【技术实现步骤摘要】
本专利技术涉及地磅称重领域，特涉及基于传感监测和视觉分析耦合的地磅区域作弊识别方法。
技术介绍
1、目前在工地项目施工过程中，因为地磅作为大宗货物重量测量的重要设备，实际操作过程中，有一些不法分子可能会利用各种手段进行作弊，对地磅传感器、仪表等进行干扰作弊，以达到虚增或减轻货物重量的目的，进行非法获利，给企业造成巨大的经济损失。
2、因此，一种基于传感监测和视觉分析耦合方式的地磅区域作弊识别算法可以通过传感报警以及机器视觉捕捉地磅周边区域的画面来分析是否有可疑人员进行可疑行为的作弊，能够帮助工作人员甄别当前地磅是否有人员进行作弊，成为了工地项目物资安全预先防范作弊的有效手段。
3、目前针对上述问题已有的解决方案有：
4、①通过分析地磅称重传感器监测数据以及仪表数据报警时刻捕捉当前时刻前后视频片段以及抓拍图像。
5、②通过地磅区域视频监控叠加区域入侵视觉分析算法、人员识别视觉分析算法，当有人在地磅区域徘徊逗留有可以行为时，产生智能分析报警，保留抓拍的图像以及视频片段。
6、现有技术的不足在于：
7、①仅通过地磅称重传感监测数据以及仪表报警时刻捕捉当前时刻前后视频片段以及抓拍图像的方式，由于工地现场的复杂环境，传感以及仪表会报很多合理区间范围内的异常情况。因此抓拍的大量的视频片段和图像，需要工作人员逐帧播放后核实，判断视频内有无人员进行作弊行为。在这个过程中耗费大量的人员精力和时间成本。
8、②通过地磅区域视频监控叠加区域入侵、人员识别等多种视觉分析
9、如中国专利技术专利《一种无感知地磅车辆称重数据异常监控方法及系统》(申请号202010110717.7)，该专利采集的视频信息与数据称重信息等重要数据没有联合分析使用，从而降低了识别概率，容易产生误报。
技术实现思路
1、针对现有技术的不足，本专利技术基于传感监测和视觉分析耦合的地磅区域作弊识别方法。本专利技术不仅结合地磅称重传感的监测数据以及仪表报警情况，还结合视觉分析算法，有效的过滤真实传感报警下无人员进入监控画面的视频片段，高效节省工作人员核查时间。同时能够通过视频分析的报警与传感监测的报警互相匹配与佐证，有效减少误报漏报的情况。
2、本专利技术的技术方案是：基于传感监测和视觉分析耦合的地磅区域作弊识别方法，包括传感监测模块、高清视频监控模块、视觉分析模块、作弊行为智能判断模块，其特征在于：传感监测模块：包括地磅传感预警模块、预警信息分析模块；地磅传感预警模块采集部署在地磅及周边关键位置的压力传感器、仪表原始数据信息，预警信息分析模块对预警原始数据信息进行分析，提取可能存在作弊行为的数据及相应的时间点；预警信息分析模块将分析的可疑的数据上传至数据存储模块；高清视频监控模块：包括图像数据采集及监理报警上传通道；图像数据采集采用摄像头覆盖地磅区域，通过监理报警上传通道将采集的图像数据实时传输至视觉分析模块；视觉分析模块包括ai徘徊报警监测模块、ai区域入侵分析模块、ai人脸识别检测模块和ai报警事件模块，通过ai徘徊报警监测模块、ai区域入侵分析模块、ai人脸识别检测模块对原始采集的数据进行数据处理，ai报警事件模块通过运用深度学习算法对视频流进行实时分析，识别人员可疑行为、地磅区域人员入侵行为，控制视觉分析算法生效时间，发现潜在作弊迹象，ai报警事件模块将分析的可疑的数据上传至数据存储模块；
3、作弊行为智能判断模块包括数据存储模块、行为判断模块，数据存储模块分别采集视觉分析模块和传感监测模块输出的数据，行为判断模块将传感监测模块上传的异常数据与视觉分析模块上传的异常数据结果进行融合处理，通过算法模型综合判断是否存在作弊行为；行为判断模块通过地磅传感器预警的时刻数据比对ai报警事件模块中有无对应时间点的ai报警事件，如果地磅传感器预警的传感器报警时间与ai报警时间误差在10s内，则算作该时刻产生了疑似行为。
4、根据如上所述的基于传感监测和视觉分析耦合的地磅区域作弊识别方法，其特征在于：还包括报警信息上传模块、地磅卫士数据库及作弊行为结果数据库，将作弊行为智能判断模块识别的异常数据与处理结果上传至报警信息上传模块，由报警信息上传模块进行报警处理，地磅卫士数据库及作弊行为结果数据库对历史数据进行存储。
