CN117795535A - 基于ppe合规性的控制场地安全操作的方法 - Google Patents
基于ppe合规性的控制场地安全操作的方法 Download PDFInfo
- Publication number
- CN117795535A CN117795535A CN202180101470.5A CN202180101470A CN117795535A CN 117795535 A CN117795535 A CN 117795535A CN 202180101470 A CN202180101470 A CN 202180101470A CN 117795535 A CN117795535 A CN 117795535A
- Authority
- CN
- China
- Prior art keywords
- ppe
- individual
- venue
- detected
- identified
- 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
- 238000000034 method Methods 0.000 title claims abstract description 120
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 230000001681 protective effect Effects 0.000 claims abstract description 8
- 238000001454 recorded image Methods 0.000 claims description 49
- 238000012545 processing Methods 0.000 claims description 24
- 238000001514 detection method Methods 0.000 claims description 22
- 230000007547 defect Effects 0.000 claims description 20
- 238000010801 machine learning Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 13
- 238000013527 convolutional neural network Methods 0.000 claims description 12
- 238000003708 edge detection Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 238000005562 fading Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims 1
- 238000011156 evaluation Methods 0.000 description 49
- 230000004044 response Effects 0.000 description 11
- 238000012549 training Methods 0.000 description 8
- 230000037361 pathway Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000002845 discoloration Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 229920013636 polyphenyl ether polymer Polymers 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 238000011179 visual inspection Methods 0.000 description 3
- 208000035473 Communicable disease Diseases 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 101150062653 PPE19 gene Proteins 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000013349 risk mitigation Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/30—Individual registration on entry or exit not involving the use of a pass
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/30—Individual registration on entry or exit not involving the use of a pass
- G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computer Security & Cryptography (AREA)
- Human Computer Interaction (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种控制与个人防护装备(PPE)要求相关联的指定场地处的安全操作的计算机实施的方法。该方法包括:接收来自监测场地的传感器系统的传感器数据;基于传感器数据检测场地处的个体;基于传感器数据识别存在于个体身上的一个或多个PPE项目;至少部分地基于一个或多个已识别的PPE项目和与指定场地相关联的PPE检查表来确定与个体相关联的合规性分数,该PPE检查表包括一个或多个规定的PPE项目;将合规性分数与安全阈值进行比较;以及根据所确定的合规性分数与安全阈值之间的比较来控制场地处的一个或多个安全操作。
Description
技术领域
本公开总体上涉及一种基于个体对个人防护装备(Personal ProtectiveEquipment,PPE)要求的合规性来控制场地安全操作的方法。本公开的各方面涉及方法和控制系统。
背景技术
为了在危险环境(诸如建筑工地)中提供保护,和/或减缓传染病的传播(特别是在诸如医院、会场或工作场所的封闭空间中),个体通常会穿戴PPE。PPE项目典型地包括手套、护目镜和其他眼睛覆盖物,以及保护性面罩、高能见度服装和头盔。取决于由环境呈现的特定风险和/或个体在特定场地开展的活动,PPE的其他物品也可以是合适的。
针对PPE的目视检查(visual check)通常在这样的场地的访问点(即,入口和/或出口)处被执行,以确保个体受到适当保护并且符合相应的PPE要求。然而,视觉检查易受人为错误的影响,并且可能发生PPE侵入,特别是在PPE中的缺陷未被注意到的情况下,损害了个人在场地处的安全性和PPE合规性。
正是在这种背景下设计出了本公开。
发明内容
根据本公开的一个方面,提供了一种控制与个人防护装备(PPE)要求相关联的指定场地处的安全操作的计算机实施的方法。该方法包括:接收来自监测场地的传感器系统的传感器数据;基于传感器数据检测场地处的个体;基于传感器数据识别存在于个体身上的一个或多个PPE项目;至少部分地基于一个或多个已识别的PPE项目和与指定场地相关联的PPE检查表来确定与个体相关联的合规性分数,该PPE检查表包括一个或多个规定的PPE项目;将合规性分数与安全阈值进行比较;以及根据所确定的合规性分数与安全阈值之间的比较来控制场地处的一个或多个安全操作。
以这种方式,该方法自动检测场地(即,在由传感器系统观察到的区域中的场地中和/或其周围)处的个体,并且评估个体是否符合如由PPE检查表所定义的针对个体/场地的相应PPE要求的合规性。然后,根据被检测个体是否符合PPE检查表来执行一个或多个安全操作,例如,准许/禁止访问场地的限制区域、分发PPE和/或产生PPE合规性问题的通知。以这种方式,该方法增强了个体在场地的安全性,缓解了PPE违规行为,并且鼓励符合PPE要求。
例如,传感器数据可以包括:场地处的个体的记录图像;场地处的个体身上检测到的识别标签;由场地处的个体提供的密钥代码。
在示例中,传感器数据可以包括场地处的个体的记录图像。例如,可以至少部分地基于应用于被检测个体的记录图像的图像处理技术来检测个体和/或识别一个或多个PPE项目。
