The invention relates to a behavior monitoring system and method of flammable hazard source based on convolution neural network, belonging to the technical field of artificial intelligence. The system mainly includes: behavior capture module, recognition processing module, behavior alarm module and other components. The method mainly includes: a behavior capture step, a recognition processing step, a behavior alarm step and other processing steps. The invention proposes a behavior monitoring system and method of flammable hazard sources based on convolution neural network, which processes video images through convolution neural network, and uses artificial intelligence recognition to monitor the dangerous behaviors of smoking and calling mobile phones in the flammable hazard sources. The invention uses the monitoring equipment to collect the video of the inflammable hazard source, uses the artificial intelligence to recognize the dangerous behavior accurately and quickly, and uses the voice prompt to give an alarm, which can remind the personnel and the staff who are carrying out the dangerous behavior to stop the dangerous behavior in time and reduce the potential safety hazard.
【技术实现步骤摘要】
一种基于卷积神经网络的易燃危险源行为监测系统及方法
本专利技术涉及一种基于卷积神经网络的易燃危险源行为监测系统及方法,属于人工智能
技术介绍
易燃危险源具有易燃爆、易挥发、易渗漏、易集聚静电荷的特性,在易燃危险源吸烟时产生的细小火花和拔打手机时生成的静电可能会导致易燃危险源内的高浓度油气爆炸,因此需要时刻监测易燃危险源的危险行为并及时提出警示。传统的监测方法是在易燃危险源设立警示标志配合现场的工作人员进行监测,但是响应速度不够,监测有死角,不能及时制止危险行为,有安全隐患。目前,缺少一个系统或方法能够改变这一现状。
技术实现思路
本专利技术为了解决上述问题,提出了一种基于卷积神经网络的易燃危险源行为监测系统及方法。一种基于卷积神经网络的易燃危险源行为监测系统,包括:行为捕捉模块:用于实时采集监测危险行为;识别处理模块:用于对危险行为进行人工智能识别处理;行为告警模块:用于对危险行为给出警示。所述行为捕捉模块输出端与所述识别处理模块输入端连接,所述识别处理模块输出端与所述行为告警模块输入端连接。其中,所述行为捕捉模块包括:视频监控模块:由若干高清摄像头组成,用于采集易燃危险源内人员危险行为;传输模块:用于将视频监控模块的若干高清摄像头采集的视频数据实时传输至识别处理模块。其中,所述识别处理模块包括:图像处理模块:用于接收并处理视频数据,得到每帧图像并识别再进行图像分类;行为识别模块:用于利用人工智能在图 ...
【技术保护点】
1.一种基于卷积神经网络的易燃危险源行为监测系统,其特征在于,包括:/n行为捕捉模块:用于实时采集监测危险行为;/n识别处理模块:用于对危险行为进行人工智能识别处理;/n行为告警模块:用于对危险行为给出警示。/n所述行为捕捉模块输出端与所述识别处理模块输入端连接,所述识别处理模块输出端与所述行为告警模块输入端连接。/n其中,所述行为捕捉模块包括:/n视频监控模块:由若干高清摄像头组成,用于采集易燃危险源内人员危险行为;/n传输模块:用于将视频监控模块的若干高清摄像头采集的视频数据实时传输至识别处理模块。/n其中,所述识别处理模块包括:/n图像处理模块:用于接收并处理视频数据,得到每帧图像并识别再进行图像分类;/n行为识别模块:用于利用人工智能在图像中识别危险行为;/n其中,所述行为告警模块包括:/n通信模块:接收所述识别处理模块的图像识别结果并转换为音频信号;/n语音告警模块:接收警示语音并将音频信号进行语音播放对易燃危险源内存在的危险行为进行警告。/n告警设置模块:用于设置告警语音。/n
【技术特征摘要】
1.一种基于卷积神经网络的易燃危险源行为监测系统,其特征在于,包括:
行为捕捉模块:用于实时采集监测危险行为;
识别处理模块:用于对危险行为进行人工智能识别处理;
行为告警模块:用于对危险行为给出警示。
所述行为捕捉模块输出端与所述识别处理模块输入端连接,所述识别处理模块输出端与所述行为告警模块输入端连接。
其中,所述行为捕捉模块包括:
视频监控模块:由若干高清摄像头组成,用于采集易燃危险源内人员危险行为;
传输模块:用于将视频监控模块的若干高清摄像头采集的视频数据实时传输至识别处理模块。
其中,所述识别处理模块包括:
图像处理模块:用于接收并处理视频数据,得到每帧图像并识别再进行图像分类;
行为识别模块:用于利用人工智能在图像中识别危险行为;
其中,所述行为告警模块包括:
通信模块:接收所述识别处理模块的图像识别结果并转换为音频信号;
语音告警模块:接收警示语音并将音频信号进行语音播放对易燃危险源内存在的危险行为进行警告。
告警设置模块:用于设置告警语音。
2.根据权利要求1所述的一种基于卷积神经网络的易燃危险源行为监测系统,其特征在于,所述图像分类包括拨打手机图像和吸烟图像。
3.一种用权利要求1-2任意一项所述的一种基于卷积神经网络的易燃危险源行为监测方法,其特征在于,包括如下步骤:
步骤1,行为捕捉:实时采集、监测危险行为;
步骤2,识别处理:对危险行为进行人工智能识别处理;
步骤3,行为告警:对危险行为给出警示。
4.根据权利要求3所述的一种基于卷积神经网络的易燃危险源行为监测方法,其特征在于:所述步骤1行为捕捉包括如下步骤:
步骤1.1,采用所述视频监控模块采集易燃危险源内人员危险行为,视频监控模块由安装易燃危险源各个角落及关键位置的多个高清摄像头组成,能够全面的监控易燃危险源的所有区域;
步骤1.2,将步骤1.1采集的视频传输至识别处理模块。
5.根据权利要求3所述的一种基于卷积神经网络的易燃危险源行为监测方法,其特征在于:所述步骤2识别处理包括如下步骤:
步骤2.1,接收并处理所述步骤1采集的视频数据并得到每帧图像,在进行图像分类;
步骤2.2,利用人工智能在步骤2.1的图像中识别危险行为。
6.根据权利要求5所述的一种基于卷积神经网络的易燃危险源行为监测方法,其特征在于:所述步骤2.1包括如下步骤:
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。