作业人员的危险状态监控方法、装置及计算机设备
阅读：898发布：2020-05-11
专利汇可以提供作业人员的危险状态监控方法、装置及计算机设备专利检索，专利查询，专利分析的服务。并且本 发明 涉及作业人员的危险状态监控方法、装置及计算机设备，属于状态识别技术领域。所述方法包括：获取包含有作业人员的多张图像；根据所述包含有作业人员的多张图像，确定所述作业人员的当前状态以及所述当前状态的持续时间；根据所述作业人员的当前状态以及所述当前状态的持续时间，确定所述当前状态是否为危险状态；若是，输出危险状态指示信息。上述技术方案，解决了 电网 工地上的作业人员状态监控效率低下的问题。不需要管理人员进行人工监控，能自动准确地确定出作业人员的危险状态，有效提高电网工地上的作业人员状态监控效率。，下面是作业人员的危险状态监控方法、装置及计算机设备专利的具体信息内容。
1.一种作业人员的危险状态监控方法，其特征在于，包括以下步骤：
获取包含有作业人员的多张图像；
根据所述包含有作业人员的多张图像，确定所述作业人员的当前状态以及所述当前状态的持续时间；
根据所述作业人员的当前状态以及所述当前状态的持续时间，确定所述当前状态是否为危险状态；
若是，输出危险状态指示信息。
2.根据权利要求1所述的方法，其特征在于，所述根据所述包含有作业人员的多张图像，确定所述作业人员的当前状态的步骤，包括：
将所述包含有作业人员的多张图像输入到预先训练好的状态识别模型中，根据所述状态识别模型的输出确定所述作业人员的当前状态；其中，所述状态识别模型根据yolo-v3目标检测算法构建和训练。
3.根据权利要求2所述的方法，其特征在于，所述当前状态包括以下至少一项：进入禁区、躺倒以及危险着装；
所述根据所述作业人员的当前状态以及所述当前状态的持续时间，确定所述当前状态是否为危险状态的步骤，包括：
若所述当前状态为进入禁区，且所述作业人员进入禁区的持续时间大于第一阈值，判定所述当前状态是危险状态；
和/或，
若所述当前状态为躺倒，且所述作业人员躺倒的持续时间大于第二阈值，判定所述当前状态是危险状态；
和/或，
若所述当前状态为危险着装，且所述作业人员危险着装的持续时间大于第三阈值，判定所述当前状态是危险状态。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述根据所述包含有作业人员的多张图像，确定所述作业人员的当前状态的步骤，还包括：
根据所述包含有作业人员的多张图像，确定所述作业人员的着装识别信息；
根据所述着装识别信息，确定所述作业人员的当前状态。
5.根据权利要求4所述的方法，其特征在于，所述着装识别信息包括工服穿着信息以及安全帽佩戴信息；
所述根据所述着装识别信息，确定所述作业人员的当前状态的步骤，包括：
若所述工服穿着信息为未穿着，和/或，所述安全帽佩戴信息为未佩戴，将所述作业人员的当前状态确定为危险着装。
6.根据权利要求4所述的方法，其特征在于，所述根据所述包含有作业人员的多张图像，确定所述作业人员的着装识别信息的步骤，包括：
从所述包含有作业人员的多张图像中选择一张图像，作为目标图像；
将所述目标图像输入到预先训练好的着装识别模型中，根据所述着装识别模型的输出确定所述作业人员的着装识别信息；其中所述着装识别模型根据SSD检测算法构建和训练。
7.根据权利要求1所述的方法，其特征在于，所述获取包含有作业人员的多张图像的步骤，包括：
若接收到拍摄设备发送的包含有作业人员的图像，根据kcf目标跟踪算法向所述拍摄设备发送目标跟踪指令；所述目标跟踪指令用于控制所述拍摄设备拍摄多张所述作业人员的图像；
接收所述拍摄设备发送的包含有作业人员的多张图像。
8.一种作业人员的危险状态监控装置，其特征在于，包括：
图像获取模块，用于获取包含有作业人员的多张图像；
图像分析模块，用于根据所述包含有作业人员的多张图像，确定所述作业人员的当前状态以及所述当前状态的持续时间；
状态判断模块，用于根据所述作业人员的当前状态以及所述当前状态的持续时间，确定所述当前状态是否为危险状态；
以及，指示输出模块，用于若是，输出危险状态指示信息。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的方法的步骤。
作业人员的危险状态监控方法、装置及计算机设备
技术领域
[0001] 本发明涉及状态识别技术领域，特别是涉及作业人员的危险状态监控方法、装置、计算机设备及存储介质。
背景技术
