基于人工智能和大数据的企业安全标准化运行方法及系统技术方案

本发明专利技术公开了一种基于人工智能和大数据的企业安全标准化运行方法及系统，涉及人工智能领域。该方法包括如下步骤：根据场景图像和深度图像获取作业人员的基准动作类别，并构建动作变更图，获取初始动作变更矩阵；提取场景图像的背景区域并划分为多个子区域，建立子区域和作业人员行为变更信息之间的二部图；筛选出影响动作变更区域和次要环境区域，对二部图进行修正，获取环境影响邻接矩阵，然后结合初始动作变更矩阵获取优化动作变更矩阵；然后结合标准动作变更矩阵，判断作业人员是否出现操作异常。从而实现了根据环境变更情况以及与作业人员行为动作之间的联系，去除环境因素带来的干扰，以提高作业安全标准化的判断准确性。

【技术实现步骤摘要】
基于人工智能和大数据的企业安全标准化运行方法及系统
本专利技术涉及人工智能
，具体涉及一种基于人工智能和大数据的企业安全标准化运行方法及系统。
技术介绍
工业安全生产管理中，现场工作人员的安全保障尤为重要，但是由于管理不当，安全意识不强等原因，作业人员在实际操作过程中出现违章作业，由此引发的安全事故也屡有发生。通常情况下，作业人员存在侥幸心理，通过管理人员检测作业人员操作是否违规，不能够实时发现操作问题。而在目前的传统的图像监控技术中，实际上随着场景不同、作业设备更新等环境的变化，会影响作业方式出现一定变化，安全作业标准会出现一定的变化，并且作业人员本身也会以周围环境产生投射阴影等，这些对现有的图像分析处理产生较大的影响，从而影响对作业人员行为判定的准确性，从而造成误检测以及误报警的情况。
技术实现思路
为了解决上述技术问题，本专利技术的目的在于提供一种基于人工智能和大数据的企业安全标准化运行方法及系统，所采用的技术方案具体如下：一方面，本专利技术一个实施例提供了一种基于人工智能和大数据的企业安全标准化运行方法，包括以下步骤：获取连续场景图像和深度图像并根据时序标记，将所述场景图像输入关键点提取网络，提取作业人员关键点，利用所述深度图像获取所述关键点的三维坐标；当所述关键点的三维坐标的变化量大于变化阈值时，以当前时刻对应的场景图像为变换图像，并将其包含的关键点输入全连接网络，获得基准动作类别；根据所述时序标记获取边权值和方向，对所述基准动作类别构建动作变更图，获取初始动作变更矩阵；获取所述变换图像的背景区域并划分为多个子区域；基于所述初始动作变更矩阵获取基准动作类别之间的数据变化，并进行标记区分，获得变更信息；以所述变换图像之间同一子区域中像素值的相似程度为边权值，构建所述子区域和变更信息之间的二部图；基于最优分配结合所述二部图的边权值对所述子区域筛选出影响动作变更区域和次要环境区域，并对所述二部图进行修正，获得修正环境影响图，并获取环境影响邻接矩阵；获取所述初始动作变更矩阵的第一特征张量，以及所述环境影响邻接矩阵的第二特征张量，并输入神经网络获取优化动作变更矩阵；获取所述优化动作变更矩阵与预先存储的标准动作变更矩阵之间的欧式距离，判断所述作业人员是否出现操作异常，并生成提示信息。优选的，所述作业人员关键点根据躯干和四肢划分；其中，躯干部分包括肩部关键点、髋部关键点以及躯干中心点，四肢部分包括肘部关键点、手部关键点、膝部关键点和脚部关键点。优选的，所述关键点的三维坐标变化量为关键点之间预设的自由度在三维坐标系中角度变化的向量值。优选的，所述的根据所述时序标记获取边权值和方向，对所述基准动作类别构建动作变更图的方法包括：以所述基准动作类别为顶点，根据时序连接当前时刻顶点到下一时刻顶点构成有向边，并以两时刻间的变更时长作为边权值；当时序中存在相同两顶点重复变更时，获取变更时长均值，作为两顶点的边权值。