基于深度学习的危险作业检测方法技术

本发明专利技术提供了基于深度学习的危险作业检测方法，其在建筑作业区域的每个位置均安装红外感应器和摄像传感器，以此对每个位置对应的检测区域进行红外检测和摄像检测；根据检测区域内的红外感应数据，得到对应的人员存在状态，以此调整摄像传感器的摄像状态；对检测区域影像进行深度学习分析处理，得到检测区域的人员动作状态，以此判断检测区域是否发生危险作业事件，再通过服务器终端向位于检测区域的报警设备发送报警动作指令；上述方法通过服务器终端结合红外感应器和摄像传感器对检测区域进行检测，对红外感应数据和检测区域影像进行深度学习分析，实时全面确定每个位置的人员作业作态，及时对危险作业行为进行识别。及时对危险作业行为进行识别。及时对危险作业行为进行识别。

【技术实现步骤摘要】
基于深度学习的危险作业检测方法


[0001]本专利技术涉及作业安全监控的
，特别涉及基于深度学习的危险作业检测方法。

技术介绍

[0002]建筑工地内部分布有不同作业平台和机器设备作业工位，工作人员在相应的作业平台和机器设备作业工位进行相应操作，由于建筑工地的作业工种种类繁多，工作人员需要严格按照每个作业工作的作业流程进行操作。但是，在实际工作中，部分工作人员并不会严格根据作业流程进行操作，这使得在作业过程中会发生一定的危险作业行为。现有的建筑工地监控方式通常是利用人工巡查的方式来确定工作人员是否存在危险作业行为，上述方式无法在同一时间对所有工作人员进行全面的排查，同时上述方式在检测判断方面存在一定的时间滞后性，严重影响建筑工地危险作业行为的检测全面性和准确性。

技术实现思路

[0003]针对现有技术存在的缺陷，本专利技术提供基于深度学习的危险作业检测方法，其在建筑作业区域的每个位置均安装红外感应器和摄像传感器，以此对每个位置对应的检测区域进行红外检测和摄像检测；根据检测区域内的红外感应数据，得到对应的人员存在状态，以此调本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的危险作业检测方法，其特征在于，其包括如下步骤：步骤S1，在建筑作业区域的每个位置分别安装红外感应器和摄像传感器，并且同一位置安装的红外感应器和摄像传感器具有相同的检测区域；将所有红外感应器和所有摄像传感器均接入到同一服务器终端；步骤S2，通过所述服务器终端收集所述红外感应器反馈的检测区域内的红外感应数据，并对所述人员存在状态数据进行分析处理，得到所述检测区域内的人员存在状态信息；根据所述人员存在状态信息，判断所述检测区域是否属于人员密集作业区域；步骤S3，根据上述检测区域的判断结果，通过所述服务器终端调整对应摄像传感器的摄像状态，并收集所述摄像传感器反馈的检测区域影像，并对所述检测区域影像进行分析处理，得到所述检测区域的人员动作状态信息；根据所述人员动作状态信息，判断所述检测区域是否发生危险作业事件；步骤S4，根据上述危险事件的判断结果，通过所述服务器终端向位于所述检测区域的报警设备发送报警动作指令。2.如权利要求1所述的基于深度学习的危险作业检测方法，其特征在于：在所述步骤S1中，在建筑作业区域的每个位置分别安装红外感应器和摄像传感器，并且同一位置安装的红外感应器和摄像传感器具有相同的检测区域具体包括：在建筑作业区域的每个作业平台或每个机器作业机位分别安装红外感应器和摄像传感器，并且对同一位置安装的红外感应器和摄像传感器进行调试，使得同一位置安装的红外感应器的红外光扫描覆盖区域与摄像传感器的摄像覆盖区域具有相同的范围。3.如权利要求2所述的基于深度学习的危险作业检测方法，其特征在于：在所述步骤S1中，将所有红外感应器和所有摄像传感器均接入到同一服务器终端具体包括：将所有红外感应器和所有摄像传感器分别通过独立的双向数据通信链路接入到同一服务器终端。4.如权利要求3所述的基于深度学习的危险作业检测方法，其特征在于：在所述步骤S2中，通过所述服务器终端收集所述红外感应器反馈的检测区域内的红外感应数据，并对所述人员存在状态数据进行分析处理，得到所述检测区域内的人员存在状态信息具体包括：通过所述服务器终端向所述红外感应器发送红外扫描触发指令，指示所述红外传感器对所述检测区域进行红外光扫...

【专利技术属性】
技术研发人员：兰雨晴，余丹，唐霆岳，邢智涣，王丹星，
申请(专利权)人：慧之安信息技术股份有限公司，
类型：发明
国别省市：