CN117579788B - 一种基于ai的加油站卸油监控方法、系统和存储介质 - Google Patents
一种基于ai的加油站卸油监控方法、系统和存储介质 Download PDFInfo
- Publication number
- CN117579788B CN117579788B CN202410053085.3A CN202410053085A CN117579788B CN 117579788 B CN117579788 B CN 117579788B CN 202410053085 A CN202410053085 A CN 202410053085A CN 117579788 B CN117579788 B CN 117579788B
- Authority
- CN
- China
- Prior art keywords
- preset
- target
- staff
- image
- monitoring
- 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 209
- 238000000034 method Methods 0.000 title claims abstract description 85
- 238000003860 storage Methods 0.000 title claims abstract description 36
- 230000009471 action Effects 0.000 claims abstract description 105
- 238000004891 communication Methods 0.000 claims abstract description 10
- 230000004044 response Effects 0.000 claims description 37
- 238000007599 discharging Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 28
- 238000012790 confirmation Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 19
- 230000000007 visual effect Effects 0.000 claims description 18
- 230000003542 behavioural effect Effects 0.000 claims description 17
- 238000002360 preparation method Methods 0.000 claims description 17
- 230000006399 behavior Effects 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 230000000087 stabilizing effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 abstract description 8
- 239000003921 oil Substances 0.000 description 119
- 238000010586 diagram Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 9
- 230000009429 distress Effects 0.000 description 8
- 239000000446 fuel Substances 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 239000002699 waste material Substances 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 239000000047 product Substances 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005086 pumping Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- 239000002283 diesel fuel Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 206010000369 Accident Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 239000010734 process oil Substances 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000010200 validation analysis 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
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- 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
- G06V20/44—Event detection
-
- 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
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
-
- 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
- H04N7/188—Capturing isolated or intermittent images triggered by the occurrence of a predetermined event, e.g. an object reaching a predetermined position
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
一种基于AI的加油站卸油监控方法、系统和存储介质,涉及图像通信领域,该方法包括:通过预设传感器检测到目标识别区域出现目标油罐车时,采集对应目标识别区域的区域图像;确认目标油罐车是否抵达预设位置;对工作人员进行特征识别和动作追踪,分析得到人员工作进度;截取区域图像,得到第一图片;确认工作人员的当前工作结果是否满足预设工作节点的预设工作目标;若不满足预设工作目标,则发送第一提示信息和第一图片到监控后台;在人员工作进度达到预设结束节点后,停止获取区域图像。实施该方法,实现了对加油站卸油区域的全自动监控,在需要监控时获取图像,避免了长时间和无目的的监控,有效节省了计算和存储资源。
Description
技术领域
本申请涉及图像通信领域,尤其涉及一种基于AI的加油站卸油监控方法、系统和存储介质。
背景技术
