一种发电厂工作人员不安全行为的识别方法技术

本发明专利技术属于计算机视觉技术领域，具体涉及一种发电厂工作人员不安全行为的识别方法。具体包括预设若干中工作人员不安全行为、获取现场视频图像、通过改进的YOLOv4算法的卷积神经网络对所述视频图像进行分析并识别不安全行为，包括单帧图像不安全行为分析、视频序列不安全行为分析、特定任务、场景不安全行为分析。有益之处是此方法基于计算机视觉技术，结合不安全行为语义信息对不安全行为进行识别。相比现有的方案，具有价格低廉、效率高、实时检测、不漏死角的优势，节省了大量人力，物力，财力。此方法可推广运用于所有工业领域不安全行为识别的场景。

【技术实现步骤摘要】
一种发电厂工作人员不安全行为的识别方法
本专利技术属于计算机视觉
，具体涉及一种发电厂工作人员不安全行为的识别方法。
技术介绍
传统的人的不安全行为识别，是人工现场巡视或在监控室浏览视频的方式进行。该方式虽然识别准确率非常高，但效率极低、覆盖面小，难以全面、实时识别所有不安全行为，因此电厂不安全行为仍时有发生。近年来，随着计算机视觉技术的发展，入侵检测技术开始应用到不安全行为识别中。入侵检测技术的特征是通过计算两个连续视频帧的帧差，通过统计方式确定是否有目标。该方法对移动目标较为有效，但对静态目标无法识别，且仅能检测是否有入侵，无法确定入侵的具体类型。目前，随着人工智能技术的发展，也有使用深度学习方法进行不安全行为检测的技术。但目前采用的技术，都是直接检测任务目标，对于更深层次语义的目标任务无能为力。
技术实现思路
本专利技术的目的在于弥补现有方法的不足，针对现有技术的缺点，本专利技术提供了一种发电厂工作人员不安全行为的识别方法。本专利技术采用发电厂现有的安防摄像机采集图像，利用深度学习技术检测目标，同时加入各种语义规则，实现了操作简单，易于控制，价格低廉的人的不安全行为识别方法。为实现上述目的，本专利技术提供如下技术方案：一种发电厂工作人员不安全行为的识别方法，包括：预设若干中工作人员不安全行为，将所述不安全行为对应的视频图像的信息作为数据集；获取现场视频图像；通过改进的YOLOv4算法的卷积神经网络对所述视频图像进行分析并识别不安全行为，包括：单帧图像不安全行为分析，所述单帧图像不安全行为包括是否戴安全帽、是否佩戴安全带、是否使用移动设备；视频序列不安全行为分析，所述视频序列不安全行为包括是否在移动中使用移动设备；特定任务、场景不安全行为分析，所述特定任务、场景不安全行为包括是否正确佩戴安全带、是否跨越周界线、是否翻越栏杆、是否跨越皮带、是否在运行皮带上作业、开关室是否单人作业。作为本专利技术的一种优选技术方案，所述改进的YOLOv4算法的改进方法是：使用变尺度感兴趣区域全连接层代替RoIPooling层，具体为，所述视频图像的源尺寸为HS×WS，目的尺寸为HT×WT，通过如下方式筛选像素进行全连接，达到统一尺寸目的，其中和分别表示视频图像的源尺寸和目的尺寸中的第i个像素横坐标，和分别表示视频图像的源尺寸和目的尺寸中的第i个像素纵坐标。作为本专利技术的一种优选技术方案，所述预设若干中工作人员不安全行为步骤中，包括对所述卷积神经网络进行训练，训练方法是通过人工标注的方式用标注框标注出所述标注框内的视频图像的以下信息：是否佩戴安全帽以及安全帽的类别、是否佩戴安全带、人员图像、周界线图像、栏杆图像、皮带图像、开关室的人脸以及标注框的坐标。作为本专利技术的一种优选技术方案，所述单帧图像不安全行为分析步骤中，对于是否戴安全帽具体为检测视频图像中的人员图像位置，并分析该位置下是否有红、蓝、黄、白、黑的安全帽以进行判定。作为本专利技术的一种优选技术方案，所述单帧图像不安全行为分析以及所述特定任务、场景不安全行为分析步骤中，对于是否佩戴安全带具体为检测视频图像中的人员图像位置，安全带的挂钩设置区别颜色的标记，通过识别所述标记并于人员图像比对，如果所述标记高于人员肩部或与人员腰部重合则为正确佩戴，否则为不正确。作为本专利技术的一种优选技术方案，所述单帧图像不安全行为分析步骤中，对于是否使用移动设备为具体检测人员图像的像素。作为本专利技术的一种优选技术方案，所述视频序列不安全行为分析步骤中，具体为采用行人重识别技术，识别两个图像帧中使用移动设备的人员是否为同一人员；具体方法是使用两个卷积神经网络子网，同时输入两张使用移动设备人员的图像，输出为是否同一人员的结果；对于同一人员使用移动设备，根据不同图像帧中位置，计算人员是否有移动，从而判断是否是在移动中使用移动设备。作为本专利技术的一种优选技术方案，所述特定任务、场景不安全行为分析步骤中，对是否跨越周界线、是否翻越栏杆、是否跨越皮带、是否在运行皮带上作业、开关室是否单人作业的具体方法是对所述周界线、所述栏杆、所述皮带进行画线标记，检测图像中人员图像是否与画线标记重叠；识别开关室内的人员图像并计算人员图像数量，小于等于1为不安全行为。与现有技术相比，本专利技术的有益效果是：本专利技术提供的此方法基于计算机视觉技术，改进现有YOLOv4算法，基于基础网络的精度和速度都有极大保障结合不安全行为语义信息对不安全行为进行识别。本专利技术通过人工智能的手段提升发电厂视频监控系统对工作人员的不安全行为主动监控能力，及时发现事故隐患。通过识别工作人员不安全行为，精准地发现发出报警提示，做到防患于未然，保障安全生产。相比现有的方案，具有价格低廉、效率高、实时检测、不漏死角的优势，节省了大量人力，物力，财力。此方法可推广运用于所有工业领域不安全行为识别的场景。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，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地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，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，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例中一种发电厂工作人员不安全行为的识别方法的任务组成示意图；图2为本专利技术实施例中单帧视频不安全行为的识别流程示意图。图3为本专利技术实施例中视频序列不安全行为的识别流程示意图。图4为本专利技术实施例中特定任务、场景不安全行为分析的流程示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。请参阅附图1至4，本专利技术实施例提供的一种发电厂工作人员不安全行为的识别方法具体为：S1：预设若干中工作人员不安全行为，将所述不安全行为对应的视频图像的信息作为数据集。其中包括对所述卷积神经网络进行训练，训练方法是通过人工标注的方式用标注框标注出所述标注框内的视频图像的以下信息：是否佩戴安全帽以及安全帽的类别、是否佩戴安全带、人员图像、周界线图像、栏杆图像、皮带图像、开关室的人脸以及标注框的坐标。具体是通过以对历史监控视频的视频图像进行人工标注，如标注出各类的安全帽图像、人员图像等上述信息，形成数据集，当然，对于上述信息，可以根据实际情况进行灵活调整，以提高系统对监控对象的识别精度。S2：获取现场视频图像。具体是从安防摄像机中，根据摄像机公开协议获取视频图像。S3：通过基于YOLOv4算法的卷积神经网络对所述视频图像进行分析并识别不安全行为，包括：S31：单帧图像不安全行为分析，所述单帧图像不安全行为包括是否戴安全帽、是否佩戴安全带、是否使用移动设备。具体是本文档来自技高网...

