CN116229505A - 安全帽佩戴检测方法、装置、电子装置和存储介质 - Google Patents
安全帽佩戴检测方法、装置、电子装置和存储介质 Download PDFInfo
- Publication number
- CN116229505A CN116229505A CN202211736723.9A CN202211736723A CN116229505A CN 116229505 A CN116229505 A CN 116229505A CN 202211736723 A CN202211736723 A CN 202211736723A CN 116229505 A CN116229505 A CN 116229505A
- Authority
- CN
- China
- Prior art keywords
- skull
- safety helmet
- skull model
- detected
- wearing
- 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
Links
Images
Classifications
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Helmets And Other Head Coverings (AREA)
Abstract
本申请涉及一种安全帽佩戴检测方法、装置、电子装置和存储介质,其中,该安全帽佩戴检测方法包括:获取待检测人员的头骨特征信息;根据头骨特征信息生成待检测头骨模型;根据待检测头骨模型以及预设头骨模型,确定安全帽的佩戴检测结果,其中,预设头骨模型为安全帽所属人员的头骨模型。通过本申请,解决了现有技术中安全帽佩戴检测结果的准确度低的问题,提高了安全帽佩戴检测结果的准确度。
Description
技术领域
本申请涉及安全管理技术技术领域,特别是涉及一种安全帽佩戴检测方法、装置、电子装置和存储介质。
背景技术
安全性是工程发展中很重要的一部分,在工地生产中高空掉落物体的非安全作业区域,如果工人未配带安全帽,不仅会遭受人员伤亡和财产损失,正常的作业秩序亦无法维持,因此,对施工现场人员的安全帽的佩戴检测是十分重要的。
现有的安全帽佩戴的检测方法,一般通过对特定训练样本进行训练,获得模型后,通过工地的摄像头采集图像,再通过训练好的模型对图像中目标对象的外形轮廓进行检测,从而确定目标对象是否佩戴安全帽,这种检测方式在监控盲区无法检测到工作人员是否戴安全帽,而且由于工地的环境特性,易受光线,相机高度、角度等环境因素的制约,导致图像中的外形轮廓信息出现误差,从而导致安全帽佩戴检测结果准确度不高。
针对相关技术中存在安全帽佩戴检测结果的准确度低的问题,目前还没有提出有效的解决方案。
发明内容
在本实施例中提供了一种安全帽佩戴检测方法、装置、电子装置和存储介质,以解决相关技术中安全帽佩戴的检测结果的准确度低的问题。
第一个方面,在本实施例中提供了一种安全帽佩戴检测方法,所述方法应用于设置在安全帽中的安全帽佩戴检测装置中,所述方法包括:
获取待检测人员的头骨特征信息;
根据所述头骨特征信息生成待检测头骨模型;
根据所述待检测头骨模型以及预设头骨模型,确定所述安全帽的佩戴检测结果,其中,所述预设头骨模型为所述安全帽所属人员的头骨模型。
在其中的一些实施例中,所述获取待检测人员的头骨特征信息,包括:
接收平台服务器发送的采集开始指令;
根据所述采集开始指令每隔预设时间采集头骨特征信息;
将当前采集到的头骨特征信息确定为所述待检测人员的头骨特征信息。
在其中的一些实施例中,所述根据所述待检测头骨模型以及预设头骨模型,确定所述安全帽的佩戴检测结果,包括:
确定所述待检测头骨模型与所述预设头骨模型的相似度;
根据所述相似度以及所述相似度阈值,确定所述安全帽的佩戴检测结果。
在其中的一些实施例中,所述确定所述待检测头骨模型与所述预设头骨模型的相似度,包括:
确定所述待检测头骨模型的待检测特征点数量,以及所述预设头骨模型的预设特征点数量;
根据所述待检测特征点数量以及所述预设特征点数量确定所述相似度。
