准图像，将其记为移动设备参考图像，将各移动设备在追踪周期内各采样时间点的图像与移动设备参考图像进行比对，得到各移动设备在追踪周期内各采样时间点的图像与移动设备参考图像的相似度，将各移动设备在追踪周期内各采样时间点的图像与移动设备参考图像的相似度与预设的相似度阈值进行比较，若某移动设备在追踪周期内某采样时间点的图像与移动设备参考图像的相似度小于预设的相似度阈值，则该
移动设备存在故障，将其记为故障移动设备，筛选出各故障移动设备，
将各故障移动设备的编号发送至目标工厂车间监控后台。
CN202310198379.0A 2023-03-03 2023-03-03 一种基于位置信息的视频智能分析方法 Pending CN116193239A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310198379.0A CN116193239A (zh) 2023-03-03 2023-03-03 一种基于位置信息的视频智能分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310198379.0A CN116193239A (zh) 2023-03-03 2023-03-03 一种基于位置信息的视频智能分析方法

Publications (1)

Publication Number Publication Date
CN116193239A true CN116193239A (zh) 2023-05-30

Family

ID=86440310

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310198379.0A Pending CN116193239A (zh) 2023-03-03 2023-03-03 一种基于位置信息的视频智能分析方法

Country Status (1)

Country Link
CN (1) CN116193239A (zh)

Similar Documents

Publication Publication Date Title
US11449980B2 (en) System and method for combined automatic and manual inspection
CN109949305B (zh) 产品表面缺陷检测方法、装置及计算机设备
CN111144262A (zh) 一种基于监控视频的工序异常检测方法
CN108627794B (zh) 一种基于深度学习的智能化仪表检测方法
CN112115927A (zh) 一种基于深度学习的机房设备智能识别方法及系统
CN108957385B (zh) 一种电能计量设备自动化检定线异常表位确认方法及装置
CN115640860B (zh) 一种工业云服务的机电设备远程维护方法及系统
WO2020004749A1 (ko) 동영상 파일을 이용한 설비 학습 장치 및 방법
CN113723189B (zh) 一种基于单阶红外图像目标检测的电力设备故障智能诊断方法
KR20120015819A (ko) 비접촉식 구조물 변위 측정용 파라미터 데이터 생성 방법
CN110659201A (zh) 一种安全技术防范工程智能测试分析系统
CN100470578C (zh) 基于计算机视觉的科学仪器工作状态监测方法
CN115471625A (zh) 一种云机器人平台大数据智能决策方法和系统
CN114460519A (zh) 基于电力互感器检验的现场与终端融合管理系统和方法
CN115037603A (zh) 用电信息采集设备的诊断评估方法、装置及系统
CN114025148A (zh) 一种监测方法和监测系统
US9880550B2 (en) Updating of a recipe for evaluating a manufacturing stage of an electrical circuit
CN116193239A (zh) 一种基于位置信息的视频智能分析方法
CN211529214U (zh) 一种管线巡检装置
CN116664518A (zh) 消防通道门关门器异常检测方法、系统及电子设备
CN112153341B (zh) 一种任务监督方法、装置、系统、电子设备及存储介质
JP2000077495A (ja) 検査システム及びそれを用いた電子デバイスの製造方法
CN117499621B (zh) 视频采集设备的检测方法、装置、设备及介质
CN111145674A (zh) 显示面板的检测方法、电子设备和存储介质
JP2021002140A5 (zh)

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