一种疲劳状态识别方法、装置和设备制造方法及图纸

本申请公开了一种疲劳状态识别方法、装置和设备，对待识别疲劳状态人员在进行电网作业时的运动情况进行实时拍摄，采集待识别疲劳状态人员的实时行为图片，对实时行为图片进行预处理得到实时关节点运动数据，将实时关节点运动数据输入预置疲劳状态预测模型，预置疲劳状态预测模型以关节点运动数据为自变量，以疲劳状态为因变量，输出与输入的关节点运动数据对应的疲劳状态预测结果，得到待识别疲劳状态人员的疲劳状态，对待识别疲劳状态人员的疲劳状态识别具有实时性，且不会影响待识别疲劳状态人员的工作效率，不会影响到待识别疲劳状态人员的电力操作作业正常进行，解决了现有的电网工作人员的疲劳状态识别方式时效性差，且可靠性低的技术问题。

【技术实现步骤摘要】
一种疲劳状态识别方法、装置和设备
本申请涉及疲劳状态识别
，尤其涉及一种疲劳状态识别方法、装置和设备。
技术介绍
随着电力系统的发展，电网的规模越来越大，对电网的安全管理不仅仅是对各类电力设备的安全管理，还要对电网工作人员的工作安全进行管理。电网工作人员的疲劳状态会影响到电网工作人员在进行电力操作时的安全性，因此，及时得知电网工作人员的疲劳状态有着必要性。目前对电网工作人员疲劳状态的获取主要是依靠电网工作人员的自我报告，让电网工作人员自行报告自身当前的疲劳状态，当电网工作人员的疲劳状态存在工作安全隐患时，管理者采取相应的措施，避免发生安全事故。但是，如果电网工作人员在执行的电力作业时，中断当前的电力作业来报告疲劳状态或者填写疲劳测量问卷，不但时效性差，还会影响电网工作人员的工作效率，影响电力作业的顺利执行，容易带来电网运动安全和电网工作人员的安全问题，可靠性低。
技术实现思路
本申请提供了一种疲劳状态识别方法、装置和设备，用于解决现有的电网工作人员的疲劳状态识别方式时效性差，且可靠性低的技术问题。本申请第一方面提供了一种疲劳状态识别方法，包括：获取摄像装置拍摄到的待识别疲劳状态人员的实时行为图片；对所述实时行为图片进行预处理，得到实时关节点运动数据；将所述实时关节点运动数据输入到预置疲劳状态预测模型进行疲劳状态预测，所述预置疲劳状态预测模型的自变量为关节点运动数据，因变量为疲劳状态；输出所述预置疲劳状态预测模型的预测结果，得到所述待识别疲劳状态人员的疲劳状态。可选的，所述将所述实时关节点运动数据输入到预置疲劳状态预测模型进行疲劳状态预测，之前还包括：获取关节点运动数据样本集和各关节点运动数据样本与疲劳状态的对应关系；基于所述运动数据样本集和所述对应关系，对建立好的行为数据疲劳状态识别模型进行训练，将训练好的所述行为数据疲劳状态识别模型作为所述预置疲劳状态预测模型。可选的，所述行为数据疲劳状态识别模型为SVM分类模型。可选的，所述获取关节点运动数据样本集和各关节点运动数据样本与疲劳状态的对应关系，之前还包括：基于预置疲劳诱发方式诱发关节点运动数据样本提供人员产生不同程度的疲劳状态；获取所述关节点运动数据样本提供人员在预置行走区域内正常行走状态的关节点运动数据；获取所述关节点运动数据样本提供人员在规定时间内完成的心理特征量表；基于所述正常行走状态的关节点运动数据和所述心理特征量表，建立关节点运动数据样本集和各关节点运动数据样本与疲劳状态的对应关系。可选的，所述心理特征量表包括：匹兹堡睡眠质量指数量表、多维疲劳量表和/或模拟视觉量表。可选的，所述预置疲劳诱发方式包括执行CPT任务和/或Filtering任务。本申请第二方面提供了一种疲劳状态识别装置，包括：图片获取模块，用于获取摄像装置拍摄到的待识别疲劳状态人员的实时行为图片；预处理模块，用于对所述实时行为图片进行预处理，得到实时关节点运动数据；输入模块，用于将所述实时关节点运动数据输入到预置疲劳状态预测模型进行疲劳状态预测，所述预置疲劳状态预测模型的自变量为关节点运动数据，因变量为疲劳状态；输出模块，用于输出所述预置疲劳状态预测模型的预测结果，得到所述待识别疲劳状态人员的疲劳状态。可选的，还包括：样本模块，用于获取关节点运动数据样本集和各关节点运动数据样本与疲劳状态的对应关系；训练模块，用于基于所述运动数据样本集和所述对应关系，对建立好的行为数据疲劳状态识别模型进行训练，将训练好的所述行为数据疲劳状态识别模型作为所述预置疲劳状态预测模型。可选的，还包括：诱发模块，用于基于预置疲劳诱发方式诱发关节点运动数据样本提供人员产生不同程度的疲劳状态；数据获取模块，用于获取所述关节点运动数据样本提供人员在预置行走区域内正常行走状态的关节点运动数据；心理特征获取模块，用于获取所述关节点运动数据样本提供人员在规定时间内完成的心理特征量表；关系建立模块，用于基于所述正常行走状态的关节点运动数据和所述心理特征量表，建立关节点运动数据样本集和各关节点运动数据样本与疲劳状态的对应关系。本申请第三方面提供了一种疲劳状态识别设备，所述设备包括处理器以及存储器：所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；所述处理器用于根据所述程序代码中的指令执行第一方面所述的任意一种疲劳状态识别方法。从以上技术方案可以看出，本申请具有以下优点：本申请中提供的一种疲劳状态识别方法，包括：获取摄像装置拍摄到的待识别疲劳状态人员的实时行为图片；对实时行为图片进行预处理，得到实时关节点运动数据；将实时关节点运动数据输入到预置疲劳状态预测模型进行疲劳状态预测，预置疲劳状态预测模型的自变量为关节点运动数据，因变量为疲劳状态；输出预置疲劳状态预测模型的预测结果，得到待识别疲劳状态人员的疲劳状态。本申请提供的疲劳状态识别方法，使用摄像装置对待识别疲劳状态人员在进行电网作业时的运动情况进行实时拍摄，采集待识别疲劳状态人员的实时行为图片，对实时行为图片进行预处理后得到实时关节点运动数据，将实时关节点运动数据输入到预置疲劳状态预测模型中，预置疲劳状态预测模型以关节点运动数据为自变量，以疲劳状态为因变量，输出与输入的关节点运动数据对应的疲劳状态预测结果，得到待识别疲劳状态人员的疲劳状态，对待识别疲劳状态人员的疲劳状态识别具有实时性，且不会影响到待识别疲劳状态人员的工作效率，不会影响到待识别疲劳状态人员的电力操作作业正常进行，解决了现有的电网工作人员的疲劳状态识别方式时效性差，且可靠性低的技术问题。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。图1为本申请实施例中提供的一种疲劳状态识别方法的一个流程示意图；图2为本申请实施例中提供的一种疲劳状态识别方法的另一个流程示意图；图3为本申请实施例中提供的一种疲劳状态识别装置的结构示意图；图4为本申请实施例中提供的摄像装置的外形结构示意图；图5为本申请实施例中提供的身体关键点示意图。具体实施方式为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。为了便于理解，请参阅图1，本申请中提供了一种疲劳状态识别方法的实施例，包括：步骤101、获取摄像装置拍摄到的待识别疲劳状态人员的本文档来自技高网...