随着互联网技术的普及与发展,视频监控技术越来越被广泛应用于各个行业中,以提高生产效率和管理水平。视频监控系统可以通过摄像头实时监控现场情况,并将视频信号传送到监控中心,实现对监控区域的全方位监控,为各类企业和场所的安防提供了有力保障。
在加油站中也广泛使用了视频监控系统。相关的视频监控系统主要通过人工方式查看监控画面,发现问题后进行处理。但单纯依靠人工监控的效率较低,无法满足监控需求。为此,一些监控系统结合了图像识别、目标跟踪等技术,实现对特定监控目标的自动识别和跟踪,提高监控效率。
然而相关技术中的视频监控方法往往需要持续对监控区域进行图像采集,并实时进行图像分析,导致计算和存储资源的大量消耗。特别是对于监控目标出现的概率较低的情况,长时间对整个区域持续监控存在资源浪费。
发明内容
本申请提供了一种基于AI的加油站卸油监控方法、系统和存储介质,在用预设传感器检测到目标油罐车后开启图像获取,而在对图像进行特征识别,确定工作结束后停止图像获取,达到了监测卸油工作全流程的同时,节省算力资源和存储资源的效果。
第一方面,本申请提供了一种基于AI的加油站卸油监控方法,应用于监控系统,该方法包括:在通过预设传感器检测到目标识别区域出现目标油罐车时,通过摄像头采集对应目标识别区域的区域图像;区域图像为目标识别区域的实时视频;对区域图像进行特征识别,确认目标油罐车是否抵达目标识别区域的预设位置;在目标油罐车抵达预设位置后,对目标识别区域的工作人员进行特征识别和动作追踪,分析得到人员工作进度;在人员工作进度达到预设工作节点时,截取区域图像,得到第一图片;对第一图片进行特征识别,确认工作人员的当前工作结果是否满足预设工作节点的预设工作目标;预设工作目标包括器件放置到位、人员无预设危险动作;若当前工作结果不满足预设工作目标,则发送第一提示信息和第一图片到监控后台;第一提示信息用于提示用户卸油流程的工作存在质量问题;在人员工作进度达到预设结束节点后,停止获取区域图像。
在上述实施例中,监控系统在检测到目标油罐车出现后,对视频图像进行处理,首先确认油罐车是否到达预设位置,然后检测工作人员的工作进度,在达到预设工作节点时获取图片,并判断当前工作结果是否满足预设工作目标,如果不满足则发送提示信息,最后在工作结束后停止获取图像。该方法利用AI技术实现了对加油站卸油区域的全自动监控,可以检测工作质量问题,确保操作规范,同时只在需要监控时获取图像,避免了长时间或无目的的监控,有效节省了计算和存储资源。
结合第一方面的一些实施例,在一些实施例中,在目标油罐车抵达预设位置后,对目标识别区域的工作人员进行识别和动作追踪,分析得到人员工作进度的步骤之后,该方法还包括:在目标油罐车抵达预设位置后的预设准备时间内,对区域图像进行特征识别,确认工作人员是否开始卸油操作;若确认工作人员开始卸油操作,则截取区域图像,得到第二图片;发送第二提示信息和第二图片到监控后台;第二提示信息用于提示用户卸油流程的稳油时间未达标;在目标油罐车抵达预设位置后的预设准备时间之后,对区域图像进行特征识别,确认目标识别区域是否存在卸油安全措施和工作人员;若目标识别区域不存在卸油安全措施和工作人员,则截取区域图像,得到第三图片;发送第三提示信息和第三图片到监控后台;第三提示信息用于提示用户卸油流程的安全防护措施存在疏漏。
在上述实施例中,监控系统增加了针对卸油准备阶段的监控,在油罐车到达后会判断工作人员是否提前操作、安全设施是否到位,如果检测到问题,会获取图片并发送提示,以确保稳油时间和安全措施到位。增加了准备阶段的监管,可以避免操作越界和安全防护不到位的风险。
结合第一方面的一些实施例,在一些实施例中,发送第一提示信息和第一图片到监控后台,具体包括:发送第一提示信息和第一图片到监控后台;确认在预设确认时间段内,是否监听到用户在监控后台的信息确认操作;若否,则通过声光警示装置对目标识别区域的工作人员进行声光提示;声光提示用于提示工作人员安全防护措施存在疏漏。
在上述实施例中,监控系统在检测到工作质量问题时,会第一时间发送提示信息和图片到监控后台,让后台用户知晓情况。但仅发送信息不足以确保问题被处理,所以增加了确认反馈机制,要求用户在预设时间内进行确认操作。如果监控系统未收到确认信号,则会自动启动声光警报对现场工作人员进行提示。防止了监控系统发送的提示信息被忽略或未看到的情况,确保了质量问题可以得到重视并整改,从而提升了系统的可靠性与应用价值,为加油站的安全生产保驾护航。
结合第一方面的一些实施例,在一些实施例中,在通过声光警示装置对目标识别区域的工作人员进行声光提示的步骤之后,该方法还包括:对区域图像进行特征识别,确认目标识别区域内工作人员的动作反应;在动作反应为在预设位置执行预设动作时,停止声光提示。
在上述实施例中,监控系统向工作人员进行声光报警提示后,会持续对监控视频进行分析识别,判断工作人员是否有专门的反应动作。这里的预设动作可以设置为特定的手势动作,例如单手举手做OK手势等,以示意监控系统可能出现了误报警。如果系统检测到工作人员确实有这样的反应动作,会自动判定可能出现误报警,及时停止声光报警,避免对正常工作造成干扰。提高了监控系统与人员的交互性,在保证报警效果的同时,又考虑到了误报的可能,既确保问题受到重视,也避免了误报导致工作中断,使监控更加智能化和准确。
结合第一方面的一些实施例,在一些实施例中,在对区域图像进行特征识别,确认目标识别区域内工作人员的动作反应的步骤之后,该方法还包括:根据预设评分标准,对工作人员的动作反应进行评分,得到提示反馈评分;在提示反馈评分低于预设评分阈值时,发送动作反应评分报告到监控后台;动作反应评分报告包括工作人员的识别信息、动作反应描述、动作反应评分。
在上述实施例中,监控系统会针对工作人员的反应动作,根据预先设置的评分标准,如反应的准确性、速度等,对其应急处置能力进行评分。如果评分结果低于规定的阈值水平,表示该工作人员对警报反应的熟练程度还不够,这时系统会自动生成评分报告反馈到监控后台,报告中包含了该员工的识别信息、其反应动作描述、评分结果等数据。监控人员可以据此对工作人员进行定期或不定期的应急能力训练,以提升他们对突发事件的应对水平,进一步提高了系统在安全生产方面的监管水平。
结合第一方面的一些实施例,在一些实施例中,在通过预设传感器检测到目标识别区域出现目标油罐车时,通过摄像头采集对应目标识别区域的区域图像的步骤之后,该方法还包括:对区域图像进行特征识别,确认目标识别区域内工作人员的行为动作;行为动作包括工作人员的语言行为动作和肢体行为动作;在行为动作与预设求救动作的相似度达到预设相识阈值时,截取区域图像,得到第四图片;向救援中心发送求救警示信息和第四图片。
在上述实施例中,监控系统通过对监控视频进行分析,可以识别出人员的语音内容和肢体动作,判断这些行为是否与预设的求救动作相匹配,如果匹配度超过阈值,系统会判断为工作人员发出了求救信号。这时系统会截取对应画面,并向救援中心发送求救警报信息,以便启动紧急救援,大大提高了系统对突发事件的响应速度,发挥了智能监控的作用。
结合第一方面的一些实施例,在一些实施例中,在人员工作进度达到预设结束节点后,停止获取区域图像的步骤之后,该方法还包括:收集在人员工作进度达到多个预设工作节点时,截取区域图像得到的多个第一图片;在多个第一图片上添加对应的工作记录信息;工作记录信息包括工作时间、工作节点、工作人员;对多个第一图片进行分类整理,生成工作图文报告。
