一种基于机器视觉的健身房安全风险预警方法及系统技术方案

本发明专利技术公开了一种基于机器视觉的健身房安全风险预警方法及系统，健身监控模块动态追踪进入健身区域的人员，并获取健身人员的姿态数据，走道监控模块监测健身区域的主路以及各个支路，并获取主路以及各个支路的走道数据后，评估模块在获取姿态数据和走道数据后，基于风险预警模型分析姿态数据和走道数据，评估健身房是否存在安全风险，当评估健身房存在安全风险时，警报模块向管理员发送第二警示信号，管理员接收第二警示信号时，需要及时介入对健身房进行管理

【技术实现步骤摘要】
一种基于机器视觉的健身房安全风险预警方法及系统


[0001]本专利技术涉及健身房安全预警
，具体涉及一种基于机器视觉的健身房安全风险预警方法及系统
。

技术介绍

[0002]健身房是大量人员聚集的场所，用户和员工在使用和管理健身房设施时可能面临潜在风险，如设备故障等，因此，提高安全意识和采取相应的预防措施对于保障健身房安全至关重要；健身房安全风险预警系统是一种旨在提高健身房用户和员工安全的技术解决方案，这种系统旨在识别和减轻潜在的安全风险，以确保健身房的正常运营和用户的健康与安全
。
[0003]现有技术存在以下不足：现有的预警系统通常仅是监测健身设备使用过程中的安全使用风险，当健身设备存在安全使用风险时，预警系统发出预警提示，然而，在实际应用中，影响健身房安全使用的风险因素还有很多，仅通过单一分析健身设备是否存在安全使用风险，一是分析不够全面，无法保证健身房的安全使用，二是使得管理员无法知晓健身房的整体安全状况，从而不便于管理
。