【技术保护点】
1.一种疲劳状态识别方法，其特征在于，包括：/n获取摄像装置拍摄到的待识别疲劳状态人员的实时行为图片；/n对所述实时行为图片进行预处理，得到实时关节点运动数据；/n将所述实时关节点运动数据输入到预置疲劳状态预测模型进行疲劳状态预测，所述预置疲劳状态预测模型的自变量为关节点运动数据，因变量为疲劳状态；/n输出所述预置疲劳状态预测模型的预测结果，得到所述待识别疲劳状态人员的疲劳状态。/n

【技术特征摘要】
1.一种疲劳状态识别方法，其特征在于，包括：
获取摄像装置拍摄到的待识别疲劳状态人员的实时行为图片；
对所述实时行为图片进行预处理，得到实时关节点运动数据；
将所述实时关节点运动数据输入到预置疲劳状态预测模型进行疲劳状态预测，所述预置疲劳状态预测模型的自变量为关节点运动数据，因变量为疲劳状态；
输出所述预置疲劳状态预测模型的预测结果，得到所述待识别疲劳状态人员的疲劳状态。


2.根据权利要求1所述的疲劳状态识别方法，其特征在于，所述将所述实时关节点运动数据输入到预置疲劳状态预测模型进行疲劳状态预测，之前还包括：
获取关节点运动数据样本集和各关节点运动数据样本与疲劳状态的对应关系；
基于所述运动数据样本集和所述对应关系，对建立好的行为数据疲劳状态识别模型进行训练，将训练好的所述行为数据疲劳状态识别模型作为所述预置疲劳状态预测模型。


3.根据权利要求2所述的疲劳状态识别方法，其特征在于，所述行为数据疲劳状态识别模型为SVM分类模型。


4.根据权利要求2所述的疲劳状态识别方法，其特征在于，所述获取关节点运动数据样本集和各关节点运动数据样本与疲劳状态的对应关系，之前还包括：
基于预置疲劳诱发方式诱发关节点运动数据样本提供人员产生不同程度的疲劳状态；
获取所述关节点运动数据样本提供人员在预置行走区域内正常行走状态的关节点运动数据；
获取所述关节点运动数据样本提供人员在规定时间内完成的心理特征量表；
基于所述正常行走状态的关节点运动数据和所述心理特征量表，建立关节点运动数据样本集和各关节点运动数据样本与疲劳状态的对应关系。


5.根据权利要求4所述的疲劳状态识别方法，其特征在于，所述心理特征量表包括：匹兹堡睡眠质量指数量表、多维疲劳量表和/或模拟视觉量表。


6.根据权利要求4所述的疲劳状态识别方法，其特征在于，...

【专利技术属性】
技术研发人员：李华亮，杨志欣，张凯，刘羽中，沈雅利，熊超琳，
申请(专利权)人：广东电网有限责任公司，广东电网有限责任公司电力科学研究院，
类型：发明
国别省市：广东;44