【技术实现步骤摘要】
基于机器学习的作业现场安全监管方法及装置
[0001]本专利技术涉及安全监管
，尤其涉及一种基于机器学习的作业现场安全监管方法及装置。
技术介绍
[0002]在电力及各类项目生产过程中，作业现场的安全监督对于保证工作人员的生命财产安全具有重要意义。因此，如何对作业现场进行安全监督显得尤为重要。
[0003]在实际生活中，作业现场工作人员的非法行为种类繁多、特征各异，典型的非法行为主要包括未正确佩戴安全帽、未正确佩戴口罩以及未按要求穿戴防护衣物等。
[0004]传统安全监督方法是通过人工进行现场监督巡逻以及人工查看录像的方式来管理作业现场，但是传统安全监督方法的监管效率低、监管时效性差，可见，如何提高安全监管效率显得尤为重要。
技术实现思路
[0005]本专利技术所要解决的技术问题在于，提供一种基于机器学习的作业现场安全监管方法及装置，通过预设的处理算法对作业现场视频图像进行处理的方式，提高了作业现场的安全监管效率，减少作业现场的人员因未佩戴口罩和/或安全帽而出现安全事故的概率。
...
【技术保护点】
【技术特征摘要】
1.一种基于机器学习的作业现场安全监管方法，其特征在于，所述方法包括：分析采集设备采集到的作业现场的视频图像，得到所述作业现场中目标人员的图像；根据所述目标人员的图像确定第一区域图像，所述第一区域图像包括所述目标人员的头部轮廓对应的区域图像；根据预先确定出的物品区域确定方式，确定所述第一区域图像中目标物品对应的目标区域图像，所述物品区域确定方式包括基于预先确定出的头部
‑
物品位置关系确定的方式和/或基于预先确定出的不同区域图像的参数确定的方式，所述不同区域图像包括头顶区域图像和/或口鼻区域图像、头部剩余区域图像；分析所述目标区域图像，得到分析结果；根据所述分析结果判断是否需要针对所述目标人员执行告警操作；当判断出需要针对所述目标人员执行告警操作时，向所述目标人员输出警告提示，所述警告提示用于提示所述目标人员未按照作业现场的安全规范要求佩戴口罩和/或安全帽。2.根据权利要求1所述的基于机器学习的作业现场安全监管方法，其特征在于，所述根据所述目标图像确定第一区域图像，包括：确定所述目标人员与所述采集设备之间的距离；判断所述距离是否大于等于预设的距离阈值；当判断出所述距离大于等于所述距离阈值时，将所述目标图像中每相邻若干帧图像的灰度值变化在预设灰度值阈值内的图像区域确定为所述目标图像的重点识别区域；基于预设的第一图像处理算法分析所述重点识别区域，得到所述目标人员的轮廓以及所述目标人员的轮廓对应的图像区域；根据所述目标人员的轮廓以及所述目标人员的轮廓对应的图像区域确定所述目标人员的头部轮廓对应的区域图像，作为第一区域图像。3.根据权利要求2所述的基于机器学习的作业现场安全监管方法，其特征在于，所述方法还包括：当判断出所述距离小于所述距离阈值时，基于预设的人脸模型识别算法以及存储在数据库中的人脸面部特征分析所述目标人员的所述图像，得到所述目标人员的头部轮廓对应的区域图像，作为第一区域图像。4.根据权利要求2或3所述的基于机器学习的作业现场安全监管方法，其特征在于，所述根据预先确定出的物品区域确定方式，确定所述第一区域图像中目标物品对应的目标区域图像，包括：在确定出所述目标人员的头部轮廓之后，根据预先确定出的头部
‑
物品位置关系和/或预先确定出的头部
‑
物品尺寸比例关系划分所述第一区域图像，得到划分结果；当所述物品区域确定方式包括基于预先确定出的头部
‑
物品位置关系确定的方式时，根据所述划分结果确定所述第一区域图像中目标物品对应的目标区域图像，所述目标物品包括遮盖口鼻的面部遮掩物和/或头部覆盖物；或者，当所述物品区域确定方式包括基于预先确定出的不同区域图像的参数确定的方式时，根据预先确定出的不同区域图像的参数确定所述第一区域图像中目标物品对应的目标区域图像。
5.根据权利要求4所述的基于机器学习的作业现场安全监管方法，其特征在于，在确定出所述第一区域图像中目标物品对应的目标区域图像之后，以及所述分析所述目标区域图像，得到分析结果之前，所述方法还包括：对所述目标区域图像执...
【专利技术属性】
技术研发人员：刘建明，常弘，
申请(专利权)人：南方电网深圳数字电网研究院有限公司，
类型：发明
国别省市：
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。