在上述实施例中,监控系统会收集在工作过程不同时间节点采集到的监控图像,并添加对应的文本工作记录,如时间、节点信息、操作人员等,最后对图像进行整理分类,形成一份完整的工作过程报告。这种自动生成的文字图片结合的工作报告,可以让管理者更直观地了解工作的全过程、质量水平、存在问题等,比简单监控数据更有参考价值,实现了对数据的深度开发利用。
第二方面,本申请实施例提供了一种监控系统,该监控系统包括服务器、边缘计算设备和摄像头,该服务器包括:图像获取模块,用于在通过预设传感器检测到目标识别区域出现目标油罐车时,通过摄像头采集对应目标识别区域的区域图像;区域图像为目标识别区域的实时视频;位置确认模块,用于对区域图像进行特征识别,确认目标油罐车是否抵达目标识别区域的预设位置;进度确认模块,用于在目标油罐车抵达预设位置后,对目标识别区域的工作人员进行识别和动作追踪,分析得到人员工作进度;第一采集模块,用于在人员工作进度达到预设工作节点时,截取区域图像,得到第一图片;第一识别模块,用于对第一图片进行特征识别,确认工作人员的当前工作结果是否满足预设工作节点的预设工作目标;预设工作目标包括器件放置到位、人员无预设危险动作;第一提示模块,用于在当前工作结果不满足预设工作目标时,发送第一提示信息和第一图片到监控后台;第一提示信息用于提示用户卸油流程的工作存在质量问题;图像终止模块,用于在人员工作进度达到预设结束节点后,停止获取区域图像。
第三方面,本申请实施例提供了一种服务器,该服务器包括:一个或多个处理器和存储器;该存储器与该一个或多个处理器耦合,该存储器用于存储计算机程序代码,该计算机程序代码包括计算机指令,该一个或多个处理器调用该计算机指令以使得该服务器执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
第四方面,本申请实施例提供一种包含指令的计算机程序产品,当上述计算机程序产品在服务器上运行时,使得上述服务器执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
第五方面,本申请实施例提供一种计算机可读存储介质,包括指令,当上述指令在服务器上运行时,使得上述服务器执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
可以理解地,上述第二方面、第三方面提供的服务器,第四方面提供的计算机程序产品和第五方面提供的计算机存储介质均用于执行本申请实施例所提供的方法。因此,其所能达到的有益效果可参考对应方法中的有益效果,此处不再赘述。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1、由于采用了在检测到目标油罐车出现后才启动图像监控,在工作结束后停止图像获取的机制,所以可以实现全流程的卸油作业监管,同时有效解决了相关技术中需要持续监控图像导致计算资源浪费的问题,进而实现了监控计算资源的合理利用。监控系统只在传感器检测到油罐车出现时才触发对该区域的摄像监控,利用AI算法对图像进行特征分析,监控整个卸油工作的进行,在工作结束后主动停止摄像头的相关图像获取。这种有效的启动与停止机制,解决了长时间和无目的持续监控带来的运算力和存储资源的巨大浪费问题,使监控系统可以节约计算资源,有针对性地监测关键的卸油环节,既保证了作业过程的管控,又实现了计算资源的节约,提高了监控系统的实际可行性和适用性。
2、由于采用了检测工作人员指定动作反馈来判断并停止误报警的机制,所以可以有效解决相关技术中无法区分误报警导致重复警报的问题,进而实现了减少误报警对正常作业的干扰。当监控系统对工作人员警示后,会继续监控其反应,如果检测到特定动作,如举手示意等,则判断为误报警并停止警示,避免了重复的误警继续扰乱正常工作。这种反馈判断机制,可以有效判断出系统误报警的情况,主动停止不必要的重复警示,解决了类似系统由于无法区分误报警,继续给工作人员制造干扰的问题,实现了对正常作业过程的保护,提高了系统准确性和实用性。
3、由于采用了收集工作节点图片并添加文本信息,最后生成图文工作报告的机制,所以可以有效解决相关技术中监控数据难以进行有效分析利用的问题,进而实现了监控数据的附加价值开发。监控系统可以收集工作时各节点获取的监控图像,并补充文字的工作记录信息,最后形成视觉直观的图文工作报告。这种自动生成的报告,可以直观反映工作全过程,便于管理分析,比简单的监控数据更有参考价值。同时解决了原始监控数据难以被有效利用的问题,通过数据开发形成了可分析的报告,实现了监控数据的附加价值,能更好地为作业质量控制和系统优化提供参考,提升了监控系统的实际应用效果。
附图说明
图1是使用本申请实施例中监控系统的一个应用场景示意图;
图2是使用本申请实施例中基于AI的加油站卸油监控方法的一个示例性场景示意图;
图3是本申请实施例中基于AI的加油站卸油监控方法的一个流程示意图;
图4是本申请实施例中基于AI的加油站卸油监控方法的另一个场景示意图;
图5是本申请实施例中基于AI的加油站卸油监控方法的另一个流程示意图;
图6是本申请实施例中服务器的一种功能模块结构示意图;
图7是本申请实施例中服务器的一种实体装置结构示意图。
具体实施方式
本申请以下实施例中所使用的术语只是为了描述特定实施例的目的,而并非旨在作为对本申请的限制。如在本申请的说明书中所使用的那样,单数表达形式“一个”、“一种”、“所述”、“上述”、“该”和“这一”旨在也包括复数表达形式,除非其上下文中明确地有相反指示。还应当理解,本申请中使用的术语“和/或”是指包含一个或多个所列出项目的任何或所有可能组合。
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为暗示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征,在本申请实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
为便于理解,首先介绍本申请本实施例中的监控系统。请参考图1,为使用本申请实施例中监控系统的一个应用场景示意图。
图1中监控系统包括服务器、传感器、边缘计算设备、摄像头和声光报警装置;其中监控系统的服务器是系统的处理中心和指令收发中心,分别与传感器、边缘计算设备、声光报警装置建立通信连接,边缘计算设备与摄像头建立通信连接;在实际应用中,传感器、边缘计算设备、声光报警装置都可以是一个或多个。
边缘计算设备可以获取一个或多个摄像头的图像视频,并对图像视频进行分析处理后,上传到服务器,服务器可根据图像视频的特征分析结果,给不同的装置发送不同的指令,例如发送提示指令给声光报警装置,使其进行语音播报和灯光警示。
传感器可以识别到油罐车的身份,具体的,可以通过RFID(Radio FrequencyIdentification,射频识别,一种非接触式自动识别技术)进行身份识别,识别完成后会将信号上传到服务器,进行后续监控处理。
下面介绍本申请实施例的应用场景。
甲加油站位于某省会城市,是该市最大的加油站,占地面积2万平方米,有地上储油罐10个,地下储油罐5个。每天有20-30车次的油罐车来该加油站卸油。卸油作业场地有4个泵位,需要操作人员对卸油软管进行连接,打开出油阀门。由于卸油现场空旷,存在违规吸烟等火源隐患。如果卸油过程中有油料溢出,发生火灾事故的损失将会非常严重。所以必须对卸油全过程进行严密监控,发现违规操作行为。但是该加油站卸油区域范围太大,仅依靠3名操作人员通过目视很难全面监控每一个细节。