【技术保护点】
1.一种发电厂工作人员不安全行为的识别方法，其特征在于，包括：/n预设若干中工作人员不安全行为，将所述不安全行为对应的视频图像的信息作为数据集；/n获取现场视频图像；/n通过改进的YOLOv4算法的卷积神经网络对所述视频图像进行分析并识别不安全行为，包括：/n单帧图像不安全行为分析，所述单帧图像不安全行为包括是否戴安全帽、是否佩戴安全带、是否使用移动设备；/n视频序列不安全行为分析，所述视频序列不安全行为包括是否在移动中使用移动设备；/n特定任务、场景不安全行为分析，所述特定任务、场景不安全行为包括是否正确佩戴安全带、是否跨越周界线、是否翻越栏杆、是否跨越皮带、是否在运行皮带上作业、开关室是否单人作业。/n

【技术特征摘要】
1.一种发电厂工作人员不安全行为的识别方法，其特征在于，包括：
预设若干中工作人员不安全行为，将所述不安全行为对应的视频图像的信息作为数据集；
获取现场视频图像；
通过改进的YOLOv4算法的卷积神经网络对所述视频图像进行分析并识别不安全行为，包括：
单帧图像不安全行为分析，所述单帧图像不安全行为包括是否戴安全帽、是否佩戴安全带、是否使用移动设备；
视频序列不安全行为分析，所述视频序列不安全行为包括是否在移动中使用移动设备；
特定任务、场景不安全行为分析，所述特定任务、场景不安全行为包括是否正确佩戴安全带、是否跨越周界线、是否翻越栏杆、是否跨越皮带、是否在运行皮带上作业、开关室是否单人作业。


2.根据权利要求1所述的发电厂工作人员不安全行为的识别方法，其特征在于，所述改进的YOLOv4算法的改进方法是：使用变尺度感兴趣区域全连接层代替RoIPooling层，具体为，所述视频图像的源尺寸为HS×WS，目的尺寸为HT×WT，通过如下方式筛选像素进行全连接，达到统一尺寸目的，



其中和分别表示视频图像的源尺寸和目的尺寸中的第i个像素横坐标，和分别表示视频图像的源尺寸和目的尺寸中的第i个像素纵坐标。


3.根据权利要求1所述的发电厂工作人员不安全行为的识别方法，其特征在于，所述预设若干中工作人员不安全行为步骤中，包括对所述卷积神经网络进行训练，训练方法是通过人工标注的方式用标注框标注出所述标注框内的视频图像的以下信息：是否佩戴安全帽以及安全帽的类别、是否佩戴安全带、人员图像、周界线图像、栏杆图像、皮带图像、开关室的人脸以及标注框的坐标。


4.根据权利要求1所述的一种发电厂工作...

【专利技术属性】
技术研发人员：唐守伟，张传昀，张超，王新，刘继勇，刘海瑞，
申请(专利权)人：济南奔腾时代电力科技有限公司，
类型：发明
国别省市：山东;37