可选地,该方法还包括确定:被检测个体的身份;被检测个体的工作名称;和/或被检测个体在指定场地处的任务(即,分配或假设的任务);基于传感器数据。可选地,该方法还包括:基于所确定的被检测个体的身份、工作名称和/或任务来确定PPE检查表。
在示例中,该方法还包括:根据所确定的被检测个体的身份、工作名称和/或任务对被检测个体进行分类,该分类与一个或多个相应的PPE要求相关联。可选地,该方法还包括:基于该分类确定PPE检查表。
可选地,确定与被检测个体相关联的合规性分数包括:确定一个或多个规定的PPE项目是否在被检测个体身上识别出;基于传感器数据评估一个或多个已识别的PPE项目的完整性;基于传感器数据确定一个或多个已识别的PPE项目是否按照规定被穿戴以保护被检测个体。
例如,确定合规性分数可以包括评估一个或多个已识别的PPE项目的完整性。评估完整性可以例如包括:从库存数据库中检索与一个或多个已识别的PPE项目相关联的一条或多条使用记录,每条使用记录指示相应的PPE项目的状况;和/或将图像处理技术应用于传感器数据中的被检测个体的记录图像,以检查一个或多个已识别的PPE项目的可见缺陷。
例如,每条使用记录可以存储指示已识别的PPE项目的状况或条件的信息。例如,每条使用记录可以包括以下中的至少一个:购买日期;到期日期;使用记录;使用限制;和/或先前用户的标识;针对已识别的PPE项目。
可选地,图像处理技术包括用于检测记录图像中的可见缺陷的机器学习算法。图像处理技术可以例如使用边缘检测技术和/或使用颜色识别技术来检测可见缺陷,该颜色设备技术用于对已识别的PPE项目的褪色进行识别。
可选地,确定合规性分数包括确定一个或多个已识别的PPE项目是否按照规定被穿戴以保护被检测个体。可选地,确定一个或多个已识别的PPE项目是否按照规定被穿戴可以包括:确定每个已识别的PPE项目在被检测个体身上的位置;以及将所确定的所述PPE项目的位置与PPE检查表中规定的所述PPE项目的位置进行比较。
在示例中,确定每个已识别的PPE项目的位置包括使用应用于传感器数据中的被检测个体的记录图像的目标识别技术,在被检测个体身上定位已识别的PPE项目。优选地,目标识别技术可以包括卷积神经网络。更优选地,目标识别技术可以包括一次性查看(you-only-look-once)卷积神经网络。
可选地,PPE检查表包括多个规定的PPE项目,并且确定合规性分数可以包括:针对规定的PPE项目中的每个项目,确定项目合规性分数,该项目合规性分数指示规定的PPE项目在被检测个体身上的存在,所述PPE项目的完整性,和/或PPE项目是否按照规定被穿戴以保护被检测个体。例如,合规性分数可以被确定为项目合规性分数的加权平均值。
在示例中,执行场地处的一个或多个安全操作可以包括:控制一个或多个场地限制;在场地处分发一个或多个PPE项目;和/或控制通知系统以指示被检测个体对PPE检查表的合规性。
在示例中,个体可以在场地的入口和/或出口处被检测,并且控制一个或多个场地限制可以包括针对被检测个体而控制入口和/或出口的状态。
可选地,一个或多个场地限制可以被控制为:根据合规性分数大于或等于安全阈值,使被检测个体能够执行所确定的任务;和/或根据合规性分数小于安全阈值,禁止被检测个体执行所确定的任务。
可选地,该方法还包括:监测个体,一旦检测到,就基于传感器数据检测存在于被检测个体身上的一个或多个已识别的PPE项目的改变。合规性分数可以例如周期性地和/或根据检测到存在于被检测个体身上的一个或多个已识别的PPE项目的改变来确定。
可选地,该方法还包括:根据所确定的合规性分数增加至安全阈值或所确定的合规性分数高于安全阈值来移除一个或多个场地限制;和/或根据所确定的合规性分数降低至安全阈值以下来应用一个或多个场地限制。
在示例中,该方法还包括:基于传感器确定被监测个体和指定场地处的另一个个体的接近度;以及至少部分地基于所确定的接近度小于用于社交距离的阈值接近度来确定合规性分数。
可选地,传感器数据包括被检测个体和其他个体在场地处的记录图像。接近度可以例如通过以下确定:在记录图像中定位被检测个体;在记录图像中定位其他个体;确定从被检测个体到其他个体的以像素为单位的图像距离;以及使用从图像距离到物理距离的标量转换来确定接近度,其中该标量转换至少部分地基于记录了图像的图像传感器的焦距。
可选地,该方法还包括通过以下确定标量变换:确定用于记录图像中的被检测个体的第一边界框;确定用于记录图像中的其他个体的第二边界框;确定第一边界框的以像素为单位的第一长度和第二边界框的以像素为单位的第二长度;基于以下确定从第一边界框中的像素到物理距离的第一标量变换:图像传感器的焦距、被检测个体的基准尺寸和第一长度;基于以下确定从第二边界框中的像素到物理距离的第二标量变换:图像传感器的焦距、其他个体的基准尺寸和第二图像长度;以及对第一标量转换和第二标量转换求平均值。
在示例中,该方法还包括:基于一个或多个已识别的PPE项目来确定阈值接近度。
根据本公开的另一个方面,提供了一种用于控制与个人防护装备(PPE)要求相关联的指定场地处的安全操作的控制系统。该控制系统被配置为执行指令以:接收来自监测场地的传感器系统的传感器数据;基于传感器数据检测场地处的个体;基于传感器数据识别存在于个体身上的一个或多个PPE项目;至少部分地基于一个或多个已识别的PPE项目和与场地相关联的PPE检查表来确定与个体相关联的合规性分数;将合规性分数与安全阈值进行比较;以及根据所确定的合规性分数与安全阈值之间的比较来控制场地处的一个或多个安全操作。
根据本公开的又另一个方面,提供了一种控制与社交距离要求相关联的指定场地处的安全操作的计算机实施的方法。该方法包括:接收来自监测场地的传感器系统的记录图像;定位记录图像中的第一个体和第二个体;确定从第一个体到第二个体的以像素为单位的图像距离;使用从图像距离到物理距离的标量转换来确定第一个体和第二个体的接近度,其中该标量转换至少部分地基于记录了图像的图像传感器的焦距;以及根据所确定的接近度来控制场地处的一个或多个安全操作。
将理解,本公开的每个方面的优选和/或可选的特征可以单独地或以适当的组合并入本公开的其他方面。
附图说明
现在将参照附图描述本公开的示例,在附图中:
图1示出了本公开的实施例在指定场地处的示例性实施方式;
图2示出了用于控制图1所示的场地处的安全操作的示例性控制系统的示意图;
图3示出了操作图2所示的控制系统的示例方法的步骤;
图4示出了图3所示的方法的示例性子步骤;
图5示出了图3所示的方法的进一步示例性子步骤;
图6示出了操作图2所示的控制系统以评估社交距离协议的合规性的另一种示例方法的步骤;以及
图7示出了根据图6所示的方法的针对评估社交距离协议的合规性所记录的示例性图像。
具体实施方式
本公开的实施例涉及用于控制需要PPE的指定场地(诸如工作场所、医院或会场)处的安全操作的计算机实施的方法以及控制系统。
根据该方法,场地由传感器系统监测,该传感器系统产生传感器数据,以用于检测场地处的个体并且评价其是否符合PPE检查表。PPE检查表包括一个或多个规定的PPE项目,由于场地安全要求,和/或被检测个体和/或其在场地处的任务的具体安全要求,这些项目可能是必需的。例如,在重型设备周围工作的某些个体可能需要高可见度的夹克,而在传染性疾病的情况下,在封闭空间中可能需要面罩以帮助减少气载颗粒的扩散。
为了评价被检测个体符合PPE要求的合规性的程度,传感器数据被处理以识别存在于个体身上的任何PPE项目,并且合规性分数通过将已识别的PPE项目与PPE检查表进行比较来确定。对于客观评估,合规性分数可以通过考虑一系列风险因素来确定,这些风险因素包括是否存在(一个或多个)规定的PPE项目、(一个或多个)已识别的PPE项目的完整性,和/或(一个或多个)已识别的PPE项目是否按照规定被穿戴以保护被检测个体(即,基于对(一个或多个)已识别的PPE项目的定位)。这些风险因素中的每一个都可以基于由传感器系统产生的传感器数据来确定。
个体的合规性然后通过将所确定的合规性分数与安全阈值进行比较来评价,并且场地处的一个或多个安全操作根据该比较来控制。例如,如果所确定的合规性分数小于安全阈值,则可以产生一个或多个警报或通知,可以禁止对场地的访问,和/或可以为个体分发适当的PPE设备。
可以预期的是,该方法将因此增强个体在场地处的安全性,减少或基本上消除PPE违规行为,并且鼓励进一步符合PPE要求。
图1示意性地示出了根据本公开的实施例的用于控制指定场地2处的安全操作的控制系统1的示例性实施方式。