在相关技术中,可以通过采用持续全区域监控的方法,来实现对加油站卸油区域的监测。这种方法通过在目标区域布置大量摄像头,并实时对采集的监控视频进行智能分析,以监测卸油工作过程并识别异常情况。但是这种持续对整个区域进行监控,会产生大量无效的计算和存储资源消耗。
下面介绍使用相关技术中的基于AI的加油站卸油监控方法的场景。
以前甲加油站安装了20余个监控摄像头,通过人工方式持续监视卸油区域,效率较低。后来改用智能分析系统,能对图像进行持续分析判断卸油作业是否规范。但是大部分时间都没有油罐车在场,导致系统运算办公资源严重浪费。值班人员反馈系统生成的警示信息过多,已产生监控疲劳,无法高效核查确定事件的真实性和严重程度。
而采用本申请实施例提出的仅在检测到目标油罐车出现后才启动摄像头对关键区域进行监控的方法,通过有效缩减监控运算范围,实现对卸油工作的监管,同时也有效减少了无用的监控运算,不仅实现了工作监测,还提高了计算资源利用效率。
下面介绍使用了本申请中基于AI的加油站卸油监控方法的场景。
请参阅图2,为使用本申请实施例中基于AI的加油站卸油监控方法的一个示例性场景示意图。在图2中示出了加油站的卸油区域的监控场景,其中201为油罐车,其上的油罐内储存有需要抽卸的汽油或柴油;202为加油站的卸油口,其中的95、92、0、98分别对应不同型号的汽油或柴油的存储罐接口;203为工作人员,他需要将油罐车201的油品卸到加油站的卸油口202对应的存储罐中;图2中204为摄像头,两个摄像头204分别拍摄油罐车201前后视角的卸油操作视频;205为油罐车201上的一个RFID识别卡,可以被加油站的RFID读取器206所检测到,在RFID读取器206检测到油罐车201上的RFID识别卡205后,会通过摄像头204对油罐车201的卸油工作进行监控。若通过智能识别出工作人员203的卸油工作存在错误或遗漏之处,会通过声光报警装置207进行信息提示。
接上述的具体场景中,甲加油站在卸油区域设置了RFID读取器,当门岗人员对到站的油罐车进行油品确认后,会分配对应的RFID识别卡给油罐车。监控系统能通过RFID识别卡的信号检测到油罐车是否进入指定的卸油区域。进入卸油区域后监控系统将触发与对应区域的摄像头的信息连接,利用AI智能分析算法对卸油作业过程进行监控。并在监控结束后自动关闭图像采集和分析模块,防止无效监控造成资源浪费。同时监控系统还通过图片截取的形式对相关工作情况进行记录,使值班人员能集中精力核查每一起事件,减轻监控疲劳。
可见,采用本申请实施例的有效区域启动监控方法,在实现对卸油工作过程的监测的同时,还可以根据实际情况智能调节监控运算范围,避免了全区域持续监控导致的资源浪费,进而实现了计算资源的合理利用。
为便于理解,下面结合上述场景,对本实施提供的方法进行流程叙述。请参阅图3,为本申请实施例中基于AI的加油站卸油监控方法的一个流程示意图。可以理解的是,下面方法步骤的执行主体为监控系统,具体为监控系统中的服务器。
S301、在通过预设传感器检测到目标识别区域出现目标油罐车时,通过摄像头采集对应目标识别区域的区域图像。
在通过预设传感器检测到目标识别区域出现目标油罐车时,服务器指令对应区域的摄像头采集该区域的视频图像。这里的预设传感器可以是设置在门岗的RFID读取器,当门岗人员进行油品确认并为油罐车分配RFID识别卡后,RFID读取器检测到信号并上传到服务器,服务器判断该油罐车已进入卸油区域,随即与该区域相关的摄像头建立连接,开始采集用于后续分析处理的区域视频图像。这种仅在检测到目标存在时才开启关键区域的监控,可以有效避免长时间无目标的无效监控,节省计算资源。
S302、对区域图像进行特征识别,确认目标油罐车是否抵达目标识别区域的预设位置。
服务器利用AI算法对采集到的区域视频图像进行分析处理,提取图像中的静态和动态特征信息,并与预存的目标特征数据进行匹配,以确认监控图片或视频中的油罐车是否已经抵达了加油站预设的指定卸油位置。例如,系统可以通过检测图像中油罐车的型号、logo、卸油软管接入点等信息,并与标准卸油位置预置数据进行对比,判断该油罐车是否已停靠在规定的卸油泵位上。准确判断油罐车是否到达预设停靠位置,是进行后续卸油监控的前提。
S303、对目标识别区域的工作人员进行特征识别和动作追踪,分析得到人员工作进度。
服务器在判断油罐车已抵达预设位置后,会继续分析监控图像,进行工作人员的特征识别,判断有无无关人员,若有无关人员闯入将会触发报警。服务器会锁定特定工作人员进行持续跟踪,分析其进行的动作顺序,判断工作进度情况。例如可以识别工作人员的服装特征,追踪其移动轨迹、工作手势等,根据动作顺序是否符合标准作业流程来分析工作进度。监控各工作环节的时间长短也可以间接判断作业进度。
S304、在人员工作进度达到预设工作节点时,截取区域图像,得到第一图片。
服务器在分析工作人员的动作和对应的卸油装置、安全防护装置的摆放位置后,判断其工作进度已经达到了预设的重要节点时,会指令所连接的摄像头截取该时间点的监控图像,获得对应的工作环节图片,作为记录工作的第一图片。例如,可以预设置在放置轮挡、接静电夹、放灭火器、接输油管、开阀门、抽油结束、油品留样等节点截图,也可以在出现工作人员的指定动作时截图。获得代表关键节点的图片可以更直观地反映工作进度和情况。
S305、对第一图片进行特征识别,确认工作人员的当前工作结果是否满足预设工作节点的预设工作目标。
服务器会利用图像识别技术对获取的工作环节图片进行分析,提取图片中的特征信息,判断当前工作结果是否符合预设的标准作业要求,比如器械是否到位,操作是否规范等。例如可以通过目标检测、语义分割等技术判断设备放置位置是否正确;通过姿态估计判断工作人员动作是否存在明显违规行为。判断结果将为后续提示提供依据。
S306、发送第一提示信息和第一图片到监控后台。
当服务器检查发现当前工作结果不符合预设工作标准时,会判断为存在工作质量问题或隐患,随即生成对应提示信息,并将提示信息与对应工作环节的监控图片一起发送到监控后台,供负责人员核查处理。提示信息需明确指出问题原因,如“灭火器放置不到位”、“未油品留样”等。
S307、在人员工作进度达到预设结束节点后,停止获取区域图像。
在服务器判断工作人员的操作已经完成整个卸油作业的最后阶段后,会指示所连接的摄像头停止对该区域的摄像采集,以节省存储空间。判断工作结束的依据可以是工作人员采取指定动作,或操作持续时间超过预设时长等条件判定,例如油罐车远离、工作人员确认完毕等。关闭摄像头采集可以避免后续无目标的无效监控,达到节省计算资源的目的。
上面实施例中,介绍了监控系统在检测到油罐车后,如何对卸油作业的不同阶段进行智能化监管,实现了对工作质量和安全的监测。但在实际应用中,由于监控环境及操作人员的复杂性,监控系统依然可能会出现误报的情况。
下面对本实施例的场景进行补充。
请参阅图4,为本申请实施例中基于AI的加油站卸油监控方法的另一个场景示意图。图4示出了监控系统拍摄到的图像,其中由于图像识别模块未更新,将工作人员的新服装识别为外来人员服装,导致此次监控管理误报警,图像右上角出现报警标识。而工作人员在确认现场无其他失误后,在监控视角的某一位置站立,并举手做了OK手势。此时监控系统抓取到该手势,确定其为误报警解除手势,随即解除声光提示报警,使得工作人员得以继续进行正常工作。
在结合上述场景后,下面对本实施提供的方法进行进一步的更具体的流程叙述。请参阅图5,为本申请实施例中基于AI的加油站卸油监控方法的另一个流程示意图。