[0002] 电网工地中往往设置有多种电网设备，这就使得电网工地是一个高危区域，进入电网工地时作业人员需要严格按照电网作业规范来着装和作业。在实现本发明过程中，发明人发现现有技术中至少存在如下问题：目前主要由管理人员现场监控作业人员是否存在不合规的情况，在发现没有戴安全帽、没有穿工作服、进入禁区、人员摔倒等违禁状态时进行人工提醒。但是，管理人员在监控过程中可能无法抽身，且在某些偏僻工地可能存在无管理人员值守的情况，这就使得电网工地上的作业人员状态监控效率低下。
发明内容
[0003] 基于此，本发明实施例提供了作业人员的危险状态监控方法、装置、计算机设备及存储介质，能有效提高电网工地上的作业人员状态监控效率。
[0004] 本发明实施例的内容如下：
[0005] 一方面，本发明实施例提供一种作业人员的危险状态监控方法，包括以下步骤：获取包含有作业人员的多张图像；根据所述包含有作业人员的多张图像，确定所述作业人员的当前状态以及所述当前状态的持续时间；根据所述作业人员的当前状态以及所述当前状态的持续时间，确定所述当前状态是否为危险状态；若是，输出危险状态指示信息。
[0006] 在一个实施例中，所述根据所述包含有作业人员的多张图像，确定所述作业人员的当前状态的步骤，包括：将所述包含有作业人员的多张图像输入到预先训练好的状态识别模型中，根据所述状态识别模型的输出确定所述作业人员的当前状态；其中，所述状态识别模型根据yolo-v3目标检测算法构建和训练。
[0007] 在一个实施例中，所述当前状态包括以下至少一项：进入禁区、躺倒以及危险着装。
[0008] 在一个实施例中，所述根据所述作业人员的当前状态以及所述当前状态的持续时间，确定所述当前状态是否为危险状态的步骤，包括：若所述当前状态为进入禁区，且所述作业人员进入禁区的持续时间大于第一阈值，判定所述当前状态是危险状态。
[0009] 在一个实施例中，所述根据所述作业人员的当前状态以及所述当前状态的持续时间，确定所述当前状态是否为危险状态的步骤，包括：若所述当前状态为躺倒，且所述作业人员躺倒的持续时间大于第二阈值，判定所述当前状态是危险状态。
[0010] 在一个实施例中，所述根据所述作业人员的当前状态以及所述当前状态的持续时间，确定所述当前状态是否为危险状态的步骤，包括：若所述当前状态为危险着装，且所述作业人员危险着装的持续时间大于第三阈值，判定所述当前状态是危险状态。
[0011] 在一个实施例中，所述根据所述包含有作业人员的多张图像，确定所述作业人员的当前状态的步骤，还包括：根据所述包含有作业人员的多张图像，确定所述作业人员的着装识别信息；根据所述着装识别信息，确定所述作业人员的当前状态。
[0012] 在一个实施例中，所述着装识别信息包括工服穿着信息以及安全帽佩戴信息。
[0013] 在一个实施例中，所述根据所述着装识别信息确定所述作业人员是否存在危险状态的步骤，包括：若所述工服穿着信息为未穿着，判定所述作业人员存在危险状态。
[0014] 在一个实施例中，所述根据所述着装识别信息确定所述作业人员是否存在危险状态的步骤，包括：若所述安全帽佩戴信息为未佩戴，判定所述作业人员存在危险状态。
[0015] 在一个实施例中，所述根据所述包含有作业人员的多张图像，确定所述作业人员的着装识别信息的步骤，包括：从所述包含有作业人员的多张图像中选择一张图像，作为目标图像；将所述目标图像输入到预先训练好的着装识别模型中，根据所述着装识别模型的输出确定所述作业人员的着装识别信息；其中所述着装识别模型根据SSD检测算法构建和训练。
[0016] 在一个实施例中，所述获取包含有作业人员的多张图像的步骤，包括：若接收到拍摄设备发送的包含有作业人员的图像，根据kcf目标跟踪算法向所述拍摄设备发送目标跟踪指令；所述目标跟踪指令用于控制所述拍摄设备拍摄多张所述作业人员的图像；接收所述拍摄设备发送的包含有作业人员的多张图像。
[0017] 另一方面，本发明实施例提供一种作业人员的危险状态监控装置，包括：图像获取模块，用于获取包含有作业人员的多张图像；图像分析模块，用于根据所述包含有作业人员的多张图像，确定所述作业人员的当前状态以及所述当前状态的持续时间；状态判断模块，用于根据所述作业人员的当前状态以及所述当前状态的持续时间，确定所述当前状态是否为危险状态；以及，指示输出模块，用于若是，输出危险状态指示信息。
[0018] 再一方面，本发明实施例提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取包含有作业人员的多张图像；根据所述包含有作业人员的多张图像，确定所述作业人员的当前状态以及所述当前状态的持续时间；根据所述作业人员的当前状态以及所述当前状态的持续时间，确定所述当前状态是否为危险状态；若是，输出危险状态指示信息。