在其中的一些实施例中,所述根据所述相似度以及所述相似度阈值,确定所述安全帽的佩戴检测结果,包括:
若所述相似度小于所述相似度阈值,则所述安全帽的佩戴检测结果为安全帽佩戴出错;
若所述相似度大于或等于所述相似度阈值,则所述安全帽的佩戴检测结果为安全帽佩戴正确。
在其中的一些实施例中,所述预设头骨模型与目标人员的身份信息绑定,在所述根据所述待检测头骨模型以及预设头骨模型,确定所述安全帽的佩戴检测结果之后,还包括:
根据所述身份信息确定所述目标人员的安全帽佩戴检测结果。
在其中的一些实施例中,在所述根据所述待检测头骨模型以及预设头骨模型,确定所述安全帽的佩戴检测结果之后,还包括:
将所述安全帽的佩戴检测结果反馈至平台服务器,以使所述平台服务器根据所述安全帽的佩戴检测结果进行记录。
第二个方面,在本实施例中提供了一种安全帽佩戴检测装置,所述安全帽佩戴检测装置设置在安全帽中,所述安全帽佩戴检测装置包括:
获取模块,用于获取待检测人员的头骨特征信息;
生成模块,用于根据所述头骨特征信息生成待检测头骨模型;
确定模块,用于根据所述待检测头骨模型以及预设头骨模型,确定所述安全帽的佩戴检测结果,其中,所述预设头骨模型为所述安全帽所属人员的头骨模型。
第三个方面,在本实施例中提供了一种电子装置,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一个方面所述的安全帽佩戴检测方法。
第四个方面,在本实施例中提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述第一个方面所述的安全帽佩戴检测方法。
与相关技术相比,在本实施例中提供的一种安全帽佩戴检测方法,通过待检测人员的头骨特征信息生成待检测头骨模型,进一步地,根据待检测头骨模型以及预设头骨模型确定安全帽的佩戴检测结果,从而通过人员的头骨模型对安全帽的佩戴进行检测,而无需通过采集图像的方式进行安全帽佩戴检测,进而能够有效避免由于图像中外形轮廓信息的误差导致安全帽佩戴检测结果的准确度低的问题,从而提高了安全帽佩戴检测结果的准确度。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本申请实施例提供的一种安全帽佩戴检测方法的使用场景图;
图2是本申请实施例提供的一种安全帽佩戴检测方法的流程图;
图3是本申请实施例提供的一种安全帽佩戴检测系统的结构示意图;
图4是本申请实施例提供的一种安全帽佩戴检测方法的实施例流程图;
图5是本申请实施例提供的一种安全帽佩戴检测装置的结构框图;
图6是本申请实施例提供的一种计算机设备内部结构示意图。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点,下面结合附图和实施例,对本申请进行了描述和说明。
除另作定义外,本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制,它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体,其目的是涵盖不排他的包含;例如,包含一系列步骤或模块(单元)的过程、方法和系统、产品或设备并未限定于列出的步骤或模块(单元),而可包括未列出的步骤或模块(单元),或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接,而可以包括电气连接,无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。通常情况下,字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等,只是对相似对象进行区分,并不代表针对对象的特定排序。
本申请实施例提供的安全帽佩戴检测方法,可以应用于如图1所示的应用环境中,图1是本申请实施例提供的一种安全帽佩戴检测方法的使用场景图。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104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。
