CN116311073A - 一种智能安防系统及运行方法 - Google Patents

一种智能安防系统及运行方法 Download PDF

Info

Publication number
CN116311073A
CN116311073A CN202310331310.0A CN202310331310A CN116311073A CN 116311073 A CN116311073 A CN 116311073A CN 202310331310 A CN202310331310 A CN 202310331310A CN 116311073 A CN116311073 A CN 116311073A
Authority
CN
China
Prior art keywords
image
data
image set
images
auxiliary
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
CN202310331310.0A
Other languages
English (en)
Inventor
赵翠玉
黄金林
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.)
Jiangsu Urban and Rural Construction College
Original Assignee
Jiangsu Urban and Rural Construction College
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 Jiangsu Urban and Rural Construction College filed Critical Jiangsu Urban and Rural Construction College
Priority to CN202310331310.0A priority Critical patent/CN116311073A/zh
Publication of CN116311073A publication Critical patent/CN116311073A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B3/00—Audible signalling systems; Audible personal calling systems
    • G08B3/10—Audible signalling systems; Audible personal calling systems using electric transmission; using electromagnetic transmission

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种智能安防系统及运行方法，属于智能安防技术领域。包括：服务器接收来自采集设备采集的第一数据并生成第一图像集，对第一图像集进行预处理，得到第二数据；根据进行行为预警判断，产生第三数据，并与预设阈值比对，进行行为预警判断；将第三数据输出。在本发明的技术方案实施时，通过接收第一数据并生成第一图像集，对第一图像集进行预处理，其中预处理包括对第一图像集中的图像像素点二值化处理，并通过修正因子修正二值化图像，减少不同的采集设备所采集到的图像之间的差异，并对第二数据进行行为预警判断，判断机械设备与工作人员之间的距离，根据预设阈值进行比对判断，实现在工作人员操作机械设备的的过程中进行安全防护。