S501、在通过预设传感器检测到目标识别区域出现目标油罐车时,通过摄像头采集对应目标识别区域的区域图像。
参考步骤S301,服务器检测到目标识别区域出现目标油罐车时,会通过摄像头采集对应目标识别区域的区域图像。
在一些实施例中,监控系统会对区域图像进行特征识别,确认目标识别区域内工作人员的行为动作;行为动作包括工作人员的语言行为动作和肢体行为动作;在行为动作与预设求救动作的相似度达到预设相识阈值时,截取区域图像,得到第四图片;向救援中心发送求救警示信息和第四图片。
具体的,监控系统增加了对监控区域内工作人员行为的识别和分析功能。这里的行为动作是指工作人员在监控区域内的语言行为(如喊话内容)和肢体动作(如挥舞手臂等肢体语言)。监控系统会通过语音识别、图像识别等技术手段,对摄像头采集到的监控视频进行解析,提取工作人员的语言行为和肢体动作的特征信息。然后系统会将这些行为特征与一个预设的求救动作数据集进行匹配对比。当系统判断监控场景内工作人员的行为动作与数据集中的求救动作特征达到了一个预设的相似度阈值时,判定为工作人员发出了求救信号。这时监控系统会截取这一时刻的监控图像,生成求救信号对应的第四图片,即紧急情况图片,并向负责该区域监控的救援中心发送求救警报信息,以便救援中心派出人员进行紧急救援。这种针对工作人员异常行为的智能监测,可以提高系统对突发事件的响应速度。
S502、对区域图像进行特征识别,确认目标油罐车是否抵达目标识别区域的预设位置。
参考步骤S302,服务器会确认监控图片或视频中的油罐车是否已经抵达了加油站预设的指定卸油位置。
在一些实施例中,监控系统在目标油罐车抵达预设位置后的预设准备时间内,对区域图像进行特征识别,确认工作人员是否开始卸油操作;若确认工作人员开始卸油操作,则截取区域图像,得到第二图片;发送第二提示信息和第二图片到监控后台;第二提示信息用于提示用户卸油流程的稳油时间未达标;在目标油罐车抵达预设位置后的预设准备时间之后,对区域图像进行特征识别,确认目标识别区域是否存在卸油安全措施和工作人员;若目标识别区域不存在卸油安全措施和工作人员,则截取区域图像,得到第三图片;发送第三提示信息和第三图片到监控后台;第三提示信息用于提示用户卸油流程的安全防护措施存在疏漏。
具体的,监控系统增加了对卸油准备阶段的监控机制。在系统确认油罐车已到达预设卸油位置后,会启动一个预设的准备时间,在这个时间内,持续监控区域图像。如果在准备时间结束前就检测到工作人员已经开始进行卸油操作,监控系统会抓取此时的监控图片,作为第二图片,即准备动作图片,并向监控后台发送提示信息,告知稳油时间未达到标准要求,可能会有安全隐患。另外,在准备时间结束后,系统会再次识别区域图像,检查是否已按要求设置好了所有卸油安全防护措施,以及相关工作人员是否已到位。如果检测到缺少安全防护措施或工作人员不在位,会截取第三图片,即安全措施图片,并发送提示信息指出存在防护措施不到位的问题。这样的设计可以确保工作人员按要求完成卸油前的必要准备工作,以避免违规操作带来的安全隐患。
S503、对目标识别区域的工作人员进行特征识别和动作追踪,分析得到人员工作进度。
参考步骤S303,服务器会锁定特定工作人员进行持续跟踪,分析其进行的动作顺序,判断工作进度情况。
S504、在人员工作进度达到预设工作节点时,截取区域图像,得到第一图片。
参考步骤S304,服务器会指令所连接的摄像头截取该时间点的监控图像,获得对应的工作环节图片,作为记录工作的第一图片。
S505、对第一图片进行特征识别,确认工作人员的当前工作结果是否满足预设工作节点的预设工作目标。
参考步骤S305,服务器会提取图片中的特征信息,判断当前工作结果是否符合预设的标准作业要求。
S506、发送第一提示信息和第一图片到监控后台。
参考步骤S306,服务器判断存在工作质量问题或隐患时,会随即生成对应提示信息,并将提示信息与对应工作环节的监控图片一起发送到监控后台。
S507、确认在预设确认时间段内,是否监听到用户在监控后台的信息确认操作。
服务器在向监控后台发送提示信息和图片后,会继续监听在一个预设的确认时间段内,是否接收到监控后台用户的确认操作。确认操作可以是点击特定按钮或回复特定代码等。如果在预设时间内未监听到用户的确认反馈,则判断该问题尚未得到关注,需要进行下一步的提示。设置确认时间可以防止监管信息被忽略。
S508、通过声光警示装置对目标识别区域的工作人员进行声光提示。
如果服务器未在预设时间内收到监控后台的确认反馈,表示提示信息可能被漏看或忽略,这时会判断为需要对现场工作人员进行直接提示。系统会发送指令给设置在目标识别区域的声光报警装置,启动语音播报和灯光闪烁等提示,提醒工作人员注意检查作业质量安全问题。这样可以增强监管流程的闭环性。
S509、对区域图像进行特征识别,确认目标识别区域内工作人员的动作反应。
在对工作人员进行声光提示后,服务器会持续分析监控视频,利用图像识别技术判断工作人员是否有专门的反馈动作。例如识别工作人员是否在指定位置采取了举手示意OK的手势。一旦检测到预设的反馈动作,会判断为之前的提示可能为误报,应立即停止对工作人员的声光提示,避免对继续正常作业造成干扰。增加这一环节,可以避免监控系统自身的误报反复对正常工作的影响。当然,反馈动作也可以具体为某些按钮的按下操作,以避免误报警。
在一些实施例中,监控系统会根据预设评分标准,对工作人员的动作反应进行评分,得到提示反馈评分;在提示反馈评分低于预设评分阈值时,发送动作反应评分报告到监控后台;动作反应评分报告包括工作人员的识别信息、动作反应描述、动作反应评分。
具体的,监控系统可以对工作人员对报警提示的反应动作进行评分。系统会预先设置一个动作反应的评分标准,如反应的准确性、迅速性等。当工作人员对报警做出反应时,系统会根据这个预设标准,评估员工的响应动作,给出一个定量的提示反馈评分。如果动作反应的评分结果低于规定的评分阈值,表示该员工对报警的应急响应能力还需提高。这时监控系统会自动生成一个评分报告发送到监控后台,该报告包含工作人员的身份识别信息,对其动作反应的描述,以及最后的评分结果数值。监控人员可以据此对低分员工组织专项应急能力培训,以提升他们对突发报警的处置熟练程度。
S510、在动作反应为在预设位置执行预设动作时,停止声光提示。
在服务器检测到工作人员有预设的反馈动作后,会立即指令声光报警装置停止对该区域的语音和灯光提示。这样可以避免继续对正常作业造成误报干扰。预设的反馈动作可以是特定位置举手打手势等,表示工作正常,提醒监控系统出现了误报。系统接收到反馈信号即刻停止提示,是一种智能的人机交互设计,既保证了提示作用,也考虑到了误报情况。
S511、收集在人员工作进度达到多个预设工作节点时,截取区域图像得到的多个第一图片。
服务器会在工作人员进行卸油操作的整个过程中,在检测到人员工作达到多个预设的重要工作节点时,指令相应的摄像头截取代表每个节点的监控图像,获得多个第一图片。这里的重要工作节点可以包括放置轮挡、连接静电接地线、放置好消防设施、接入油品输送管道、打开阀门、抽油中期、抽油结束、进行油品留样等环节。监控系统通过分析图像判断人员工作的进行步骤,在每到达一个预设节点时获取一个对应的监控图片,这些第一图片可以直观地记录下整个卸油工作的时间进度和各个阶段情况。
S512、在多个第一图片上添加对应的工作记录信息。