在本示例中,指定场地2是工作场所,其中需要PPE以确保员工和/或访客的健康和安全。场地2可能是封闭空间,正如在本示例中,具有围栏或其他方式防护的边界4限制对场地2的访问,以及充当场地2的入口和/或出口的通道6。然而,本示例并非旨在限制本公开的范围,并且在其他示例中,指定的场地可以是可访问的而没有限制。图1所示的场地2还包括受限操作区域8,该受限操作区域8与一个或多个进一步的PPE要求(诸如硬质安全帽)相关联,该PPE要求可适用于在受限操作区域8中有任务(即,分配或假设的任务)的个体。因此,在本示例中,用于评估场地2处的合规性的PPE检查表可以根据场地2处的相应个体的身份、工作和/或任务而变化。
指定场地2由传感器系统10监测,并且传感器系统10被配置为向控制系统1传送传感器数据(诸如图像或其他信号),以用于评估场地2处的一个或多个个体对相应的PPE检查表的合规性。为此,传感器系统10可以包括一个或多个传感器12,包括一个或多个成像相机、发射机、接收器或扫描仪(诸如条形码或QR码扫描仪),其被布置为监测场地2内和周围的感兴趣区域。
为了评估场地2处的(一个或多个)个体对PPE检查表的合规性,一个或多个传感器12可以被配置为以各种形式产生合适的传感器数据。例如,传感器12可以被配置为获得场地2处的(一个或多个)个体的(一个或多个)图像以与(一个或多个)个体身上的一个或多个应答机设备无线地通信,和/或接收标识符(诸如密钥代码)以供这样的目的。举例而言,场地2处的一个或多个传感器12可以包括一组成像相机和一个或多个无线电发射机-接收机(也称为询问机),其被配置为向存在于场地2处的个体身上的射频识别(Radio-frequencyidentification,RFID)标签发送信号并且从其读取响应信号。以这种方式,一个或多个传感器12可以被配置为记录个体在场地2处的图像和/或扫描来自RFID标签的响应。无线电发射机-接收机可以被方便地定位在通道6处作为检测的主要点,例如,以检测场地2的入口处的个体,并且成像相机可以被布置在场地2周围以监测感兴趣的区域。应当理解,在本示例和其他示例中,一个或多个传感器12可以由场地2处的现有CCTV基础设施提供,而不需要昂贵的硬件和基础设施代替。必要时,传感器系统10的部分(诸如一个或多个无线电发射机-接收机)可以被改装为用于监测场地2的补充传感器(supplementary sensor)。
场地2也包括一个或多个场地安全系统14,其可由控制系统1控制以执行相应的安全操作,以便支持个人在场地2处对PPE要求的合规性。
在图1所示的示例中,场地安全系统14包括通道6以及警报或通知系统16。通道6可以由控制系统1控制,以根据个体对PPE检查表的合规性来允许或禁止个体进出场地2。例如,个体18被示出在场地2处,在由传感器系统10监测的区域中的通道6之外,并且通道6可操作为根据个体18对PPE检查表的合规性来控制个体18是否能够进入或离开场地2。通知系统16可以由控制系统1操作,以产生指示个体18对PPE检查表的合规性的通知。例如,通知系统16可以包括用于提供合适的视觉和/或听觉通知的显示屏和/或扬声器。另外地或可替选地,通知系统16可以被配置为通过数字警报的方式(诸如递送到与场地2或(一个或多个)相关个体相关联的电子设备的电子邮件或文本)提供这样的通知。以这种方式,通道6和通知系统16可以由控制系统1操作以支持场地2处的PPE合规性。
应当理解,在其他示例中,控制系统1可以基于(一个或多个)被检测个体对PPE要求的合规性来控制场地2处的一个或多个另外的或可替选的安全操作,诸如对PPE项目的分发和/或对某些机器的操作。
总的来说,控制系统1因此被配置为:i)接收来自传感器系统10的传感器数据,ii)使用传感器数据以确定合规性分数,该合规性分数指示场地2处的(一个或多个)个体对PPE要求的合规性,以及iii)基于合规性分数控制场地安全系统14,以执行支持(一个或多个)个体在场地2处的安全和PPE合规性的各种操作。现在将另外参照图2更详细地考虑控制系统1。
图2示出了控制系统1的非限制性示例,该控制系统1被示出为经由适当的网络连接而连接到传感器系统4和场地安全系统14。
在本示例中,控制系统1和传感器系统10还被示出为经由适当的网络连接而连接到云服务17,该云服务17可以提供传感器数据的离线分析和/或控制系统1的训练(如果有必要且条件允许的话)。
在本示例中,控制系统1被示出为包括检测模块20、PPE评价模块22、存储器模块24和控制模块26。也就是说,在所描述的示例中,示出了四个功能元件、单元或模块。这些单元或模块中的每一个都可以至少部分地由使用常规或定制处理器和存储器在任何合适的计算基板上运行的合适软件来提供。单元或模块中的一些或所有可以使用共同的计算基板(例如,它们可以在同一服务器上运行)或单独的基板,或者不同的模块组合可以分布在多个计算设备之间。
检测模块20被配置为基于从传感器系统4接收到的传感器数据对场地2处的个体进行检测、识别和/或分类。特别地,检测模块20可以被配置为基于记录图像对个体进行检测、识别和/或分类。从识别标签接收到的响应信号;和/或从被检测个体接收到的访问密钥。例如,检测模块20可以被配置为处理从传感器系统10接收到的传感器数据,以检测场地2处的个体并且确定被检测个体的身份,和/或被检测个体是否是场地2处的员工中的一员,在场地2处具有一个或多个相关联的任务或职责。这样的信息可以基于从识别标签接收到的响应信号、从被检测个体接收到的访问密钥和/或通过将一种或多种图像处理技术应用于记录图像来确定。例如,图像处理技术可以被应用于识别个体在记录图像中的面部特征,从而识别个体。可替选地或另外地,图像处理技术可以被应用于识别个体穿戴的制服或PPE项目,并由此例如基于制服或PPE项目的颜色来确定个体在场地2处的工作。
在本示例中,控制系统1被配置为确定相应的PPE检查表,以用于评估每个被检测个体对场地2处的PPE要求的合规性。因此,检测模块20可以使用指示被检测个体的身份和/或工作的信息,以参照分类方案或数据库对个体进行查找或分类,该分类方案或数据库包括与指定的场地2相关联的相应PPE要求。例如,检测模块20可以被配置为根据如由传感器数据指示的被检测个体的身份、工作和/或场地2处的人物对被检测个体进行分类,并且由此基于与分类相关联的一个或多个PPE要求来确定相应的PPE检查表。例如,分类方案可以被存储在存储器模块24中,并且检测模块20可以访问存储器模块24以对被检测个体进行分类。因此,针对分类方案中的相应分类而存储的PPE要求可以是可由系统管理员配置的。
应当理解,检测模块20可以包括用于对场地2处的个体进行检测和分类的一个或多个规则、过程和/或算法,其可以由制造商预先编程或者通过机器学习以其他方式确定或改进。例如,检测模块可以包括用于基于传感器数据对场地2处的个体进行检测和/或分类的一种或多种机器学习算法,其中这样的机器学习算法可以基于标记的数据集和/或基于物理/力学的模型进行训练。
然而,上文所描述的示例并非旨在是限制性的,并且在其他示例中,用于评估被检测个体对场地2的PPE要求的合规性的PPE检查表可以不根据被检测个体而变化。因此,在其他示例中,对被检测个体的分类或识别不是必需的,并且识别模块20可以仅被配置为基于传感器数据来检测场地2处的个体。
PPE评价模块22使用PPE检查表来评估被检测个体对场地2处的相应PPE要求的合规性。为此,PPE评价模块22被配置为基于传感器数据来识别存在于被检测个体身上的一个或多个PPE项目,并且基于(一个或多个)已识别的PPE项目来确定与被检测个体相关联的合规性分数。例如,在传感器数据包括个体在场地处的记录图像的情况下,PPE评价模块22可以被配置为通过应用一种或多种合适的图像处理技术来识别个体身上的(一个或多个)PPE项目。这样的图像处理技术可以包括经过训练以识别PPE项目的机器学习算法,例如,已经基于相应的PPE项目的标记的图像训练过的机器学习算法。可替选地或另外地,传感器数据可以包括存在于个体身上的相应的PPE项目的识别码,该识别码可以被提供作为从PPE项目上的识别标签或扫描码(诸如产品码)接收到的响应信号的一部分。PPE评价模块22可以被配置为基于传感器数据中的这样的识别码来相应地识别(一个或多个)PPE项目。