Description

一种智能安防系统及运行方法
技术领域
本申请涉及智能安防技术领域，具体为一种智能安防系统及运行方法。
背景技术
随着经济的发展，企业生产过程中的机械化程度越来越高，更多的企业选择使用机械来完成生产，但是受到成本、技术等方面的限制，目前尚未实现完全机械化，更多的企业选择机械加人工的方式进行生产。
目前的机械设备很多，常见的设备有起重机械、装卸机械等，这些机械设备在进行使用时需要对员工进行安全培训，防止因操作不当给员工造成伤害，但是机械设备伤人事件仍然经常发生，给员工、企业带来了不少的损失和危害，除了需要对员工进行培训外，还需要设立合适的安防系统，在车间出现危险情况时及时发出报警，例如公开号为CN113920544A的中国发明专利公开了一种用于冲压车间的安全管理系统、方法及电子设备，该专利的技术方案中通过使用双目相机对车间的安全门进行监控，在车间设备运行时，发现有人员进入即发出报警。
该方法虽然在一定程度上可以保证车间安全，但是在实施过程中只能对车间内有无工作人员进行检测，在一些需要工作人员与机械设备进行联动的生产场景中无法适用，在这种场景下，工作人员的安全无法使用该方法得到保障。
所以有必要提出一种可在工作人员与机械设备联动过程中进行检测的智能安防系统及运行方法来解决上述问题。
需要说明的是，本背景技术部分中公开的以上信息仅用于理解本发明构思的背景技术，并且因此，它可以包含不构成现有技术的信息。
发明内容
基于现有技术中存在的上述问题，本发明所要解决的问题是：提供一种智能安防系统及运行方法，达到可在工作人员与机械设备联动过程中进行检测的效果。
本申请解决其技术问题所采用的技术方案是：一种智能安防系统的运行方法，包括：
服务器接收来自采集设备采集的第一数据并生成第一图像集，该第一数据为机械设备与工作人员的实时图像，所述采集设备包括基准采集设备和辅助采集设备；
对所述第一图像集进行预处理，得到第二数据，其中预处理包括对所述第一图像集中的图像进行像素点二值化处理，并通过修正因子对二值化图像进行修正，以减少不同的采集设备所采集到的图像之间的差异；
根据所述进行行为预警判断，产生第三数据，通过最短像素点对比法判断机械设备与工作人员之间的距离，并与预设阈值比对，进行行为预警判断；
将所述第三数据输出，以对工作人员进行语音提醒。
在本发明的技术方案实施时，通过接收来自采集设备采集的第一数据并生成第一图像集，并对该第一图像集进行预处理，其中预处理包括对第一图像集中的图像进行像素点二值化处理，并通过修正因子对二值化图像进行修正，以减少不同的采集设备所采集到的图像之间的差异，并对第二数据进行行为预警判断，判断机械设备与工作人员之间的距离，根据预设阈值进行比对判断，实现在工作人员操作机械设备的的过程中进行安全防护。
进一步的，所述第一图像集进行预处理的方法包括：
服务器接收到第一图像集后，对第一图像集中的单个图像进行二值化处理，得到第一图像集中单个图像的孤立二值化图像；
统一坐标系，将孤立二值化图像放入统一的坐标系中，形成以像素点为基准的像素坐标系；
选取基准采集设备采集的基准数据所对应的基准二值化图像作为基准图像，并计算其在像素坐标系中的像素点分布系数；
将所述像素点分布系数与辅助采集设备采集的辅助数据的辅助二值化图像进行比对，得到辅助二值化的修正因子。
进一步的，所述像素点分布系数的计算方法包括：
选择基准二值化图像，与辅助采集设备采集的辅助数据的辅助二值化图像进行比对；
计算辅助采集设备采集的辅助数据所对应的辅助二值化图像在像素坐标系中，黑色像素点与基准二值化图像中黑色像素点的差值，并基于第一图像集中的图像数量进行差值均分，得到辅助二值化图像的修正因子，并选取一组辅助二值化图像作为目标图像；
其中，基准图像与目标图像的差异性越大，所述修正因子的绝对值越大，基准图像与目标图像的差异性越小，所述修正因子的绝对值越小，并且所述修正因子的最小值为零。
进一步的，所述第二数据进行行为预警判断的方法包括：
对所述第二数据进行语义分割，分离出工作人员和机械设备的分布位置，并产生分割图像集；
