CN117560470B - 一种云边端协同分布式工业电视监测与识别系统及方法 - Google Patents
一种云边端协同分布式工业电视监测与识别系统及方法 Download PDFInfo
- Publication number
- CN117560470B CN117560470B CN202311532020.9A CN202311532020A CN117560470B CN 117560470 B CN117560470 B CN 117560470B CN 202311532020 A CN202311532020 A CN 202311532020A CN 117560470 B CN117560470 B CN 117560470B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- escalator
- industrial
- unit
- personnel
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 220
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000001174 ascending effect Effects 0.000 claims abstract description 68
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 238000007405 data analysis Methods 0.000 claims abstract description 22
- 230000002159 abnormal effect Effects 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 9
- 230000001360 synchronised effect Effects 0.000 claims abstract description 3
- 238000012216 screening Methods 0.000 claims description 19
- 230000009194 climbing Effects 0.000 claims description 17
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000007726 management method Methods 0.000 claims description 11
- 238000013523 data management Methods 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 7
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- 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
- 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
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及施工监测技术领域,具体为一种云边端协同分布式工业电视监测与识别系统及方法,包括:作业环境监测模块、监测数据调取模块、监测数据分析模块和监测管理模块,通过作业环境监测模块利用工业电视对登高作业环境进行实时监测和识别,在监测到异常情况时进行预警,通过监测数据调取模块调取历史监测数据和识别数据至监测数据分析模块,通过监测数据分析模块分析利用不同工业电视对登高作业进行监测的监测效率,通过监测管理模块比较监测效率,筛选出工业电视对登高作业进行后续的同步监测,采用云边端协同技术对监测到的数据进行管理,有效提高了数据分析处理的效率,在保障监测结果准确度的基础上有效节省了监测成本。
Description
技术领域
本发明涉及施工监测技术领域,具体为一种云边端协同分布式工业电视监测与识别系统及方法。
背景技术
工业电视一般用于监视工业生产过程及其环境,主要由摄像机、传输通道、控制器和监视器组成,应用于电力生产或施工过程中的实时监视、安全和消防等方面,云边端协同技术是一种集高效的数据处理和传输方式于一体的技术,能够提高数据处理效率并降低延迟,在不同领域都发挥着重要作用,将云边端协同技术应用于电力施工监测方向,有利于对监测到的数据进行高效处理和传输,提高工业电视的监测效率;