对于一些PPE项目,诸如非消耗PPE项目(即,非一次性PPE项目),PPE评价模块22也可以被配置为参照PPE库存数据库来识别(一个或多个)PPE项目。PPE库存数据库可以包括用于多个预先登记的PPE项目以供在场地2处使用,以及相应的信息(诸如识别码或图像数据)以识别相应的项目。以这种方式,PPE评价模块22可以接收包括由应答机设备产生的识别码的传感器数据,并且PPE评价模块22可以将识别码与存储在PPE库存数据库中的信息进行比较以识别PPE项目。对于每个新检测到的PPE项目,控制系统1可以用相应的数据更新PPE库存数据库,以保持在场地2处提供的或使用的PPE项目的记录。在示例中,PPE库存数据库还可以存储与每个注册的PPE项目相关联的状况或使用记录。例如,每条使用记录可以存储指示相应PPE项目的完整性或有效性的信息,诸如:购买日期;到期日期;使用记录;使用限制;和/或先前用户的标识。例如,PPE库存数据库也可以存储在存储器模块24中,并且PPE库存数据库可以由PPE评价模块22访问以识别(一个或多个)PPE项目。
为了评估(一个或多个)已识别的PPE项目满足PPE检查表的程度,PPE评价模块22还被配置为基于(一个或多个)已识别的PPE项目确定合规性分数。为此,PPE评价模块22可以包括用于基于已识别的PPE项目确定合规性分数的一组规则、函数和/或建立合规性矩阵。
特别地,为了客观地评估合规性,PPE评价模块22可以被配置为基于各种风险因素确定合规性分数,这些风险因素包括:PPE检查表中列出的(一个或多个)规定的PPE项目是否存在、已识别的项目的完整性、和/或一个或多个已识别的PPE项目是否按照规定被穿戴以保护被检测个体(即,基于对(一个或多个)已识别的PPE项目的定位)。这些风险因素可以通过确定相应的分数进行评估,该分数可以是二进制的或非二进制的,并且这些风险因素可以被组合以根据规定的规则、算法或合规性矩阵的集合来确定总体合规性分数。例如,在PPE检查表包括多个规定的PPE项目的情况下,PPE评价模块22可以被配置为针对规定的PPE项目中的每个项目,确定项目合规性分数,该项目合规性分数指示被检测个体身上的规定的PPE项目的存在、所述PPE项目的完整性、和/或PPE项目是否按照规定被穿戴以保护被检测个体。总体合规性分数然后可以被确定为对项目合规性分数的加权平均值。例如,相应的权重可以存储在分类方案中,并且权重因此可以是可由系统运营商配置的。
本示例中描述的风险因素并不旨在限制本发明,在其他示例中,可以仅基于(一个或多个)规定的PPE项目与(一个或多个)已识别的PPE项目之间的对应关系,或者结合一个或多个其他风险因素来确定合规性分数。
应当理解,PPE评价模块22可以被配置为通过各种手段来评估(一个或多个)已识别的PPE项目的完整性。举例而言,如上文所描述的,完整性可以基于与已识别的PPE项目相关联的使用记录来评估,该使用记录可以从PPE库存数据库中检索到。例如,PPE评价模块22可以将使用记录中的一个或多个参数(诸如记录的项目使用次数)与相应的阈值(诸如使用限制)进行比较。在另一个示例中,另外地或可替选地,完整性还可以通过应用图像处理技术来检查已经在记录图像中识别出的PPE项目的可见缺陷进行评估。例如,PPE评价模块22可以借助于计算机实施的视觉检查方法来评估完整性,该视觉检查方法被配置为对已识别的PPE项目的图像中的裂缝、裂口、凹痕、褪色和其他异常特征进行识别。为此,PPE评价模块22因此可以包括经过训练以评估PPE装备的完整性的机器学习算法。机器学习算法可以例如被配置为使用边缘检测技术和/或通过识别已识别的PPE项目的褪色来识别这样的异常特征或缺陷。例如,边缘检测技术可以用于隔离和识别PPE项目中的(一个或多个)缺陷,诸如裂缝和裂口,而颜色识别技术可以用于识别已识别的PPE项目的褪色。PPE评价模块22可以将任何已识别的缺陷传递到PPE库存数据库,以便控制系统1可以帮助识别何时应该获得新的PPE和/或触发对新的PPE项目的供应。应当理解,PPE评价模块22可以包括用于确定指示任何检测到的缺陷对PPE的完整性的影响的相应分数的一个或多个规则或算法。
PPE评价模块22可以相似地被配置为确定一个或多个已识别的PPE项目是否按照规定被穿戴以通过各种手段保护被检测个体。举例而言,PPE评价模块22可以被配置为确定每个已识别的PPE项目在被检测个体身上的位置;以及通过将所确定的所述PPE项目的位置与用于所述PPE项目的规定布置进行比较,确定PPE项目是否按照规定被穿戴以保护个体。例如,用于所述PPE项目的规定布置可以存储在PPE库存数据库中,或者规定布置可以由一个或多个算法或规则定义,这些算法或规则可以基于标记的数据集和/或物理/数学模型来训练或以其他方式确定。
为了确定每个已识别的PPE项目在个体身上的位置,PPE评价模块22可以包括目标检测算法,该算法被配置为在记录图像中定位已识别的PPE项目在被检测个体身上的位置。为此目的,目标检测算法可以包括卷积神经网络,诸如例如一次性查看(YOLO)卷积神经网络(convolutional neural network,CNN)或快速R-CNN。在这里不再赘述这样的定位方法以避免模糊本发明。然而,更多信息可以参见例如在Redmon、Joseph和Ali Farhadi(2018)的“Yolov3:An incremental improvement”中的讨论。
应当理解,上文所描述的用于确定合规性分数的算法可以由制造商预先编程,或者通过控制系统1的机器学习算法来确定或改进,该机器学习算法可以基于标记的数据集和/或基于物理/力学的模型进行训练。
更详细地考虑,检测模块20和/或PPE评价模块22的机器学习算法的训练过程可以准备为经过训练的模型,其可以被部署在适当的计算位置处(在控制系统1或云服务17处)。训练模型是实现控制系统1的操作所需的标准操作。例如,机器学习模型的训练过程可以遵循连续改进方法,其中用于训练每个模型的数据集被划分成训练数据集、验证数据集和测试数据集。训练数据集可以用于用一些可调整的超参数(诸如卷积神经网络中的层数)进行训练。一旦训练完成,就可以对照验证集测试每个模型,并且可以调整超参数以改进所选择的矩阵,例如,改进准确度、精确度和/或召回率。一旦模型表现出所需的性能,它们将对照测试数据集进行测试,并且如果结果在可接受的容差内,则该模型会被发布到数据库,该数据库可以存储在控制系统1的存储器模块24中。否则,可以重复该过程直到结果令人满意为止。
应当理解,图像处理算法的准确度将会由于多种原因(包括记录图像的背景、位置和/或照明)而变化。为了建立对所部署的算法的准确度的持续改进,控制系统1包括定期更新算法的能力。因此,在控制系统1的设置期间,或者根据可配置的间隔参数,控制系统1可以检查关于云服务17的算法是否是最新的。如果由于故障导致算法未更新、未同步或未运行,则算法可以更新或恢复到先前的工作版本。
存储器模块24可以被配置为通过适当的网络连接与云服务17进行交互,以提供对数据库和/或分类方案的更新、校正或添加,以及更新用于基于图像的识别的参数和/或模型。出于接收和/或存储这样的数据的目的,存储器模块24可以采取计算机可读存储介质的形式(例如,非暂时性计算机可读存储介质)。计算机可读存储介质可以包括用于以由机器或电子处理器/计算设备可读的形式存储信息的任何机制,包括但不限于:磁存储介质(例如,软盘);光存储介质(例如,CD-ROM);磁光存储介质;只读存储器(read only memory,ROM);随机存取存储器(random access memory,RAM);可擦除可编程存储器(例如,EPROM和EEPROM);闪存;或用于存储这样的信息/指令的电或其他类型的介质。
控制模块26被配置为将所确定的合规性分数与安全阈值进行比较,并且根据比较来控制场地2处的一个或多个安全操作。例如,控制模块26可以经由适当的网络连接与场地安全系统14(诸如通道6和通知系统16)进行交互,以根据所确定的合规性分数与安全阈值之间的比较来控制相应的安全操作,诸如将通道6控制为打开或关闭状态。
因此,控制模块26可以包括合适的控制逻辑、方案或算法,用于根据所确定的大于或等于安全阈值的合规性分数来控制第一组一个或多个安全操作;以及根据所确定的合规性分数小于安全阈值来控制第二组一个或多个安全操作。
在其他示例中,控制模块26可以连接到进一步的系统(诸如PPE存储和/或分发系统),并且根据合规性分数选择性地将一个或多个PPE项目分发给被检测个体。例如,在发现PPE项目的完整性已经导致合规性分数小于安全阈值的情况下,并且通过穿戴非故障的PPE项目,合规性分数可以增加至安全阈值以上,然后控制模块26可以控制将非故障的PPE项目分发给被检测个体。
