一种在岗人员行为识别方法和系统技术方案

本发明专利技术提供一种在岗人员行为识别方法和系统，利用人工智能算法和大数据分析技术提高了在岗人员监管的效率，解决了人工巡视存在的工作量大、耗时长、覆盖范围少的问题，包括以下步骤：获取图像数据，将图像数据输入经过优化的YOLOV3模型提取多个带有人形轮廓的场景图像以完成人员检测；根对所述在岗人员检测的结果进行分析，获取人员在岗情况；将场景图像输入SSD目标检测模型，识别场景图像中是否带有香烟或手机；判断在岗人员行为是否违反预警策略，所述预警策略包括数个预警等级，根据相应预警等级向用户发送预警信息。

【技术实现步骤摘要】
一种在岗人员行为识别方法和系统
本专利技术涉及视觉识别
，具体涉及一种在岗人员行为识别方法和系统。
技术介绍
在一些行业当中，对在岗人员的行为进行监测是一种通行的管理方法，其目的在于避免在岗人员因为个人自制力和行为习惯做出不恰当的行为，以保证岗位纪律。传统的岗位监测采用监控摄像头结合人力巡查的方式，其巡检时间和范围受到人力等各种资源的限制，存在监管力度不够，监管效率低下的问题。近年来随着人工智能技术和大数据分析技术的发展，基于深度学习的视觉算法在目标检测和目标识别领域取得了很大的进步，但采用视觉识别技术对岗位行为监测也存在假警率高，预警类型有限，且易受现场环境影响的缺点。
技术实现思路
本专利技术的目的是提供一种在岗人员行为识别方法和系统，对于在岗人员的行为进行监控和智能分析，以提高监管人员的工作效率，增强监管的质量。为了达到上述目的，本专利技术一方面提供一种在岗人员行为识别方法，包括：获取监控摄像头的图像数据，将图像数据输入经过优化的YOLOV3模型提取多个带有人形轮廓的场景图像，以完成在岗人本文档来自技高网...

【技术保护点】
1.一种在岗人员行为识别方法，其特征在于，包括：/n获取监控摄像头的图像数据，将图像数据输入经过优化的YOLOV3模型提取多个带有人形轮廓的场景图像，以完成在岗人员检测；/n根据人员在岗分析策略对所述在岗人员检测的结果进行分析，以获取人员在岗分析结果；/n将所述场景图像输入经过优化的SSD目标检测模型，识别场景图像中是否带有香烟或手机，以获取行为分析结果；/n判断在岗分析结果和行为分析结果是否违反预警策略，所述预警策略包括数个预警等级，根据相应预警等级向用户发送预警信息。/n

【技术特征摘要】
1.一种在岗人员行为识别方法，其特征在于，包括：
获取监控摄像头的图像数据，将图像数据输入经过优化的YOLOV3模型提取多个带有人形轮廓的场景图像，以完成在岗人员检测；
根据人员在岗分析策略对所述在岗人员检测的结果进行分析，以获取人员在岗分析结果；
将所述场景图像输入经过优化的SSD目标检测模型，识别场景图像中是否带有香烟或手机，以获取行为分析结果；
判断在岗分析结果和行为分析结果是否违反预警策略，所述预警策略包括数个预警等级，根据相应预警等级向用户发送预警信息。


2.如权利要求1所述的一种在岗人员行为识别方法，其特征在于，所述YOLOV3模型的优化过程包括：
根据站立或坐下的人形轮廓的特征修改模型预设获选框的特征和数量；
修改YOLOV3模型的cfg配置文件，将linear激活层修改为swish激活函数；
将YOLOV3模型的目标检测类别数修改为1。


3.如权利要求2所述的一种在岗人员行为识别方法，其特征在于，所述YOLOV3模型的训练和部署过程包括：
利用标注工具对数据集进行标注以获得训练数据集；
基于Darknet深度学习框架部署所述YOLOV3模型，并将训练数据集输入模型完成训练；
基于开源前向推理框架TensorRT部署经过训练的YOLOV3模型，以进行在岗人员检测。


4.如权利要求1所述的一种在岗人员行为识别方法，其特征在于，所述目标检测模型采用以Mobilenetv2为主干网络的SSD目标检测算法，其训练过程包括：
将香烟或手机的图像作为训练数据集，利用caffe-ssd框架进行目标检测模型的训练；
基于TensorRT框架部署目标检测模型，以完成香烟或手机的目标识别。


5.如权利要求1所述的一种在岗人员行为识别方法，其特征在于，所述人员在岗分析策略包括：
判断场景图像中是否存在上班时间是否存在长时间离岗的行为；
判断场景图像中是否存在无人在岗的行为；...

【专利技术属性】
技术研发人员：王士洋，张运，张理想，张彩玲，
申请(专利权)人：南京鸣赫信息技术有限公司，
类型：发明
国别省市：江苏;32