一种基于人工智能和图像识别的工业生产管理方法技术

本发明专利技术涉及一种基于人工智能和图像识别的工业生产管理方法，其包括：获取所有实际穿戴图像的映射特征平面，并获取实际穿戴图像的映射特征平面的平面变换矩阵。根据平面变换矩阵提取映射特征平面中每个网格块的网格分布特征，并对所有网格块的网格分布特征进行特征交互以得到实际穿戴图像的映射特征平面的平面分布特征，然后将所有实际穿戴图像的映射特征平面的平面分布特征进行模型构建以获取目标工人的实际穿戴模型。根据从数据库获取的标准穿戴模型对实际穿戴模型进行姿态矫正，并将进行姿态矫正后的实际穿戴模型输入预先训练好的穿戴检测模型以输出目标工人的穿戴检测结果。结果。结果。

【技术实现步骤摘要】
一种基于人工智能和图像识别的工业生产管理方法


[0001]本专利技术涉及人工智能和图像识别领域，尤其涉及一种基于人工智能和图像识别的工业生产管理方法。

技术介绍

[0002]人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。图像识别作为人工智能中最重要的一个领域，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。一般工业使用中，采用工业图像采集设备拍摄图片，然后再根据图片进行进一步识别处理。
[0003]在工业生产中，往往需要对所有工作人员的着装和穿戴进行标准化，然而，现有技术中通常使用人工对工作人员的着装和穿戴进行检查和监督，这种方式在极大程度上浪费了人力物力资源，因此需要一种自动对工作人员的着装和穿戴进行检测的方法。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种基于人工智能和图像识别的工业生产管理方法，其包括：接收图像采集设备采集的目标工人在不同角度的若干个实际穿戴图像；
[0005]通过对实际穿戴图像中所有像素点的坐标点进行归一化处理以获取实际穿戴图像的若干个图像特征点，并分别将实际穿戴图像的每个图像特征点映射到标准映射平面以得到实际穿戴图像的若干个映射特征点，然后将实际穿戴图像的所有映射特征点在标准映射平面中进行连接以得到实际穿戴图像的映射特征平面；
[0006]对实际穿戴图像的映射特征平面进行网格划分以获取若干个网格块，并对各网格块进行特征变换处理以得到各网格块的网格变换向量；分别对实际穿戴图像的映射特征平面的每个网格块的网格变换向量进行线性变换以得到映射特征平面的每个网格块的网格线性向量，并将映射特征平面的所有网格块的网格线性向量进行向量拼接以得到实际穿戴图像的映射特征平面的平面变换矩阵；
[0007]根据平面变换矩阵提取映射特征平面中每个网格块的网格分布特征，并对所有网格块的网格分布特征进行特征交互以得到实际穿戴图像的映射特征平面的平面分布特征，然后将所有实际穿戴图像的映射特征平面的平面分布特征进行模型构建以获取目标工人的实际穿戴模型；
[0008]分别对实际穿戴模型和从数据库获取的标准穿戴模型进行姿态解算以得到实际穿戴模型的姿态数据和标准穿戴模型的姿态数据，并根据标准穿戴模型的姿态数据和实际穿戴模型的姿态数据进行姿态误差分析以得到标准穿戴模型与实际穿戴模型的姿态误差数据；
[0009]根据标准穿戴模型与实际穿戴模型的姿态误差数据对实际穿戴模型进行姿态矫正，并将进行姿态矫正后的实际穿戴模型输入预先训练好的穿戴检测模型以输出目标工人
的穿戴检测结果。
[0010]根据一个优选实施方式，所述网格分布特征表征网格块中映射特征点的分布情况；所述平面分布特征表征映射特征平面中网格块的分布情况。所述实际穿戴图像用于展示目标工人的在进入工业空间时的着装和防护操作是否符合标准。
[0011]根据一个优选实施方式，对网格块进行特征变换处理得到网格块的网格变换向量包括：
[0012]遍历映射特征平面的所有网格块，并将正在遍历的网格块作为目标网格块，然后获取目标网格块中的所有映射特征点；
[0013]以标准映射平面的中心点为坐标轴原点以建立标准坐标轴，并获取映射特征点在标准坐标轴中的坐标点；
[0014]遍历目标网格块中所有的映射特征点，并将正在遍历的映射特征点作为目标映射特征点，然后将目标映射特征点分别与目标网格块的其他映射特征点连接以得到目标映射特征点的若干个映射特征向量；
[0015]将目标映射点的所有映射特征向量进行内积运算以得到目标映射特征点的变换值；
[0016]重复以上步骤以得到目标网格块中每个映射特征点的变换值，并将所有的目标网格块中所有的变换值进行排列以得到目标网格块的网格变换向量；
[0017]重复以上步骤以得到映射特征平面中每个网格块的网格变换向量。
[0018]根据一个优选实施方式，对实际穿戴图像的像素点的坐标点进行归一化处理以获取实际穿戴图像的若干个图像特征点包括：
[0019]将实际穿戴图像中的所有像素点的坐标点进行归一化处理以得到每个像素点的归一化坐标，并利用尺度空间理论根据实际穿戴图像所有像素点的归一化坐标获取实际穿戴图像的图像特征矩阵；
[0020]通过图像特征矩阵获取实际穿戴图像内每个像素点的特征值，并将特征值大于特征阈值的像素点作为实际穿戴图像的图像特征点。
[0021]根据一个优选实施方式，所述图像采集设备为具有图像采集功能的数据传输功能的设备，其包括摄像头、摄像机、相机和扫描仪。所述穿戴检测模型包括：输入层、卷积层、激励层、池化层、全连接层和输出层。
[0022]根据一个优选实施方式，将实际穿戴图像的映射特征平面的平面分布特征进行模型构建获取目标工人的实际穿戴模型包括：
[0023]根据映射特征平面的平面分布特征以及映射特征平面中每个网格块的网格分布特征构建映射特征平面的第一映射矩阵；
[0024]将映射特征平面中距离标准映射平面的中心点最近的映射特征点作为映射特征平面的中心映射点，并将映射特征平面的中心映射点与映射特征平面的其他映射特征点进行连接以得到映射特征平面的若干个第一映射向量，然后根据每个映射特征平面的第一映射矩阵将每个映射特征平面的第一映射向量进行平移和旋转以得到每个映射特征平面的穿戴子模型；
[0025]获取每个映射特征平面的中心映射点，并将所有映射特征平面的中心特征点进行两两相连以得到若干个第二映射向量；
[0026]根据所有的第二映射向量生成第二映射矩阵，并根据第二映射矩阵对所有映射特征平面的穿戴子模型进行拟合和重建以得到实际穿戴模型。
[0027]根据一个优选实施方式，将进行姿态矫正后的实际穿戴模型输入预先训练好的穿戴检测模型以输出目标工人的穿戴检测结果包括：
[0028]通过穿戴检测模型的输入层将实际穿戴模型输入穿戴检测模型；
[0029]穿戴检测模型的卷积层提取实际穿戴模型的实际穿戴特征；
[0030]穿戴检测模型的激励层对所述实际穿戴特征进行非线性映射以对所述实际穿戴特征进行特征增强；
[0031]穿戴检测模型的池化层对所述实际穿戴特征进行数据压缩和参数压缩以降低实际穿戴特征的维度从而减小过拟合；
[0032]穿戴检测模型的全连接层将所述实际穿戴特征进行扁平化处理为一维张量，并将所述一维张量输入到分类器中以得到所述实际穿戴特征的检测值，然后将检测值与标准值进行比较以得到穿戴误差值；
[0033]穿戴检测模型的输出层对穿戴误差值进行特征提取和特征编码以输出目标工人的穿戴检测结果。
[0034]本专利技术具有以下有益效果：本专利技术通过人工智能和图像识别技术自动识别工人的着装和穿戴是否符合标准，减少由于人工对工人的穿戴进行管理带来的人力物力浪费。此外，本专利技术减少了人工的监本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能和图像识别的工业生产管理方法，其特征在于，接收图像采集设备采集的目标工人在不同角度的若干个实际穿戴图像；通过对实际穿戴图像中所有像素点的坐标点进行归一化处理以获取实际穿戴图像的若干个图像特征点，并分别将实际穿戴图像的每个图像特征点映射到标准映射平面以得到实际穿戴图像的若干个映射特征点，然后将实际穿戴图像的所有映射特征点在标准映射平面中进行连接以得到实际穿戴图像的映射特征平面；对实际穿戴图像的映射特征平面进行网格划分以获取若干个网格块，并对各网格块进行特征变换处理以得到各网格块的网格变换向量；分别对实际穿戴图像的映射特征平面的每个网格块的网格变换向量进行线性变换以得到映射特征平面的每个网格块的网格线性向量，并将映射特征平面的所有网格块的网格线性向量进行向量拼接以得到实际穿戴图像的映射特征平面的平面变换矩阵；根据平面变换矩阵提取映射特征平面中每个网格块的网格分布特征，并对所有网格块的网格分布特征进行特征交互以得到实际穿戴图像的映射特征平面的平面分布特征，然后将所有实际穿戴图像的映射特征平面的平面分布特征进行模型构建以获取目标工人的实际穿戴模型；分别对实际穿戴模型和从数据库获取的标准穿戴模型进行姿态解算以得到实际穿戴模型的姿态数据和标准穿戴模型的姿态数据，并根据标准穿戴模型的姿态数据和实际穿戴模型的姿态数据进行姿态误差分析以得到标准穿戴模型与实际穿戴模型的姿态误差数据；根据标准穿戴模型与实际穿戴模型的姿态误差数据对实际穿戴模型进行姿态矫正，并将进行姿态矫正后的实际穿戴模型输入预先训练好的穿戴检测模型以输出目标工人的穿戴检测结果。2.根据权利要求1所述的方法，其特征在于，所述网格分布特征表征网格块中映射特征点的分布情况；所述平面分布特征表征映射特征平面中网格块的分布情况。3.根据权利要求2所述的方法，其特征在于，所述实际穿戴图像用于展示目标工人的在进入工业空间时的着装和防护操作是否符合标准。4.根据权利要求1或3之一所述的方法，其特征在于，对网格块进行特征变换处理得到网格块的网格变换向量包括：遍历映射特征平面的所有网格块，并将正在遍历的网格块作为目标网格块，然后获取目标网格块中的所有映射特征点；以标准映射平面的中心点为坐标轴原点以建立标准坐标轴，并获取映射特征点在标准坐标轴中的坐标点；遍历目标网格块中所有的映射特征点，并将正在遍历的映射特征点作为目标映射特征点，然后将目标映射特征点分别与目标网格块的其他映射特征点连接以得到目标映射特征点的若干个映射特征向量；将目标映射点的所有映射特征向量进行内积运算以得到目标映射特征点的变换值；重复以上步骤以得到目标网格块中每个映射特征点的变换值，并将所有的目标网格块中所有...

【专利技术属性】
技术研发人员：李博，
申请(专利权)人：李博，
类型：发明
国别省市：