System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 危险行为的判定方法和装置、机器可读存储介质及处理器制造方法及图纸_技高网

危险行为的判定方法和装置、机器可读存储介质及处理器制造方法及图纸

技术编号:42732451 阅读:0 留言:0更新日期:2024-09-18 13:29
本发明专利技术实施例提供一种危险行为的判定方法和装置、机器可读存储介质及处理器,属于危险行为识别领域。该判定方法包括:获取原始单帧监控图像;判定所获取的原始单帧监控图像中是否存在行人;以及在存在行人的情况下,针对所存在的行人中的至少一个行人执行以下内容:基于所获取的原始单帧监控图像,确定危险行为判定阈值;基于所获取的原始单帧监控图像,确定是否存在与所述行人相关联的目标物体;在存在与所述行人相关联的目标物体的情况下,确定目标物体距离,其中,所述目标物体距离为所述目标物体与预设基准之间的距离;以及基于所确定的危险行为判定阈值与所确定的目标物体距离,判定是否存在危险行为。籍此,实现了判定是否存在危险行为。

【技术实现步骤摘要】

本专利技术涉及危险行为识别领域,具体地涉及一种危险行为的判定方法和装置、机器可读存储介质及处理器


技术介绍

1、在石油采集等作业现场中,具有高温高压、易燃易爆、有毒有害等特性,若出现火灾,一旦发生火灾或泄漏,火场情况复杂,扑救困难,易造成人员伤亡,具有经济损失大、社会危害大、政治影响大等不良影响,因此安全防患工作成为安全生产的重要环节,而作业人员进行抽烟及打电话等危险行为易引起事故的发生,采用智能视频监控的方式可24小时实时对全路视频进行作业行为监控识别,可解决人工视频监控中存在的监视遗漏、监控数量多存在盲区等问题,极大地降低风险发生的概率。

2、现有抽烟打电话识别主流方式都是基于深度学习的方法,采用的主要方案是,对视频监控采集的图像逐帧进行人体、手机以及香烟目标检测,然后判断手机及香烟与人体的位置距离或交并比(iou,intersection over union)是否小于预设判断阈值,从而判定所检测作业人员是否存在抽烟及打电话行为,此类方法虽然较基于深度学习的图像分类方法能更准确识别作业危险行为,但是常规基于深度学习的目标检测方法以及固定阈值的风险行为判断机制会存在大概率遗漏检测、错误检测的问题。

3、基于深度学习的抽烟打电话识别主要分为两部分,一是目标检测,对人体、手机以及香烟进行检测定位,二是行为判断,将手机或香烟与人体的位置距离判断是否存在风险行为。常规基于深度学习的目标检测方法对于手机及香烟这类小目标的检测效果较差,尤其在工地中的远距离视频监控下,手机及香烟所占分辨率很小,不易被检测,从而出现漏检的现象。在行为判断中,通常采用固定阈值iou或距离的判断方式,通过计算人体与手机/香烟的iou来判断所识别人体的行为,显然手机/香烟iou符合预设阈值范围内的情况十分多种,并非一定在进行危险作业行为,通常会存在大量错误判断的现象;通过计算人脸与手机/香烟的位置距离判断所识别人体行为较前述方法在准确度上有所提升,但是视频监控的分辨率不同,作业人员与监控的距离不同,采用固定阈值对危险行为判断同样会存在高概率漏检的现象。


技术实现思路

1、本专利技术实施例的目的是提供一种危险行为的判定方法和装置、机器可读存储介质及处理器,其可解决或至少部分解决上概述问题。

2、为了实现上述目的,本专利技术实施例的一个方面提供一种危险行为的判定方法,该判定方法包括:获取原始单帧监控图像;判定所获取的原始单帧监控图像中是否存在行人;以及在存在行人的情况下,针对所存在的行人中的至少一个行人执行以下内容:基于所获取的原始单帧监控图像,确定危险行为判定阈值;基于所获取的原始单帧监控图像,确定是否存在与所述行人相关联的目标物体;在存在与所述行人相关联的目标物体的情况下,确定目标物体距离,其中,所述目标物体距离为所述目标物体与预设基准之间的距离;以及基于所确定的危险行为判定阈值与所确定的目标物体距离,判定是否存在危险行为。

3、可选地,基于所获取的原始单帧监控图像确定危险行为判定阈值包括:基于所获取的原始单帧监控图像,确定所述行人的鼻子坐标、左肩膀坐标和右肩膀坐标;基于所述预设基准和所确定的左肩膀坐标,确定左距离,其中,所述左距离为所述预设基准与所述行人的左肩膀之间的距离;基于所述预设基准和所确定的右肩膀坐标,确定右距离,其中,所述右距离为所述预设基准与所述行人的右肩膀之间的距离;以及基于所确定的左距离和所确定的右距离,确定所述危险行为判定阈值,其中,所述危险行为判定阈值为所述左距离和所述右距离中的最大者。

4、可选地,基于所获取的原始单帧监控图像确定是否存在与所述行人相关联的目标物体包括:确定所述行人的人体关键点的人体关键点坐标;基于所确定的人体关键点坐标,确定坐标集合,其中,所述坐标集合包括最大横坐标、最小横坐标、最大纵坐标和最小纵坐标;基于所确定的坐标集合,从所获取的原始单帧监控图像中截取行人特写图;以及确定所截取的行人特写图中是否存在所述目标物体,以确定是否存在与所述行人相关联的目标物体。

