视觉识别危险的预警方法、装置、设备及存储介质制造方法及图纸

本发明专利技术提供一种视觉识别危险的预警方法、装置、设备及存储介质，该方法包括：根据摄像装置当前的监控场景划定监控视频中的危险区域；基于深度学习的卷积神经网络识别所述监控视频中是否有人员出现；当所述监控视频中有人员出现时，获取所述人员的位置信息；比较所述人员的位置信息与所述危险区域的位置范围；如果所述位置信息在所述危险区域内，则发出关于人员入侵危险区域的预警信息。通过采用智能视觉识别技术识别监控中是否有人，以及有人时是否触犯划定的危险区域的范围，能够24小时监控指定的危险区域，防止人员误入造成安全事故；实现智能监控、智能判定，相对传统的人工监控，减少了人工预警的工作量，提高了监控的准确性。

Early warning methods, devices, equipment and storage media for visual hazard identification

【技术实现步骤摘要】
视觉识别危险的预警方法、装置、设备及存储介质
本专利技术涉及图像处理
，特别是涉及一种视觉识别危险的预警方法、装置、设备及存储介质。
技术介绍
随着安防监控摄像头的普及，各种不同场景下的识别需求也应运而生，尤其是针对人员安全方面的识别需求。对于工地、工厂以及其他特定场合，存在一些特定的不允许人员进入的“危险区域”，需要通过安防监控摄像头对该类区域进行24小时地实时监控，如果有人进入该区域，则及时提醒或者发出报警信号。现有的安防视频监控手段是采用人工对大批量的监控视频进行辨别，然而，采用人工监控视频进行预警，一方面，工作量大，需要工作人员24小时连续监控；另一方面，需要工作人员长期注意力集中，且同一工作人员无法监视多个监控视频，否则容易发生漏看、错看的状况造成安全事故。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种视觉识别危险的预警方法、装置、设备及存储介质，用于解决现有技术中安防监控中采用人工监控预警时，效率低且随工作时长增长影响预警精度的问题。为实现上述目的及其他相关目的，本申请的第一方面，本专利技术提供一种视觉识别危险的预警方法，包括：根据摄像装置当前的监控场景划定监控视频中的危险区域；基于深度学习的卷积神经网络识别所述监控视频中是否有人员出现；当所述监控视频中有人员出现时，获取所述人员的位置信息；比较所述人员的位置信息与所述危险区域的位置范围；如果所述位置信息在所述危险区域内，则发出关于人员入侵危险区域的预警信息。本申请的第二方面，提供一种视觉识别危险的预警装置，包括：划定模块，用于根据摄像装置当前的监控场景划定监控视频中的危险区域；识别模块，用于基于深度学习的卷积神经网络识别所述监控视频中是否有人员出现；位置信息获取模块，用于当所述监控视频中有人员出现时，获取所述人员的位置信息；预警模块，用于比较所述人员的位置信息与所述危险区域的位置范围；如果所述位置信息在所述危险区域内，则发出关于人员入侵危险区域的预警信息。本申请的第三方面，提供一种电子设备，包括：一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行指令，所述一个或多个处理器执行所述执行指令使得所述电子设备执行上述的视觉识别危险的预警方法。本申请的第四方面，提供一种存储介质，包括：所述存储介质包括存储的程序，其中，所述程序在被调用执行时实现上述的视觉识别危险的预警方法。如上所述，本专利技术的视觉识别危险的预警方法、装置、设备及存储介质，具有以下有益效果：通过采用智能视觉识别技术识别监控中是否有人，以及有人时是否触犯划定的危险区域的范围，能够24小时监控指定的危险区域，防止人员误入造成安全事故；实现智能监控、智能判定，相对传统的人工监控，减少了人工预警的工作量，提高了监控的准确性。附图说明图1显示为本专利技术提供的一种视觉识别危险的预警方法流程图；图2显示为本专利技术提供的一种视觉识别危险的预警方法的一实施例流程图；图3显示为本专利技术提供的一种视觉识别危险的预警装置结构框图；图4显示为本专利技术提供的一种视觉识别危险的预警装置的一实施例结构框图；图5显示为本专利技术提供的一种视觉识别危险的预警电子设备结构框图。具体实施方式以下由特定的具体实施例说明本申请的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本申请的其他优点及功效。在下述描述中，参考附图，附图描述了本申请的若干实施例。应当理解，还可使用其他实施例，并且可以在不背离本公开的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变.下面的详细描述不应该被认为是限制性的，并且本申请的实施例的范围仅由公布的专利的权利要求书所限定.这里使用的术语仅是为了描述特定实施例，而并非旨在限制本申请。空间相关的术语，例如“上”、“下”、“左”、“右”、“下面”、“下方”、“下部”、“上方”、“上部”等，可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。虽然在一些实例中术语第一、第二等在本文中用来描述各种元件，但是这些元件不应当被这些术语限制。这些术语仅用来将一个元件与另一个元件进行区分。例如，第一预设阈值可以被称作第二预设阈值，并且类似地，第二预设阈值可以被称作第一预设阈值，而不脱离各种所描述的实施例的范围。第一预设阈值和预设阈值均是在描述一个阈值，但是除非上下文以其他方式明确指出，否则它们不是同一个预设阈值。相似的情况还包括第一音量与第二音量。再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示.应当进一步理解，术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加.此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合.因此，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。随着安防监控摄像头的普及，各种不同场景下的识别需求也应运而生，尤其是针对人员安全方面的识别需求。对于工地、工厂以及其他特定场合，存在一些特定的不允许人员进入的“危险区域”，需要通过安防监控摄像头对该类区域进行24小时地实时监控，如果有人员进入该区域则及时提醒或者发出报警信号。现有的安防视频监控手段是通过专职人员用人眼对大批量的监控视频进行辨别，难以24小时连续工作，且该类安防视频内容长时间没有变化，负责辨别的专职人员难以长时间集中注意力，容易发生漏看的情况。故需要采用能够24小时不间断地对安防监控视频进行识别分析的智能视觉识别技术，针对视频图像中的“危险区域”，代替人工进行智能分析处理并实时地发出报警型号。请参阅图1，为本专利技术提供的一种视觉识别危险的预警方法流程图，包括：步骤S1，根据摄像装置当前的监控场景划定监控视频中的危险区域；其中，根据摄像装置的安装位置采集当前场景的监控视频，且在所述监控视频内划定待检测的危险区域，其中，摄像装置包括摄像头、摄像机等摄像模块，用于采集当前监控场景的监控视频。另外，以多边形方式表达所述危险区域的设定范围并存储于一个点集S＝{p1，p2，p3，…，pn}；例如，在该点集内按顺序两两相连形成闭合的多边形区域，即，划定的危险区域。步骤S2，基于深度学习的卷积神经网络识别所述监控视频中是否有人员出现；其中，通过基于深度学习的卷积神经网络的智能视觉识别技术，识别视频中是否有人员出现。步骤S3，当所述监控视频中有人员出现时，获取所述人员的位置信息；其中，通过训练好的卷积神经网络的识别模型对监控视频进行识别，当所述监控视频中有人员出现时，获取所述人员在监控视频中的位置信息；其中，以人体外接矩形框的左上角点坐标、矩形框宽度和高度的形式呈现为{x,y,w,h}；或，以人体外接矩形框的左上角坐标和右下角坐标的形式呈现为{x1,y1,x2,y2}。步骤S4，比较所述人员的位置信息与所述危险区域的位置范围；如果所述位置信息在所述危险区域内，则发出关于人员入侵危险区域的预警信本文档来自技高网...