优选的，所述的基准动作类别包括标准动作类别和其他动作类别；所述的标准动作变更矩阵利用多组所述标准动作类别和所述环境影响邻接矩阵获得。第二方面，本专利技术另一个实施例提供了一种基于人工智能和大数据的企业安全标准化运行系统，其特征在于，包括：图像采集模块，用于获取连续场景图像和深度图像并根据时序标记，将所述场景图像输入关键点提取网络，提取作业人员关键点，利用所述深度图像获取所述关键点的三维坐标；基准动作获取模块，用于当所述关键点的三维坐标的变化量大于变化阈值时，以当前时刻对应的场景图像为变换图像，并将其包含的关键点输入全连接网络，获得基准动作类别；动作变更矩阵获取模块，用于根据所述时序标记获取边权值和方向，对所述基准动作类别构建动作变更图，获取初始动作变更矩阵；二部图获取模块，用于获取所述变换图像的背景区域并划分为多个子区域；基于所述初始动作变更矩阵获取基准动作类别之间的数据变化，并进行标记区分，获得变更信息；以所述变换图像之间同一子区域中像素值的相似程度为边权值，构建所述子区域和变更信息之间的二部图；环境影响矩阵模块，用于基于最优分配结合所述二部图的边权值对所述子区域筛选出影响动作变更区域和次要环境区域，并对所述二部图进行修正，获得修正环境影响图，并获取环境影响邻接矩阵；优化动作变更矩阵模块，用于获取所述初始动作变更矩阵的第一特征张量，以及所述环境影响邻接矩阵的第二特征张量，并输入神经网络获取优化动作变更矩阵；异常判定模块，用于获取所述优化动作变更矩阵与预先存储的标准动作变更矩阵之间的欧式距离，判断所述作业人员是否出现操作异常，并生成提示信息。优选的，所述作业人员关键点根据躯干和四肢划分；其中，躯干部分包括肩部关键点、髋部关键点以及躯干中心点，四肢部分包括肘部关键点、手部关键点、膝部关键点和脚部关键点。优选的，所述关键点的三维坐标变化量为关键点之间预设的自由度在三维坐标系中角度变化的向量值。优选的，所述的动作变更矩阵获取模块包括：有向图获取单元，用于以所述基准动作类别为顶点，根据时序连接当前时刻顶点到下一时刻顶点构成有向边，并以两时刻间的变更时长作为边权值；权值优化单元，用于当时序中存在相同两顶点重复变更时，获取变更时长均值，作为两顶点的边权值。优选的，所述的基准动作类别包括标准动作类别和其他动作类别；所述的标准动作变更矩阵利用多组所述标准动作类别和所述环境影响邻接矩阵获得。本专利技术实施例至少具有如下有益效果：本专利技术通过获取连续场景图像和深度图像，获取作业人员的基准动作类别，结合时序标记构建动作变更图，获取初始动作变更矩阵；然后提取场景图像的背景区域并划分为多个子区域，根据固定子区域之间像素的变化建立子区域和作业人员行为变更信息之间的二部图；并根据影响动作变更区域和次要环境区域，并对所述二部图进行修正，获得修正环境影响图，并获取环境影响邻接矩阵；根据环境影响邻接矩阵与初始动作变更矩阵获取优化动作变更矩阵，结合预先存储的标准动作变更矩阵之间的欧式距离，判断所述作业人员是否出现操作异常，并生成提示信息。从而实现了根据环境变更情况以及与作业人员行为动作之间的联系，动态生成安全作业标准，去除环境因素带来的干扰，以提高作业安全标准化的判断准确性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。图1为本专利技术一个实施例所提供的一种基于人工智能和大数据的企业安全标准化运行方法流程图；图2为本专利技术一个实施例所提供的一种基于人工智能和大数据的企业安全标准化运行系统结构框图。具体实施方式为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，本文档来自技高网...