安全性是工程发展中很重要的一部分,在工地生产中高空掉落物体的非安全作业区域,如果工人未配带安全帽,不仅会遭受人员伤亡和财产损失,正常的作业秩序亦无法维持。在施工现场中,有些人员出于侥幸心理,认为安全帽戴着麻烦又不舒服,事故不会发生在自己身上,因此不带安全帽进入工地已经成为一种习惯。因此,对施工现场人员的安全帽的佩戴检测是十分重要的。
现有的安全帽佩戴的检测方法,一般通过对特定训练样本进行训练,获得模型后,通过工地的摄像头采集图像,再通过训练好的模型对图像中目标对象的外形轮廓进行检测,从而确定目标对象是否佩戴安全帽,这种检测方式在监控盲区无法检测到工作人员是否戴安全帽,而且由于工地的环境特性,易受光线,相机高度、角度等环境因素的制约,导致图像中的外形轮廓信息出现误差,另外,换班人员在下班后经过视频监控时,如果没有佩戴安全帽也会产生错误报警,最终导致安全帽佩戴检测结果准确度不高。
因此,如何提高安全帽佩戴检测结果的准确度,是一个需要解决的问题。
在本实施例中提供了一种安全帽佩戴检测方法,图2是本申请实施例提供的一种安全帽佩戴检测方法的流程图,该方法应用于设置在安全帽中的安全帽佩戴检测装置中,该方法的执行主体可以是电子装置,可选的,电子装置可以是服务器,也可以是终端设备,但本申请不限于此。具体的,如图2所示,该流程包括如下步骤:
步骤S201,获取待检测人员的头骨特征信息。
示例性地,将安全帽佩戴检测装置设置在安全帽中,进一步地,当有人员佩戴该安全帽时,获取该人员的头骨特征信息,该人员即为待检测人员,具体的,头骨特征信息可以包括头骨特征点的坐标信息。
步骤S202,根据头骨特征信息生成待检测头骨模型。
进一步地,根据头骨特征信息生成待检测头骨模型,具体的,可以通过3D建模的方式,根据头骨特征点的坐标信息生成待检测人员的头骨模型,即待检测头骨模型。
步骤S203,根据待检测头骨模型以及预设头骨模型,确定安全帽的佩戴检测结果。
其中,预设头骨模型为安全帽所属人员的头骨模型。
进一步地,将待检测头骨模型与预设头骨模型进行对比,得到安全帽的佩戴检测结果。具体的,预设头骨模型可以为安全帽所属人员的头骨模型,安全帽与人员一一对应,即,每一人员只能佩戴自己所属的安全帽,若人员佩戴了不属于自己的安全帽,则表示安全帽佩戴错误。
在上述实现过程中,通过待检测人员的头骨特征信息生成待检测头骨模型,进一步地,根据待检测头骨模型以及预设头骨模型确定安全帽的佩戴检测结果,从而通过人员的头骨模型对安全帽的佩戴进行检测,而无需通过采集图像的方式进行安全帽佩戴检测,进而能够有效避免由于图像中外形轮廓信息的误差导致安全帽佩戴检测结果的准确度低的问题,并且,通过该方式能够检测出每一个安全帽是否被其他人员佩戴,提高了安全帽佩戴检测的准确度。
在其中的一些实施例中,获取待检测人员的头骨特征信息,可以包括以下步骤:
步骤1:接收平台服务器发送的采集开始指令。
步骤2:根据采集开始指令每隔预设时间采集头骨特征信息。
步骤3:将当前采集到的头骨特征信息确定为待检测人员的头骨特征信息。
示例性地,当工作时间开始时,平台服务器向安全帽中的电子装置发送采集开始指令,进一步地,安全帽中的电子装置根据该采集开始指令每隔预设时间采集待检测人员的头骨特征信息,具体的,为了防止人员中途摘下安全帽,可以每隔预设时间采集一次头骨特征信息,并将当前采集到的头骨特征信息确定为待检测人员的头骨特征信息。
需要说明的是,预设时间可以是1分钟、2分钟、3分钟或者其他时间,该预设时间可以根据实际需要进行设定,在此不做限制。
进一步地,在根据待检测头骨模型以及预设头骨模型,确定安全帽的佩戴检测结果之后,还可以包括:接收平台服务器发送的结束指令,并根据接束指令停止进行安全帽佩戴检测,从而确保在工作时间才进行安全帽的佩戴检测,非工作时间则结束安全帽的佩戴检测。
若接收到采集开始指令后,无法采集到待检测人员的头骨特征信息,则表示该安全帽当前无人佩戴,即该安全帽的所属人员也未佩戴该安全帽,从而表示该安全帽的佩戴检测结果出错。
在上述实现过程中,根据平台服务器的采集开始指令进行头骨特征信息的采集,能够实现只在工作时间段进行头骨特征信息的采集与检测,避免由于非工作时间导致的检测出错,提高了安全帽佩戴检测结果的准确度,并且,每隔预设时间进行一次安全帽佩戴检测,能够有效避免人员中途摘下安全帽。