对所述分割图像集进行边缘提取，产生边缘图像集；
计算所述边缘图像集中，工作人员与机械设备的最短距离值；
将所述最短距离值与预设阈值进行比对，产生比对结果；
根据所述比对结果进行行为预警判断。
进一步的，所述边缘提取使用边缘算子提取方法。
进一步的，所述最短距离的计算使用像素点对比法。
一种智能安防系统，包括：
接收模块，所述接收模块用于服务器接收来自采集设备采集的第一数据并生成第一图像集，该第一数据为机械设备与工作人员的实时图像，所述采集设备包括基准采集设备和辅助采集设备；
预处理模块，所述预处理模块用于对所述第一图像集进行预处理，得到第二数据，其中预处理包括对所述第一图像集中的图像进行像素点二值化处理，并通过修正因子对二值化图像进行修正，以减少不同的采集设备所采集到的图像之间的差异；
行为预警判断模块，所述行为预警判断模块用于根据所述进行行为预警判断，产生第三数据，通过最短像素点对比法判断机械设备与工作人员之间的距离，并与预设阈值比对，进行行为预警判断；
输出模块，所述输出模块用于将所述第三数据输出，以对工作人员进行语音提醒。
本申请的有益效果是：本申请提供的一种智能安防系统的运行方法，通过接收来自采集设备采集的第一数据并生成第一图像集，并对该第一图像集进行预处理，其中预处理包括对第一图像集中的图像进行像素点二值化处理，并通过修正因子对二值化图像进行修正，以减少不同的采集设备所采集到的图像之间的差异，并对第二数据进行行为预警判断，判断机械设备与工作人员之间的距离，根据预设阈值进行比对判断，实现在工作人员操作机械设备的的过程中进行安全防护，并且在进行行为预警的过程中对第二数据进行语义分割，分离出工作人员和机械设备的分布位置，并产生分割图像集，剔除无关图像部分对预警过程的冗余，提高预警效率。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本申请中一种智能安防系统的运行方法的流程示意图；
图2为一种智能安防系统的模块构成示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
如图1所示，本申请提供了一种智能安防系统的运行方法流程示意图，该方法适用于车间的安全防护中，包括：
步骤S101：服务器接收来自采集设备采集的第一数据并生成第一图像集，该第一数据为机械设备与工作人员的实时图像，该采集设备包括基准采集设备和辅助采集设备；
智能安防系统一般包括采集设备和服务器，采集设备用于采集车间内工作人员和机械设备的图像，而服务器用于对采集的图像进行分析和存储，采集设备和服务器之间存在信息交换的通道，在本实施例中，服务器可以获取采集设备采集的车间内信息，该信息的具体内容在此不做限定，会在以下详细说明；
步骤S102：对上述第一图像集进行预处理，得到第二数据，其中预处理包括对该第一图像集中的图像进行像素点二值化处理，并通过修正因子对二值化图像进行修正，以减少不同的采集设备所采集到的图像之间的差异；
在接收到来自采集设备采集的第一图像集后，会对该第一图像集进行预处理，具体的包括：
车间内设置有多个采集设备，选择其中一个为基准采集设备，并且该基准采集设备的位置设置于机械设备与工作人员的正侧面，并且将该基准采集设备所采集的视角作为标准视角，而在实际生产过程中，仅仅从正侧面对工作人员和机械设备进行采集无法适用于多种场景，例如工作人员移动后遮挡住正侧面设置的基准采集设备，因此还需要基于基准采集设备，另外设置辅助采集设备，在本实施例中，以基准采集设备为基准，每隔三米设置一个辅助采集设备，并且所有的采集设备均朝向工作人员与机械设备所在方向；
为了克服单一视角下所采集的图像存在的缺陷，在进行图像采集时，会使用多个采集设备将工作人员与机械设备的图像进行采集，以生成第一图像集，在多个采集设备采集到的图像中，受到采集设备位置的影响，图像中反映的工作人员与机械设备之间的距离存在误差，不同的采集设备所采集到的图像无法统一，图像所反映的信息会存在误差，所以需要对采集到的图像集进行预处理，以形成统一反映工作人员与机械设备之间距离的归一化图像。