[0019] 又一方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取包含有作业人员的多张图像；根据所述包含有作业人员的多张图像，确定所述作业人员的当前状态以及所述当前状态的持续时间；根据所述作业人员的当前状态以及所述当前状态的持续时间，确定所述当前状态是否为危险状态；若是，输出危险状态指示信息。
[0020] 上述技术方案中的一个技术方案具有如下优点或有益效果：根据包含有作业人员的图像自动确定作业人员的当前状态以及该当前状态的持续时间，进而确定当前状态是否为危险状态，如果是危险状态则进行危险提示。不需要管理人员进行人工监控，能自动准确地确定出作业人员的危险状态，有效提高电网工地上的作业人员状态监控效率。附图说明
[0021] 图1为一个实施例中作业人员的危险状态监控方法的应用环境图；
[0022] 图2为一个实施例中作业人员的危险状态监控方法的流程示意图；
[0023] 图3为一个实施例中作业人员的部分姿态的示意图；
[0024] 图4为一个实施例中作业人员的穿着的示意图；
[0025] 图5为另一个实施例中作业人员的危险状态监控方法的流程示意图；
[0026] 图6为一个实施例中作业人员的危险状态监控装置的结构框图。
具体实施方式
[0027] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0028] 在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
[0029] 本申请提供的作业人员的危险状态监控方法可以应用于如图1所示的计算机设备中。该计算机设备可以是服务器，也可以是终端设备，其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，处理器用于提供计算和控制能力；存储器包括非易失性存储介质、内存储器，该非易失性存储介质存储有操作系统、计算机程序(该计算机程序被处理器执行时实现一种作业人员的危险状态监控方法)和数据库，该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境；数据库用于存储包含有作业人员的图像、当前状态、持续时间等数据；网络接口用于与外部的终端通过网络连接通信，例如：与摄像头连接，用于接收摄像头发送过来的包含有作业人员的图像。其中，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现，终端设备可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
[0030] 本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0031] 本发明实施例提供一种作业人员的危险状态监控方法、装置、计算机设备及存储介质。以下分别进行详细说明。
[0032] 在一个实施例中，如图2所示，提供了一种作业人员的危险状态监控方法。以该方法应用于图1中的计算机设备端为例进行说明，包括以下步骤：
[0033] S201、获取包含有作业人员的多张图像。
[0035] 包含有作业人员的图像可以由摄像头拍摄得到，该摄像头可以与计算机设备网络连接。该摄像头可以具有人员跟踪功能，保证拍摄的图像中始终包含有作业人员；也可以不具有人员跟踪功能，而是朝向于电网工地的作业区域，实时拍摄电网工地上的图像，由摄像头或者计算机设备通过图像分析技术从中选择包含有作业人员的图像。
[0036] S202、根据所述包含有作业人员的多张图像，确定所述作业人员的当前状态以及所述当前状态的持续时间。
[0037] 其中，当前状态可以根据这些包含有作业人员的图像中作业人员的姿态、外貌、穿着等确定。作业人员的姿态可以为站【如图3中的(a)】、躺【如图3中的(b)】、坐、蹲等。具体的，若某一作业人员在某一张图像中的姿态为站，则该作业人员的当前状态可能为站立、行走、奔跑等(此时还需要结合临近帧的图像来确定其当前状态)，若他在某一张图像中的姿态为躺，则该作业人员的当前状态可能为摔倒、睡觉等。
[0038] 另外，当前状态的持续时间可以结合某一姿态所出现的帧数以及摄像头的帧率来确定当前状态的持续时间，例如：持续时间＝帧数*帧率。
[0039] S203、根据所述作业人员的当前状态以及所述当前状态的持续时间，确定所述当前状态是否为危险状态。
[0040] 在某些情况下，可能会出现误检(例如：在作业人员处于行走状态下的100帧图像中，其中某一帧被识别为处于躺的状态)，因此如果仅仅根据某一张图像所对应的姿态来判断当前状态是否为危险状态可能会导致判断结果不够准确。因此，本步骤结合持续时间来确定该当前状态是否为危险状态，能有效降低危险状态判断的误检率。
