应用多种Al识别算法对现场作业安全管控的方法及装置制造方法及图纸

本发明专利技术提出一种应用多种Al识别算法对现场作业安全管控的方法及装置，该方法包括以下步骤：每秒对监控摄像头的视频流进行取帧，将取帧图片添加至消息队列中；每当消息队列中有新数据插入，随即触发算法模型对消息队列中的数据进行提取及分析，所述算法模型包含两个以上依序执行的子算法模型，各子算法模型分别用于识别一种或多种违规特征；当子算法模型检测到图片中存在违规特征时，对图片上的违规特征进行标记处理；最终将算法模型的判定结果推送至服务器。该装置连接有多路监控摄像头，其包括处理器、存储器及存于存储器之上并可被处理器运行的管控程序，所述处理器在运行该管控程序时执行上述方法。序时执行上述方法。

【技术实现步骤摘要】
应用多种Al识别算法对现场作业安全管控的方法及装置


[0001]本专利技术属于监控
，具体涉及应用多种Al识别算法对现场作业安全管控的方法及装置。

技术介绍

[0002]在工地、电厂等生产作业场所中都会要求工人按安全规范进行作业，以保障工人生命安全和设施的安全，但难免会由于安全意识薄弱或者不良习惯以致未能严格遵守安全规范，例如未带安全帽、未穿工作服等，这就需要对作业场所进行实时监控，对发现的违规情形进行告警以便及时处理。现有的监控手段是同时对多路摄像头的视频流进行实时处理，显然此方式十分消耗服务器资源。