在电力生产或施工过程中,有时需要进行必要的登高作业,在登高作业过程中必须要有人员进行扶梯,人员也必须要佩戴安全帽以防安全事故发生,为及时发现未有人员扶梯或者人员未佩戴安全帽的异常情况,现有技术利用多个工业电视对登高作业进行实时监测,但是因为工业电视的拍摄角度和识别水平不同,容易导致最终的识别结果出现误差,设置过多的且部分监测效率不高的工业电视甚至未筛选出合适的工业电视进行登高作业监测识别,不利于提高识别结果的准确性并降低监测成本。
所以,人们需要一种云边端协同分布式工业电视监测与识别系统及方法来解决上述问题。
发明内容
本发明的目的在于提供一种云边端协同分布式工业电视监测与识别系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种云边端协同分布式工业电视监测与识别系统,所述系统包括:作业环境监测模块、监测数据调取模块、监测数据分析模块和监测管理模块;
所述作业环境监测模块的输出端连接所述监测数据调取模块的输入端,所述监测数据调取模块的输出端连接所述监测数据分析模块的输入端,所述监测数据分析模块的输出端连接监测管理模块的输入端;
所述作业环境监测模块用于利用工业电视对登高作业环境进行实时监测和识别,在监测到异常情况时进行预警;
所述监测数据调取模块用于调取历史监测数据和识别数据至所述监测数据分析模块;
所述监测数据分析模块用于分析利用不同工业电视对对应位置的登高作业进行监测的监测效率;
所述监测管理模块用于比较监测效率,筛选出工业电视对对应位置的登高作业继续进行同步监测。
进一步的,所述作业环境监测模块包括设备信息采集单元、人员扶梯识别监测单元和监测数据管理单元;
所述设备信息采集单元和人员扶梯识别监测单元的输出端连接所述监测数据管理单元的输入端;
所述设备信息采集单元用于采集用于登高作业无人扶梯识别和监测的设备数量和设备所处位置信息,所述设备指的是工业电视;
所述人员扶梯识别监测单元用于利用工业电视拍摄进行登高作业时的图像,利用视觉识别技术监测并识别图像中是否由人员在扶梯和图像中的人员是否佩戴安全帽,在识别出进行登高作业时无人在扶梯或者人员未佩戴安全帽时发出预警信号;
利用工业电视在施工过程中进行登高作业实时监测,利用工业电视的视觉识别技术识别登高作业时是否出现未有人员扶梯或者有人员未佩戴安全帽的情况,在识别到上述异常情况时进行及时预警,保障了登高作业的人员安全性,降低了安全事故的发生概率;
所述监测数据管理单元用于将工业电视采集到的图像信息和图像拍摄时间信息传输到边缘端,在边缘端中将采集到的数据进行整合预处理,整合预处理后的数据格式为:设备位置+拍摄时间+拍摄到的图像+佩戴安全帽识别正确次数,边缘端将预处理后的数据传输至云端进行分析;
采用云边端协同技术对监测到的数据进行管理,由终端,即工业电视采集拍摄到的图像数据,将采集到的本地数据传输至边缘端,由边缘端对数据进行整合预处理,再将整合预处理后的数据发送至云端,由云端进行数据智能分析:分析并筛选出合适的工业电视进行登高作业监测,有效提高了数据分析处理的效率。
进一步的,所述监测数据调取模块包括拍摄图像调取单元和识别信息调取单元;
所述拍摄图像调取单元和识别信息调取单元的输入端连接所述监测数据管理单元的输出端;
所述拍摄图像调取单元用于调取不同设备同时拍摄到的同一个登高作业时存在扶梯人员的图像;
所述识别信息调取单元用于调取不同设备在拍摄到对应图像后进行人员佩戴安全帽识别的正确次数信息。
进一步的,所述监测数据分析模块包括图像遮挡分析单元和正确率分析单元;
所述图像遮挡分析单元的输入端连接所述拍摄图像调取单元的输出端,所述正确率分析单元的输入端连接所述识别信息调取单元的输出端;
所述图像遮挡分析单元用于依据不同设备同时拍摄到的同一个登高作业时存在扶梯人员的图像,分析在图像中扶梯人员轮廓所勾勒区域被扶梯遮挡的区域面积占扶梯人员轮廓所勾勒区域的比例;
所述正确率分析单元用于依据正确次数信息分析不同设备识别登高作业时人员佩戴安全帽的正确率。
进一步的,所述监测管理模块包括监测效率分析单元、效率比较单元和设备筛选单元;
所述监测效率分析单元的输入端连接所述图像遮挡分析单元和正确率分析单元的输出端,所述监测效率分析单元的输出端连接所述效率比较单元的输入端,所述效率比较单元的输出端连接所述设备筛选单元的输入端;