该归一化图像为将不同采集设备所采集到的图像进行像素点转换后的图像，由于采集设备直接采集到的图像中包含大量信息，如颜色信息，背景信息等，这些对于工作人员与机械设备之间的距离判断不起到作用，并且还会产生干扰，因此对这些图像进行像素点转换，以形成归一化图像，上述像素点转换的步骤具体包括：
步骤A：服务器接收到第一图像集后，对第一图像集中的单个图像进行二值化处理，得到第一图像集中单个图像的孤立二值化图像，以减少图像的数据化，并凸显图像的轮廓。
具体的，采用自适应阈值算法对上述第一图像集中的单个图像进行二值化处理，得到图像集中单个图像的孤立二值化图像，并且该孤立二值化图像中的像素点以数值0与数值255表示，选取阈值为127(即灰度值范围的一半)，像素值小于127的像素点以0表示，像素值大于127的像素点以255表示，将二值化处理后的图像中，工作人员和机械设备的轮廓会凸显出来，剔除掉图像中的背景部分，将这些经过二值化后的孤立二值化图像存储到服务器中，等待进一步处理。
其中，自适应阈值算法为图像处理领域中常见方法，具体可参考公开号为CN106127765A的中国发明专利中的技术方案，此处不再进一步说明。
步骤B：统一坐标系，将孤立二值化图像放入统一的坐标系中，形成以像素点为基准的像素坐标系。
具体的，为了确定工作人员与机械设备之间的距离，采集设备所采集到的二维图像为物理坐标系，无法准确确定工作人员与机械设备之间的距离，因此将孤立二值化图像放入像素坐标系中。
该像素坐标系具有一原点，以该原点为起始点，向右的水平方向为u轴，向下的竖直方向为v轴，该像素坐标系中具有u*v个像素点，将上述孤立二值化图像放入像素坐标系中后，形成孤立二值化图像的像素坐标集合，该集合反映了孤立二值化图像中的每个像素点分布情况。
步骤C：选取基准采集设备采集图像所对应的二值化图像作为基准图像，并计算其在像素坐标系中的像素点分布系数，该像素点分布系数为二值化图像中黑色像素点数量与坐标系总像素点数量之比。
步骤D：将上述像素点分布系数与辅助采集设备采集的辅助数据的辅助二值化图像进行比对，得到辅助二值化的修正因子。
不同的采集设备所采集的图像经二值化处理后，在像素坐标系中黑色像素点的占比不同，选择基准采集设备采集图像所对应的基准二值化图像作为基准图像，与辅助采集设备采集的辅助数据的辅助二值化图像进行比对，计算每个采集设备采集图像所对应的二值化图像在像素坐标系中，黑色像素点与基准图像中黑色像素点的差值，并基于第一图像集中的图像数量进行差值均分，得到辅助二值化图像的修正因子，并选取一组辅助二值化图像作为目标图像。
在本实施例中，受到采集角度的影响，采集设备所采集到的图像中，工作人员与机械设备之间的距离显示会产生误差，从而影响正确判断，通过二值化图像在像素坐标系中的分布情况，与基准图像对比后产生一个修正因子，将通过该修正因子对基准图像进行修正，具体的修正方法为：
将像素坐标内的每个像素点坐标依次与修正因子进行卷积计算，计算完成后产生新的像素点坐标，在本领域中，对图像进行卷积运算后会产生一新的图像，并且定义其中一组辅助二值化图像作为目标图像，在本实施例中，该修正因子反应了原图像与目标图像的差异性，并且在数值上表现为：基准图像与目标图像差异性越大，修正因子的绝对值越大，基准图像与目标图像差异性越小，修正因子的绝对值相应越小，并且当该修正因子为零时，表示当前修正因子所代表的的图像与参考设备所采集到的基准图像之间没有差异，即当前修正因子所代表的的图像中，像素点分布与基准图像中像素点分布一致，并且在经过修正因子修正后，图像未产生变化，此时的目标图像中，工作人员与机械设备之间的距离与实际空间中工作人员与机械设备之间的距离近似，可以作为预警参考。
上述实施例为采用单一的基准图像与一个采集设备所采集图像进行修正，在本实施例中，还可以采用单一的基准图像与多个采集设备所采集图像进行修正，产生多个修正因子，并对产生的所有修正因子进行均分，得到平均修正因子，该平均修正因子为遍历所有采集图像后的修正因子的平均值，以提高对采集图像的处理效果。