在其中的一些实施例中,根据待检测头骨模型以及预设头骨模型,确定安全帽的佩戴检测结果,可以包括以下步骤:
步骤1:确定待检测头骨模型与预设头骨模型的相似度。
步骤2:根据相似度以及相似度阈值,确定安全帽的佩戴检测结果。
示例性地,可以通过神经网络的检测方式确定待检测头骨模型与预设头骨模型的相似度,也可以通过欧几里得距离来确定待检测头骨模型与预设头骨模型的相似度,也可以通过待检测头骨模型与预设头骨模型的体积差来确定待检测头骨模型与预设头骨模型的相似度。
进一步地,根据待检测头骨模型与预设头骨模型的相似度,以及相似度阈值,确定安全帽的佩戴检测结果。
在上述实现过程中,通过待检测头骨模型与预设头骨模型的相似度,以及相似度阈值,确定安全帽的佩戴检测结果,能够有效地根据待检测头骨模型与预设头骨模型的匹配程度确定人员是否佩戴错安全帽,从而提高了安全帽的佩戴检测结果的准度。
在其中的一些实施例中,确定待检测头骨模型与预设头骨模型的相似度,可以包括以下步骤:
步骤1:确定待检测头骨模型的待检测特征点数量,以及预设头骨模型的预设特征点数量。
步骤2:根据待检测特征点数量以及预设特征点数量确定相似度。
示例性地,确定待检测头骨模型的待检测特征点数量,以及预设头骨模型的预设特征点数量,进一步地,根据待检测特征点数量以及预设特征点数量确定相似度。
作为其中一个实施例,根据待检测特征点数量以及预设特征点数量之比确定待检测头骨模型与预设头骨模型的相似度。
作为另一个实施例,确定待检测特征点数量与预设特征点数量之和,得到数量之和,进一步地,根据待检测特征点数量与数量之和的比值,确定待检测头骨模型与预设头骨模型的相似度。
需要说明的是,本申请实施例仅以上述两种方式确定待检测头骨模型与预设头骨模型的相似度为例进行说明,在实际应用中,也可以通过其他方式确定待检测头骨模型与预设头骨模型的相似度,在此不做限制。
在上述实现过程中,根据待检测特征点数量以及预设特征点数量确定待检测头骨模型与预设头骨模型的相似度,能够有效地简化相似度的确定过程,提高安全帽佩戴检测的效率。
在其中的一些实施例中,根据相似度以及相似度阈值,确定安全帽的佩戴检测结果,包括:
若相似度小于相似度阈值,则安全帽的佩戴检测结果为安全帽佩戴出错。
若相似度大于或等于相似度阈值,则安全帽的佩戴检测结果为安全帽佩戴正确。
示例性地,若待检测头骨模型与预设头骨模型的相似度小于相似度阈值,则表示当前的待检测人员,并不是安全帽所属的人员,从而表示当前的人员带错了安全帽,此时,安全帽的佩戴检测结果为安全帽佩戴出错。
若待检测头骨模型与预设头骨模型的相似度大于或等于相似度阈值,则表示当前的人员佩戴的是自己的安全帽,此时,安全帽的佩戴检测结果为安全帽佩戴正确。
在上述实现过程中,当相似度大于或等于相似度阈值时,表明当前的头骨模型与预设头骨模型相匹配,即人员正确佩戴安全帽,当相似度小于相似度阈值时,表明当前的头骨模型与预设头骨模型不匹配,即人员未正确佩戴安全帽,即当前人员未佩戴自己的安全帽。
在其中的一些实施例中,预设头骨模型与目标人员的身份信息绑定,在根据待检测头骨模型以及预设头骨模型,确定安全帽的佩戴检测结果之后,还包括:根据身份信息确定目标人员的安全帽佩戴检测结果。
示例性地,预设头骨模型与目标人员的身份信息绑定,该目标人员即为该安全帽所属的人员,当识别出该安全帽的佩戴结果后,还可以确定出目标人员是否正确佩戴安全帽,若安全帽的佩戴检测结果为安全帽佩戴正确,则可确定出目标人员的正确佩戴安全帽,若安全帽的佩戴检测结果为安全帽佩戴出错,则表明当前未佩戴安全帽的人员不是目标人员,即目标人员未正确佩戴自己安全帽。
在上述实现过程中,将预设头骨模型与目标人员的身份信息进行绑定,从而使安全帽的佩戴检测结果能够精确到具体的人员,从而提高了安全帽的佩戴检测结果的精度。
在其中的一些实施例中,在根据待检测头骨模型以及预设头骨模型,确定安全帽的佩戴检测结果之后,还包括:将安全帽的佩戴检测结果反馈至平台服务器,以使平台服务器根据安全帽的佩戴检测结果进行记录。
示例性地,当电子装置确定安全帽的佩戴检测结果之后,还可以将确定出的安全帽的佩戴检测结果反馈至平台服务器,进一步地,平台服务器可以根据确定出的安全帽的佩戴检测结果进行提醒并记录。