所述监测效率分析单元用于结合被遮挡的区域面积和正确率数据分析不同设备的监测效率指数;
所述效率比较单元用于比较监测效率指数,将设备按监测效率指数按从大到小的顺序进行排列并分组,选择最佳的分组结果;
所述设备筛选单元用于从最佳的分组结果中筛选出处于第一组的设备,即工业电视后续对对应位置的登高作业进行识别和监测。
一种云边端协同分布式工业电视监测与识别方法,包括以下步骤:
S1:利用工业电视对登高作业环境进行实时监测和识别,在监测到异常情况时进行预警;
S2:调取并分析历史监测数据和识别数据,分析利用不同工业电视对对应位置的登高作业进行监测的监测效率;
S3:比较监测效率,将工业电视进行分组并选择最佳的分组结果;
S4:参照最佳的分组结果筛选出工业电视对对应位置的登高作业继续进行同步监测。
进一步的,在步骤S1中:利用工业电视拍摄进行登高作业时的图像,利用视觉识别技术监测并识别图像中是否由人员在扶梯和图像中的人员是否佩戴安全帽,在识别出进行登高作业时无人在扶梯或者人员未佩戴安全帽时,判断出现异常情况,发出预警信号。
进一步的,在步骤S2中:调取m个工业电视随机一次同时拍摄到的同一个登高作业时存在扶梯人员的图像,对m张图像进行处理:提取图像中显示的扶梯人员轮廓和扶梯轮廓,利用findContours()函数直接提取轮廓,得到m张图像中扶梯人员轮廓所勾勒区域的像素面积集合为H={H1,H2,…,Hm},扶梯轮廓所勾勒区域与扶梯人员轮廓所勾勒区域的相交区域的像素面积集合为K={K1,K2,…,Km},调取到m个工业电视在以往f次同时拍摄到登高作业图像后进行人员佩戴安全帽识别的正确次数集合为L={L1,L2,…,Lm},根据下列公式计算利用随机一个工业电视对对应位置的登高作业进行监测的监测效率指数Pi:
其中,表示第i个工业电视随机一次拍摄到的图像中,扶梯人员轮廓所勾勒区域被扶梯遮挡的区域面积占扶梯人员轮廓所勾勒区域的比例,Li表示第i个工业电视在以往f次同时拍摄到登高作业图像后进行人员佩戴安全帽识别的正确次数,/>表示第i个工业电视识别登高作业时人员佩戴安全帽的正确率,得到监测效率指数集合为P={P1,P2,…,Pi,…,Pm}。
进一步的,在步骤S3中:比较监测效率指数,将m个工业电视按监测效率指数按从大到小的顺序进行排列,将排列后的工业电视分为g组,其中前一组中所有工业电视的监测效率指数都大于后一组,获取到随机一种分组结果中,g组中每组工业电视的监测效率指数平均值集合为T={T1,T2,…,Tj,…,Tg},根据下列公式计算第c种分组结果的分组价值Jc:
其中,Tj表示第c中分组结果中,g组中第j组工业电视的监测效率指数平均值,得到不同种分组结果的分组价值集合为J={J1,J2,…,Jc,…,Jz},共有z种分组结果,比较分组价值,选择分组价值最高的一种分组结果作为最佳的分组结果。
进一步的,在步骤S4中:从最佳的分组结果中筛选出处于第一组中的工业电视,利用筛选出的工业电视后续对对应位置的登高作业进行识别和监测;
利用多个工业电视对同一位置处的登高作业进行分布式监测并拍摄登高作业图像,提高了监测识别出异常情况的效率,考虑到图像拍摄角度不同,部分工业电视拍摄的图像可能会因扶梯人员被扶梯遮挡住而得出未识别到扶梯人员的错误结果,容易造成识别误差,通过大数据分析不同工业电视拍摄的图像中扶梯人员被遮挡的情况,因登高作业中未佩戴安全帽也可能会存在安全隐患,结合佩戴安全帽历史识别结果和图像数据分析不同工业电视的监测效率,选择监测效率偏高的工业电视作为必要设备对同一位置处的登高作业进行同步监测,在保障监测结果准确度的基础上减少了不必要的工业电视,有效节省了监测成本。
与现有技术相比,本发明所达到的有益效果是:
本发明利用工业电视在施工过程中进行登高作业实时监测,利用工业电视的视觉识别技术识别登高作业时是否出现未有人员扶梯或者有人员未佩戴安全帽的情况,在识别到上述异常情况时进行及时预警,保障了登高作业的人员安全性,降低了安全事故的发生概率;
为提高数据处理效率和降低延迟,采用云边端协同技术对监测到的数据进行管理,由终端,即工业电视采集拍摄到的图像数据,将采集到的本地数据传输至边缘端,由边缘端对数据进行整合预处理,再将整合预处理后的数据发送至云端,由云端进行数据智能分析:分析并筛选出合适的工业电视进行登高作业监测,有效提高了数据分析处理的效率;
利用多个工业电视对同一位置处的登高作业进行分布式监测并拍摄登高作业图像,提高了监测识别出异常情况的效率;