通过引入平均修正因子，在选择需要处理的图像时，任意选取一个采集设备所采集的图像，经过平均修正因子修正后，即可真实反映车间中工作人员与机械设备的实际位置，而不用对所有图像进行修正，减轻算力消耗的同时，可以提高系统的识别速度，降低反馈时间。
步骤S103：根据第二数据进行行为预警判断，产生第三数据，其中，通过最短像素点对比法判断车间机械设备与工作人员之间的距离，并与预设阈值比对，进行行为预警判断。
上述步骤S102是为了在进行多个采集设备采集的过程中，选取其中一个采集设备所采集的图像进行预处理，预处理完成后，需要对图像中的工作人员进行行为预警判断，具体包括：
步骤S301：对上述第二数据进行语义分割，分离出工作人员和机械设备的分布位置，并产生分割图像；
为了确定工作人员与机械设备之间的交互情况，需要对图像进行语义分割，分离出工作人员的分布位置和机械设备分布的位置，在本领域中，采用语义分割对图像进行识别分割为常规技术，具体可参照公开号为CN115249305A的中国发明专利，在此不作具体说明。
步骤S302：对上述分割图像集进行边缘提取，产生边缘图像集；
在本实施例中，从各个角度采集到的图像中，工作人员与机械设备都是包含大量像素点的图像，不方便进行距离测算，因此进行边缘提取，将工作人员和机械设备的边缘轮廓提取出。
具体的，在本领域中，对图像进行边缘提取通常使用边缘算子提取方法，例如Roberts算子、Sobel算子；图像包含方向和幅度两种属性，其边缘部分可由像素点的一阶导数检测而来，具体为在图像的像素点处计算偏导数，该偏导数为图像的梯度，梯度值越强，说明该像素点的变化越快，对每个像素点进行计算后，通过梯度值判断其边缘。
步骤S303：计算上述边缘图像集中，工作人员与机械设备的最短距离值；
分别将工作人员与机械设备图像的边缘提取后，需要判断其距离，在本应用场景中，需要计算工作人员与机械设备之间的最短距离，将该最短距离作为判断依据；
具体的，选取提取出的工作人员轮廓中任意一像素点，并计算该像素点与机械设备轮廓中所有像素点的欧氏距离，作为集合一，接着再选取机械设备轮廓中任意一像素点，并计算该像素点与工作人员轮廓中所有像素点的欧氏距离，作为集合二，遍历集合一与集合二中的所有元素，选择最小的元素作为对比元素，并将该对比元素与预设阈值进行比对；
步骤S304：将上述最短距离值与预设阈值进行比对，产生比对结果，并根据比对结果进行行为预警判断；
根据比对结果判断进行行为预警判断，具体的，当上述对比元素小于等于预设阈值时，说明工作人员此刻与机械设备之间的距离小于安全距离，判断为危险状态；
当上述对比元素大于预设阈值时，说明工作人员此刻与机械设备之间的距离大于安全距离，判断为安全状态。
步骤S104：将所述第三数据输出，以对车间工作人员进行语音提醒。
上述实施例描述的是一种智能安防系统的运行方法实施例，下面将介绍一种智能安防系统，该系统运行上述方法，该智能安防系统包括：
接收模块，用于服务器接收来自采集设备采集的第一数据并生成第一图像集，该第一数据为机械设备与工作人员的实时图像，采集设备包括基准采集设备和辅助采集设备；
预处理模块，用于对所述第一图像集进行预处理，得到第二数据，其中预处理包括对所述第一图像集中的图像进行像素点二值化处理，并通过修正因子对二值化图像进行修正，以减少不同的采集设备所采集到的图像之间的差异；
行为预警判断模块，用于根据所述进行行为预警判断，产生第三数据，通过最短像素点对比法判断机械设备与工作人员之间的距离，并与预设阈值比对，进行行为预警判断；
输出模块，用于将第三数据输出，以对工作人员进行语音提醒。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种智能安防系统的运行方法，应用于车间的安全防护中，其特征在于：包括：
服务器接收来自采集设备采集的第一数据并生成第一图像集，该第一数据为机械设备与工作人员的实时图像，所述采集设备包括基准采集设备和辅助采集设备；