出于本公开的目的,应当理解,本文中描述的控制系统1的功能系统、元件和模块可以各自包括具有一个或多个电子处理器的控制单元或计算设备。可以提供一组指令,这些指令在执行时致使(一个或多个)所述控制单元实施本文中描述的控制技术(包括所描述的(一种或多种)方法)。该组指令可以嵌入在一个或多个电子处理器中,或者可替选地,该组指令可以被提供作为要由一个或多个电子处理器执行的软件。该组指令可以嵌入在计算机可读存储介质(例如,非暂时性计算机可读存储介质)中,计算机可读存储介质可以包括用于以机器或电子处理器/计算设备可读的形式存储信息的任何机制,包括但不限于:磁存储介质(例如,软盘);光存储介质(例如,CD-ROM);磁光存储介质;只读存储器(ROM);随机存取存储器(RAM);可擦除可编程存储器(例如,EPROM和EEPROM);闪存;或用于存储这样的信息/指令的电或其他类型的介质。
现在将另外参照图3至图5描述控制系统1的操作。
图3示出了操作控制系统1以控制场地2处的安全操作的示例方法100。
在步骤102中,控制系统1检测场地2处的个体。举例而言,在接近通道6时,图1所示的个体14可能已经进入了场地2处的观察区域,并且传感器系统10可以记录个体14的图像和/或接收来自个体18身上的RFID标签的响应信号。
传感器系统10向控制系统1发送传感器数据,包括个体的记录图像和来自RFID标签的响应信号。在步骤102中,检测模块20因此可以基于接收到响应信号和/或通过使用图像处理技术处理记录图像来检测场地2处的个体18。例如,检测模块20可以处理记录图像以证实对场地2处的个体18身上的RFID标签的检测。在其他示例中,个体可以通过检查传感器数据中的视觉图像、代码或密钥卡在场地2处进行检测。
在本示例中,场地2处的PPE要求根据相应的个体在场地2处的身份、工作和/或任务而针对其有所变化,特别是关于受限操作区域8。因此,在本示例中,方法100包括进一步的可选步骤,即以PPE检查表的形式确定针对被检测个体18的PPE要求。
因此,在步骤104中,控制系统1还被配置为基于传感器数据确定针对被检测个体18的PPE检查表。在示例中,确定PPE检查表可以涉及参照数据存储对个体18进行识别,和/或参照分类方案对个体18进行分类,其中个体18的身份和/或分类可以与如在系统中配置的相应的PPE要求相关联。例如,方法100还可以包括子步骤106和子步骤108,如图4所示,现在这将对其进行更详细地描述。
在子步骤106中,控制系统1被配置为基于传感器数据来确定场地2处的被检测个体18的身份、工作和/或任务,并且参照与一个或多个PPE要求相关联的分类方案相应地对被检测个体18进行分类。
在本示例中,个体18可以是员工中的一员,其具有要在场地2的受限操作区域8中执行的一个或多个相关联的任务或活动的工作。
在子步骤106中,检测模块20因此可以通过处理来自RFID标签的响应信号和/或通过将图像处理技术应用于记录图像来确定个体18的身份(诸如姓名“JANE DOE”)以及个体18的工作(诸如“维修工人”)。例如,来自RFID标签的响应信号可以包括个体18的姓名和职业,或者以其他方式提供用于使用分类方案相应地对个体进行分类的代码。另外地或可替选地,检测模块20可以将图像处理技术应用于记录图像,并且识别个体面部的或制服一个或多个特征(诸如特定衣着的颜色),例如,用于与存储在分类方案中的相关联的识别特征进行比较,并且由此相应地对被检测个体18进行分类。
在子步骤108中,检测模块20因此可以基于与分类相关联的一个或多个PPE要求来确定PPE检查表。例如,身份“JANE DOE”和/或工作“维修工人”可以与分类方案中配置的一个或多个PPE要求相关联。检测模块20可以基于这样的PPE要求来确定PPE检查表。例如,由于已知“维修工人”已经在受限操作区域8中分配了工作或任务,因此PPE检查表可以包括一组规定的PPE项目,该PPE项目包括被检测个体18在场地2处需要的硬质安全帽、高可见度夹克和面罩。在其他示例场景中,例如,在被检测个体是身份未知的来宾或访客的情况下,个体可以被分类为“来宾”(例如,基于识别标签),并且一个或多个PPE要求可以被存储在用于这样的分类的分类方案中。
在步骤110中,控制系统1基于传感器数据识别被检测个体18身上的任何PPE项目。
参照图1,在本示例中,个体18被示出为穿戴着两项PPE19,也就是硬质安全帽和高可见度夹克。因此,在步骤110中,PPE评价模块22可以因此基于RFID信号和/或记录图像来识别被检测个体18上的硬质安全帽和高可见度夹克。例如,PPE评价模块22可以通过对记录的图像应用图像处理技术(诸如经过训练以检测和定位记录图像中的PPE项目的YOLO CNN)来识别PPE项目。另外地或可替选地,PPE评价模块22可以将来自RFID标签的响应信号中的PPE标识符(诸如识别码)或记录的图像与PPE库存数据库进行比较,并且基于该比较来识别PPE项目。
由于在这种情况下规定了多个PPE项目,因此PPE评价模块22可以包括用于确定指示规定的PPE项目存在的总体分数或相应的项目分数的一个或多个规则或算法。在示例中,PPE评价模块22因此可以确定存在于个体18上的规定的PPE项目的百分比。在另一个示例中,PPE评价模块22可以被编程为如果一个或多个规定的PPE项目不存在则停止进一步评估。
在步骤112中,控制系统1基于(一个或多个)已识别的PPE项目来确定合规性分数。特别地,控制系统1被配置为至少部分地基于步骤110中识别出的PPE项目以及这些项目满足PPE检查表的程度来确定与被检测个体18相关联的合规性分数。
在基本示例中,控制系统1可以被配置为基于PPE检查表中是否存在规定的PPE项目来确定合规性分数。这种确定可以是二进制的,例如,其中如果规定的PPE项目存在,则确定分数为1,而如果规定的PPE项目不存在,则确定分数为0。在规定了一个以上的PPE项目的情况下,控制系统1可以使用加权平均值以基于单个项目分数确定总体合规性分数。
在其他示例中,为了客观地评估合规性,控制系统1可以被配置为基于多个风险因素来计算合规性分数,这些风险因素包括:(一个或多个)规定的PPE项目、(一个或多个)已识别的PPE项目的完整性(视觉或其他方式)以及(一个或多个)已识别的PPE项目是否按照规定被穿戴以保护被检测个体,即,基于对(一个或多个)已识别的PPE项目的定位。
通过示例的方式,图5示出了用于确定合规性分数的步骤112的示例子步骤114至步骤126。
在子步骤114中,PPE评价模块22可以确定被检测个体身上存在哪些规定的PPE项目。特别地,PPE评价模块22可以将被检测个体身上识别出的PPE项目与规定的PPE项目进行比较,并且在本示例中确定被检测个体18满足对硬质安全帽和高可见度夹克的要求。然而,PPE评价模块22也可以确定被检测个体18不满足对面罩的要求。
在子步骤116中,控制系统1评估已识别的PPE项目的完整性。为此目的,PPE评价模块22可以使用一种或多种评估技术,包括参照与已识别的PPE项目相关联的使用记录进行评估,和/或使用图像处理技术检查已识别的PPE项目的可见缺陷。例如,控制系统1可以被配置为通过检索与非消耗(即,非一次性使用)的PPE项目相关联的使用记录来评估完整性,而消耗性或低成本PPE可以基于传感器数据中记录的图像进行目视检查。
通过示例的方式,与已识别的硬质安全帽相关联的使用记录可以指示该项目的完整性受到损害。例如,使用记录可能指示出硬质安全帽已经超过推荐的使用次数或到期日期,或者已经记录了装备的缺陷。
此外,图5中还示出了子步骤118至子步骤122,以演示控制系统1可以如何使用应用于项目的记录图像的图像处理技术来检查PPE项目(诸如高可见度夹克)的可见缺陷。
在子步骤118中,控制系统1被配置为应用图像处理技术以检测和定位图像中的高可见度夹克。为此,PPE评价模块22可以使用本领域中已知的一种或多种目标识别技术,诸如经过训练以检测和定位记录图像中的这样的PPE项目的YOLO CNN。
在子步骤120中,控制系统1可以应用边缘检测技术,以隔离和识别高可见度夹克上的可见缺陷。例如,除了其他异常特征识别方法以外,或作为其他异常特征识别方法的替代,PPE评价模块22还可以使用边缘检测技术,其中边缘检测技术特别适合于检测在评估图像中形成不连续性的裂缝、裂口和其他缺陷。
在子步骤122中,控制系统1可以应用颜色识别技术,以检测高可见度夹克的褪色。褪色是某些PPE项目(诸如眼睛佩戴物和高可见度夹克)上的缺陷的另一个指标。在这种情况下,PPE评价模块22可以应用这样的颜色识别技术来识别缺陷,诸如高可见度夹克的烧焦痕迹(burns)或反射率丧失。
在其他示例中,应当理解,控制系统1可以针对可能影响PPE的完整性的一系列可见缺陷,以相似的方式评估已识别的PPE项目。这样的数据可以与使用记录(在可用情况下)结合,以通知对已识别的PPE项目的完整性的总体估计,例如,以确定已识别的PPE项目对于有效保护而言是否具有足够的完整性,这对符合PPE检查表是必需的。
