基于AI视频的危化品领用容器跟踪方法及系统技术方案

本发明专利技术公开了一种基于AI视频的危化品领用容器跟踪方法及系统。其中方法，包括以下步骤：S10，配置领用跟踪监控网络，包括领用的起点摄像头和终点摄像头，以及领用过程中所有可能行走路线中的摄像头；S20，在危化品领用事件触发后，根据动态领用路线确定需要提取的摄像头的视频流，网络摄像机对视频流进行存储，边缘盒子对视频流解析得到视频帧，针对每帧图像，利用深度学习模型进行目标检测，得到领用工作人员以及危化品容器在图像中的位置坐标，最后根据坐标信息计算出领用工作人员以及危化品容器在图像中的像素距离，将领用工作人员以及危化品容器在图像中的像素距离与设置的阈值大小经进行比较，大于阈值，则判定为危化品容器脱离。品容器脱离。品容器脱离。

【技术实现步骤摘要】
基于AI视频的危化品领用容器跟踪方法及系统


[0001]本专利技术属于计算机视觉
，具体涉及一种基于AI视频的危化品领用容器跟踪方法及系统。

技术介绍

[0002]危化学品由于其剧毒性质，属于监管部门重点关注监管的对象。因此对于危化品使用企业，监管部门会采取一定措施对企业内部危化品的流转使用进行监管，确保危化品不流入不明渠道，造成公共安全隐患和事故。
[0003]目前对于危化品使用企业来说，危化品使用流转的主流监管方式采用如下技术手段：（1）在企业内危化品领用流转路线上安装若干摄像头，确保摄像头监控范围覆盖危化品领用流转全链路。将同一路线的所有摄像头视频通道按序接入到同一台网络视频录像机，将网络视频录像机安装在监控中心并接入显示屏。（2）由监控中心安保人员对领用路线上的人员与危化品的容器进行监视，确保领用人员在整个流转路线上与危化品容器不分离。杜绝画面中只有领用人员或危化品容器离开领用人员且不在监控画面中的情况。
[0004]以上领用监管方式的风险在于危化品以及领用人员在转移过程中可能造成危化品遗失或者存在其他不法动机，是危化品监管的死角。