对所述第一图像集进行预处理，得到第二数据，其中预处理包括对所述第一图像集中的图像进行像素点二值化处理，并通过修正因子对二值化图像进行修正，以减少不同的采集设备所采集到的图像之间的差异；
根据所述第二数据进行行为预警判断，产生第三数据，通过最短像素点对比法判断机械设备与工作人员之间的距离，并与预设阈值比对，进行行为预警判断；
将所述第三数据输出，以对工作人员进行语音提醒。
2.根据权利要求1所述的一种智能安防系统的运行方法，其特征在于：所述第一图像集进行预处理的方法包括：
服务器接收到第一图像集后，对第一图像集中的单个图像进行二值化处理，得到第一图像集中单个图像的孤立二值化图像；
统一坐标系，将孤立二值化图像放入统一的坐标系中，形成以像素点为基准的像素坐标系；
选取基准采集设备采集的基准数据所对应的基准二值化图像作为基准图像，并计算其在像素坐标系中的像素点分布系数；
将所述像素点分布系数与辅助采集设备采集的辅助数据的辅助二值化图像进行比对，得到辅助二值化的修正因子。
3.根据权利要求2所述的一种智能安防系统的运行方法，其特征在于：所述像素点分布系数的计算方法包括：
选择基准二值化图像，与辅助采集设备采集的辅助数据的辅助二值化图像进行比对；
计算辅助采集设备采集的辅助数据所对应的辅助二值化图像在像素坐标系中，黑色像素点与基准二值化图像中黑色像素点的差值，并基于第一图像集中的图像数量进行差值均分，得到辅助二值化图像的修正因子，并选取一组辅助二值化图像作为目标图像；
其中，基准图像与目标图像的差异性越大，所述修正因子的绝对值越大，基准图像与目标图像的差异性越小，所述修正因子的绝对值越小，并且所述修正因子的最小值为零。
4.根据权利要求1所述的一种智能安防系统的运行方法，其特征在于：所述第二数据进行行为预警判断的方法包括：
对所述第二数据进行语义分割，分离出工作人员和机械设备的分布位置，并产生分割图像集；
对所述分割图像集进行边缘提取，产生边缘图像集；
计算所述边缘图像集中，工作人员与机械设备的最短距离值；
将所述最短距离值与预设阈值进行比对，产生比对结果；
根据所述比对结果进行行为预警判断。
5.根据权利要求4所述的一种智能安防系统，其特征在于：所述边缘提取使用边缘算子提取方法。
6.根据权利要求4所述的一种智能安防系统，其特征在于：所述最短距离的计算使用像素点对比法。
7.一种智能安防系统，其特征在于：包括：
接收模块，所述接收模块用于服务器接收来自采集设备采集的第一数据并生成第一图像集，该第一数据为机械设备与工作人员的实时图像，所述采集设备包括基准采集设备和辅助采集设备；
预处理模块，所述预处理模块用于对所述第一图像集进行预处理，得到第二数据，其中预处理包括对所述第一图像集中的图像进行像素点二值化处理，并通过修正因子对二值化图像进行修正，以减少不同的采集设备所采集到的图像之间的差异；
行为预警判断模块，所述行为预警判断模块用于根据所述进行行为预警判断，产生第三数据，通过最短像素点对比法判断机械设备与工作人员之间的距离，并与预设阈值比对，进行行为预警判断；
输出模块，所述输出模块用于将所述第三数据输出，以对工作人员进行语音提醒。
8.一种如权利要求7所述的智能安防系统，其特征在于：用于实施如权利要求1至6中任一项所述的智能安防系统的运行方法。
CN202310331310.0A 2023-03-31 2023-03-31 一种智能安防系统及运行方法 Pending CN116311073A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310331310.0A CN116311073A (zh) 2023-03-31 2023-03-31 一种智能安防系统及运行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310331310.0A CN116311073A (zh) 2023-03-31 2023-03-31 一种智能安防系统及运行方法