再次,PPE评价模块22可以包括用于确定指示已识别的PPE项目的完整性的总体分数或相应项目分数的一个或多个规则或算法。
在子步骤124中,控制系统1可以确定已识别的PPE项目是否正在以规定的方式被穿戴以便有效使用。例如,控制系统1可以使用基本上如子步骤122所描述的应用于传感器数据中的记录图像的检测与定位方法,确定已识别的PPE项目在被检测个体身上的位置。然后,PPE评价模块22可以将检测到的位置与用于所述PPE项目的规定位置进行比较。规定位置可以被存储在PPE库存数据库中,或者规定位置可以基于相应的规则或算法以其他方式确定或推导出。例如,PPE评价模块22的机器学习算法可以经过训练以基于标记的数据集和/或物理模型来确定用于穿戴相应的PPE项目的规定位置。通过示例的方式,PPE评价模块22可以确定硬质安全帽被定位在被检测个体18的头顶上,以及高可见度夹克作为外层衣服正被穿着,并且由此在子步骤124中确定已识别的PPE项目正在以规定的方式被穿戴以便有效使用。
再次,PPE评价模块22可以包括用于确定指示已识别的PPE项目是否正在以规定的方式被穿戴的总体分数或相应项目分数的一个或多个规则或算法。
在子步骤126中,控制系统1确定与被检测个体18相关联的总体合规性分数。为此,PPE评价模块22可以例如使用一个或多个相应的规则或算法,或应用合规性矩阵来组合子步骤114至子步骤124中评估的风险因素,以确定总体合规性分数。
例如,在子步骤124结束时,PPE评价模块22可以基于被检测个体身上的所述项目、被检测项目的完整性以及被检测项目在个体身上的位置来确定针对每个规定的PPE项目的项目分数。然后,控制系统1可以将总体合规性分数确定为项目分数的加权平均值。每个项目分数的相对权重可以指示相应的PPE项目对个体安全的重要性和/或对场地2处的健康和安全要求的合规性。例如,系统操作员可以配置规定项目的权重以适应风险简档(例如,硬质安全帽的合规性排名在高可见度夹克之上),并且相应的权重可以被存储在存储器模块24中。
返回到图3,在步骤128中,控制系统1可以继续将所确定的合规性分数与安全阈值进行比较。安全阈值可以被校准(连同用于确定合规性分数的算法)以确保与大于或等于安全阈值的合规性分数相关联的用户符合如由场地2的系统操作员设置的最低安全要求。
例如,在这种情况下,控制系统1可以确定与被检测个体18相关联的合规性分数小于安全阈值。特别地,虽然与规定的硬质安全帽和高可见度夹克相关联的项目分数可能是足够的,但是在被检测个体18身上没有识别出规定的面罩,因此所确定的合规性分数可以指示个体18未能符合PPE检查表。
在步骤130中,控制系统1可以基于合规性分数与安全阈值的比较继续执行场地2处的一个或多个安全操作。例如,在合规性分数被确定为小于安全阈值时,控制模块26可以与通道10进行交互以阻止被检测个体18进入场地2。另外地或可替选地,控制系统1可以操作通知系统16产生听觉或视觉警报,以通知被检测个体18他们未能符合与场地2相关联的PPE要求。这样的通知可以例如指示被检测个体18缺少了所需的面罩。这样的通知将会允许被检测个体18进行适当的校正。
此后,在示例中,控制系统1可以控制传感器系统10继续监测被检测个体18作为永久背景活动,同时被检测个体18保持在场地2处的观察区域中。例如,感测计算可以以预定间隔发生,或者根据一些其他预定策略发生。
以这种方式,控制系统1可以周期性地和/或根据检测到存在于被检测个体身上的已识别的PPE项目的改变,继续确定(即,重新确定)与被检测个体18相关联的合规性分数(根据步骤112)。例如,如果用于评估合规性的因素之一发生改变,则重新确定合规性分数,包括例如规定的PPE项目在个体身上的存在、完整性或位置。
如果控制系统1随后在步骤128中确定合规性分数已经增加至安全阈值或高于安全阈值,则控制系统1可以控制移除场地2处的一个或多个限制,例如控制通道6允许被检测个体18进入场地2并且停用通知。应当理解,一旦进入场地2内,个体18就被进一步监视,使得如果被检测个体18随后移除已识别的PPE项目中的一个,或者已识别的PPE项目中的任一个的完整性改变,则可以再次确定合规性分数,并且如果合规性分数随后再次降低至安全阈值以下,则可以执行进一步的安全操作。
以这种方式,在个体进入场地2的位置可以提供主要评价点,其中如果个体满足多个可配置的风险因素(例如,PPE存在、适当穿戴、PPE到期日期/状态等),则对其进行控制以允许个体进入场地2。此后,布置在场地2周围的各种传感器(例如多个摄像头)进一步地监测该个体,远程监测感兴趣的区域,并且将视觉数据传送到控制系统1以供进一步的合规性评估。
作为方法100的结果,可以设想到,个体在场地2处的安全性将得到增强,其中PPE违规行为大大消除或减少,从而提高对PPE要求的合规性。
应当理解,控制系统1适用于各种场地,并且可以例如部署在建筑工地、医院或需要PPE的任何其他环境中。注意,方法100的步骤仅作为本公开的非限制性示例提供,并且可以在不脱离所附权利要求范围的情况下对上文所描述的示例作出许多修改。
在其他示例中,如果对被检测个体进行分类,则记录图像、识别标签或用于对被检测个体进行分类的其他标识符可以与例如时间戳一起存储在控制系统1的存储器模块24中。相似地,例如,步骤110中识别的(一个或多个)PPE项目和/或步骤112中确定的分类分数可以与时间戳一起存储在控制系统1的存储器模块24中。存储这样的信息可以证明执行了适当的风险减轻协议。
在进一步的示例中,控制系统1还可以被配置为根据被检测个体对社交距离协议的合规性来控制场地2处的一个或多个安全操作。
例如,控制系统1可以被配置为确定被检测个体18与场地2处的另一个个体的接近度,并且至少部分地基于所确定的接近度与用于社交距离的阈值接近度之间的比较来确定基本上如上文所描述的合规性分数。
如将更详细地描述的,可以基于从传感器系统10接收到的传感器数据,特别是基于个体在场地2处的一个或多个记录图像来确定接近度。特别地,控制系统1可以通过确定从图像中的像素到真实世界中的物理距离测量结果的标量转换来计算个体的接近度。标量转换可以基于记录了图像的传感器12的焦距以及与图像中的个体的假定真实世界尺寸有关的可配置的基准尺寸(诸如以米为单位的基准高度)的先验知识来确定。
通过示例的方式,图6描述了确定由传感器系统10记录的图7所示的示例性图像300中表征的第一个体和第二个体的接近度的方法200。
在步骤202中,控制系统1可以被配置为用相应的边界框304、306定位记录图像300中的第一个体18和第二个体302。例如,控制系统1可以使用一种或多种目标识别技术,其可以包括经过训练的机器学习算法,以在记录图像中定位相应的个体,并且用第一相应边界框304和第二相应边界框306标记图像300。
在步骤204中,控制系统1可以被配置为确定用于第一边界框304和第二边界框306中的每一个的图像长度(作为像素计数)。例如,控制系统可以被配置为计算从每个边界框304、306的底部边缘到顶部边缘的像素数。
在步骤206中,控制系统1确定与每个边界框304、306中的像素相对应的真实世界长度或物理距离。特别地,控制系统1可以针对每个边界框304、306而确定边界框304、306中的像素与相应的真实世界距离之间的标量转换。以第一边界框304为例,可以基于记录了图像300的传感器12的焦距和个体18的基准高度(例如,其可以被设置为170cm)来确定标量转换。以这种方式,标量转换(即,第一边界框304中的每个像素的距离)可以根据以下等式来确定:
距离(m)=((基准高度(m)×焦距(m))/图像高度(像素数))
然后,第二边界框308中的像素与真实世界距离之间的标量转换可以根据应用于第二边界框的相同等式来确定。
在步骤208中,控制系统1然后可以计算第一个体18和第二个体302之间的间距,作为像素计数。例如,控制系统1可以使用每个边界框304、306的底部中心作为用于相应的个体18、302的位置基准,并且使用L2归一化关系来确定图像300中的第一个体18和第二个体302之间的距离估计(以像素为单位)。
在步骤210中,控制系统1可以通过确定步骤206中确定的标量转换的平均值并且将该平均值标量转换应用于步骤208中确定的间距(以像素为单位),确定第一个体18和第二个体302的接近度(作为真实世界距离)。