因图像拍摄角度不同,部分工业电视拍摄的图像可能会因扶梯人员被扶梯遮挡住而得出未识别到扶梯人员的错误结果,容易造成识别误差,通过大数据分析不同工业电视拍摄的图像中扶梯人员被遮挡的情况,因登高作业中未佩戴安全帽也可能会存在安全隐患,结合佩戴安全帽历史识别结果和图像数据分析不同工业电视的监测效率,选择监测效率偏高的工业电视作为必要设备对同一位置处的登高作业进行同步监测,在保障监测结果准确度的基础上减少了不必要的工业电视进行登高作业监测,有效节省了监测成本。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种云边端协同分布式工业电视监测与识别系统的结构图;
图2是本发明一种云边端协同分布式工业电视监测与识别方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
下面结合图1-图2和具体实施例对本发明作进一步的说明。
实施例一:
如图1所示,本实施例提供了一种云边端协同分布式工业电视监测与识别系统,系统包括:作业环境监测模块、监测数据调取模块、监测数据分析模块和监测管理模块,作业环境监测模块用于利用工业电视对登高作业环境进行实时监测和识别,在监测到异常情况时进行预警,监测数据调取模块用于调取历史监测数据和识别数据至监测数据分析模块,监测数据分析模块用于分析利用不同工业电视对对应位置的登高作业进行监测的监测效率,监测管理模块用于比较监测效率,筛选出工业电视对对应位置的登高作业继续进行同步监测。
作业环境监测模块包括设备信息采集单元、人员扶梯识别监测单元和监测数据管理单元,设备信息采集单元用于采集用于登高作业无人扶梯识别和监测的设备数量和设备所处位置信息,设备指的是工业电视,人员扶梯识别监测单元用于利用工业电视拍摄进行登高作业时的图像,利用视觉识别技术监测并识别图像中是否由人员在扶梯和图像中的人员是否佩戴安全帽,在识别出进行登高作业时无人在扶梯或者人员未佩戴安全帽时发出预警信号,监测数据管理单元用于将工业电视采集到的图像信息和图像拍摄时间信息传输到边缘端,在边缘端中将采集到的数据进行整合预处理,整合预处理后的数据格式为:设备位置+拍摄时间+拍摄到的图像+佩戴安全帽识别正确次数,边缘端将预处理后的数据传输至云端进行分析。
监测数据调取模块包括拍摄图像调取单元和识别信息调取单元,拍摄图像调取单元用于调取不同设备同时拍摄到的同一个登高作业时存在扶梯人员的图像,识别信息调取单元用于调取不同设备在拍摄到对应图像后进行人员佩戴安全帽识别的正确次数信息。
监测数据分析模块包括图像遮挡分析单元和正确率分析单元,图像遮挡分析单元用于依据不同设备同时拍摄到的同一个登高作业时存在扶梯人员的图像,分析在图像中扶梯人员轮廓所勾勒区域被扶梯遮挡的区域面积占扶梯人员轮廓所勾勒区域的比例,正确率分析单元用于依据正确次数信息分析不同设备识别登高作业时人员佩戴安全帽的正确率。
监测管理模块包括监测效率分析单元、效率比较单元和设备筛选单元,监测效率分析单元用于结合被遮挡的区域面积和正确率数据分析不同设备的监测效率指数,效率比较单元用于比较监测效率指数,将设备按监测效率指数按从大到小的顺序进行排列并分组,选择最佳的分组结果,设备筛选单元用于从最佳的分组结果中筛选出处于第一组的设备,即工业电视后续对对应位置的登高作业进行识别和监测。
实施例二:
如图2所示,本实施例提供了一种云边端协同分布式工业电视监测与识别方法,其基于实施例中的监测与识别系统实现,具体包括以下步骤:
S1:利用工业电视对登高作业环境进行实时监测和识别,在监测到异常情况时进行预警,利用工业电视拍摄进行登高作业时的图像,利用视觉识别技术监测并识别图像中是否由人员在扶梯和图像中的人员是否佩戴安全帽,在识别出进行登高作业时无人在扶梯或者人员未佩戴安全帽时,判断出现异常情况,发出预警信号;
S2:调取并分析历史监测数据和识别数据,分析利用不同工业电视对对应位置的登高作业进行监测的监测效率,调取m个工业电视随机一次同时拍摄到的同一个登高作业时存在扶梯人员的图像,对m张图像进行处理:提取图像中显示的扶梯人员轮廓和扶梯轮廓,利用findContours()函数直接提取轮廓,得到m张图像中扶梯人员轮廓所勾勒区域的像素面积集合为H={H1,H2,…,Hm},扶梯轮廓所勾勒区域与扶梯人员轮廓所勾勒区域的相交区域的像素面积集合为K={K1,K2,…,Km},调取到m个工业电视在以往f次同时拍摄到登高作业图像后进行人员佩戴安全帽识别的正确次数集合为L={L1,L2,…,Lm},根据下列公式计算利用随机一个工业电视对对应位置的登高作业进行监测的监测效率指数Pi:
其中,表示第i个工业电视随机一次拍摄到的图像中,扶梯人员轮廓所勾勒区域被扶梯遮挡的区域面积占扶梯人员轮廓所勾勒区域的比例,Li表示第i个工业电视在以往f次同时拍摄到登高作业图像后进行人员佩戴安全帽识别的正确次数,/>表示第i个工业电视识别登高作业时人员佩戴安全帽的正确率,得到监测效率指数集合为P={P1,P2,…,Pi,…,Pm};
S3:比较监测效率,将工业电视进行分组并选择最佳的分组结果,比较监测效率指数,将m个工业电视按监测效率指数按从大到小的顺序进行排列,将排列后的工业电视分为g组,其中前一组中所有工业电视的监测效率指数都大于后一组,获取到随机一种分组结果中,g组中每组工业电视的监测效率指数平均值集合为T={T1,T2,…,Tj,…,Tg},根据下列公式计算第c种分组结果的分组价值Jc:
其中,Tj表示第c中分组结果中,g组中第j组工业电视的监测效率指数平均值,得到不同种分组结果的分组价值集合为J={J1,J2,…,Jc,…,Jz},共有z种分组结果,比较分组价值,选择分组价值最高的一种分组结果作为最佳的分组结果;
S4:参照最佳的分组结果筛选出工业电视对对应位置的登高作业继续进行同步监测,从最佳的分组结果中筛选出处于第一组中的工业电视,利用筛选出的工业电视后续对对应位置的登高作业进行识别和监测;
例如:得到7个工业电视的监测指数集合为P={P1,P2,P3,P4,P5,P6,P7}={1.3,0.9,1.6,0.56,1.7,0.62,0.43},将7个工业电视按监测效率指数按从大到小的顺序进行排列,将排列后的工业电视分为3组,每组的工业电视数量都大于1,获取到随机一种分组结果为:3组中每组工业电视的监测效率指数集合分别为{1.7,1.62}、{1.6,0.9}和{0.62,0.56,0.43},对应分组结果中,3组中每组工业电视的监测效率指数平均值集合为T={T1,T2,T3}={1.66,1.25,0.54},得到对应分组结果的分组价值为0.46,得到不同种分组结果的分组价值集合为J={J1,J2,J3}={0.46,0.49,0.34},比较分组价值,选择分组价值最高的一种分组结果作为最佳的分组结果,得到最佳的分组结果为:3组中每组工业电视的监测效率指数集合分别为{1.7,1.62,1.6}、{0.9,0.62}和{0.56,0.43},筛选出处于第一组中的工业电视,利用筛选出的工业电视后续对对应位置的登高作业进行识别和监测。
最后应说明的是:以上所述仅为本发明的优选实例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。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)
1.一种云边端协同分布式工业电视监测与识别方法,其特征在于:包括以下步骤:
S1:利用工业电视对登高作业环境进行实时监测和识别,在监测到异常情况时进行预警;
S2:调取并分析历史监测数据和识别数据,分析利用不同工业电视对对应位置的登高作业进行监测的监测效率;
S3:比较监测效率,将工业电视进行分组并选择最佳的分组结果;
S4:参照最佳的分组结果筛选出工业电视对对应位置的登高作业继续进行同步监测;
在步骤S1中:利用工业电视拍摄进行登高作业时的图像,利用视觉识别技术监测并识别图像中是否由人员在扶梯和图像中的人员是否佩戴安全帽,在识别出进行登高作业时无人在扶梯或者人员未佩戴安全帽时,判断出现异常情况,发出预警信号;
在步骤S2中:调取m个工业电视随机一次同时拍摄到的同一个登高作业时存在扶梯人员的图像,对m张图像进行处理:提取图像中显示的扶梯人员轮廓和扶梯轮廓,得到m张图像中扶梯人员轮廓所勾勒区域的像素面积集合为H={H1,H2,…,Hm},扶梯轮廓所勾勒区域与扶梯人员轮廓所勾勒区域的相交区域的像素面积集合为K={K1,K2,…,Km},调取到m个工业电视在以往f次同时拍摄到登高作业图像后进行人员佩戴安全帽识别的正确次数集合为L={L1,L2,…,Lm},根据下列公式计算利用随机一个工业电视对对应位置的登高作业进行监测的监测效率指数Pi:
其中,表示第i个工业电视随机一次拍摄到的图像中,扶梯人员轮廓所勾勒区域被扶梯遮挡的区域面积占扶梯人员轮廓所勾勒区域的比例,Li表示第i个工业电视在以往f次同时拍摄到登高作业图像后进行人员佩戴安全帽识别的正确次数,/>表示第i个工业电视识别登高作业时人员佩戴安全帽的正确率,得到监测效率指数集合为P={P1,P2,…,Pi,…,Pm}。