[0041] S204、若是，输出危险状态指示信息。
[0042] 本步骤可以通过告警设备来输出危险状态指示信息。该告警设备可以为各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。告警设备可以通过图形显示、文字显示、语音播放的形式输出危险状态指示信息，以保证使用该告警设备的用户能及时获知作业人员的危险信息。
[0043] 进一步地，使用该告警设备的用户可以是作业人员也可以是管理人员。若为作业人员，该危险状态指示信息可以为警示作业人员停止当前状态的信息；若为管理人员，则该危险状态指示信息可以为危险状态的告知信息，管理人员在获知危险状态指示信息后可以进行相应的危险状态控制措施。
[0044] 本实施例，不需要管理人员进行人工监控，能自动准确地确定出作业人员的危险状态并进行告警，能有效提高电网工地上的作业人员状态监控效率。
[0045] 在一个实施例中，所述根据所述包含有作业人员的多张图像，确定所述作业人员的当前状态的步骤，包括：将所述包含有作业人员的多张图像输入到预先训练好的状态识别模型中，根据所述状态识别模型的输出确定所述作业人员的当前状态；其中，所述状态识别模型根据yolo-v3目标检测算法构建和训练。
[0046] 具体的，在进行状态识别模型训练的过程中，yolo-v3的基础网络可以为darknet-53，网络输入大小可以为416*416。
[0047] 对状态识别模型的具体构建和训练过程可以如下：
[0048] 1)按照darknet-53的网络结构构建状态识别模型；
[0049] 2)获取包含有作业人员的图像，通过不同颜色的标注框在该图像上分别标识站、躺、坐、蹲、穿工服、未穿工服、戴安全帽、未戴安全帽的作业人员，完成标注的图像作为标注图像；
[0050] 3)将标注图像输入到状态识别模型中进行监督学习，在监督学习的过程中状态识别模型可以根据标注框的颜色来区分站、躺、坐、蹲、穿工服、未穿工服、戴安全帽、未戴安全帽这些状态，训练结束后得到训练好的状态识别模型。
[0051] 本实施例提供的作业人员的危险状态监控方法，通过标注图像来训练状态识别模型，将包含有作业人员的多张图像输入到训练好的状态识别模型中，该状态识别模型能确定出每一张图像中作业人员的姿态、穿着等信息；计算机设备能结合多张图像中作业人员的信息确定作业人员的当前状态。
[0052] 在一个实施例中，当前状态包括以下至少一项：进入禁区、躺倒以及危险着装。
[0053] 一方面，所述根据所述作业人员的当前状态以及所述当前状态的持续时间，确定所述当前状态是否为危险状态的步骤，包括：若所述当前状态为进入禁区，且所述作业人员进入禁区的持续时间大于第一阈值，判定所述当前状态是危险状态。其中，第一阈值可以是500帧对应的时间，假设摄像头的帧率为25帧/s，则第一阈值为20s。禁区可以指带电设备所在的区域，对于标示有区域框线的电网工地，可以通过识别图像中的区域框线的方式来确定工作人员是否进入禁区。
[0054] 另一方面，所述根据所述作业人员的当前状态以及所述当前状态的持续时间，确定所述当前状态是否为危险状态的步骤，包括：若所述当前状态为躺倒，且所述作业人员躺倒的持续时间大于第二阈值，判定所述当前状态是危险状态。第二阈值可以为2s、5s等时长(这个第二阈值可以根据躺倒姿态的帧数以及摄像头的帧率来确定)。若作业人员躺倒的持续时间大于第二阈值，判定该作业人员摔倒，据此将当前状态确定为危险状态。
[0055] 上述实施例结合作业人员的当前状态和持续时间来确定作业人员是否进入禁区或者是否摔倒，进而及时地进行危险处理，保证作业人员的安全。
[0056] 在一个实施例中，所述根据所述作业人员的当前状态以及所述当前状态的持续时间，确定所述当前状态是否为危险状态的步骤，包括：若所述当前状态为危险着装，且所述作业人员危险着装的持续时间大于第三阈值，判定所述当前状态是危险状态。其中，危险着装指的是作业人员的着装不符合规范。在电网工地上容易出现安全事故，不符合规范的着装很可能会给作业人员的安全造成威胁。
[0057] 第三阈值可以为5s、10s等。当然，在某些情况下，也可以在识别到当前状态为危险着装时，就立刻输出危险状态指示信息；即，将第三阈值设置为0。
[0058] 在一个实施例中，除了直接通过状态识别模型来确定作业人员的当前状态，也可以先确定着装识别信息，根据该着装识别信息来确定作业人员的当前状态。
[0059] 进一步地，根据所述包含有作业人员的多张图像，确定所述作业人员的当前状态的步骤，还包括：根据所述包含有作业人员的多张图像，确定所述作业人员的着装识别信息；根据所述着装识别信息，确定所述作业人员的当前状态。