具体的,平台服务器可以接收到所有安全帽的佩戴检测结果,并进行记录,当某个安全帽的佩戴检测结果出错,则平台服务器还可以对该安全帽所属的人员进行提醒。
在上述实现过程中,当确定安全帽的佩戴检测结果之后,还可以将确定出的安全帽的佩戴检测结果反馈至平台服务器,从而使平台服务器对安全帽的佩戴检测结果进行统一管理。
图3是本申请实施例提供的一种安全帽佩戴检测系统的结构示意图,如图3所示,该安全帽佩戴检测系统包括:头骨模型采集单元A、平台服务器、安全帽佩戴检测设备以及电源,该安全帽佩戴检测设备设置在安全帽中,该安全帽佩戴检测设备包括通信器以及头骨感应模块,头骨模型采集单元A与平台服务器连接,平台服务器与通信器连接,通信器与头骨感应模块连接,通信器包括信号接收器和信号发射器,头骨感应模块包括头骨模型存储单元、头骨模型采集单元B以及模型对比单元,模型对比单元分别与头骨模型存储单元以及头骨模型采集单元B连接,电源与安全帽佩戴检测设备连接为安全帽佩戴检测设备供电。
头骨模型采集单元A,用于扫描采集员工头骨模型;平台服务器,用于按照工作排班时间下发指令,以及下发用于比对的头骨模型;通信器用于接收平台服务器的指令和头骨模型,发送安全帽佩戴检测结果给平台服务器。头骨感应模块包括头骨模型存储单元,头骨模型存储单元用于存储平台服务器下发的头骨模型,包含头骨模型采集单元B,用于采集佩戴人员头骨模型样本,模型比对单元,用于对比头骨模型采集单元B采集的头骨模型样本与头骨模型存储单元存储的头骨模型。
上述安全帽佩戴检测系统可以通过图4所示的安全帽佩戴检测方法进行安全帽佩戴检测。图4是本申请实施例提供的一种安全帽佩戴检测方法的实施例流程图,如图4所示,该流程图包括:
步骤S401:头骨模型采集单元A采集目标人员的头骨特征,得到头骨模型a,并将头骨模型a发送至平台服务器。
具体的,头骨模型采集单元A预先采集目标人员的头骨特征,并根据目标人员的头骨特征生产头骨模型a,进一步地,头骨模型采集单元A将头骨模型a发送至平台服务器。
步骤S402:平台服务器将头骨模型a与目标人员的身份信息进行绑定,并通过通信器将绑定后的头骨模型a发送至头骨模型存储单元。
具体的,平台服务器将头骨模型a与目标人员的身份信息进行绑定,并将绑定后的头骨模型a下发给信号接收器,信号接收器将头骨模型a传输至头骨模型存储单元,从而使头骨模型存储单元存储头骨模型a。
步骤S403:当工作时间开始时,平台服务器通过通信器将采集开始指令发送至头骨模型采集单元B。
进一步地,当工作时间开始时,平台服务器发送采集开始指令给信号接收器,信号接收器将采集开始指令发送给头骨模型采集单元B。
步骤S404:头骨模型采集单元B根据采集开始指令每隔预设时间采集一次佩戴安全帽人员的头骨特征,得到头骨模型b,并将头骨模型b发送至模型比对单元。
进一步地,头骨模型采集单元B根据采集开始指令每隔预设时间采集一次佩戴安全帽人员的头骨特征,并生成头骨模型b,进一步地,头骨模型采集单元B将头骨模型b发送至模型比对单元。
步骤S405:模型比对单元将头骨模型a和头骨模型b进行对比,得到检测结果。
进一步地,模型比对单元从头骨模型存储单元中获取头骨模型a,并将头骨模型a和头骨模型b进行对比,得到头骨模型a和头骨模型b的相似度。
进一步地,当相似度小于相似度阈值时,得到安全帽佩戴出错的检测结果,当相似度大于或等于相似度阈值时,得到安全帽佩戴正确的检测结果。
步骤S406:模型比对单元将检测结果通过通信器发送至平台服务器。
步骤S407:平台服务器记录检测结果,并在工作时间结束时,通过通信器向头骨感应模块发送结束指令。
进一步地,模型比对单元将确定的检测结果通过信号发射器发送至平台服务器,平台服务器能够确定出目标人员是否正确佩戴安全帽,并对检测结果进行记录。
进一步地,当工作时间结束时,平台服务器将结束指令发送至信号接收器,信号接收器将结束指令发送给安全帽头骨感应模块,从而使头骨感应模块关闭工作。