技术实现思路

[0004]本专利技术的目的是提供一种基于机器视觉的健身房安全风险预警方法及系统，以解决
技术介绍
中不足
。
[0005]为了实现上述目的，本专利技术提供如下技术方案：一种基于机器视觉的健身房安全风险预警系统，包括区域监测模块
、
设备状态获取模块
、
控制警示模块
、
健身监控模块
、
图像处理模块
、
走道监控模块
、
评估模块
、
警报模块；区域监测模块：用于监测是否有人员走进健身区域，当有人员走进健身区域时，唤醒设备状态获取模块
、
健身监控模块以及走道监控模块；设备状态获取模块：用于在健身设备启动时，通过健身设备内设的系统日志来获取健身设备的运行状态；控制警示模块：当健身设备的运行状态差时，先对使用该健身设备的人员进行警示，然后控制该健身设备停止运行，并向管理员发送第一警示信号；健身监控模块：包括若干动态追踪监控摄像头，用于动态追踪进入健身区域的人员，并获取健身人员的姿态数据；图像处理模块：对摄像头捕捉的姿态数据进行实时图像处理；走道监控模块：用于监测健身区域的主路以及各个支路，并获取主路以及各个支路的走道数据；评估模块：在获取姿态数据和走道数据后，基于风险预警模型分析姿态数据和走
道数据，评估健身房是否存在安全风险；警报模块：当评估健身房存在安全风险时，向管理员发送第二警示信号
。
[0006]优选的，所述风险预警模型的建立包括以下步骤：计算风险预警系数，计算表达式为：；式中，为健身姿态相似度，为主路占用率，为支路通行指数，
、、
分别为健身姿态相似度
、
主路占用率以及支路通行指数的比例系数，且
、、
均大于0；获取风险预警系数值后，将风险预警系数值与预设的预警阈值进行对比，完成风险预警模型的建立
。
[0007]优选的，所述评估模块获取健身姿态相似度，走道数据包括主路占用率以及支路通行指数后，将健身姿态相似度
、
主路占用率以及支路通行指数分别标记为
JSZ、ZLY、ZTX
，并代入风险预警系数的计算公式中计算得到风险预警系数值，并将风险预警系数值与预警阈值进行对比；若风险预警系数值＜预警阈值，评估健身房存在安全风险；若风险预警系数值
≥
预警阈值，评估健身房不存在安全风险
。
[0008]优选的，所述健身姿态相似度的计算表达式为：；式中，为健身姿态相似度，为学员使用健身设备的实时姿态向量与标准姿态向量的内积，分别为实时姿态向量范数与标准姿态向量范数
。
[0009]优选的，所述实时姿态向量获取步骤包括：在健身设备上安装传感器，传感器包括陀螺仪
、
加速度计
、
惯性测量单元（
IMU
），用于实时监测学员的运动，测量学员的身体方向
、
关节角度和运动轨迹；使用摄像头系统捕捉学员的运动，并通过计算机视觉技术提取姿态信息，包括关节的位置
、
角度和运动轨迹，通过分析图像和视频流，可以获得实时姿态向量
。
[0010]优选的，所述标准姿态向量获取步骤包括：创建包含标准姿态的，数据库包括各种健身动作的标准姿态，记录标准姿态向量，使用传感器系统测量健身教练标准姿态
。
[0011]优选的，所述主路占用率的计算表达式为：；式中，为主路占用率，，
m
为主路上障碍物的数量，表示第
k
个障碍物的占地面积，表示主路面积
。
[0012]优选的，所述支路通行指数的获取逻辑为：计算所有支路的占用率离散程度
ZQ
和障碍物平均占用率；
若障碍物平均占用率＞占用阈值，且占用率离散程度
≤
离散阈值，支路通行指数
ZTX=1.8
；若障碍物平均占用率＞占用阈值，且占用率离散程度＞离散阈值，支路通行指数
ZTX=1.5
；若障碍物平均占用率
≤
占用阈值，且占用率离散程度＞离散阈值，支路通行指数
ZTX=1.2
；若障碍物平均占用率
≤
占用阈值，且占用率离散程度
≤
离散阈值，支路通行指数
ZTX=0.6。
[0013]优选的，所述占用率离散程度
ZQ
的计算表达式为：；式中，，表示健身房内支路的数量，为正整数，表示第
i
条支路上的障碍物占用率，表示所有支路的障碍物平均占用率
。
[0014]本专利技术还提供一种基于机器视觉的健身房安全风险预警方法，所述预警方法包括以下步骤：
S1
：监测端监测是否有人员走进健身区域，当有人员走进健身区域时，预警系统开启；
S2
：在健身设备启动时，通过健身设备内设的系统日志来获取健身设备的运行状态，当健身设备的运行状态差时，先对使用该健身设备的人员进行警示，然后控制该健身设备停止运行，并向管理员发送第一警示信号；
S3
：通过动态追踪监控摄像头动态追踪进入健身区域的人员，并获取健身人员的姿态数据，监测健身区域的主路以及各个支路，并获取主路以及各个支路的走道数据；
S4
：处理端在获取姿态数据和走道数据后，基于风险预警模型分析姿态数据和走道数据，评估健身房是否存在安全风险；
S5
：当评估健身房存在安全风险时，向管理员发送第二警示信号
。
[0015]在上述技术方案中，本专利技术提供的技术效果和优点：本专利技术通过健身监控模块动态追踪进入健身区域的人员，并获取健身人员的姿态数据，图像处理模块对摄像头捕捉的姿态数据进行实时图像处理，走道监控模块监测健身区域的主路以及各个支路，并获取主路以及各个支路的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于机器视觉的健身房安全风险预警系统，其特征在于：包括区域监测模块
、
设备状态获取模块
、
控制警示模块
、
健身监控模块
、
图像处理模块
、
走道监控模块
、
评估模块
、
警报模块；区域监测模块：用于监测是否有人员走进健身区域，当有人员走进健身区域时，唤醒设备状态获取模块
、
健身监控模块以及走道监控模块；设备状态获取模块：用于在健身设备启动时，通过健身设备内设的系统日志来获取健身设备的运行状态；控制警示模块：当健身设备的运行状态差时，先对使用该健身设备的人员进行警示，然后控制该健身设备停止运行，并向管理员发送第一警示信号；健身监控模块：包括若干动态追踪监控摄像头，用于动态追踪进入健身区域的人员，并获取健身人员的姿态数据；图像处理模块：对摄像头捕捉的姿态数据进行实时图像处理；走道监控模块：用于监测健身区域的主路以及各个支路，并获取主路以及各个支路的走道数据；评估模块：在获取姿态数据和走道数据后，基于风险预警模型分析姿态数据和走道数据，评估健身房是否存在安全风险；警报模块：当评估健身房存在安全风险时，向管理员发送第二警示信号
。2.
根据权利要求1所述的一种基于机器视觉的健身房安全风险预警系统，其特征在于：所述风险预警模型的建立包括以下步骤：计算风险预警系数，计算表达式为：；式中，为健身姿态相似度，为主路占用率，为支路通行指数，
、、
分别为健身姿态相似度
、
主路占用率以及支路通行指数的比例系数，且
、、
均大于0，是自然对数的底数，取值
2.72
；获取风险预警系数值后，将风险预警系数值与预设的预警阈值进行对比，完成风险预警模型的建立
。3.
根据权利要求2所述的一种基于机器视觉的健身房安全风险预警系统，其特征在于：所述评估模块获取健身姿态相似度，走道数据包括主路占用率以及支路通行指数后，将健身姿态相似度
、
主路占用率以及支路通行指数分别标记为
JSZ、ZLY、ZTX
，并代入风险预警系数的计算公式中计算得到风险预警系数值，并将风险预警系数值与预警阈值进行对比；若风险预警系数值＜预警阈值，评估健身房存在安全风险；若风险预警系数值
≥
预警阈值，评估健身房不存在安全风险
。4.
根据权利要求3所述的一种基于机器视觉的健身房安全风险预警系统，其特征在于：所述健身姿态相似度的计算表达式为：
；式中，为健身姿态相似度，为学员使用健身设备的实时姿态向量与标准姿态向量的内积，分别为实时姿态向量范数与标准姿态向量范数
。5.
根据权利要求4所述的一种基于机器视觉的健身房安全风险预警系统，其特征在于：所述实时姿态向量获取步骤包括：在健身设备上安装传感器，传感器包括陀螺仪
、
加速度计
、
惯性测量单元（
IM...

【专利技术属性】
技术研发人员：王先亮，李延涛，邓依然，焦守锴，白晶，王翰，宗可豪，张宪亮，
申请(专利权)人：山东大学，
类型：发明
国别省市：