2.根据权利要求1所述的一种云边端协同分布式工业电视监测与识别方法,其特征在于:在步骤S3中:比较监测效率指数,将m个工业电视按监测效率指数按从大到小的顺序进行排列,将排列后的工业电视分为g组,其中前一组中所有工业电视的监测效率指数都大于后一组,获取到随机一种分组结果中,g组中每组工业电视的监测效率指数平均值集合为T={T1,T2,…,Tj,…,Tg},根据下列公式计算第c种分组结果的分组价值Jc:
其中,Tj表示第c中分组结果中,g组中第j组工业电视的监测效率指数平均值,得到不同种分组结果的分组价值集合为J={J1,J2,…,Jc,…,Jz},共有z种分组结果,比较分组价值,选择分组价值最高的一种分组结果作为最佳的分组结果。
3.根据权利要求2所述的一种云边端协同分布式工业电视监测与识别方法,其特征在于:在步骤S4中:从最佳的分组结果中筛选出处于第一组中的工业电视,利用筛选出的工业电视后续对对应位置的登高作业进行识别和监测。
4.一种云边端协同分布式工业电视监测与识别系统,应用于如权利要求1所述的一种云边端协同分布式工业电视监测与识别方法,其特征在于:所述系统包括:作业环境监测模块、监测数据调取模块、监测数据分析模块和监测管理模块;
所述作业环境监测模块的输出端连接所述监测数据调取模块的输入端,所述监测数据调取模块的输出端连接所述监测数据分析模块的输入端,所述监测数据分析模块的输出端连接监测管理模块的输入端;
所述作业环境监测模块用于利用工业电视对登高作业环境进行实时监测和识别,在监测到异常情况时进行预警;
所述监测数据调取模块用于调取历史监测数据和识别数据至所述监测数据分析模块;
所述监测数据分析模块用于分析利用不同工业电视对对应位置的登高作业进行监测的监测效率;
所述监测管理模块用于比较监测效率,筛选出工业电视对对应位置的登高作业继续进行同步监测。
5.根据权利要求4所述的一种云边端协同分布式工业电视监测与识别系统,其特征在于:所述作业环境监测模块包括设备信息采集单元、人员扶梯识别监测单元和监测数据管理单元;
所述设备信息采集单元和人员扶梯识别监测单元的输出端连接所述监测数据管理单元的输入端;
所述设备信息采集单元用于采集用于登高作业无人扶梯识别和监测的设备数量和设备所处位置信息,所述设备指的是工业电视;
所述人员扶梯识别监测单元用于利用工业电视拍摄进行登高作业时的图像,利用视觉识别技术监测并识别图像中是否由人员在扶梯和图像中的人员是否佩戴安全帽,在识别出进行登高作业时无人在扶梯或者人员未佩戴安全帽时发出预警信号;
所述监测数据管理单元用于将工业电视采集到的图像信息和图像拍摄时间信息传输到边缘端,在边缘端中将采集到的数据进行整合预处理,边缘端将预处理后的数据传输至云端进行分析。
6.根据权利要求5所述的一种云边端协同分布式工业电视监测与识别系统,其特征在于:所述监测数据调取模块包括拍摄图像调取单元和识别信息调取单元;
所述拍摄图像调取单元和识别信息调取单元的输入端连接所述监测数据管理单元的输出端;
所述拍摄图像调取单元用于调取不同设备同时拍摄到的同一个登高作业时存在扶梯人员的图像;
所述识别信息调取单元用于调取不同设备在拍摄到对应图像后进行人员佩戴安全帽识别的正确次数信息。
7.根据权利要求6所述的一种云边端协同分布式工业电视监测与识别系统,其特征在于:所述监测数据分析模块包括图像遮挡分析单元和正确率分析单元;
所述图像遮挡分析单元的输入端连接所述拍摄图像调取单元的输出端,所述正确率分析单元的输入端连接所述识别信息调取单元的输出端;
所述图像遮挡分析单元用于依据不同设备同时拍摄到的同一个登高作业时存在扶梯人员的图像,分析在图像中扶梯人员轮廓所勾勒区域被扶梯遮挡的区域面积占扶梯人员轮廓所勾勒区域的比例;
所述正确率分析单元用于依据正确次数信息分析不同设备识别登高作业时人员佩戴安全帽的正确率。
8.根据权利要求7所述的一种云边端协同分布式工业电视监测与识别系统,其特征在于:所述监测管理模块包括监测效率分析单元、效率比较单元和设备筛选单元;
所述监测效率分析单元的输入端连接所述图像遮挡分析单元和正确率分析单元的输出端,所述监测效率分析单元的输出端连接所述效率比较单元的输入端,所述效率比较单元的输出端连接所述设备筛选单元的输入端;
所述监测效率分析单元用于结合被遮挡的区域面积和正确率数据分析不同设备的监测效率指数;
所述效率比较单元用于比较监测效率指数,将设备按监测效率指数按从大到小的顺序进行排列并分组,选择最佳的分组结果;