在获取到多个第一图片后,服务器会自动在图片上面添加文字信息,来补充该图片所对应的工作记录详情。添加的文本信息可包括该图片截取的精确时间点,对应的工作节点名称,进行作业的人员识别等信息。结合图片内容,文字信息可以更全面和准确地记录下该图片对应的时间、步骤和人员情况。文字与图片的结合,构成了完整的工作记录。
S513、对多个第一图片进行分类整理,生成工作图文报告。
在监控图片获得补充的文本工作记录信息后,服务器会对这些第一图片进行整理分类,可以根据时间顺序或工作步骤顺序整理,并自动形成一份完整的工作过程记录报告。这样的报告以图片与文本结合的方式直观展示了从准备到结束的整个卸油工作全过程,使得管理人员可以更直观地浏览和了解整个工作的进行情况和存在的问题,相比简单的监控数据更有参考价值。
S514、在人员工作进度达到预设结束节点后,停止获取区域图像。
参考步骤S307,在服务器判断工作人员的操作已经完成整个卸油作业的最后阶段后,会断开所连接的摄像头,停止对该区域的摄像采集。
本申请实施例中,由于采用了仅在检测到目标油罐车出现后才对关键区域启动图像监控,在工作结束后主动关闭图像获取的机制,所以可以实现对全过程卸油作业的监管,有效避免了长时间和无目标的无效监控带来的运算力和存储资源的大量浪费,解决了相关技术中持续监控导致计算资源浪费的问题,进而实现了监控计算资源的合理利用。另外,本实施例还采用了检测工作人员反馈动作来识别并消除误报警的设计,以及将监控图像整理生成图文工作报告的方案,在实现对卸油作业过程管控的同时,提高了监控的准确性,开发利用了原始监控数据,使监管更具智能化和全面性,达到改进监控质量、节约计算资源、增强数据应用效果的综合效果。
下面从模块的角度介绍本申请实施例中监控系统的服务器。请参阅图6,为本申请实施例中服务器的一种功能模块结构示意图。
该服务器包括:
图像获取模块601,用于在通过预设传感器检测到目标识别区域出现目标油罐车时,通过摄像头采集对应目标识别区域的区域图像;区域图像为目标识别区域的实时视频;
位置确认模块602,用于对区域图像进行特征识别,确认目标油罐车是否抵达目标识别区域的预设位置;
进度确认模块603,用于在目标油罐车抵达预设位置后,对目标识别区域的工作人员进行识别和动作追踪,分析得到人员工作进度;
第一采集模块604,用于在人员工作进度达到预设工作节点时,截取区域图像,得到第一图片;
第一识别模块605,用于对第一图片进行特征识别,确认工作人员的当前工作结果是否满足预设工作节点的预设工作目标;预设工作目标包括器件放置到位、人员无预设危险动作;
第一提示模块606,用于在当前工作结果不满足预设工作目标时,发送第一提示信息和第一图片到监控后台;第一提示信息用于提示用户卸油流程的工作存在质量问题;
图像终止模块607,用于在人员工作进度达到预设结束节点后,停止获取区域图像。
在一些实施例中,该服务器还包括:
第二识别模块608,用于在目标油罐车抵达预设位置后的预设准备时间内,对区域图像进行特征识别,确认工作人员是否开始卸油操作;
第二采集模块609,用于在确认工作人员开始卸油操作时,截取区域图像,得到第二图片;
第二提示模块610,用于发送第二提示信息和第二图片到监控后台;第二提示信息用于提示用户卸油流程的稳油时间未达标;
第三识别模块611,用于在目标油罐车抵达预设位置后的预设准备时间之后,对区域图像进行特征识别,确认目标识别区域是否存在卸油安全措施和工作人员;
第三采集模块612,用于在目标识别区域不存在卸油安全措施和工作人员时,截取区域图像,得到第三图片;
第三提示模块613,用于发送第三提示信息和第三图片到监控后台;第三提示信息用于提示用户卸油流程的安全防护措施存在疏漏。
在一些实施例中,该第一提示模块606具体包括:
提示发送单元6061,用于发送第一提示信息和第一图片到监控后台;
监听确认单元6062,用于确认在预设确认时间段内,是否监听到用户在监控后台的信息确认操作;
声光提示单元6063,用于通过声光警示装置对目标识别区域的工作人员进行声光提示;声光提示用于提示工作人员安全防护措施存在疏漏。
在一些实施例中,该第一提示模块606还包括:
人员采集单元6064,用于对区域图像进行特征识别,确认目标识别区域内工作人员的动作反应;
声光终止单元6065,用于在动作反应为在预设位置执行预设动作时,停止声光提示。
在一些实施例中,该第一提示模块606还包括:
动作评分单元6066,用于根据预设评分标准,对工作人员的动作反应进行评分,得到提示反馈评分;
评分报告单元6067,用于在提示反馈评分低于预设评分阈值时,发送动作反应评分报告到监控后台;动作反应评分报告包括工作人员的识别信息、动作反应描述、动作反应评分。
在一些实施例中,该服务器还包括:
第四识别模块614,用于对区域图像进行特征识别,确认目标识别区域内工作人员的行为动作;行为动作包括工作人员的语言行为动作和肢体行为动作;
第四采集模块615,用于在行为动作与预设求救动作的相似度达到预设相识阈值时,截取区域图像,得到第四图片;
第四提示模块616,用于向救援中心发送求救警示信息和第四图片。
在一些实施例中,该服务器还包括:
图片收集模块617,用于收集在人员工作进度达到多个预设工作节点时,截取区域图像得到的多个第一图片;
信息记录模块618,用于在多个第一图片上添加对应的工作记录信息;工作记录信息包括工作时间、工作节点、工作人员;
图文整理模块619,用于对多个第一图片进行分类整理,生成工作图文报告。
上面从模块化功能实体的角度对本申请实施例中的监控系统进行描述,下面从硬件处理的角度对本发明申请实施例中的监控系统进行描述,请参阅图7,为本申请实施例中服务器的一种实体装置结构示意图。
需要说明的是,图7示出的服务器的结构仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,服务器包括中央处理单元(Central Processing Unit,CPU)701,其可以根据存储在只读存储器(Read-Only Memory,ROM)702中的程序或者从存储部分708加载到随机访问存储器(Random Access Memory,RAM)703中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 703中,还存储有系统操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(Input /Output,I/O)接口705也连接至总线704。
以下部件连接至I/O接口705:包括摄像头、按钮开关、音频输入装置等的输入部分706;包括液晶显示器(Liquid Crystal Display,LCD)以及音频输出装置、指示灯等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN(Local Area Network,局域网)卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地,根据本发明的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时,执行本发明中限定的各种功能。
需要说明的是,本发明实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
具体的,本实施例的服务器包括处理器和存储器,存储器上存储有计算机程序,计算机程序被处理器执行时,实现上述实施例提供的基于AI的加油站卸油监控方法。