技术实现思路

[0003]基于
技术介绍
，本专利技术提出一种应用多种Al识别算法对现场作业安全管控的方法及装置，其具体
技术实现思路
如下：
[0004]本专利技术的应用多种Al识别算法对现场作业安全管控的方法包括以下步骤：每秒对监控摄像头的视频流进行取帧，将取帧图片添加至消息队列中；每当消息队列中有新数据插入，随即触发算法模型对消息队列中的数据进行提取及分析，所述算法模型包含两个以上依序执行的子算法模型，各子算法模型分别用于识别一种或多种违规特征；当子算法模型检测到图片中存在违规特征时，对图片上的违规特征进行标记处理；最终将算法模型的判定结果推送至服务器。
[0005]于本专利技术的一个或多个实施例当中，设置为：算法模型中根据各子算法模型的大小或/和耗时进行排序，从而形成算法流程。
[0006]于本专利技术的一个或多个实施例当中，设置为：在算法流程中，各子算法模型由用户定义开启或关闭，以及执行顺序。
[0007]于本专利技术的一个或多个实施例当中，设置为：在执行算法流程时，若当前子算法模型判别图片中有违规特征时，随即在图片上对违规特征进行标记并结束算法流程，将判定结果推送至服务器；否则图片依序流入至下一个子算法模型进行分析。
[0008]于本专利技术的一个或多个实施例当中，设置为：算法模型通过交叉融合的方式，将各子算法模型的判别结果在图片上综合标记，继而生成在服务器展示综合处理结果。
[0009]于本专利技术的一个或多个实施例当中，设置为：
[0010]具有包含多个子算法模型的算法库；
[0011]提供有能被用户选择的若干监控场景；
[0012]子算法模型中设置有与监控场景对应关联的索引；
[0013]当用户选择监控场景后，从算法库中调取存在关联索引的子算法模型并对子算法模型进行排序，从而构成整体算法模型。
[0014]于本专利技术的一个或多个实施例当中，设置为：监控场景能被用户创建，在创建出新
的监控场景后，从算法库中关联需调用的子算法模型。
[0015]于本专利技术的一个或多个实施例当中，设置为：算法库中包括用于安全帽佩戴识别的子算法模型、用于工作服穿着识别的的子算法模型、用于爬高动作识别的子算法模型。
[0016]于本专利技术的一个或多个实施例当中，由opencv每秒取帧图片并添加至redis消息队列中，此时通过python实现多协程运行，在取帧等待时跳转至下一个取帧任务。
[0017]本专利技术的应用多种Al识别算法对现场作业安全管控的装置，连接有多路监控摄像头，装置包括处理器、存储器及存于存储器之上并可被处理器运行的管控程序，所述处理器在运行该管控程序时执行上述的应用多种Al识别算法对现场作业安全管控的方法。
[0018]本专利技术与现有技术相比，其优越性体现在：
[0019]1)针对于现场的多路摄像头进行实时监控，为了减少资源的消耗将实时的摄像头视频监控转变为每秒取帧图片进行图片识别，不仅处理效率得到有效提升，而且极大地降低了对传输带宽和服务器的需求，在只占用一小部分的资源情况下达到对多路视频的监控，符合资源占用性能消耗的要求；
[0020]2)使用python多协程+消息队列+opencv组合高效的获取每一路摄像头的图片。因为在获取图片时会有阻塞等待时间，使用多协程可在执行阻塞等待操作时跳转执行下一个任务不需要等待，从而达到高效的数据获取方式。
[0021]3)根据不同的监控场景会有不同的算法模型推荐，用户只需要选择要实际应用的监控场景，则会根据监控场景从算法库中推荐出最适用的算法，提高了监控的适配性和准确性。
具体实施方式
[0022]如下对本申请方案作进一步描述：
[0023]应用多种Al识别算法对现场作业安全管控的方法包括以下步骤：
[0024]S1，每秒对监控摄像头的视频流进行取帧，将取帧图片添加至消息队列中；具体的，由opencv每秒取帧图片并添加至redis消息队列中，此时通过python实现多协程运行，在取帧等待时跳转至下一个取帧任务；
[0025]S2，每当消息队列中有新数据插入，随即触发算法模型对消息队列中的数据进行提取及分析，所述算法模型包含两个以上依序执行的子算法模型，各子算法模型分别用于识别一种或多种违规特征；具体的，设有包含多个子算法模型的算法库、提供有能被用户选择的若干监控场景；该子算法模型中设置有与监控场景对应关联的索引；当用户选择监控场景后，从算法库中调取存在关联索引的子算法模型并对子算法模型进行排序，从而构成整体算法模型；例如，算法库中包括用于安全帽佩戴识别的子算法模型、用于工作服穿着识别的的子算法模型、用于爬高动作识别的子算法模型，算法模型中根据各子算法模型的大小或/和耗时进行排序，从而形成算法流程；
[0026]S3，当子算法模型检测到图片中存在违规特征时，对图片上的违规特征进行标记处理；最终将算法模型的判定结果推送至服务器。具体的，设置为：在执行算法流程时，若当前子算法模型判别图片中有违规特征时，随即在图片上对违规特征进行标记并结束算法流程，将判定结果推送至服务器；否则图片依序流入至下一个子算法模型进行分析。
[0027]作为优选实施方案，设置为：在算法流程中，各子算法模型由用户定义开启或关
闭，以及执行顺序。
[0028]作为优选实施方案，设置为：算法模型通过交叉融合的方式，将各子算法模型的判别结果在图片上综合标记，继而生成在服务器展示综合处理结果。
[0029]作为优选实施方案，设置为：监控场景能被用户创建，在创建出新的监控场景后，从算法库中关联需调用的子算法模型。
[0030]本专利技术还公开一种应用多种Al识别算法对现场作业安全管控的装置，连接有多路监控摄像头，装置包括处理器、存储器及存于存储器之上并可被处理器运行的管控程序，所述处理器在运行该管控程序时执行上述的应用多种Al识别算法对现场作业安全管控的方法。
[0031]本专利技术的工作原理：
[0032]1)实时监控：针对于现场的多路摄像头进行实时监控，为了减少资源的消耗将实时的摄像头视频监控转变为每秒取帧图片进行图片识别。使用python多协程+消息队列+opencv组合高效的获取每一路摄像头的图片。因为在获取图片时会有阻塞等待时间，使用多协程可在执行阻塞等待操作时跳转执行下一个任务不需要等待从而达到高效的数据获取方式。然后将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.应用多种Al识别算法对现场作业安全管控的方法，其特征在于，包括以下步骤：每秒对监控摄像头的视频流进行取帧，将取帧图片添加至消息队列中；每当消息队列中有新数据插入，随即触发算法模型对消息队列中的数据进行提取及分析，所述算法模型包含两个以上依序执行的子算法模型，各子算法模型分别用于识别一种或多种违规特征；当子算法模型检测到图片中存在违规特征时，对图片上的违规特征进行标记处理；最终将算法模型的判定结果推送至服务器。2.根据权利要求1所述的应用多种Al识别算法对现场作业安全管控的方法，其特征在于，设置为：算法模型中根据各子算法模型的大小或/和耗时进行排序，从而形成算法流程。3.根据权利要求2所述的应用多种Al识别算法对现场作业安全管控的方法，其特征在于，设置为：在算法流程中，各子算法模型由用户定义开启或关闭，以及执行顺序。4.根据权利要求2或3所述的应用多种Al识别算法对现场作业安全管控的方法，其特征在于，设置为：在执行算法流程时，若当前子算法模型判别图片中有违规特征时，随即在图片上对违规特征进行标记并结束算法流程，将判定结果推送至服务器；否则图片依序流入至下一个子算法模型进行分析。5.根据权利要求2或3所述的应用多种Al识别算法对现场作业安全管控的方法，其特征在于，设置为：算法模型通过交叉融合的方式，将各子算法模型的判别结果在图片上综合标记，继而生成在服务...

【专利技术属性】
技术研发人员：王荣波，李玉祥，
申请(专利权)人：广州西麦科技股份有限公司，
类型：发明
国别省市：