[0060] 其中，所述着装识别信息包括以下至少一项：工服穿着信息以及安全帽佩戴信息。此外，着装识别信息还可以包括工鞋穿着信息以及操作工具佩戴信息等。
[0061] 具体的，根据所述着装识别信息确定所述作业人员是否存在危险状态的步骤，包括：若所述工服穿着信息为未穿着，将所述作业人员的当前状态确定为危险着装。另外，若所述安全帽佩戴信息为未佩戴，也可以将所述作业人员的当前状态确定为危险着装。其中的工服穿着可以包括工衣和工裤的穿着，只要其中有一个未穿就可以将工服穿着信息确定为未穿着。
[0062] 进一步地，所述根据所述包含有作业人员的多张图像，确定所述作业人员的着装识别信息的步骤，包括：从所述包含有作业人员的多张图像中选择一张图像，作为目标图像；将所述目标图像输入到预先训练好的着装识别模型中，根据所述着装识别模型的输出确定所述作业人员的着装识别信息；其中所述着装识别模型根据SSD检测算法构建和训练。其中的目标图像可以为一张、两张甚至多张。具体的，可以在包含有某一作业人员的多张图像中选择处于中间时刻的一张图像作为目标图像。
[0063] 具体的，在进行着装识别模型训练的过程中，SSD检测算法的基础网络可以为res18网络，网络输入大小为120*120。
[0064] 另外，在进行着装识别之前，可以先判断作业人员是否处于站立状态，在处于站立状态时再进行着装识别，这样能得到更为准确的着装识别结果。
[0065] 在一些实施例中，着装识别模型可以先对作业人员的部位进行定位，进而通过目标识别的方式来确定着装识别信息，例如：先定位作业人员的头部区域和躯干区域，根据头部区域确定该作业人员是否佩戴安全帽，根据躯干区域确定该作业人员是否穿着工服。另外，还可以将躯干区域分为上半身区域和下半身区域，根据上半身区域确定该作业人员是否穿着工衣，根据下半身区域确定该作业人员是否穿着工裤。
[0066] 另外，对着装识别模型的具体构建和训练过程可以如下：
[0067] 1)按照res18的网络结构构建着装识别模型。
[0068] 2)获取包含有作业人员的图像，在该图像上通过不同颜色的标注框来分别标识戴安全帽、未戴安全帽、穿工服、未穿工服、穿工裤、未穿工裤的区域，标注完成的图像作为标注图像；对穿着工服、佩戴安全帽的工作人员的对应区域进行标注之后的标注图像可以如图4所示。
[0069] 3)将标注图像输入到着装识别模型中进行监督学习，在监督学习的过程中模型可以根据标注框的颜色对戴安全帽、未戴安全帽、穿工服、未穿工服、穿工裤、未穿工裤这些状态进行分类识别，训练结束后得到训练好的着装识别模型。
[0070] 本实施例提供的作业人员的危险状态监控方法，获取训练好的着装识别模型是，将包含有作业人员的某一张或多张图像输入到训练好的着装识别模型中，该着装识别模型能确定出图像中作业人员的着装识别信息，进而可以确定作业人员是否按照规范进行着装；如果不符合规范，计算机设备能据此确定作业人员存在危险状态。
[0071] 在一个实施例中，在一些实施例中，所述获取包含有作业人员的多张图像的步骤，包括：若接收到拍摄设备发送的包含有作业人员的图像，根据kcf目标跟踪算法向所述拍摄设备发送目标跟踪指令；所述目标跟踪指令用于控制所述拍摄设备拍摄多张所述作业人员的图像；接收所述拍摄设备发送的包含有作业人员的多张图像。
[0072] 其中，kcf是一种鉴别式追踪方法，这类方法一般都是在追踪过程中训练一个目标检测器，使用目标检测器去检测下一帧预测位置是否是目标(结合到本实施例中，这个目标即为作业人员)，然后再使用新检测结果去更新训练集进而更新目标检测器。而在训练目标检测器时一般选取目标区域为正样本，目标的周围区域为负样本，当然越靠近目标的区域为正样本的可能性越大。
[0073] 本实施例通过跟踪作业人员的方式，能拍摄到作业人员的多张图像，以便计算机识别图像中的作业人员是否处于危险状态，提高电网工地上的作业人员状态监控效率。
[0074] 为了更好地理解上述方法，如图5所示，以下详细阐述一个本发明作业人员的危险状态监控方法的应用实例。
[0075] S501、摄像头获取监控视频流图像。
[0076] S502、计算机设备接收摄像头发送的视频流图像，从中确定是否包含有作业人员。如果有，计算机设备根据kcf目标跟踪算法控制摄像头对检测到的作业人员进行跟踪，即控制摄像头拍摄包含有作业人员的多张图像；如果没有，控制摄像头继续获取视频流图像。
[0077] S503、计算机设备根据包含有作业人员的多张图像，判断作业人员是否在连续500帧都处于禁区范围内，若是，通过告警设备提醒作业人员离开禁区。
