System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及安全监察领域,尤其涉及一种基于计算机视觉的矿山人员危险行为识别方法及系统。
技术介绍
1、随着矿山开采业的快速发展,矿山安全问题已成为一个日益严重的社会问题。为了保障矿山工人的生命安全,实现对矿山安全的有效管控,矿山危险行为识别研究显得尤为重要。矿山安全风险高发,主要原因是矿山开采过程中存在大量的危险因素,如矿井瓦斯爆炸、矿井突水、矿井坍塌等,这些危险因素往往是由于矿山工人的危险行为导致的。因此,对矿山危险行为进行识别,并根据识别到的危险行为对人员进行管控,是防止矿山事故发生的关键。矿山危险行为识别研究旨在通过对矿山工人的行为进行监控和分析,识别出可能导致事故发生的危险行为,从而采取相应的措施进行预防和控制。
2、随着矿山作业自动化程度的提高,对作业现场的安全监管提出了更高的要求。矿山危险行为识别的准确性对于预防事故和降低损失具有重要意义。然而,现如今的矿山安全监管工作中,通常为人工对矿山工人的危险行为进行监管和识别,人工监管识别不仅需要投入大量的人力,还容易受到环境干扰、监管人员疲劳等因素的影响,监管效果通常不尽如人意,无法实时和准确地对矿山工人的危险行为进行识别。
3、因此,亟需一种能够解决传统的矿山安全人工监察识别方法无法实时和准确地对矿山人员的危险行为进行识别的技术问题的方案。
技术实现思路
1、本专利技术提供了一种基于计算机视觉的矿山人员危险行为识别方法及系统,用以解决传统的矿山安全人工监察识别方法无法实时和准确地对矿山人员的危险行为
2、为实现上述目的,本专利技术提供了一种基于计算机视觉的矿山人员危险行为识别方法,用于基于计算机视觉的矿山人员危险行为识别系统,系统包括数据集构建子系统和行为识别子系统系统,数据集构建子系统和行为识别子系统之间通信连接,行为识别子系统包括目标检测模块和行为识别模块,方法包括以下步骤:
3、s1、采集包含危险行为的危险行为视频数据,将危险行为视频数据上传至数据构建子系统进行预处理和危险行为预标注,得到危险行为数据集;数据构建子系统将危险行为数据集发送至行为识别子系统;
4、s2、行为识别子系统根据危险行为数据集,对行为识别模块中的行为识别算法进行训练,得到危险行为识别模型;
5、s3、通过目标检测模块对矿山视频数据进行目标检测,得到第一信息;通过危险行为识别模型对第一信息进行危险行为识别。
6、优选的,将危险行为视频数据上传至数据构建子系统进行预处理和危险行为预标注包括:
7、通过数据集构建子系统将危险行为视频数据进行裁剪和分帧;得到危险行为视频帧;
8、通过数据集构建子系统将危险行为视频帧进行预标注得到危险行为数据集,危险行为数据集包括视频名称、视频帧序数、人员的锚框坐标、行为序号标签和人员序号标签。
9、优选的,通过数据集构建子系统将危险行为视频帧进行预标注得到危险行为数据集包括:
10、对经过预标注的结果进行满足预设要求的锚框位置和大小的人工微调,得到第一数据集;将第一数据集转换为行为识别子系统能够识别的数据集格式,得到危险行为数据集。
11、优选的,第一信息包括矿山人员的锚选坐标信息和视频信息;通过危险行为识别模型对第一信息进行危险行为识别后,若识别到危险行为,通过行为识别子系统发出危险警告信息、记录危险行为信息。
12、优选的,人工采集危险行为视频数据包括:
13、通过使用视频采集设备采集具备预设视频质量和视频时长的视频数据,且视频数据中包含体现危险行为类别的第二信息,第二信息用于数据构建子系统进行预处理和危险行为预标注。
14、优选的,危险行为预标注中采用faster-rcnn算法对人员进行检测定位,包括以下步骤:
15、步骤一:通过一个经过预训练的深度卷积神经网络对输入的第二信息中原始图像进行特征提取;
16、步骤二:通过rpn网络将特征生成区域候选;
17、步骤三:将候选区域进行roi池化,转换成统一的大小;
18、步骤四:将经过roi池化后的特征送入用于判断候选区域的物体类别和用于精细调整候选区域的位置和尺寸的两个全连接网络,完成对第二信息中人员的位置定位。
19、优选的,在s3中,通过目标检测模块对矿山视频数据进行目标检测包括:
20、通过部署在矿山各区域的视频监控设备采集视频信息,发送至目标检测模块;目标检测模块采用faster-rcnn算法进行人员目标检测,得到第一信息。
21、优选的,行为识别算法包括slowfast行为识别算法;行为识别子系统根据危险行为数据集,对行为识别模块中的slowfast行为识别算法进行训练,得到危险行为识别模型;
22、通过危险行为识别模型对第一信息进行危险行为识别,包括以下步骤:
23、步骤一:将第一信息的视频帧输入到危险行为识别模型的慢路径和快路径两个路径中;
24、步骤二:在慢路径和快路径两个路径上都进行3d卷积操作,捕获视频帧内物体的空间信息和时间信息;
25、步骤三:选取快路径网络的一部分输出特征图,然后经过时间维度的降采样和卷积操作,将其与慢路径中相应层级的特征图结合起来;
26、步骤四:将慢路径和快路径的特征进行融合,得到融合的特征;