所述设备筛选单元用于从最佳的分组结果中筛选出处于第一组的设备,即工业电视后续对对应位置的登高作业进行识别和监测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311532020.9A CN117560470B (zh) | 2023-11-17 | 2023-11-17 | 一种云边端协同分布式工业电视监测与识别系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311532020.9A CN117560470B (zh) | 2023-11-17 | 2023-11-17 | 一种云边端协同分布式工业电视监测与识别系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117560470A CN117560470A (zh) | 2024-02-13 |
CN117560470B true CN117560470B (zh) | 2024-06-11 |
Family
ID=89814240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311532020.9A Active CN117560470B (zh) | 2023-11-17 | 2023-11-17 | 一种云边端协同分布式工业电视监测与识别系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117560470B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036575A (zh) * | 2014-07-01 | 2014-09-10 | 江苏省南京市公路管理处公路科学研究所 | 施工现场安全帽佩戴情况监控方法 |
KR20210111097A (ko) * | 2020-03-02 | 2021-09-10 | 주식회사 포스코아이씨티 | 호이스트를 이용한 공종별 작업자 투입 현황 모니터링 시스템 및 방법 |
WO2022037279A1 (zh) * | 2020-08-19 | 2022-02-24 | 广西电网有限责任公司贺州供电局 | 一种变电现场作业违规行为检测方法 |
CN115017220A (zh) * | 2022-07-05 | 2022-09-06 | 国网新疆电力有限公司超高压分公司 | 在线监测数据分析预警平台 |
CN115840419A (zh) * | 2021-12-17 | 2023-03-24 | 中南大学 | 基于云边协同字典学习的复杂工业过程监测方法和系统 |
CN116433136A (zh) * | 2023-04-18 | 2023-07-14 | 深圳市元美供应链管理有限公司 | 一种基于大数据的货运安全监测系统及方法 |
CN116566039A (zh) * | 2023-03-31 | 2023-08-08 | 中国电力科学研究院有限公司 | 一种基于云边端协同感知的输电线路监测系统及方法 |
CN116660669A (zh) * | 2023-07-26 | 2023-08-29 | 威海双城电气有限公司 | 一种电力设备故障在线监测系统及方法 |
CN116668482A (zh) * | 2023-06-02 | 2023-08-29 | 南京国铁电气有限责任公司 | 一种基于人工智能的智慧楼宇二总线监控系统及方法 |
CN117014472A (zh) * | 2023-09-04 | 2023-11-07 | 中国长江电力股份有限公司 | 一种基于云边端协同的电厂设备智能巡检方法及系统 |
-
2023
- 2023-11-17 CN CN202311532020.9A patent/CN117560470B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036575A (zh) * | 2014-07-01 | 2014-09-10 | 江苏省南京市公路管理处公路科学研究所 | 施工现场安全帽佩戴情况监控方法 |
KR20210111097A (ko) * | 2020-03-02 | 2021-09-10 | 주식회사 포스코아이씨티 | 호이스트를 이용한 공종별 작업자 투입 현황 모니터링 시스템 및 방법 |