在上述实现过程中,通过检测人员头骨特征信息的方式确定待检测头骨模型,进一步地,将待检测头骨模型与预设头骨模型进行对比,从而确定出安全帽的佩戴检测结果,无需通过训练好的神经网络模型得到安全帽的佩戴检测结果,从而也无需大量的训练样本得到神经网络模型,减少人力成本和操作难度,与视频监控解耦,保证在工作期间可以全过程无死角对员工佩戴安全帽行为进行监督,员工在工作时间结束后也不会产生误报。
需要说明的是,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。
在本实施例中还提供了一种内窥镜光源亮度调节装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。以下所使用的术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图5是本申请实施例提供的一种安全帽佩戴检测装置的结构框图,该装置设置在安全帽中,如图5所示,该装置包括:
获取模块501,用于获取待检测人员的头骨特征信息;
生成模块502,用于根据头骨特征信息生成待检测头骨模型;
确定模块503,用于根据待检测头骨模型以及预设头骨模型,确定安全帽的佩戴检测结果,其中,预设头骨模型为安全帽所属人员的头骨模型。
在其中的一些实施例中,获取模块501具体用于:
接收平台服务器发送的采集开始指令;
根据采集开始指令每隔预设时间采集头骨特征信息;
将当前采集到的头骨特征信息确定为待检测人员的头骨特征信息。
在其中的一些实施例中,确定模块503具体用于:
确定待检测头骨模型与预设头骨模型的相似度;
根据相似度以及相似度阈值,确定安全帽的佩戴检测结果。
在其中的一些实施例中,确定模块503具体用于:
确定待检测头骨模型的待检测特征点数量,以及预设头骨模型的预设特征点数量;
根据待检测特征点数量以及预设特征点数量确定相似度。
在其中的一些实施例中,确定模块503具体用于:
若相似度小于相似度阈值,则安全帽的佩戴检测结果为安全帽佩戴出错;
若相似度大于或等于相似度阈值,则安全帽的佩戴检测结果为安全帽佩戴正确。
在其中的一些实施例中,预设头骨模型与目标人员的身份信息绑定,确定模块503还用于:
根据身份信息确定目标人员的安全帽佩戴检测结果。
在其中的一些实施例中,确定模块503还用于:
将安全帽的佩戴检测结果反馈至平台服务器,以使平台服务器根据安全帽的佩戴检测结果进行记录。
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服务器,其内部结构图可以如图6所示,图6是本申请实施例提供的一种计算机设备内部结构示意图。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。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。该计算机设备的数据库用于存储内窥镜光源亮度调节数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种安全帽佩戴检测方法。
本领域技术人员可以理解,图6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,还提供了一种电子装置,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各方法实施例中的步骤。
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,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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专利保护范围的限制。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)
1.一种安全帽佩戴检测方法,其特征在于,所述方法应用于设置在安全帽中的安全帽佩戴检测装置中,所述方法包括:
获取待检测人员的头骨特征信息;
根据所述头骨特征信息生成待检测头骨模型;
根据所述待检测头骨模型以及预设头骨模型,确定所述安全帽的佩戴检测结果,其中,所述预设头骨模型为所述安全帽所属人员的头骨模型。