5、可选地,所述确定目标物体距离包括:在所截取的行人特写图中存在所述目标物体的情况下,确定所述目标物体的边界框坐标;基于所述目标物体的边界框坐标、所述最小横坐标和所述最小纵坐标,确定所述目标物体在所获取的原始单帧监控图像中的中心点坐标;以及确定所述中心点坐标与所述预设基准之间的距离,以确定所述目标物体距离。

6、相应地,本专利技术实施例的另一方面提供一种危险行为的判定装置,该判定装置包括:获取模块,用于获取原始单帧监控图像;行人判定模块,用于判定所获取的原始单帧监控图像中是否存在行人;以及处理模块,用于在存在行人的情况下,针对所存在的行人中的至少一个行人执行以下内容:基于所获取的原始单帧监控图像,确定危险行为判定阈值;基于所获取的原始单帧监控图像,确定是否存在与所述行人相关联的目标物体;在存在与所述行人相关联的目标物体的情况下,确定目标物体距离,其中,所述目标物体距离为所述目标物体与预设基准之间的距离;以及基于所确定的危险行为判定阈值与所确定的目标物体距离,判定是否存在危险行为。

7、可选地,所述处理模块基于所获取的原始单帧监控图像确定危险行为判定阈值包括:基于所获取的原始单帧监控图像,确定所述行人的鼻子坐标、左肩膀坐标和右肩膀坐标;基于所述预设基准和所确定的左肩膀坐标,确定左距离,其中,所述左距离为所述预设基准与所述行人的左肩膀之间的距离;基于所述预设基准和所确定的右肩膀坐标,确定右距离,其中,所述右距离为所述预设基准与所述行人的右肩膀之间的距离;以及基于所确定的左距离和所确定的右距离,确定所述危险行为判定阈值,其中,所述危险行为判定阈值为所述左距离和所述右距离中的最大者。

8、可选地,所述处理模块基于所获取的原始单帧监控图像确定是否存在与所述行人相关联的目标物体包括:确定所述行人的人体关键点的人体关键点坐标;基于所确定的人体关键点坐标,确定坐标集合,其中,所述坐标集合包括最大横坐标、最小横坐标、最大纵坐标和最小纵坐标;基于所确定的坐标集合,从所获取的原始单帧监控图像中截取行人特写图;以及确定所截取的行人特写图中是否存在所述目标物体,以确定是否存在与所述行人相关联的目标物体。

9、可选地,所述处理模块确定目标物体距离包括:在所截取的行人特写图中存在所述目标物体的情况下,确定所述目标物体的边界框坐标;基于所述目标物体的边界框坐标、所述最小横坐标和所述最小纵坐标,确定所述目标物体在所获取的原始单帧监控图像中的中心点坐标;以及确定所述中心点坐标与所述预设基准之间的距离,以确定所述目标物体距离。

10、此外,本专利技术实施例的另一方面还提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行上述的判定方法。

11、另外,本专利技术实施例的另一方面还一种电子设备,其特征在于,包括:处理器、存储器、总线;其中,所述处理器、所述存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行上述本文档来自技高网...

【技术保护点】

1.一种危险行为的判定方法,其特征在于,该判定方法包括:

2.根据权利要求1所述的判定方法,其特征在于,基于所获取的原始单帧监控图像确定危险行为判定阈值包括:

3.根据权利要求1所述的判定方法,其特征在于,基于所获取的原始单帧监控图像确定是否存在与所述行人相关联的目标物体包括:

4.根据权利要求3所述的判定方法,其特征在于,所述确定目标物体距离包括:

5.一种危险行为的判定装置,其特征在于,该判定装置包括:

6.根据权利要求5所述的判定装置,其特征在于,所述处理模块基于所获取的原始单帧监控图像确定危险行为判定阈值包括:

7.根据权利要求5所述的判定装置,其特征在于,所述处理模块基于所获取的原始单帧监控图像确定是否存在与所述行人相关联的目标物体包括:

8.根据权利要求7所述的判定装置,其特征在于,所述处理模块确定目标物体距离包括:

9.一种机器可读存储介质,其特征在于,该机器可读存储介质上存储有指令,该指令用于使得机器执行权利要求1-4中任一项所述的判定方法。

10.一种电子设备,其特征在于,包括:处理器、存储器、总线;其中,所述处理器、所述存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行如权利要求1-4中任一项所述的判定方法。

...

【技术特征摘要】

1.一种危险行为的判定方法,其特征在于,该判定方法包括:

2.根据权利要求1所述的判定方法,其特征在于,基于所获取的原始单帧监控图像确定危险行为判定阈值包括:

3.根据权利要求1所述的判定方法,其特征在于,基于所获取的原始单帧监控图像确定是否存在与所述行人相关联的目标物体包括:

4.根据权利要求3所述的判定方法,其特征在于,所述确定目标物体距离包括:

5.一种危险行为的判定装置,其特征在于,该判定装置包括:

6.根据权利要求5所述的判定装置,其特征在于,所述处理模块基于所获取的原始单帧监控图像确定危险行为判定阈值包括:

<...

【专利技术属性】
技术研发人员:陈榆琅
申请(专利权)人:北京国双科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1