[0078] S504、计算机设备根据包含有作业人员的多张图像判断作业人员是否处于站立状态，如果是，从包含有作业人员的多张图像中选择一张，作为目标图像，将目标图像输入到着装识别模型中，根据着装识别模型的结果确定作业人员的工服穿着信息以及安全帽佩戴信息。如果根据工服穿着信息确定工作人员未穿工服，通过告警设备提醒作业人员按照规范进行着装；如果根据安全帽佩戴信息确定工作人员未佩戴安全帽，通过告警设备提醒作业人员按照规范佩戴安全帽。
[0079] S505、计算机设备根据包含有作业人员的多张图像判断作业人员是否处于躺倒状态，如果是，判断作业人员处于躺倒状态的时间是否超过5s，如果是，通过告警设备提醒管理人员有作业人员摔倒。
[0080] 本实施例，不需要管理人员进行人工监控，能自动准确地确定出作业人员的危险状态，有效提高电网工地上的作业人员状态监控效率。
[0081] 需要说明的是，对于前述的各方法实施例，为了简便描述，将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。
[0082] 基于与上述实施例中的作业人员的危险状态监控方法相同的思想，本发明还提供作业人员的危险状态监控装置，该装置可用于执行上述作业人员的危险状态监控方法。为了便于说明，作业人员的危险状态监控装置实施例的结构示意图中，仅仅示出了与本发明实施例相关的部分，本领域技术人员可以理解，图示结构并不构成对装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[0083] 如图6所示，作业人员的危险状态监控装置包括图像获取模块601、图像分析模块602、状态判断模块603和指示输出模块604，详细说明如下：
[0084] 图像获取模块601，用于获取包含有作业人员的多张图像。
[0085] 图像分析模块602，用于根据所述包含有作业人员的多张图像，确定所述作业人员的当前状态以及所述当前状态的持续时间。
[0086] 状态判断模块603，用于根据所述作业人员的当前状态以及所述当前状态的持续时间，确定所述当前状态是否为危险状态。
[0087] 以及，指示输出模块604，用于若是，输出危险状态指示信息。
[0088] 本实施例，不需要管理人员进行人工监控，能自动准确地确定出作业人员的危险状态，有效提高电网工地上的作业人员状态监控效率。
[0089] 在一个实施例中，图像分析模块602，还用于将所述包含有作业人员的多张图像输入到预先训练好的状态识别模型中，根据所述状态识别模型的输出确定所述作业人员的当前状态；其中，所述状态识别模型根据yolo-v3目标检测算法构建和训练。
[0090] 在一个实施例中，所述当前状态包括以下至少一项：进入禁区、躺倒以及危险着装。
[0091] 在一个实施例中，状态判断模块603，还用于若所述当前状态为进入禁区，且所述作业人员进入禁区的持续时间大于第一阈值，判定所述当前状态是危险状态。
[0092] 在一个实施例中，状态判断模块603，还用于若所述当前状态为躺倒，且所述作业人员躺倒的持续时间大于第二阈值，判定所述当前状态是危险状态。
[0093] 在一个实施例中，状态判断模块603，还用于若所述当前状态为危险着装，且所述作业人员危险着装的持续时间大于第三阈值，判定所述当前状态是危险状态。
[0094] 在一个实施例中，图像分析模块602，包括：着装识别子模块，用于根据所述包含有作业人员的多张图像，确定所述作业人员的着装识别信息；状态确定子模块，用于根据所述着装识别信息，确定所述作业人员的当前状态。
[0095] 在一个实施例中，所述着装识别信息包括以下至少一项：工服穿着信息以及安全帽佩戴信息。
[0096] 在一个实施例中，状态确定子模块，还用于若所述工服穿着信息为未穿着，将所述作业人员的当前状态确定为危险着装。
[0097] 在一个实施例中，状态确定子模块，还用于若所述安全帽佩戴信息为未佩戴，将所述作业人员的当前状态确定为危险着装。
[0098] 在一个实施例中，着装识别子模型，包括：图像选择单元，用于从所述包含有作业人员的多张图像中选择一张图像，作为目标图像；模型识别单元，用于将所述目标图像输入到预先训练好的着装识别模型中，根据所述着装识别模型的输出确定所述作业人员的着装识别信息；其中所述着装识别模型根据SSD检测算法构建和训练。
[0099] 在一个实施例中，图像获取模块601，包括：跟踪子模块，用于若接收到拍摄设备发送的包含有作业人员的图像，根据kcf目标跟踪算法向所述拍摄设备发送目标跟踪指令；所述目标跟踪指令用于控制所述拍摄设备拍摄多张所述作业人员的图像；图像发送子模块，用于接收所述拍摄设备发送的包含有作业人员的多张图像。