Publications (1)

Publication Number Publication Date
CN116311073A true CN116311073A (zh) 2023-06-23

Family

ID=86797751

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310331310.0A Pending CN116311073A (zh) 2023-03-31 2023-03-31 一种智能安防系统及运行方法

Country Status (1)

Country Link
CN (1) CN116311073A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105405248A (zh) * 2015-11-30 2016-03-16 苏州润桐专利运营有限公司 大型机械设备安全距离警报系统及报警方法
KR20190004176A (ko) * 2017-07-03 2019-01-11 한국전력공사 무인항공기의 장애물 충돌 회피 장치 및 그 방법
CN111275923A (zh) * 2020-01-22 2020-06-12 清华大学 施工现场的人机碰撞预警方法及系统
CN111563446A (zh) * 2020-04-30 2020-08-21 郑州轻工业大学 一种基于数字孪生的人-机交互安全预警与控制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105405248A (zh) * 2015-11-30 2016-03-16 苏州润桐专利运营有限公司 大型机械设备安全距离警报系统及报警方法
KR20190004176A (ko) * 2017-07-03 2019-01-11 한국전력공사 무인항공기의 장애물 충돌 회피 장치 및 그 방법
CN111275923A (zh) * 2020-01-22 2020-06-12 清华大学 施工现场的人机碰撞预警方法及系统
CN111563446A (zh) * 2020-04-30 2020-08-21 郑州轻工业大学 一种基于数字孪生的人-机交互安全预警与控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DEQUAN GAO 等: "《A Novel Portrait Technology–Based Modeling and Alarm Tagging Method for SDH Device in Smart Grid》", ICITEE2020 *
张先勇: "《基于信息融合的鱼雷罐车安全监控系统与关键技术研究》", 《中国博士学位论文全文数据库》, no. 01 *
陈昆伟: "《基于图像识别的高压电力线异物接近预警系统研究》", 《中国优秀硕士学位论文全文数据库》, no. 09 *

Similar Documents

Publication Publication Date Title
CN104992449B (zh) 基于机器视觉的信息识别及表面缺陷在线检测方法
CN110321933B (zh) 一种基于深度学习的故障识别方法和装置
CN110070523B (zh) 一种用于瓶底的异物检测方法
CN102441581A (zh) 基于机器视觉的型钢断面尺寸在线检测的装置及方法
CN106780526A (zh) 一种铁氧体圆片表面裂痕识别方法
CN109781737B (zh) 一种软管表面缺陷的检测方法及其检测系统
CN113077437B (zh) 工件质量检测方法及其系统
CN105447489B (zh) 一种图片ocr识别系统的字符与背景粘连噪声消除方法
CN114241364A (zh) 一种架空输电线路异物目标快速标定方法
CN115144399B (zh) 一种基于机器视觉的装配质量检测方法及装置
CN116152261B (zh) 一种印刷制品质量的视觉检测系统
CN113971681A (zh) 一种复杂环境下带式输送机边缘检测方法
CN106650735B (zh) 一种led字符自动定位识别方法
CN114529555A (zh) 一种基于图像识别的烟箱高效进出库检测方法
CN112330633B (zh) 基于自适应带通滤波的跨接线胶带破损故障图像分割方法
CN111626104B (zh) 一种基于无人机红外热像的电缆隐患点检测方法和装置
CN113724322A (zh) 一种用于无人叉车的货物托盘定位方法及系统
CN111539951B (zh) 一种陶瓷砂轮头轮廓尺寸视觉检测方法
Wu et al. Steel bars counting and splitting method based on machine vision
CN117475233A (zh) 压盖异常状态的检测方法、装置、设备和计算机存储介质
CN106530292A (zh) 一种基于线扫描相机的带钢表面缺陷图像快速辨识方法
CN116311073A (zh) 一种智能安防系统及运行方法
CN112288049B (zh) 基于模板匹配和限制连通域指针定位的指针表读数方法
CN102679869B (zh) 一种针对非金属麦拉片位置不良的视觉检测方法及其装置
CN112183342B (zh) 一种带有模板的综合型换流站缺陷识别方法

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