5、根据如上所述的基于传感监测和视觉分析耦合的地磅区域作弊识别方法，其特征在于：传感监测模块首先进行数据采集，对不同的仪表进行数据，通过tf0协议、tf3协议获取数据采集的各种仪器仪表数据；然后进行数据处理，最后在统一物联网关处设定统一的数据传输频率，对数据处理后的数据进行数据传输。
6、根据如上所述的基于传感监测和视觉分析耦合的地磅区域作弊识别方法，其特征在于：数据处理包括如进行数据清洗、格式转换和数据存储，数据清洗将称重数值采集格式有误或传输数据不完整的数据不进行处理，异常预警数据和正常数据进行数据格式转换；对格式转换后的数据通过物联网关进行数据传输并进行数据存储。
7、根据如上所述的基于传感监测和视觉分析耦合的地磅区域作弊识别方法，其特征在于：视频监控模块通过统一物联网关进行视频数据传输。
8、根据如上所述的基于传感监测和视觉分析耦合的地磅区域作弊识别方法，其特征在于：预警信息分析模块对传感器、仪表的监测数据进行分析，预警信息分析模块通过对每10ms的数据采集形成数据波动曲线图，分析对比常规的过磅称重变化曲线图，通过每一时间点的数据相互连接形成光滑平稳的曲线，当某一点的数值在坐标轴上形成突变，或者变化不符合常规变化时，则判断异常时刻的异常数据发生。
9、根据如上所述的基于传感监测和视觉分析耦合的地磅区域作弊识别方法，其特征在于：ai报警事件模块基于深度学习的目标检测、行为识别算法、区域入侵算法，适配两种数据来源，一种是取实时视频流进行实时智能分析判断，另一种是将捕捉保存的视频片段输入算法进行智能分析判断，ai报警事件模块是将三种识别算法的识别结果进行集中展示，检测结果即判定为报警产生。
10、根据如上所述的基于传感监测和视觉分析耦合的地磅区域作弊识别方法，其特征在于：作弊行为智能判断模块中引入机器学习机制，针对三类ai检测算法在地磅周围采集到的视频图像大型数据集上对深度卷积神经网络进行预训练，将预训练模型能够捕捉到人员、动作的丰富特征展示进行样本学习；将训练结果采用冻结部分层的方式，对最后几层或完全可以自学习的部分进行微调，提升算法的准确度。
11、本专利技术的有益效果是：通过结合高精度传感器监测与先进的视觉分析技术，实现对地磅称重过程中的各种作弊行为进行高效、准确的识别与预警。
本文档来自技高网...【技术保护点】
1.基于传感监测和视觉分析耦合的地磅区域作弊识别方法，包括传感监测模块、高清视频监控模块、视觉分析模块、作弊行为智能判断模块，其特征在于：传感监测模块：包括地磅传感预警模块、预警信息分析模块；地磅传感预警模块采集部署在地磅及周边关键位置的压力传感器、仪表原始数据信息，预警信息分析模块对预警原始数据信息进行分析，提取可能存在作弊行为的数据及相应的时间点；预警信息分析模块将分析的可疑的数据上传至数据存储模块；高清视频监控模块：包括图像数据采集及监理报警上传通道；图像数据采集采用摄像头覆盖地磅区域，通过监理报警上传通道将采集的图像数据实时传输至视觉分析模块；视觉分析模块包括AI徘徊报警监测模块、AI区域入侵分析模块、AI人脸识别检测模块和AI报警事件模块，通过AI徘徊报警监测模块、AI区域入侵分析模块、AI人脸识别检测模块对原始采集的数据进行数据处理，AI报警事件模块通过运用深度学习算法对视频流进行实时分析，识别人员可疑行为、地磅区域人员入侵行为，控制视觉分析算法生效时间，发现潜在作弊迹象，AI报警事件模块将分析的可疑的数据上传至数据存储模块；作弊行为智能判断模块包括数据存储模块、行为
2.根据权利要求1所述的基于传感监测和视觉分析耦合的地磅区域作弊识别方法，其特征在于：还包括报警信息上传模块、地磅卫士数据库及作弊行为结果数据库，将作弊行为智能判断模块识别的异常数据与处理结果上传至报警信息上传模块，由报警信息上传模块进行报警处理，地磅卫士数据库及作弊行为结果数据库对历史数据进行存储。
3.根据权利要求1所述的基于传感监测和视觉分析耦合的地磅区域作弊识别方法，其特征在于：传感监测模块首先进行数据采集，对不同的仪表进行数据，通过tf0协议、tf3协议获取数据采集的各种仪器仪表数据；然后进行数据处理，最后在统一物联网关处设定统一的数据传输频率，对数据处理后的数据进行数据传输。