[0100] 需要说明的是，本发明的作业人员的危险状态监控装置与本发明的作业人员的危险状态监控方法一一对应，在上述作业人员的危险状态监控方法的实施例阐述的技术特征及其有益效果均适用于作业人员的危险状态监控装置的实施例中，具体内容可参见本发明方法实施例中的叙述，此处不再赘述，特此声明。
[0101] 此外，上述示例的作业人员的危险状态监控装置的实施方式中，各程序模块的逻辑划分仅是举例说明，实际应用中可以根据需要，例如出于相应硬件的配置要求或者软件的实现的便利考虑，将上述功能分配由不同的程序模块完成，即将所述作业人员的危险状态监控装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分功能。
[0102] 在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：获取包含有作业人员的多张图像；根据所述包含有作业人员的多张图像，确定所述作业人员的当前状态以及所述当前状态的持续时间；根据所述作业人员的当前状态以及所述当前状态的持续时间，确定所述当前状态是否为危险状态；若是，输出危险状态指示信息。
[0103] 在一个实施例中，处理器执行计算机程序时还实现以下步骤：将所述包含有作业人员的多张图像输入到预先训练好的状态识别模型中，根据所述状态识别模型的输出确定所述作业人员的当前状态；其中，所述状态识别模型根据yolo-v3目标检测算法构建和训练。
[0104] 在一个实施例中，所述当前状态包括以下至少一项：进入禁区、躺倒以及危险着装。
[0105] 在一个实施例中，处理器执行计算机程序时还实现以下步骤：若所述当前状态为进入禁区，且所述作业人员进入禁区的持续时间大于第一阈值，判定所述当前状态是危险状态。
[0106] 在一个实施例中，处理器执行计算机程序时还实现以下步骤：若所述当前状态为躺倒，且所述作业人员躺倒的持续时间大于第二阈值，判定所述当前状态是危险状态。
[0107] 在一个实施例中，处理器执行计算机程序时还实现以下步骤：若所述当前状态为躺倒，且所述作业人员躺倒的持续时间大于第二阈值，判定所述当前状态是危险状态。
[0108] 在一个实施例中，处理器执行计算机程序时还实现以下步骤：若所述当前状态为危险着装，且所述作业人员危险着装的持续时间大于第三阈值，判定所述当前状态是危险状态。
[0109] 在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据所述包含有作业人员的多张图像，确定所述作业人员的着装识别信息；根据所述着装识别信息，确定所述作业人员的当前状态。
[0110] 在一个实施例中，所述着装识别信息包括工服穿着信息以及安全帽佩戴信息。
[0111] 在一个实施例中，处理器执行计算机程序时还实现以下步骤：若所述工服穿着信息为未穿着，判定所述作业人员存在危险状态。
[0112] 在一个实施例中，处理器执行计算机程序时还实现以下步骤：若所述安全帽佩戴信息为未佩戴，判定所述作业人员存在危险状态。
[0113] 在一个实施例中，处理器执行计算机程序时还实现以下步骤：从所述包含有作业人员的多张图像中选择一张图像，作为目标图像；将所述目标图像输入到预先训练好的着装识别模型中，根据所述着装识别模型的输出确定所述作业人员的着装识别信息；其中所述着装识别模型根据SSD检测算法构建和训练。
[0114] 在一个实施例中，处理器执行计算机程序时还实现以下步骤：若接收到拍摄设备发送的包含有作业人员的图像，根据kcf目标跟踪算法向所述拍摄设备发送目标跟踪指令；所述目标跟踪指令用于控制所述拍摄设备拍摄多张所述作业人员的图像；接收所述拍摄设备发送的包含有作业人员的多张图像。
[0115] 在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取包含有作业人员的多张图像；根据所述包含有作业人员的多张图像，确定所述作业人员的当前状态以及所述当前状态的持续时间；根据所述作业人员的当前状态以及所述当前状态的持续时间，确定所述当前状态是否为危险状态；若是，输出危险状态指示信息。
[0116] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将所述包含有作业人员的多张图像输入到预先训练好的状态识别模型中，根据所述状态识别模型的输出确定所述作业人员的当前状态；其中，所述状态识别模型根据yolo-v3目标检测算法构建和训练。
[0117] 在一个实施例中，所述当前状态包括以下至少一项：进入禁区、躺倒以及危险着装。