作为另一方面,本发明还提供了一种计算机可读的存储介质,该存储介质可以是上述实施例中描述的服务器中所包含的;也可以是单独存在,而未装配入该服务器中。上述存储介质承载有一个或者多个计算机程序,当上述一个或者多个计算机程序被一个该服务器的处理器执行时,使得该服务器实现上述实施例中提供的基于AI的加油站卸油监控方法。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,该计算机指令可以从一个网站的站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站的站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如DVD)、或者半导体介质(例如固态硬盘)等。
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,该流程可以由计算机程序来指令相关的硬件完成,该程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法实施例的流程。而前述的存储介质包括:ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储程序代码的介质。
Claims (7)
1.一种基于AI的加油站卸油监控方法,其特征在于,应用于监控系统的服务器,所述监控系统还包括边缘计算设备和摄像头,所述服务器与所述边缘计算设备通信连接,所述边缘计算设备和所述摄像头通信连接,所述方法包括:
在通过预设传感器检测到目标识别区域出现目标油罐车时,通过所述摄像头采集对应所述目标识别区域的区域图像;所述区域图像为所述目标识别区域的实时视频;
对所述区域图像进行特征识别,确认所述目标识别区域内工作人员的行为动作;所述行为动作包括所述工作人员的语言行为动作和肢体行为动作;
在所述行为动作与预设求救动作的相似度达到预设相识阈值时,截取所述区域图像,得到第四图片;
向救援中心发送求救警示信息和所述第四图片;
对所述区域图像进行特征识别,确认所述目标油罐车是否抵达所述目标识别区域的预设位置;
在所述目标油罐车抵达所述预设位置后,对所述目标识别区域的工作人员进行特征识别和动作追踪,分析得到人员工作进度;
在所述人员工作进度达到预设工作节点时,截取所述区域图像,得到第一图片;
对所述第一图片进行特征识别,确认所述工作人员的当前工作结果是否满足所述预设工作节点的预设工作目标;所述预设工作目标包括器件放置到位和人员无预设危险动作;
若所述当前工作结果不满足所述预设工作目标,则发送第一提示信息和所述第一图片到监控后台;所述第一提示信息用于提示用户卸油流程的工作存在质量问题;
确认在预设确认时间段内,是否监听到用户在监控后台的信息确认操作;
若否,则通过声光警示装置对所述目标识别区域的工作人员进行声光提示;所述声光提示用于提示所述工作人员安全防护措施存在疏漏;
对所述区域图像进行特征识别,确认所述目标识别区域内工作人员的动作反应;
在所述动作反应为在预设位置执行预设动作时,停止所述声光提示;
在所述人员工作进度达到预设结束节点后,停止获取所述区域图像。
2.根据权利要求1所述的方法,其特征在于,在所述目标油罐车抵达所述预设位置后,对所述目标识别区域的工作人员进行识别和动作追踪,分析得到人员工作进度的步骤之后,所述方法还包括:
在所述目标油罐车抵达所述预设位置后的预设准备时间内,对所述区域图像进行特征识别,确认工作人员是否开始卸油操作;
若确认所述工作人员开始卸油操作,则截取所述区域图像,得到第二图片;
发送第二提示信息和所述第二图片到监控后台;所述第二提示信息用于提示用户卸油流程的稳油时间未达标;
在所述目标油罐车抵达所述预设位置后的预设准备时间之后,对所述区域图像进行特征识别,确认所述目标识别区域是否存在卸油安全措施和工作人员;
若所述目标识别区域不存在卸油安全措施和工作人员,则截取所述区域图像,得到第三图片;
发送第三提示信息和所述第三图片到监控后台;所述第三提示信息用于提示用户卸油流程的安全防护措施存在疏漏。
3.根据权利要求1所述的方法,其特征在于,在所述对所述区域图像进行特征识别,确认所述目标识别区域内工作人员的动作反应的步骤之后,所述方法还包括:
根据预设评分标准,对所述工作人员的所述动作反应进行评分,得到提示反馈评分;
在所述提示反馈评分低于预设评分阈值时,发送动作反应评分报告到监控后台;所述动作反应评分报告包括所述工作人员的识别信息、动作反应描述和动作反应评分。
4.根据权利要求1所述的方法,其特征在于,在所述人员工作进度达到预设结束节点后,停止获取所述区域图像的步骤之后,所述方法还包括:
收集在所述人员工作进度达到多个预设工作节点时,截取所述区域图像得到的多个第一图片;
在所述多个第一图片上添加对应的工作记录信息;所述工作记录信息包括工作时间、工作节点和工作人员;
对所述多个第一图片进行分类整理,生成工作图文报告。
5.一种监控系统,其特征在于,包括服务器、边缘计算设备和摄像头,所述服务器包括:
图像获取模块,用于在通过预设传感器检测到目标识别区域出现目标油罐车时,通过所述摄像头采集对应所述目标识别区域的区域图像;所述区域图像为所述目标识别区域的实时视频;
第四识别模块,用于对所述区域图像进行特征识别,确认所述目标识别区域内工作人员的行为动作;所述行为动作包括所述工作人员的语言行为动作和肢体行为动作;
第四采集模块,用于在所述行为动作与预设求救动作的相似度达到预设相识阈值时,截取所述区域图像,得到第四图片;
第四提示模块,用于向救援中心发送求救警示信息和所述第四图片;
位置确认模块,用于对所述区域图像进行特征识别,确认所述目标油罐车是否抵达所述目标识别区域的预设位置;
进度确认模块,用于在所述目标油罐车抵达所述预设位置后,对所述目标识别区域的工作人员进行识别和动作追踪,分析得到人员工作进度;
第一采集模块,用于在所述人员工作进度达到预设工作节点时,截取所述区域图像,得到第一图片;
第一识别模块,用于对所述第一图片进行特征识别,确认所述工作人员的当前工作结果是否满足所述预设工作节点的预设工作目标;所述预设工作目标包括器件放置到位和人员无预设危险动作;
第一提示模块,用于在所述当前工作结果不满足所述预设工作目标时,发送第一提示信息和所述第一图片到监控后台;所述第一提示信息用于提示用户卸油流程的工作存在质量问题;所述第一提示模块具体包括:提示发送单元,用于发送第一提示信息和第一图片到监控后台;监听确认单元,用于确认在预设确认时间段内,是否监听到用户在监控后台的信息确认操作;声光提示单元,用于通过声光警示装置对目标识别区域的工作人员进行声光提示;声光提示用于提示工作人员安全防护措施存在疏漏;人员采集单元,用于对区域图像进行特征识别,确认目标识别区域内工作人员的动作反应;声光终止单元,用于在动作反应为在预设位置执行预设动作时,停止声光提示;
图像终止模块,用于在所述人员工作进度达到预设结束节点后,停止获取所述区域图像。
6.一种服务器,其特征在于,包括:一个或多个处理器和存储器;
所述存储器与所述一个或多个处理器耦合,所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令,所述一个或多个处理器调用所述计算机指令以使得所述服务器执行如权利要求1-4中任一项所述的方法。