【技术保护点】
1.一种视觉识别危险的预警方法，其特征在于，包括：根据摄像装置当前的监控场景划定监控视频中的危险区域；基于深度学习的卷积神经网络识别所述监控视频中是否有人员出现；当所述监控视频中有人员出现时，获取所述人员的位置信息；比较所述人员的位置信息与所述危险区域的位置范围；如果所述位置信息在所述危险区域内，则发出关于人员入侵危险区域的预警信息。

【技术特征摘要】
1.一种视觉识别危险的预警方法，其特征在于，包括：根据摄像装置当前的监控场景划定监控视频中的危险区域；基于深度学习的卷积神经网络识别所述监控视频中是否有人员出现；当所述监控视频中有人员出现时，获取所述人员的位置信息；比较所述人员的位置信息与所述危险区域的位置范围；如果所述位置信息在所述危险区域内，则发出关于人员入侵危险区域的预警信息。2.根据权利要求1所述的视觉识别危险的预警方法，其特征在于，所述根据摄像装置当前的监控场景划定监控视频中的危险区域的步骤，包括：根据摄像装置的安装位置采集当前场景的监控视频，且在所述监控视频内划定危险区域，其中，以多边形方式表达所述危险区域的设定范围并存储于一个点集S＝{p1，p2，p3，…，pn}。3.根据权利要求1所述的视觉识别危险的预警方法，其特征在于，所述基于深度学习的卷积神经网络识别所述监控视频中是否有人员出现的步骤之前，包括：以有人员出现和无人员出现标定样本集内的监控视频；采用基于深度学习的卷积神经网络训练样本集内监控视频，得到能够识别监控视频是否有人出现的识别模型。4.根据权利要求1所述的视觉识别危险的预警方法，其特征在于，所述当所述监控视频中有人员出现时，获取所述人员的位置信息的步骤，包括：当所述监控视频中有人员出现时，获取所述人员在监控视频中的位置信息；其中，以人体外接矩形框的左上角点坐标、矩形框宽度和高度的形式呈现为{x,y,w,h}；或，以人体外接矩形框的左上角坐标和右下角坐标的形式呈现为{x1,y1,x2,y2}。5.根据权利要求1所述的视觉识别危险的预警方法，其特征在于，所述比较所述人员的位置信息与所述危险区域的位置范围，如果所述位置信息在所述危险区域内，则发出关于人员入侵危险区域的预警信息的步骤，包括：提取所述人员脚部在所述位置信息所对应的坐标点，分别为(x,y+h)和(x+w,y+h)，或，(x1,y1)和(x2,y2)；比较所述人员脚部所对应的坐标点与危险区域内点集的位置范围，当其中任意一个坐标点位于所述危险区域内点集内部时，则发出关于人员入侵危险区域的预警信息。6.一种视觉识别危险的预警装置，其特征在于，包括：划定模块，用于根据摄像装置当前的监控场景划定监控视频中的危险区域；识别模块，用于基于...

【专利技术属性】
技术研发人员：庞殊杨，毛尚伟，贾鸿盛，谢小东，陈正国，王志伟，唐海翔，
申请(专利权)人：中冶赛迪重庆信息技术有限公司，
类型：发明
国别省市：重庆,50