【技术实现步骤摘要】
一种多区域类型多推理预警机制的临界防护方法
[0001]本专利技术涉及安全防护
,具体涉及一种多区域类型多推理预警机制的临界防护方法。
技术介绍
[0002]钻机从业人员越来越重视人员的人身安全,尤其是钻井作业高风险区域,即钻机钻台面井口区域,该区域涉及到游车高速上提下放、钻柱高速旋转和高压泥浆通过,极其危险。在平时作业活动中,钻工会间歇性地进入该区域参与“提卡坐卡”和“挂吊卡”等必要性工作,如果司钻与钻工配合不好,或者钻工误闯入该危险区域(比如游车还在全速下放,钻工走到井口范围,钻工可能被坠物砸伤),就极易造成人身伤亡事故。目前,针对危险区域井口的人员安全防护,现场一般的做法是:第一,在井口一圈,地面标记红色油漆,提示危险区域;第二,依靠个人经验,即设备停稳,钻工确认安全后,人员进入;第三,依靠司钻提醒,设备停稳,司钻招呼钻工进入,如发现有安全隐患,及时喊话提醒。但是,一旦提醒不到位或者个人安全意识不足的情况下,就极易发生个人安全事故。
[0003]现有技术中,应用于石油钻机的危险区域预警方法通过判断井口区域安全状态进行预警;在运行工况为正常时,读取并分析实时图像,通过人脸识别技术实现入侵人员身份确认,进行预警;在运行工况为异常时,无需读取实时图像,直接进行预警;整个过程高效快捷,优化预警流程,保证预警准确率。
[0004]另外可以基于摄像头拍摄的视频图像,结合深度学习目标检测算法和危险区域判断,在人员出现安全事故前停止吊机运行,最大可能的避免安全事故的发生。与传统方法相比,除无人值守外,具有 ...
【技术保护点】
【技术特征摘要】
1.一种多区域类型多推理预警机制的临界防护方法,其特征在于,包括:S100,获得实时监控视频流数据;S200,构建目标检测模型和目标跟踪模型;S300,基于目标检测模型和目标跟踪模型,对视频流数据进行目标监测和目标跟踪,获得跟踪目标的位置信息;S400,判断位置信息是否在预设的临界防护区域范围内,根据判断结果采取不同的预警措施。2.根据权利要求1所述的一种多区域类型多推理预警机制的临界防护方法,其特征在于,所述S200中,构建目标检测模型,包括:S201,构建YOLOv8
‑
F网络结构,将YOLOv8的骨干网络backbone由YOLO backbone替换为FasterNet backbone;S202,FasterNet以改进的PConv和PWConv作为核心的算子;S203,基于构建的YOLOv8
‑
F网络结构,对YOLOv8
‑
F工地行人检测模型进行训练,获得目标检测模型。3.根据权利要求2所述的一种多区域类型多推理预警机制的临界防护方法,其特征在于,所述S203包括:S2031,采集建筑工地不同区域类型监控设备的视频流数据;S2032,对视频流数据按每60帧提取一帧的方式进行抽帧处理,构建工地行人数据集;S2033,将工地行人数据集划分为训练集、验证集以及测试集,对YOLOv8
‑
F工地行人检测模型进行训练,获得目标监测模型。4.根据权利要求1所述的一种多区域类型多推理预警机制的临界防护方法,其特征在于,所述S200中,构建目标跟踪模型,包括:S204,根据目标检测模型获得待监测目标的位置信息和置信度;S205,对待监测目标进行预测,获得预测目标,将待监测目标和预测目标进行匹配,获得匹配结果;S206,设置置信度阈值,基于置信度阈值和匹配结果筛选出跟踪目标,形成目标跟踪模型。5.根据权利要求1所述的一种多区域类型多推理预警机制的临界防护方法,其特征在于,所述S300包括:S301,结合目标监测模型的检测识别结果,搭建StrongSORT目标跟踪模型,用于对工地行人实现实时跟踪;S302,StrongSORT目标跟踪模型采用YOLOv8
‑
F目标监测模型对工地行人进行检测,采用ECC算法进行摄像机运动补偿,ECC为Enhanced Correlation Coefficient;S303,采用NSA卡尔曼算法对工地行人运动轨迹的下一帧位置进行预测,利用EMA(Exponential moving average)特征更新策略,使用表观特征提取器BoT对检测目标与预测目标进行匹配;S304,将匹配结果与通过检测阈值筛选的目标进行融合输出,得到当前视频帧图像的跟踪目标。6.根据权利要求1所述的一种多区域类型多推理预警机制的...
【专利技术属性】
技术研发人员:曾超,李峘,陈昌浩,邱生顺,聂道翔,郑威,樊孝露,
申请(专利权)人:三峡长电大数据科技宜昌有限公司三峡高科信息技术有限责任公司,
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。