7.一种计算机可读存储介质,包括指令,其特征在于,当所述指令在服务器上运行时,使得所述服务器执行如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410053085.3A CN117579788B (zh) | 2024-01-15 | 2024-01-15 | 一种基于ai的加油站卸油监控方法、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410053085.3A CN117579788B (zh) | 2024-01-15 | 2024-01-15 | 一种基于ai的加油站卸油监控方法、系统和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117579788A CN117579788A (zh) | 2024-02-20 |
CN117579788B true CN117579788B (zh) | 2024-06-21 |
Family
ID=89864647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410053085.3A Active CN117579788B (zh) | 2024-01-15 | 2024-01-15 | 一种基于ai的加油站卸油监控方法、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117579788B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118135695B (zh) * | 2024-05-08 | 2024-07-23 | 深圳市久通物联科技股份有限公司 | 一种油罐车智能阀门锁控制方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111932708A (zh) * | 2020-09-03 | 2020-11-13 | 四川弘和通讯有限公司 | 一种基于ai识别实现加油站卸油作业违规安全监管的方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101951500B (zh) * | 2010-09-17 | 2012-07-04 | 深圳市同洲电子股份有限公司 | 智能化监控方法及系统 |
JP2019205078A (ja) * | 2018-05-24 | 2019-11-28 | 株式会社ユピテル | システム及びプログラム等 |
CN208922328U (zh) * | 2018-09-04 | 2019-05-31 | 深圳泰源云景科技有限公司 | 货物监控设备与货物监控系统 |
CN111915842B (zh) * | 2020-07-02 | 2021-11-05 | 广东技术师范大学 | 异常监控方法、装置、计算机设备及存储介质 |
CN112299172A (zh) * | 2020-10-31 | 2021-02-02 | 成都新潮传媒集团有限公司 | 手势求救的识别方法、装置及存储介质 |
CN112818757A (zh) * | 2021-01-13 | 2021-05-18 | 上海应用技术大学 | 加油站安全检测预警方法和系统 |
CN113962338B (zh) * | 2021-09-14 | 2024-03-26 | 中国科学院信息工程研究所 | 一种rfid辅助多摄像头检测跟踪的室内监控方法及系统 |
KR20230147360A (ko) * | 2022-04-14 | 2023-10-23 | 한화비전 주식회사 | 클라우드 감시 카메라 시스템에 의한 사용자 서비스 앱 실행 |
-
2024
- 2024-01-15 CN CN202410053085.3A patent/CN117579788B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111932708A (zh) * | 2020-09-03 | 2020-11-13 | 四川弘和通讯有限公司 | 一种基于ai识别实现加油站卸油作业违规安全监管的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117579788A (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117579788B (zh) | 一种基于ai的加油站卸油监控方法、系统和存储介质 | |
CN113298444A (zh) | 基于私有云的电力安全智能管控平台 | |
US20150221209A1 (en) | System and method of alerting cms and registered users about a potential duress situation using a mobile application | |
CN112112629A (zh) | 一种钻井作业过程中的安全业务管理系统和方法 | |
CN112738468B (zh) | 一种智慧园区安全预警方法 | |
CN209543514U (zh) | 基于人脸识别的监控与报警系统 | |
CN111259682B (zh) | 监控施工场所的安全的方法和装置 | |
CN112836689A (zh) | 一种基于图像识别的危险区域人员管控系统及方法 | |
CN111698473A (zh) | 一种值班人员的检测方法及装置 | |
CN112926925A (zh) | 一种产品监管方法、装置、电子设备及存储介质 | |
CN112349015B (zh) | 基于物联网的方舱管控系统及方法 | |
CN113538825A (zh) | 一种用于校园翻墙事件报警方法及系统 | |
CN112580470A (zh) | 城市视觉感知方法、装置、电子设备和存储介质 | |
CN116343447A (zh) | 一种动态接警及快速出警方法、装置、设备及存储介质 | |
CN109840955A (zh) | 一种远程协助通行控制系统 | |
CN117771599A (zh) | 基于边缘计算和深度学习的消防灭火系统 | |
CN102595106A (zh) | 海港边检智能监控查验装置及其方法 | |
CN112800896A (zh) | 一种基于知识图谱的安防应急措施自响应方法及系统 | |
CN112802288A (zh) | 综合报警信息推送方法、系统、存储介质、计算机设备 | |
CN107368728A (zh) | 可视化报警管理系统及方法 | |
CN116978180A (zh) | 一种炼钢厂环境安全检测方法、装置、介质及电子设备 | |
CN110796397A (zh) | 一种报警系统及方法 | |
CN108090416B (zh) | 基于视频分析的智能金融监管方法和金融监管系统 | |
CN115860979A (zh) | 一种用于电力电网现场作业的人工智能管理系统 | |
CN205647793U (zh) | 一种银行安防网络系统 |
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 |