4.根据权利要求3所述的基于传感监测和视觉分析耦合的地磅区域作弊识别方法，其特征在于：数据处理包括如进行数据清洗、格式转换和数据存储，数据清洗将称重数值采集格式有误或传输数据不完整的数据不进行处理，异常预警数据和正常数据进行数据格式转换；对格式转换后的数据通过物联网关进行数据传输并进行数据存储。
5.根据权利要求1所述的基于传感监测和视觉分析耦合的地磅区域作弊识别方法，其特征在于：视频监控模块通过统一物联网关进行视频数据传输。
6.根据权利要求1所述的基于传感监测和视觉分析耦合的地磅区域作弊识别方法，其特征在于：预警信息分析模块对传感器、仪表的监测数据进行分析，预警信息分析模块通过对每10ms的数据采集形成数据波动曲线图，分析对比常规的过磅称重变化曲线图，通过每一时间点的数据相互连接形成光滑平稳的曲线，当某一点的数值在坐标轴上形成突变，或者变化不符合常规变化时，则判断异常时刻的异常数据发生。
7.根据权利要求1所述的基于传感监测和视觉分析耦合的地磅区域作弊识别方法，其特征在于：AI报警事件模块基于深度学习的目标检测、行为识别算法、区域入侵算法，适配两种数据来源，一种是取实时视频流进行实时智能分析判断，另一种是将捕捉保存的视频片段输入算法进行智能分析判断，AI报警事件模块是将三种识别算法的识别结果进行集中展示，检测结果即判定为报警产生。
8.根据权利要求7所述的基于传感监测和视觉分析耦合的地磅区域作弊识别方法，其特征在于：作弊行为智能判断模块中引入机器学习机制，针对三类AI检测算法在地磅周围采集到的视频图像大型数据集上对深度卷积神经网络进行预训练，将预训练模型能够捕捉到人员、动作的丰富特征展示进行样本学习；将训练结果采用冻结部分层的方式，对最后几层或完全可以自学习的部分进行微调，提升算法的准确度。
...【技术特征摘要】
1.基于传感监测和视觉分析耦合的地磅区域作弊识别方法，包括传感监测模块、高清视频监控模块、视觉分析模块、作弊行为智能判断模块，其特征在于：传感监测模块：包括地磅传感预警模块、预警信息分析模块；地磅传感预警模块采集部署在地磅及周边关键位置的压力传感器、仪表原始数据信息，预警信息分析模块对预警原始数据信息进行分析，提取可能存在作弊行为的数据及相应的时间点；预警信息分析模块将分析的可疑的数据上传至数据存储模块；高清视频监控模块：包括图像数据采集及监理报警上传通道；图像数据采集采用摄像头覆盖地磅区域，通过监理报警上传通道将采集的图像数据实时传输至视觉分析模块；视觉分析模块包括ai徘徊报警监测模块、ai区域入侵分析模块、ai人脸识别检测模块和ai报警事件模块，通过ai徘徊报警监测模块、ai区域入侵分析模块、ai人脸识别检测模块对原始采集的数据进行数据处理，ai报警事件模块通过运用深度学习算法对视频流进行实时分析，识别人员可疑行为、地磅区域人员入侵行为，控制视觉分析算法生效时间，发现潜在作弊迹象，ai报警事件模块将分析的可疑的数据上传至数据存储模块；作弊行为智能判断模块包括数据存储模块、行为判断模块，数据存储模块分别采集视觉分析模块和传感监测模块输出的数据，行为判断模块将传感监测模块上传的异常数据与视觉分析模块上传的异常数据结果进行融合处理，通过算法模型综合判断是否存在作弊行为；行为判断模块通过地磅传感器预警的时刻数据比对ai报警事件模块中有无对应时间点的ai报警事件，如果地磅传感器预警的传感器报警时间与ai报警时间误差在10s内，则算作该时刻产生了疑似作弊行为。
2.根据权利要求1所述的基于传感监测和视觉分析耦合的地磅区域作弊识别方法，其特征在于：还包括报警信息上传模块、地磅卫士数据库及作弊行为结果数据库，将作弊行为智能判断模块识别的异常数据与处理结果上传至报警信息上传模块，由报警信息上传模块进行报警处理，地磅卫士数据库及作弊行为结果数据库对历史数据进行存储。
3.根据权利要求1所述的基于传感监测和视觉分析耦合的地磅区域作弊识别方法，其特征在于...
【专利技术属性】
技术研发人员：刘闵华，方鹏飞，王川，石波，赵筠妍，王佳慧，方璐，
申请(专利权)人：中物智建武汉科技有限公司，
类型：发明
国别省市：
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。