2.根据权利要求1所述的安全帽佩戴检测方法,其特征在于,所述获取待检测人员的头骨特征信息,包括:
接收平台服务器发送的采集开始指令;
根据所述采集开始指令每隔预设时间采集头骨特征信息;
将当前采集到的头骨特征信息确定为所述待检测人员的头骨特征信息。
3.根据权利要求1所述的安全帽佩戴检测方法,其特征在于,所述根据所述待检测头骨模型以及预设头骨模型,确定所述安全帽的佩戴检测结果,包括:
确定所述待检测头骨模型与所述预设头骨模型的相似度;
根据所述相似度以及所述相似度阈值,确定所述安全帽的佩戴检测结果。
4.根据权利要求3所述的安全帽佩戴检测方法,其特征在于,所述确定所述待检测头骨模型与所述预设头骨模型的相似度,包括:
确定所述待检测头骨模型的待检测特征点数量,以及所述预设头骨模型的预设特征点数量;
根据所述待检测特征点数量以及所述预设特征点数量确定所述相似度。
5.根据权利要求3所述的安全帽佩戴检测方法,其特征在于,所述根据所述相似度以及所述相似度阈值,确定所述安全帽的佩戴检测结果,包括:
若所述相似度小于所述相似度阈值,则所述安全帽的佩戴检测结果为安全帽佩戴出错;
若所述相似度大于或等于所述相似度阈值,则所述安全帽的佩戴检测结果为安全帽佩戴正确。
6.根据权利要求1所述的安全帽佩戴检测方法,其特征在于,所述预设头骨模型与目标人员的身份信息绑定,在所述根据所述待检测头骨模型以及预设头骨模型,确定所述安全帽的佩戴检测结果之后,还包括:
根据所述身份信息确定所述目标人员的安全帽佩戴检测结果。
7.根据权利要求1所述的安全帽佩戴检测方法,其特征在于,在所述根据所述待检测头骨模型以及预设头骨模型,确定所述安全帽的佩戴检测结果之后,还包括:
将所述安全帽的佩戴检测结果反馈至平台服务器,以使所述平台服务器根据所述安全帽的佩戴检测结果进行记录。
8.一种安全帽佩戴检测装置,其特征在于,所述安全帽佩戴检测装置设置在安全帽中,所述安全帽佩戴检测装置包括:
获取模块,用于获取待检测人员的头骨特征信息;
生成模块,用于根据所述头骨特征信息生成待检测头骨模型;
确定模块,用于根据所述待检测头骨模型以及预设头骨模型,确定所述安全帽的佩戴检测结果,其中,所述预设头骨模型为所述安全帽所属人员的头骨模型。
9.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的安全帽佩戴检测方法。
10.一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8中任一项所述的安全帽佩戴检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211736723.9A CN116229505A (zh) | 2022-12-31 | 2022-12-31 | 安全帽佩戴检测方法、装置、电子装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211736723.9A CN116229505A (zh) | 2022-12-31 | 2022-12-31 | 安全帽佩戴检测方法、装置、电子装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116229505A true CN116229505A (zh) | 2023-06-06 |
Family
ID=86574135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211736723.9A Pending CN116229505A (zh) | 2022-12-31 | 2022-12-31 | 安全帽佩戴检测方法、装置、电子装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116229505A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116758490A (zh) * | 2023-08-17 | 2023-09-15 | 中通信息服务有限公司 | 基于ai算法的施工现场安全帽佩戴检测与预警方法及系统 |