[0118] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：若所述当前状态为进入禁区，且所述作业人员进入禁区的持续时间大于第一阈值，判定所述当前状态是危险状态。
[0119] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：若所述当前状态为躺倒，且所述作业人员躺倒的持续时间大于第二阈值，判定所述当前状态是危险状态。
[0120] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：若所述当前状态为躺倒，且所述作业人员躺倒的持续时间大于第二阈值，判定所述当前状态是危险状态。
[0121] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：若所述当前状态为危险着装，且所述作业人员危险着装的持续时间大于第三阈值，判定所述当前状态是危险状态。
[0122] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据所述包含有作业人员的多张图像，确定所述作业人员的着装识别信息；根据所述着装识别信息，确定所述作业人员的当前状态。
[0123] 在一个实施例中，所述着装识别信息包括工服穿着信息以及安全帽佩戴信息。
[0124] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：若所述工服穿着信息为未穿着，判定所述作业人员存在危险状态。
[0125] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：若所述安全帽佩戴信息为未佩戴，判定所述作业人员存在危险状态。
[0126] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：从所述包含有作业人员的多张图像中选择一张图像，作为目标图像；将所述目标图像输入到预先训练好的着装识别模型中，根据所述着装识别模型的输出确定所述作业人员的着装识别信息；其中所述着装识别模型根据SSD检测算法构建和训练。
[0127] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：若接收到拍摄设备发送的包含有作业人员的图像，根据kcf目标跟踪算法向所述拍摄设备发送目标跟踪指令；所述目标跟踪指令用于控制所述拍摄设备拍摄多张所述作业人员的图像；接收所述拍摄设备发送的包含有作业人员的多张图像。
[0128] 本领域普通技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，作为独立的产品销售或使用。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0129] 应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
[0130] 本发明实施例的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或(模块)单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0131] 以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 实时识别运动中人员身份的方法、装置及系统 | 2020-05-12 | 382 |
| 一种建筑施工工程监理方法 | 2020-05-12 | 190 |
| 一种演职人员内容管理方法及系统 | 2020-05-11 | 836 |
| 一种翻译订单费用的结算方法、系统、存储介质及终端 | 2020-05-11 | 631 |
| 一种长输油气管道巡检方法及系统 | 2020-05-13 | 830 |
| 一种人员定位的方法及系统 | 2020-05-13 | 506 |
| 真空采血管自动盖帽机 | 2020-05-12 | 949 |
| 一种基于人脸识别的数据更新方法及装置 | 2020-05-11 | 128 |
| 居家养老人员活动异常预警方法和装置 | 2020-05-11 | 875 |
| 远程会议的参会邀请方法及系统 | 2020-05-12 | 332 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
本技术领域的技术人员热门专利
QQ群二维码
意见反馈
意见反馈