一种煤矿运煤皮带的站人检测方法技术

本发明专利技术公开了一种煤矿运煤皮带的站人检测方法，它包括：步骤

【技术实现步骤摘要】
一种煤矿运煤皮带的站人检测方法


[0001]本专利技术涉及一种煤矿运煤皮带的站人检测方法
。

技术介绍

[0002]目前，井下煤矿运煤皮带在运煤工作结束后，同时还可以承担运输工作人员的工作
。
为了避免安全隐患，要求工作人员坐立在皮带上，不能站立在皮带上，防止磕碰，要求工作人员要穿戴工作和安全帽
。
但是，实际工作中，仍然有一些工作人员会违反这些规定，在皮带站人运输时，造成人员伤亡
。
因此，如何在煤矿运煤皮带站人运输时，实时准确快速地检测到工作人员的违规行为，是当下煤矿安全工作中急需解决的问题
。

技术实现思路

[0003]本专利技术所要解决的技术问题是，克服现有技术的不足，提供一种煤矿运煤皮带的站人检测方法，通过图像识别技术对皮带进行监测，当检测到工作人员并判断出工作人员存在违规行为后，控制皮带停止运行，并播放语音提示，防范危险发生
。
[0004]为了解决上述技术问题，本专利技术的技术方案是：
[0005]一种煤矿运煤皮带的站人检测方法，它包括：
[0006]步骤
S1、
通过摄像机采集皮带运行的实时图像
P1
；
[0007]步骤
S2、
将实时图像
P1
送入目标识别神经网络
yolov4
‑
tiny
模型，由神经网络
yolov4
‑
tiny
模型识别出皮带上的工作人员个数
N
，并卷积计算得出每个工作人员的坐标信息；
[0008]步骤
S3、
基于每个工作人员的坐标信息，从实时图像
P1
中提取出每个工作人员图片
P2
；
[0009]步骤
S4、
将每个工作人员图片
P2
送入多标签分类网络
Multi
‑
Label
，进行分类识别；
[0010]步骤
S5、
将多标签分类网络
Multi
‑
Label
的输出结果送入告警模块进行告警逻辑判断；
[0011]步骤
S6、
当告警模块检测到告警产生，控制皮带停止运行并进行语音告警提示
。
[0012]进一步，所述步骤
S2
中的工作人员的坐标信息为每个工作人员在图像
P1
中的最小矩形框信息，每个工作人员的最小矩形框在实时图像
P1
中的坐标位置为
(Xn,Yn,Wn,Hn)
；
[0013]其中，
N
表示工作人员个数，
Xn
表示工作人员在实时图像
P1
中的横坐标，
Yn
表示工作人员在实时图像
P1
中的纵坐标，
Wn
表示工作人员的宽度，
Hn
表示工作人员的高度
。
[0014]进一步，所述步骤
S3
中，从实时图像
P1
中提取出每个工作人员图片
P2
，具体包括如下步骤：
[0015]在实时图像
P1
中，根据每个工作人员的最小矩形框的坐标位置，通过
opencv
截取出每个工作人员图片
P2。
[0016]进一步，所述步骤
S4
中，将每个工作人员图片
P2
送入多标签分类网络
Multi
‑
Label
，进行分类识别，具体包括如下步骤：
[0017]步骤
S41、
多标签分类网络
Multi
‑
Label
采用网络模型
ResNet50
，将经过截取的每个工作人员图片
P2
作为训练素材进行训练；
[0018]步骤
S42、
多标签分类网络
Multi
‑
Label
采用特征提供网络
darknet53
，在特征提供网络
darknet53
的输出端加上一个
Filters
为8的卷积层；
[0019]步骤
S43、
采用
Sigmod
损失函数对每个工作人员图片
P2
的状态类型进行分类
。
[0020]进一步，所述工作人员图片
P2
的状态类型包括：站立时未戴安全帽未穿工服
、
站立时未戴安全帽已穿工服
、
站立时已戴安全帽未穿工服
、
站立时已戴安全帽已穿工服，坐立时未戴安全帽未穿工服
、
坐立时未戴安全帽已穿工服
、
坐立时已戴安全帽未穿工服
、
坐立时已戴安全帽已穿工服
。
[0021]进一步，所述步骤
S5
中，将多标签分类网络
Multi
‑
Label
的输出结果送入告警模块进行告警逻辑判断，具体包括如下步骤：
[0022]根据现场不同业务场景，配置每个业务场景中工作人员图片
P2
的哪几种状态类型为告警类型；
[0023]若在当前业务场景中，工作人员图片
P2
的状态类型属于告警类型，则触发告警
。
[0024]采用了上述技术方案，本专利技术通过目标识别神经网络
yolov4
‑
tiny
模型进行井下运煤皮带上的工作人员进行识别，从皮带运行的实时图像中提取出工作人员图片
。
再通过多标签分类网络
Multi
‑
Label
对每个工作人员图片
P2
进行分类识别，判断工作人员的姿态是属于站立时未戴安全帽未穿工服
、
站立时未戴安全帽已穿工服
、
站立时已戴安全帽未穿工服
、
站立时已戴安全帽已穿工服，坐立时未戴安全帽未穿工服
、
坐立时未戴安全帽已穿工服
、
坐立时已戴安全帽未穿工服
、
坐立时已戴安全帽已穿工服这8类中的哪一类
。
最后根据不同业务场景中的告警类型，判定工作人员的姿态是否违规，如果违规就进行工作人员存在违规行为报警，控制皮带停止运行，检测方法快速准确，充分保护井下工作人员安全
。
附图说明
[0025]图1为本专利技术的一种煤矿运煤皮带的站人检测方法的方法流程图；
[0026]图2为本专利技术的一种煤矿运煤皮带的站人检测方法的运行框架图；
[0027]图3为本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种煤矿运煤皮带的站人检测方法，其特征在于，它包括：步骤
S1、
通过摄像机采集皮带运行的实时图像
P1
；步骤
S2、
将实时图像
P1
送入目标识别神经网络
yolov4
‑
tiny
模型，由神经网络
yolov4
‑
tiny
模型识别出皮带上的工作人员个数
N
，并卷积计算得出每个工作人员的坐标信息；步骤
S3、
基于每个工作人员的坐标信息，从实时图像
P1
中提取出每个工作人员图片
P2
；步骤
S4、
将每个工作人员图片
P2
送入多标签分类网络
Multi
‑
Label
，进行分类识别；步骤
S5、
将多标签分类网络
Multi
‑
Label
的输出结果送入告警模块进行告警逻辑判断；步骤
S6、
当告警模块检测到告警产生，控制皮带停止运行并进行语音告警提示
。2.
根据权利要求1所述的煤矿运煤皮带的站人检测方法，其特征在于：所述步骤
S2
中的工作人员的坐标信息为每个工作人员在图像
P1
中的最小矩形框信息，每个工作人员的最小矩形框在实时图像
P1
中的坐标位置为
(Xn,Yn,Wn,Hn)
；其中，
N
表示工作人员个数，
Xn
表示工作人员在实时图像
P1
中的横坐标，
Yn
表示工作人员在实时图像
P1
中的纵坐标，
Wn
表示工作人员的宽度，
Hn
表示工作人员的高度
。3.
根据权利要求2所述的煤矿运煤皮带的站人检测方法，其特征在于，所述步骤
S3
中，从实时图像
P1
中提取出每个工作人员图片
P2
，具体包括如下步骤：在实时图像
P1
中，根据每个工作人员的最小矩...

【专利技术属性】
技术研发人员：王良松，李皓，
申请(专利权)人：常州市佐安电器有限公司，
类型：发明
国别省市：