-
2022
- 2022-12-31 CN CN202211736723.9A patent/CN116229505A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116758490A (zh) * | 2023-08-17 | 2023-09-15 | 中通信息服务有限公司 | 基于ai算法的施工现场安全帽佩戴检测与预警方法及系统 |
CN116758490B (zh) * | 2023-08-17 | 2023-12-19 | 中通信息服务有限公司 | 基于ai算法的施工现场安全帽佩戴检测与预警方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105556506B (zh) | 用于捕获和生成用户体验的装置和方法 | |
US10573346B2 (en) | Case video log data generating apparatus, case video processing system, and case video log data generating method | |
US20150278604A1 (en) | Systems, Devices And Methods For Person And Object Tracking And Data Exchange | |
CN110262947A (zh) | 阈值告警方法、装置、计算机设备及存储介质 | |
WO2021155678A1 (zh) | 标签标注方法、装置、设备及可读存储介质 | |
CN109815829A (zh) | 一种确定路人轨迹的方法及装置 | |
RU2014153051A (ru) | Система идентификации интерфейса пациента | |
TWI798815B (zh) | 目標重識別方法、裝置及電腦可讀存儲介質 | |
CN111724496A (zh) | 一种考勤方法、考勤装置及计算机可读存储介质 | |
CN116229505A (zh) | 安全帽佩戴检测方法、装置、电子装置和存储介质 | |
CN113762106B (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
CN110189111A (zh) | 考勤方法及装置 | |
US20210264374A1 (en) | Time monitoring system | |
CN110598474A (zh) | 基于区块链的数据获取方法、系统、装置及存储介质 | |
CN114494153A (zh) | 物品存放检测方法、装置、计算机设备和存储介质 | |
CN110263830B (zh) | 图像处理方法、装置和系统及存储介质 | |
US10771746B2 (en) | System and method for synchronizing camera footage from a plurality of cameras in canvassing a scene | |
CN110175522A (zh) | 考勤方法、系统及相关产品 | |
CN113422834A (zh) | 问卷调研方法、装置、计算机设备和存储介质 | |
CN111627126B (zh) | 考勤防作弊方法及装置、存储介质、终端 | |
CN109102680B (zh) | 设备报警方法及装置 | |
JP2014042170A (ja) | 撮影システム、撮影支援方法、撮影装置及びその制御方法、管理装置及びその制御方法、並びにプログラム | |
CN114708941A (zh) | 一种基于健康数据的管理方法及设备 | |
CN111241139B (zh) | 数据统计方法、装置、计算机设备和存储介质 | |
CN113850196A (zh) | 基于人工智能的会议监测、装置、设备及存储介质 |
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 |