在确定了第一个体18和第二个体302的接近度之后,控制系统1可以被配置为将所确定的接近度与用于社交距离的阈值进行比较,并由此确定是否遵循社交距离协议。在示例中,控制系统1可以被配置为基于被检测个体18身上识别出的PPE项目(在步骤110中)和/或被检测个体18的身份来改变用于社交距离的阈值。例如,如果控制系统1识别出被检测个体18身上的面罩,则用于社交距离的阈值可以被相应地减少。
应当理解,控制系统1可以根据方法200进行操作以确定考虑到社交距离协议的相应的风险因素,这些风险因素可以被构建到根据方法100所确定的合规性分数中(例如,作为合规性矩阵的一部分)。在其他示例中,控制系统1可以根据方法200进行操作,以单独评估被检测个体18对社交距离协议的合规性以及对PPE要求的合规性。例如,控制系统1可以基于从传感器系统10接收到的传感器数据,根据方法200继续评估对社交距离协议的合规性,以及基于该评估确定合规性分数,以用于控制场地安全系统6,基本上如步骤126和步骤128所描述的。
以这种方式,该技术可以鼓励遵守社交距离,并且控制系统1可以控制场地安全系统14以根据对社交距离协议的合规性来执行一个或多个安全操作。例如,如果所确定的接近度小于社交距离的阈值,则控制系统1可以操作通知系统16产生对应的通知和/或提醒场地2处的个体社交距离要求。
在示例中,控制系统1可以根据方法200被配置为持续地监测场地2处的个体之间的社交距离,以便人们不会在超过阈值时间量内保持紧密接触。
Claims (25)
1.一种控制与个人防护装备(PPE)要求相关联的指定场地处的安全操作的计算机实施的方法,所述方法包括:
接收来自监测所述场地的传感器系统的传感器数据;
基于所述传感器数据检测所述场地处的个体;
基于所述传感器数据识别存在于所述个体上的一个或多个PPE项目;
至少部分地基于一个或多个所识别的PPE项目和与所述指定场地相关联的PPE检查表来确定与所述个体相关联的合规性分数,所述PPE检查表包括一个或多个规定的PPE项目;
将所述合规性分数与安全阈值进行比较;以及
根据所确定的合规性分数与所述安全阈值之间的比较来控制所述场地处的一个或多个安全操作。
2.根据权利要求1所述的方法,其中,所述传感器数据包括:
所述场地处的所述个体的记录的图像;
所述场地处的个体上检测到的识别标签;和/或
由所述场地处的个体提供的密钥代码。
3.根据权利要求2所述的方法,其中,所述传感器数据包括所述场地处的所述个体的所述记录的图像,并且其中至少部分地基于应用于所检测的个体的所述记录的图像的图像处理技术,检测所述个体和/或识别所述一个或多个PPE项目。
4.根据权利要求1至3中任一项所述的方法,还包括确定:
所检测的个体的身份;
所检测的个体的工作名称;和/或
所检测的个体在所述指定场地处的任务;
基于所述传感器数据;以及
基于所检测的个体的所确定的身份、工作名称和/或任务来确定所述PPE检查表。
5.根据权利要求4所述的方法,还包括:
根据所检测的个体的所确定的身份、工作名称和/或任务对所检测的个体进行分类,所述分类与一个或多个相应的PPE要求相关联;以及
基于所述分类来确定所述PPE检查表。
6.根据任意前述权利要求所述的方法,其中,确定与所检测的个体相关联的所述合规性分数包括:
确定是否在所检测的个体上识别出所述一个或多个规定的PPE项目;
基于所述传感器数据评估所述一个或多个所识别的PPE项目的完整性;以及/或
基于所述传感器数据确定所述一个或多个所识别的PPE项目是否按照规定被穿戴以保护所检测的个体。
7.根据权利要求6所述的方法,其中,确定所述合规性分数包括评估所述一个或多个所识别的PPE项目的完整性,并且其中评估所述完整性包括:
从库存数据库中检索与所述一个或多个所识别的PPE项目相关联的一条或多条使用记录,每条使用记录指示相应的PPE项目的状况;以及/或
将图像处理技术应用于所述传感器数据中的所检测的个体的记录的图像,以检查所述一个或多个所识别的PPE项目的可见缺陷。
8.根据权利要求7所述的方法,其中,每条使用记录包括以下中的至少一者:
购买日期;
到期日期;
使用记录;
使用限制;和/或
先前用户的标识;
针对所识别的PPE项目。
9.根据权利要求7或权利要求8所述的方法,其中,所述图像处理技术包括用于检测所述记录的图像中的可见缺陷的机器学习算法。
10.根据权利要求7至9中任一项所述的方法,其中,所述图像处理技术使用边缘检测技术和/或使用颜色识别技术来检测所述可见缺陷,所述颜色识别技术用于对所识别的PPE项目的褪色进行识别。
11.根据权利要求6至10中任一项所述的方法,其中,确定所述合规性分数包括确定所述一个或多个所识别的PPE项目是否按照规定被穿戴以保护所检测的个体,并且其中确定所述一个或多个所识别的PPE项目是否按照规定被穿戴包括:
确定每个所识别的PPE项目在所检测的个体上的位置;以及
将所确定的所述PPE项目的位置与所述PPE检查表中规定的所述PPE项目的位置进行比较。
12.根据权利要求11所述的方法,其中,确定每个所识别的PPE项目的位置包括使用应用于所述传感器数据中的所检测的个体的记录的图像的目标识别技术,在所检测的个体上定位所识别的PPE项目;优选地,其中所述目标识别技术包括卷积神经网络;进一步优选地,其中所述目标识别技术包括一次性查看卷积神经网络。
13.根据权利要求14至12中任一项所述的方法,其中,所述PPE检查表包括多个规定的PPE项目,并且其中确定所述合规性分数包括:
针对所述规定的PPE项目中的每个项目,确定项目合规性分数,所述项目合规性分数指示所述规定的PPE项目在所检测的个体上的存在,所述PPE项目的完整性,和/或所述PPE项目是否按照规定被穿戴以保护所检测的个体;以及
将所述合规性分数确定为所述项目合规性分数的加权平均值。
14.根据任意前述权利要求所述的方法,其中,执行所述场地处的一个或多个安全操作包括:
控制一个或多个场地限制;
在所述场地处分发一个或多个PPE项目;以及/或
控制通知系统以指示所检测的个体对所述PPE检查表的合规性。
15.根据权利要求14所述的方法,其中,所述个体在所述场地的入口和/或出口被检测,并且其中控制所述一个或多个场地限制包括针对所检测的个体而控制所述入口和/或所述出口的状态。
16.根据权利要求14或权利要求15所述的方法,当从属于权利要求4时,其中所述一个或多个场地限制被控制为:
根据所述合规性分数大于或等于所述安全阈值,使所检测的个体能够执行所确定的任务;以及/或
根据所述合规性分数小于所述安全阈值,禁止所检测的个体执行所确定的任务。
17.根据任意前述权利要求所述的方法,还包括:监测所述个体,一旦检测到,就基于所述传感器数据来检测存在于所检测的个体上的所述一个或多个所识别的PPE项目的改变。
18.根据权利要求17所述的方法,其中,所述合规性分数周期性地和/或根据检测到存在于所检测的个体上的所述一个或多个所识别的PPE项目的改变来确定。
19.根据权利要求18所述的方法,还包括:
根据所确定的合规性分数增加至所述安全阈值或所确定的合规性分数高于所述安全阈值来移除一个或多个场地限制;以及/或
根据所确定的合规性分数降低至所述安全阈值以下来应用一个或多个场地限制。
20.根据权利要求17至19中任一项所述的方法,还包括:
基于所述传感器数据确定所监测的个体与所述指定场地处的另一个个体的接近度,以及
至少部分地基于所确定的接近度小于用于社交距离的阈值接近度来确定所述合规性分数。
21.根据权利要求20所述的方法,其中,所述传感器数据包括所检测的个体和其他个体在所述场地处的记录的图像;并且其中所述接近度通过以下确定:
在所述记录的图像中定位所检测的个体;
在所述记录的图像中定位其他个体;
确定从所检测的个体到所述其他个体的以像素为单位的图像距离;以及
使用从所述图像距离到物理距离的标量转换来确定所述接近度,其中所述标量转换至少部分地基于记录所述图像的图像传感器的焦距。
22.根据权利要求21所述的方法,还包括通过以下确定所述标量转换:
确定用于所述记录的图像中的所检测的个体的第一边界框;
确定用于所述记录的图像中的其他个体的第二边界框;
确定所述第一边界框的以像素为单位的第一长度和所述第二边界框的以像素为单位的第二长度;
基于以下确定从所述第一边界框中的像素到物理距离的第一标量变换:所述图像传感器的焦距、所检测的个体的基准尺寸和第一长度;
基于以下确定从所述第二边界框中的像素到物理距离的第二标量变换:所述图像传感器的焦距、所述其他个体的基准尺寸和第二图像长度;以及
对所述第一标量转换和所述第二标量转换求平均值。
23.根据权利要求20至22中任一项所述的方法,还包括:
基于所述一个或多个所识别的PPE项目来确定所述阈值接近度。