27、步骤五:将融合的特征输入分类器,将特征进行分类,输出视频帧中的行为预测结果,识别出危险行为。
28、优选的,通过危险行为识别模型对第一信息进行危险行为识别,还包括:
29、使用交叉熵损失函数来持续优化危险行为识别模型的参数,使危险行为识别模型的预测行为类别与实际行为类别的差距缩小。
30、本专利技术还提供了一种基于计算机视觉的矿山人员危险行为识别系统,包括数据集构建子系统和行为识别子系统,数据集构建子系统和行为识别子系统之间通信连接;
31、数据集构建子系统用于将人工采集的危险行为视频数据进行预处理和危险行为预标注,得到危险行为数据集;并将危险行为数据集发送至行为识别子系统;
32、行为识别子系统包括目标检测模块和行为识别模块;行为识别子系统用于根据危险行为数据集对行为识别模块中的行为识别算法进行训练,得到危险行为识别模型;目标检测模块用于对矿山视频数据进行目标检测,得到第一信息;行为识别模块用于对第一信息进行危险行为识别。
33、本专利技术具有以下有益效果:
34、本专利技术的基于计算机视觉的矿山人员危险行为识别方法,通过使用经过预处理和危险行为预标注的危险行为数据集对行为识别算法进行训练,得到危险行为识别模型,使得本专利技术的算法在训练时能够能快地达到识别危险行为的效果;首先通过目标检测模块检测出目标,再将本专利技术的危险行为识别模型用于检测出的目标,对目标进行危险行为的识别,使得目标危险行为的检测效率和速度大大提升,能够实时且准确地对矿山人员的危本文档来自技高网...
【技术保护点】
1.一种基于计算机视觉的矿山人员危险行为识别方法,用于基于计算机视觉的矿山人员危险行为识别系统,所述系统包括数据集构建子系统和行为识别子系统系统,所述数据集构建子系统和行为识别子系统之间通信连接,所述行为识别子系统包括目标检测模块和行为识别模块,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的基于计算机视觉的矿山人员危险行为识别方法,其特征在于,将所述危险行为视频数据上传至所述数据构建子系统进行预处理和危险行为预标注包括:
3.根据权利要求2所述的基于计算机视觉的矿山人员危险行为识别方法,其特征在于,通过数据集构建子系统将所述危险行为视频帧进行预标注得到危险行为数据集包括:
4.根据权利要求3所述的基于计算机视觉的矿山人员危险行为识别方法,其特征在于,所述第一信息包括矿山人员的锚选坐标信息和视频信息;通过所述危险行为识别模型对所述第一信息进行危险行为识别后,若识别到危险行为,通过所述行为识别子系统发出危险警告信息、记录危险行为信息。
5.根据权利要求4所述的基于计算机视觉的矿山人员危险行为识别方法,其特征在于,所述人工采
6.根据权利要求5所述的基于计算机视觉的矿山人员危险行为识别方法,其特征在于,所述危险行为预标注中采用Faster-RCNN算法对人员进行检测定位,包括以下步骤:
7.根据权利要求1所述的基于计算机视觉的矿山人员危险行为识别方法,其特征在于,在S3中,通过所述目标检测模块对矿山视频数据进行目标检测包括:
8.根据权利要求1所述的基于计算机视觉的矿山人员危险行为识别方法,其特征在于,所述行为识别算法包括SlowFast行为识别算法;所述行为识别子系统根据所述危险行为数据集,对所述行为识别模块中的SlowFast行为识别算法进行训练,得到危险行为识别模型;
9.根据权利要求8所述的基于计算机视觉的矿山人员危险行为识别方法,其特征在于,通过所述危险行为识别模型对所述第一信息进行危险行为识别,还包括:
10.一种基于计算机视觉的矿山人员危险行为识别系统,其特征在于,包括数据集构建子系统和行为识别子系统,所述数据集构建子系统和行为识别子系统之间通信连接;
...【技术特征摘要】
1.一种基于计算机视觉的矿山人员危险行为识别方法,用于基于计算机视觉的矿山人员危险行为识别系统,所述系统包括数据集构建子系统和行为识别子系统系统,所述数据集构建子系统和行为识别子系统之间通信连接,所述行为识别子系统包括目标检测模块和行为识别模块,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的基于计算机视觉的矿山人员危险行为识别方法,其特征在于,将所述危险行为视频数据上传至所述数据构建子系统进行预处理和危险行为预标注包括:
3.根据权利要求2所述的基于计算机视觉的矿山人员危险行为识别方法,其特征在于,通过数据集构建子系统将所述危险行为视频帧进行预标注得到危险行为数据集包括:
4.根据权利要求3所述的基于计算机视觉的矿山人员危险行为识别方法,其特征在于,所述第一信息包括矿山人员的锚选坐标信息和视频信息;通过所述危险行为识别模型对所述第一信息进行危险行为识别后,若识别到危险行为,通过所述行为识别子系统发出危险警告信息、记录危险行为信息。
5.根据权利要求4所述的基于计算机视觉的矿山人员危险行为识别方...
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。