技术实现思路

[0005]鉴于以上存在的技术问题，本专利技术提供一种基于AI视频的危化品领用容器跟踪方法及系统，用于在危化品领用的运输过程中，确保领用工作人员和危化品容器出现在同一监控画面下，保证危化品领用的保存和运输安全。
[0006]为解决上述技术问题，本专利技术采用如下的技术方案：第一方面，本专利技术提供一种基于AI视频的危化品领用容器跟踪方法，包括以下步骤：配置领用跟踪监控网络，包括领用的起点摄像头和终点摄像头，以及领用过程中所有可能行走路线中的摄像头，将所有涉及的摄像头进行编组形成监控网络；在危化品领用事件触发后，根据动态领用路线确定需要提取的摄像头的视频流，网络摄像机对视频流进行存储，边缘盒子对视频流解析得到视频帧，针对每帧图像，利用深度学习模型进行目标检测，得到领用工作人员以及危化品容器在图像中的位置坐标，最后根据坐标信息计算出领用工作人员以及危化品容器在图像中的像素距离，将领用工作人员以及危化品容器在图像中的像素距离与设置的阈值大小经进行比较，大于阈值；或者画面中只有危化品容器但没有领用工作人员，或者画面中危化品容器和领用人员在相邻两摄像头中出现的时间差大于预设时间差，则判定为危化品容器脱离，触发预警；将触发的预警信号报送至业务平台，且边缘盒子向网络摄像机提取预警发生时间的预警画面一并报送至业务平台；业务平台确认预警信号，如发现误报情形，纠错后将误报画面发送至GPU服务器；
GPU服务器利用通用数据集的数据、误报数据集的数据以及特殊场景数据集的数据进行自动机器学习，将自动学习后的结果返回给边缘盒子，用以优化边缘盒子的深度学习模型。
[0007]一种可能的实施方式中，所述通用数据集为：将标准的危化品容器生成对应的3D模型，然后将生成的3D模型放置在3D空间中，通过配置危化品容器的放置位置，3D空间的环境，模拟实际领用运输环境，通过3D渲染器渲染后，输出相应的图片和坐标，通过改变3D空间中摄像头的位置，生成不同角度下摄像头的数据，形成通用数据集。
[0008]一种可能的实施方式中，所述误报数据集为：将实际的误报画面进行参数修改，然后通过3D渲染器渲染后，输出相应的图片和坐标，形成误报数据集。
[0009]一种可能的实施方式中，动态领用路线确定具体包括：危化品领用事件触发后，获取领用的起点摄像头画面，若领用工作人员和危化品容器出现在画面中的情况满足领用要求，则分析下一个可能出现的摄像头的画面，以选中下一个路线点的摄像头，以此类推，确定领用事件完整路线中涉及的所有摄像头。
[0010]一种可能的实施方式中，利用深度学习模型进行目标检测包括：对于待分析的视频帧，自定义选取待分析区域。
[0011]第二方面，本专利技术提供一种基于AI视频的危化品领用容器跟踪系统，包括网络摄像机、边缘盒子、业务平台、GPU服务器以及多个摄像头，所述多个摄像头包括领用的起点摄像头和终点摄像头，以及领用过程中所有可能行走路线中的摄像头，将所有涉及的摄像头进行编组形成监控网络；在危化品领用事件触发后，根据动态领用路线确定需要提取的摄像头的视频流，所述网络摄像机对视频流进行存储；所述边缘盒子对视频流解析得到视频帧，针对每帧图像，利用深度学习模型进行目标检测，得到领用工作人员以及危化品容器在图像中的位置坐标，最后根据坐标信息计算出领用工作人员以及危化品容器在图像中的像素距离，将领用工作人员以及危化品容器在图像中的像素距离与设置的阈值大小经进行比较，大于阈值；或者画面中只有危化品容器但没有领用工作人员，或者画面中危化品容器和领用人员在相邻两摄像头中出现的时间差大于预设时间差，则判定为危化品容器脱离，则触发预警，将触发的预警信号报送至业务平台；所述业务平台用于接收触发的预警信号，同时接收边缘盒子向网络摄像机提取的预警发生时间的预警画面；所述GPU服务器进行自动机器学习，GPU服务器利用通用数据集的数据、误报数据集的数据以及特殊场景数据集的数据进行机器自动学习，将自动学习后的结果返回给边缘盒子，用以优化边缘盒子的深度学习模型检测模型。
[0012]一种可能的实施方式中，所述通用数据集为：将标准的危化品容器生成对应的3D模型，然后将生成的3D模型放置在3D空间中，通过配置桶的放置位置，3D空间的环境，模拟实际领用运输环境，通过3D渲染器渲染后，输出相应的图片和坐标，通过改变3D空间中摄像头的位置，生成不同角度下摄像头的数据，形成通用数据集。
[0013]一种可能的实施方式中，所述误报数据集为：将实际的误报画面进行参数修改，然后通过3D渲染器渲染后，输出相应的图片和坐标，形成误报数据集。
[0014]一种可能的实施方式中，动态领用路线确定具体包括：危化品领用事件触发后，获取领用的起点摄像头画面，若领用工作人员和危化品容器出现在画面中的情况满足领用要求，则分析下一个可能出现的摄像头的画面，以选中下一个路线点的摄像头，以此类推，确定领用事件完整路线中涉及的所有摄像头。
[0015]一种可能的实施方式中，利用深度学习模型进行目标检测包括：对于待分析的视频帧，自定义选取待分析区域。
[0016]采用本专利技术具有如下的有益效果：（1）确保在危化品的领用运输过程中，领用工作人员和危化品容器出现在同一监控画面下，确保危化品的保存和运输安全，可以有效的防止危化品在运输过程中丢失，遗漏或被偷窃等场景和行为的发生。
[0017]（2）动态确认危化品领用过程中的行进路线，使得保证在监测结果准确的情况下，检测算法使用的算力较少，提高目标跟踪的准确度。
[0018]（3）通过使用GPU服务器接收业务平台确认预警信号，如发现误报情形，纠错后发送的异常画面，利用异常画面进行自动机器学习，提高算法的精准度。
[0019]（4）通过GPU服务器利用通用数据集的数据、误报数据集的数据以及特殊场景数据集的数据进行机器自动学习，大大增强了检测模型的准本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI视频的危化品领用容器跟踪方法，其特征在于，包括以下步骤：配置领用跟踪监控网络，包括领用的起点摄像头和终点摄像头，以及领用过程中所有可能行走路线中的摄像头，将所有涉及的摄像头进行编组形成监控网络；在危化品领用事件触发后，根据动态领用路线确定需要提取的摄像头的视频流，网络摄像机对视频流进行存储，边缘盒子对视频流解析得到视频帧，针对每帧图像，利用深度学习模型进行目标检测，得到领用工作人员以及危化品容器在图像中的位置坐标，最后根据坐标信息计算出领用工作人员以及危化品容器在图像中的像素距离，将领用工作人员以及危化品容器在图像中的像素距离与设置的阈值大小经进行比较，大于阈值；或者画面中只有危化品容器但没有领用工作人员，或者画面中危化品容器和领用人员在相邻两摄像头中出现的时间差大于预设时间差，则判定为危化品容器脱离，触发预警；将触发的预警信号报送至业务平台，且边缘盒子向网络摄像机提取预警发生时间的预警画面一并报送至业务平台；业务平台确认预警信号，如发现误报情形，纠错后将误报画面发送至GPU服务器；GPU服务器利用通用数据集的数据、误报数据集的数据以及特殊场景数据集的数据进行自动机器学习，将自动学习后的结果返回给边缘盒子，用以优化边缘盒子的深度学习模型。2.如权利要求1所述的基于AI视频的危化品领用容器跟踪方法，其特征在于，所述通用数据集为：将标准的危化品容器生成对应的3D模型，然后将生成的3D模型放置在3D空间中，通过配置危化品容器的放置位置，3D空间的环境，模拟实际领用运输环境，通过3D渲染器渲染后，输出相应的图片和坐标，通过改变3D空间中摄像头的位置，生成不同角度下摄像头的数据，形成通用数据集。3.如权利要求1所述的基于AI视频的危化品领用容器跟踪方法，其特征在于，所述误报数据集为：将实际的误报画面进行参数修改，通过3D渲染器渲染后，输出相应的图片和坐标，形成误报数据集。4.如权利要求1所述的基于AI视频的危化品领用容器跟踪方法，其特征在于，动态领用路线确定具体包括：危化品领用事件触发后，获取领用的起点摄像头画面，若领用工作人员和危化品容器出现在画面中的情况满足领用要求，则分析下一个可能出现的摄像头的画面，以选中下一个路线点的摄像头，以此类推，确定领用事件完整路线中涉及的所有摄像头。5.如权利要求1所述的基于AI视频的危化品领用容器跟踪方法，其特征在于，利用深度学习模型进行目标检测包括：对于待分析的视频帧，自定义选取待分析区域。6.一种基于AI视频的危化品领用容器...

【专利技术属性】
技术研发人员：罗骁，程希冀，唐晓龙，裴翔，芮舒晖，
申请(专利权)人：杭州宇链科技有限公司，
类型：发明
国别省市：