24.一种控制系统,用于控制与个人防护装备(PPE)要求相关联的指定场地处的安全操作,所述控制系统被配置为执行指令以:
接收来自监测所述场地的传感器系统的传感器数据;
基于所述传感器数据检测所述场地处的个体;
基于所述传感器数据识别存在于所述个体上的一个或多个PPE项目;
至少部分地基于一个或多个所识别的PPE项目和与所述场地相关联的PPE检查表来确定与所述个体相关联的合规性分数;
将所述合规性分数与安全阈值进行比较;以及
根据所确定的合规性分数与所述安全阈值之间的比较来控制所述场地处的一个或多个安全操作。
25.一种控制与社交距离要求相关联的指定场地处的安全操作的计算机实施的方法,所述方法包括:
接收来自监测所述场地的传感器系统的记录的图像;
定位所述记录的图像中的第一个体和第二个体;
确定从所述第一个体到所述第二个体的以像素为单位的图像距离;
使用从所述图像距离到物理距离的标量转换来确定所述第一个体和所述第二个体的接近度,其中所述标量转换至少部分地基于记录所述图像的图像传感器的焦距;以及
根据所确定的接近度来控制所述场地处的一个或多个安全操作。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN202111036490 | 2021-08-12 | ||
IN202111036490 | 2021-08-12 | ||
PCT/EP2021/078848 WO2023016666A1 (en) | 2021-08-12 | 2021-10-18 | A method of controlling site safety operations based on ppe compliance |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117795535A true CN117795535A (zh) | 2024-03-29 |
Family
ID=78402082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180101470.5A Pending CN117795535A (zh) | 2021-08-12 | 2021-10-18 | 基于ppe合规性的控制场地安全操作的方法 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP4384961A1 (zh) |
CN (1) | CN117795535A (zh) |
WO (1) | WO2023016666A1 (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9695981B2 (en) * | 2012-04-20 | 2017-07-04 | Honeywell International Inc. | Image recognition for personal protective equipment compliance enforcement in work areas |
US10311401B2 (en) * | 2015-01-09 | 2019-06-04 | Honeywell International Inc. | System for custom configuring personal protection equipment |
WO2019211764A1 (en) * | 2018-05-03 | 2019-11-07 | 3M Innovative Properties Company | Personal protective equipment system with augmented reality for safety event detection and visualization |
RU2724785C1 (ru) * | 2020-02-20 | 2020-06-25 | ООО "Ай Ти Ви групп" | Система и способ идентификации средств индивидуальной защиты на человеке |
CN111460895B (zh) * | 2020-03-03 | 2023-03-28 | 广州大学 | 视觉数据中防护设备的检测方法、装置和存储介质 |
US11151858B2 (en) * | 2020-06-24 | 2021-10-19 | Paul Edward Moshe Modiano | Crowd management in an enclosed premises |
-
2021
- 2021-10-18 EP EP21798595.1A patent/EP4384961A1/en active Pending
- 2021-10-18 WO PCT/EP2021/078848 patent/WO2023016666A1/en active Application Filing
- 2021-10-18 CN CN202180101470.5A patent/CN117795535A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4384961A1 (en) | 2024-06-19 |
WO2023016666A1 (en) | 2023-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10665087B2 (en) | Control system and method | |
US9977971B2 (en) | Role-based tracking and surveillance | |
KR102572811B1 (ko) | 정의된 객체를 식별하기 위한 시스템 | |
KR101549599B1 (ko) | 안면인식과 태그인식을 이용하여 접근자의 신분확인 및 동선추적이 가능한 제한구역 출입 경고시스템 | |
US9143843B2 (en) | Automated monitoring and control of safety in a production area | |
CN112489272A (zh) | 一种专用于园区的智能安防控制系统 | |
CN109996182B (zh) | 一种基于uwb定位与监控结合的定位方法、装置及系统 | |
CA2795136A1 (en) | Automated monitoring and control of safety in a production area | |
KR20190108960A (ko) | 산업 현장 안전 관리 시스템 | |
JP2005078222A (ja) | 通過管理システム、安全管理システム、および通過管理方法 | |
CN104102186B (zh) | 具有冗余系统输入支持的基于识别的工业自动化控制 | |
KR102088458B1 (ko) | 작업자 관리 시스템 | |
CN109800715B (zh) | 一种基于物联网的出入园区监控方法及系统 | |
KR20160050263A (ko) | 이동자 확인 장치 및 이동자 확인 서버 | |
CN115641229A (zh) | 一种智慧电厂生产安全管控系统 | |
CN110738691A (zh) | 基于在线智能视觉网络的行李跟踪系统 | |
KR102500474B1 (ko) | 스마트 지능형 안전관리 서비스 제공 시스템 | |
KR101134454B1 (ko) | 공사 현장 재해 방지 시스템 | |
KR101989376B1 (ko) | 궤도 회로 통합 감시 장치 | |
CN103198266B (zh) | 用于装置安保的方法和系统 | |
CN117795535A (zh) | 基于ppe合规性的控制场地安全操作的方法 | |
CN109460714B (zh) | 识别对象的方法、系统和装置 | |
CN115909645A (zh) | 一种车间生产安全预警系统和预警方法 | |
KR20200133596A (ko) | 자동 차량 통합 검색 시스템 | |
KR20130134334A (ko) | 실내 이동자 위치추적 시스템 및 그 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |