基于员工识别的工厂智能安防方法及系统技术方案

本发明专利技术公开了基于员工识别的工厂智能安防方法，涉及智能安防技术领域，其包括：实时收集员工行为数据以及环境数据完成数据预处理；使用聚类分析方法处理员工行为数据并建立每个员工的行为模型以及预测模型；通过监测工厂环境数据预测员工行为模型中的偏差，输出响应结果；对于检测到的异常行为，系统会自动执行预定的响应程序。本发明专利技术通过实时收集和分析员工的行为数据，以及工厂的环境数据，可以预测员工的行为模式和工厂的环境变化，从而提前发现和预防潜在的安全风险。这种方法不仅可以显著提高工厂的安全管理效率，而且可以大大提高安全管理的精度和及时性。安全管理的精度和及时性。安全管理的精度和及时性。

【技术实现步骤摘要】
基于员工识别的工厂智能安防方法及系统


[0001]本专利技术涉及智能安防
，具体为基于员工识别的工厂智能安防方法及系统。

技术介绍

[0002]在传统的工厂安全管理模式下，工厂通常需要通过人工的方式进行环境监测和员工行为的管理，这不仅效率低下，而且难以做到全面和精确。例如，工厂可能需要派遣大量的安全人员进行巡查，或者通过摄像头进行视频监控，但是这种方法的监控覆盖面有限，而且在处理大量的视频数据时，难以及时精确地识别出潜在的安全问题。
[0003]另外，工厂的生产过程中，员工的行为也可能会产生安全风险。例如，员工可能会因为操作不当、无意的疏忽或者其他原因而引发安全事故。然而，传统的安全管理方式往往难以实时准确地识别并预防这些由员工行为引发的安全风险。
[0004]因此，需要一种能够实时、精确地监控工厂环境和员工行为的新型安全管理方式。近年来，随着人工智能、物联网、大数据等技术的快速发展，人们开始尝试将这些新型技术应用于工厂的安全管理之中，以提高安全管理的效率和效果。

技术实现思路

[0005]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0006]鉴于上述存在的问题，提出了本专利技术。
[0007]因此，本专利技术解决的技术问题是：如何解决传统的安防系统可能无法实时、有效地检测和预测潜在的安全风险，以便采取及时的应对措施。
[0008]为解决上述技术问题，本专利技术提供如下技术方案：实时收集员工行为数据以及环境数据完成数据预处理；使用聚类分析方法处理员工行为数据；通过监测工厂环境数据预测员工行为数据中的偏差，输出响应结果；对于检测到的异常行为，系统会自动执行预定的响应程序。
[0009]作为本专利技术所述的基于员工识别的工厂智能安防方法的一种优选方案，其中：所述员工行为数据包括工作时间、地点信息、员工面部特征、工作任务类型以及工作过程中的肢体动作；所述环境信息包括工厂的地理位置、布局信息以及设备状态数据；将收集到的周期性状态数据去掉缺失值，异常值，以及错误格式的无效数据，把原始格式数据转换为符合数学模型需求分析的格式，将数据归一化完成数据预处理。
[0010]作为本专利技术所述的基于员工识别的工厂智能安防方法的一种优选方案，其中：所述处理员工行为数据包括，建立每个员工的行为模型以及预测模型，将员工行为数据拆分为多个独立数据集，每个特定的工作时间段都对应其相应的特定工作内容构建预测模型。
[0011]作为本专利技术所述的基于员工识别的工厂智能安防方法的一种优选方案，其中：所
述通过监测工厂环境数据预测员工行为模型中的偏差包括，使用传感器实时收集员工的行为数据，更新时间戳；若识别工作内容为普通工作时，通过多种传感器识别员工在工作区域停留时长，当员工在任一区域停留时间小于预设值时，分析判断模块不介入安全状况判断；当停留时间大于预设值时，则分析判断模块进一步通过识别工作内容，肢体动作以及时间戳与预测模型进行对比判断，输出工作性质包括普通工作与特殊工作。
[0012]作为本专利技术所述的基于员工识别的工厂智能安防方法的一种优选方案，其中：所述进一步判断包括，若识别工作内容为普通工作时，时间戳优先级高于工作内容，按照此时间戳匹配预测模型当中的特定时间段，判断当前工作内容是否与预测模型中工作内容一致；当前工作内容与预测模型中工作内容一致时，输出安防状况为安全状况；当前工作内容与预测模型中工作内容不一致时，则分析此时员工的肢体动作与预测模型中的工作过程肢体动作的关系；此时员工的肢体动作与预测模型中的工作过程肢体动作相似度达到第一区间时，输出安防状况为安全状况；此时员工的肢体动作与预测模型中的工作过程肢体动作相似度达到第二区间时，分析相似度较低的原因，重新收集现场员工的行为数据，更新员工的肢体工作由第一分析判断模块对实时数据文本及原数据文本进行校对，校对无误后，分析出的相似度为第二区间；则对预测模型所使用的数据进行溯源并获取原数据文本，由第二分析判断模块对实时数据文本及原数据文本进行重新校对，校对无误后，分析出的相似度任为第二区间，则输出安防状况为危险状况。
[0013]作为本专利技术所述的基于员工识别的工厂智能安防方法的一种优选方案，其中：所述输出工作性质为特殊工作时，通过摄像头收集员工面部特征再利用Face++处理得到员工面部表情，当员工情绪识别结果为慌张或狰狞时，且停留时间小于预设值，则将工作视频传输至后台，初步判定为安全供监测人员参考，是否存在潜在危险；若员工情绪识别结果为慌张或狰狞时，停留时间达到预设值或员工的肢体动作在时间预设值内大于预设幅度，则将员工的定位传输至后台且实时更新，派遣距离最近的安保人员进行现场施救；若员工情绪识别结果为正常时，则通过员工的实时肢体动作与预测模型当中的特定工作内容进行形似性对比。
[0014]作为本专利技术所述的基于员工识别的工厂智能安防方法的一种优选方案，其中：所述形似性对比包括员工肢体动作优先级高于时间戳，按照当前时刻的肢体动作匹配预测模型当中的特定工作内容进行相似性对比；若此时员工的肢体动作与预测模型中的工作过程肢体动作相似度达到第一区间时，则判断员工当前的工作状态为正常，维持原有的安防状况不变，持续进行数据收集和分析；若此时员工的肢体动作与预测模型中的工作过程肢体动作相似度达到第二区间，系统将输出警告信号，并将相关数据和视频信息传输至后台，提醒管理人员进行进一步的人工确认和分析，以排除误报的可能性；若此时员工的肢体动作与预测模型中的工作过程肢体动作的相似度低第二区间，系统将判断为存在潜在的安全风险，输出安防警报并自动执行预定的应急响应程序，向工厂管理人员发出警报，暂停相关设备运行，根据情况立即派遣安全人员进行现场处置。
[0015]本专利技术的另外一个目的是提供基于员工识别的工厂智能安防方法的系统，其能实时准确地收集和处理员工行为数据和工厂环境数据，建立精确有效的员工行为模型和预测模型，实现对工厂环境和员工行为的实时监测和预测，以及如何在检测到异常行为或安全风险时快速有效地响应。
[0016]基于员工识别的工厂智能安防系统，其特征在于，包括数据收集模块、数据预处理模块、聚类分析和预测模型建立模块、实时监测和预测模块、响应执行模块以及分析判断模块；
[0017]所述数据收集模块是用于各种传感器收集员工行为数据和环境数据；
[0018]所述数据预处理模块是用于模块负责对收集的数据进行清洗和预处理，包括处理缺失值、异常值和错误格式的数据，转换数据格式，以及进行数据归一化；
[0019]所述聚类分析和预测模型建立模块是用于通过聚类分析对员工行为数据进行处理，建立每个员工的行为模型和预测模型；
[0020]所述实时监测和预测模块是用于收集的实时数据和预测模型，实时预测员工行为和工厂环境的变化，发现潜在的安全风险；
[002本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于员工识别的工厂智能安防方法，其特征在于，包括：实时收集员工行为数据以及环境数据完成数据预处理；使用聚类分析方法处理员工行为数据；通过监测工厂环境数据预测员工行为数据中的偏差，输出响应结果；对于检测到的异常行为，系统会自动执行预定的响应程序。2.如权利要求1所述的基于员工识别的工厂智能安防方法，其特征在于：所述员工行为数据包括工作时间、地点信息、员工面部特征、工作任务类型以及工作过程中的肢体动作；所述环境信息包括工厂的地理位置、布局信息以及设备状态数据；将收集到的周期性状态数据去掉缺失值，异常值，以及错误格式的无效数据，把原始格式数据转换为符合数学模型需求分析的格式，将数据归一化完成数据预处理。3.如权利要求2所述的基于员工识别的工厂智能安防方法，其特征在于：所述处理员工行为数据包括，建立每个员工的行为模型以及预测模型，将员工行为数据拆分为多个独立数据集，每个特定的工作时间段都对应其相应的特定工作内容构建预测模型。4.如权利要求3所述的基于员工识别的工厂智能安防方法，其特征在于：所述通过监测工厂环境数据预测员工行为模型中的偏差包括，使用传感器实时收集员工的行为数据，更新时间戳；若识别工作内容为普通工作时，通过多种传感器识别员工在工作区域停留时长，当员工在任一区域停留时间小于预设值时，分析判断模块不介入安全状况判断；当停留时间大于预设值时，则分析判断模块进一步通过识别工作内容，肢体动作以及时间戳与预测模型进行对比判断，输出工作性质包括普通工作与特殊工作。5.如权利要求4所述的基于员工识别的工厂智能安防方法，其特征在于：所述进一步判断包括，若识别工作内容为普通工作时，时间戳优先级高于工作内容，按照此时间戳匹配预测模型当中的特定时间段，判断当前工作内容是否与预测模型中工作内容一致；当前工作内容与预测模型中工作内容一致时，输出安防状况为安全状况，当前工作内容与预测模型中工作内容不一致时，则分析此时员工的肢体动作与预测模型中的工作过程肢体动作的关系；此时员工的肢体动作与预测模型中的工作过程肢体动作相似度达到第一区间时，输出安防状况为安全状况；此时员工的肢体动作与预测模型中的工作过程肢体动作相似度达到第二区间时，分析相似度较低的原因，重新收集现场员工的行为数据，更新员工的肢体工作由第一分析判断模块对实时数据文本及原数据文本进行校对，校对无误后，分析出的相似度为第二区间，则对预测模型所使用的数据进行溯源并获取原数据文本，由第二分析判断模块对实时数据文本及原数据文本进行重新校对，校对无误后，分析出的相似度任为第二区间，则输出安防状况为危险状况。6.如权利要求5所述的基于员工识别的工厂智能安防方法，其特征在于：所述输出工作性质为特殊工作时，通过摄像头收集员工面部特征再利用Face++处理得到员工面部表情，当员工情绪...

【专利技术属性】
技术研发人员：张晓东，刘韶军，褚志海，王怀东，邵刚，王鑫，连俊峰，曹保生，张立强，上官岗，
申请(专利权)人：国能榆次热电有限公司，
类型：发明
国别省市：