WO2022037279A1 (zh) * | 2020-08-19 | 2022-02-24 | 广西电网有限责任公司贺州供电局 | 一种变电现场作业违规行为检测方法 |
CN115840419A (zh) * | 2021-12-17 | 2023-03-24 | 中南大学 | 基于云边协同字典学习的复杂工业过程监测方法和系统 |
CN115017220A (zh) * | 2022-07-05 | 2022-09-06 | 国网新疆电力有限公司超高压分公司 | 在线监测数据分析预警平台 |
CN116566039A (zh) * | 2023-03-31 | 2023-08-08 | 中国电力科学研究院有限公司 | 一种基于云边端协同感知的输电线路监测系统及方法 |
CN116433136A (zh) * | 2023-04-18 | 2023-07-14 | 深圳市元美供应链管理有限公司 | 一种基于大数据的货运安全监测系统及方法 |
CN116668482A (zh) * | 2023-06-02 | 2023-08-29 | 南京国铁电气有限责任公司 | 一种基于人工智能的智慧楼宇二总线监控系统及方法 |
CN116660669A (zh) * | 2023-07-26 | 2023-08-29 | 威海双城电气有限公司 | 一种电力设备故障在线监测系统及方法 |
CN117014472A (zh) * | 2023-09-04 | 2023-11-07 | 中国长江电力股份有限公司 | 一种基于云边端协同的电厂设备智能巡检方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117560470A (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111432179A (zh) | 基于计算机视觉的输煤皮带智能巡检系统及方法 | |
CN106851229B (zh) | 一种基于图像识别的安防智能决策的方法与系统 | |
CN102025975A (zh) | 自动监控方法和系统 | |
CN113705372A (zh) | 一种应用于配网作业现场违章的ai识别系统 | |
CN115065798A (zh) | 一种基于大数据的视频分析监控系统 | |
CN210666820U (zh) | 一种基于dsp边缘计算的行人异常行为检测系统 | |
CN112929604A (zh) | 一种办公室图像采集管理系统 | |
CN115562340A (zh) | 一种配网线路无人机巡检故障判别系统 | |
CN116647643A (zh) | 一种智能安防监控系统 | |
CN117560470B (zh) | 一种云边端协同分布式工业电视监测与识别系统及方法 | |
CN113743725B (zh) | 基于边缘计算的登高作业人员的登高资质检测方法及系统 | |
CN115733957A (zh) | 一种基于图像识别的导航设备告警处理方法 | |
CN113179386A (zh) | 一种矿区安全智能监控广播系统及其智能广播方法 | |
CN111105395A (zh) | 一种用于输电运行监测的ai智能云台 | |
CN110855930B (zh) | 一种网络设备智能识别方法和系统 | |
CN117172542B (zh) | 一种基于大数据的施工现场巡查管理系统 | |
CN117953434B (zh) | 基于智能网关的输电线路外力破坏监测方法及系统 | |
CN116582410B (zh) | 一种基于itsm系统的智能运维服务方法及装置 | |
CN118334545A (zh) | 一种低压缸检修监控系统 | |
CN118196684A (zh) | 一种用于安防的视频监测系统、方法、电子设备及存储介质 | |
CN115690638A (zh) | 一种智慧安全工地安全帽实时检测方法 | |
CN116206260A (zh) | 一种油气管道安全风险智能识别方法及系统 | |
CN117935102A (zh) | 基于流媒体智能分析的采煤工作面智能检测方法和系统 | |
CN113436426A (zh) | 一种基于视频ai分析的人员行为警示系统 | |
CN115437293A (zh) | 一种空压机远程监控系统 |
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 |