【技术保护点】
1.基于人工智能和大数据的企业安全标准化运行方法，其特征在于，包括以下步骤：/n获取连续场景图像和深度图像并根据时序标记，将所述场景图像输入关键点提取网络，提取作业人员关键点，利用所述深度图像获取所述关键点的三维坐标；/n当所述关键点的三维坐标的变化量大于变化阈值时，以当前时刻对应的场景图像为变换图像，并将其包含的关键点输入所述全连接网络，获得基准动作类别；/n根据所述时序标记获取边权值和方向，对所述基准动作类别构建动作变更图，获取初始动作变更矩阵；/n获取所述变换图像的背景区域并划分为多个子区域；基于所述初始动作变更矩阵获取基准动作类别之间的数据变化，并进行标记区分，获得变更信息；以所述变换图像之间同一子区域中像素值的相似程度为边权值，构建所述子区域和变更信息之间的二部图；/n基于最优分配结合所述二部图的边权值对所述子区域筛选出影响动作变更区域和次要环境区域，并对所述二部图进行修正，获得所述修正环境影响图，并获取环境影响邻接矩阵；/n获取所述初始动作变更矩阵的第一特征张量，以及所述环境影响邻接矩阵的第二特征张量，并输入神经网络获取优化动作变更矩阵；/n获取所述优化动作变更矩阵与预先存储的标准动作变更矩阵之间的欧式距离，判断所述作业人员是否出现操作异常，并生成提示信息。/n...

【技术特征摘要】
1.基于人工智能和大数据的企业安全标准化运行方法，其特征在于，包括以下步骤：
获取连续场景图像和深度图像并根据时序标记，将所述场景图像输入关键点提取网络，提取作业人员关键点，利用所述深度图像获取所述关键点的三维坐标；
当所述关键点的三维坐标的变化量大于变化阈值时，以当前时刻对应的场景图像为变换图像，并将其包含的关键点输入所述全连接网络，获得基准动作类别；
根据所述时序标记获取边权值和方向，对所述基准动作类别构建动作变更图，获取初始动作变更矩阵；
获取所述变换图像的背景区域并划分为多个子区域；基于所述初始动作变更矩阵获取基准动作类别之间的数据变化，并进行标记区分，获得变更信息；以所述变换图像之间同一子区域中像素值的相似程度为边权值，构建所述子区域和变更信息之间的二部图；
基于最优分配结合所述二部图的边权值对所述子区域筛选出影响动作变更区域和次要环境区域，并对所述二部图进行修正，获得所述修正环境影响图，并获取环境影响邻接矩阵；
获取所述初始动作变更矩阵的第一特征张量，以及所述环境影响邻接矩阵的第二特征张量，并输入神经网络获取优化动作变更矩阵；
获取所述优化动作变更矩阵与预先存储的标准动作变更矩阵之间的欧式距离，判断所述作业人员是否出现操作异常，并生成提示信息。


2.根据权利要求1所述的基于人工智能和大数据的企业安全标准化运行方法，其特征在于，所述作业人员关键点根据躯干和四肢划分；其中，躯干部分包括肩部关键点、髋部关键点以及躯干中心点，四肢部分包括肘部关键点、手部关键点、膝部关键点和脚部关键点。


3.根据权利要求2所述的基于人工智能和大数据的企业安全标准化运行方法，其特征在于，所述关键点的三维坐标变化量为关键点之间预设的自由度在三维坐标系中角度变化的向量值。


4.根据权利要求1所述的基于人工智能和大数据的企业安全标准化运行方法，其特征在于，所述的根据所述时序标记获取边权值和方向，对所述基准动作类别构建动作变更图的方法包括：
以所述基准动作类别为顶点，根据时序连接当前时刻顶点到下一时刻顶点构成有向边，并以两时刻间的变更时长作为边权值；
当时序中存在相同两顶点重复变更时，获取变更时长均值，作为两顶点的边权值。


5.根据权利要求1至4任意一项所述的基于人工智能和大数据的企业安全标准化运行方法，其特征在于，所述的基准动作类别包括标准动作类别和其他动作类别；所述的标准动作变更矩阵利用多组所述标准动作类别和所述环境影响邻接矩阵获得。


6.基于人工智能和大数据的企业安全标准化运行系统，...

【专利技术属性】
技术研发人员：孔庆端，杨耀党，穆仕芳，田雷，吴晓丽，胡松涛，吴朕君，武潭，赵夏冰，郑朝晖，马吉睿，李思敏，刘会永，纪学峰，白小杰，张伟，
申请(专利权)人：河南鑫安利安全科技股份有限公司，
类型：发明
国别省市：河南;41