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生产,尤其涉及一种基于表现特征的人体工装规范的判断方法及相关装置。
技术介绍
1、制造生产有着严格的质量把控和风险控制,制造很生产环境也是有着严格要求。如药企或者食品加工企业,对生产制造环境有严格的要求,需要无菌无尘,因此员工在进入到生产环境中工作,对工装就需要有严格要求,必须穿戴整齐,并且工作的过程中不可擅自脱掉工装,否则掉落的头发,皮屑,携带的细菌等,都会对产品有严重的质量影响。类似建筑行业的工地,对工人的工装也是有严格的要求,如头盔,手套等,是保证工人生命的重要保护道具,因此工人在工地施工,必须要穿戴好头盔,手套等。
2、由此可见,对员工的工装进行规范判断,不仅可以提高企业的生产质量,降低企业的风险,也可以保护工人的生命安全,提高企业的企业文化等。但是目前大部分企业只能通过督查部门暗访去人工抽查,通过人工肉眼去查看摄像头盯抓,不仅效率低,而且容易漏,无法形成有效管控。
技术实现思路
1、为了克服现有技术的不足,本专利技术提供了一种基于表现特征的人体工装规范的判断方法及相关装置,实现了通过基于人体部位工装特征识别网络模型对人体工装进行监测,并识别判断人体工装是否符合规范。
2、为了实现上述专利技术目的,本专利技术采用以下技术方案:
3、本申请第一方面提供了一种基于表现特征的人体工装规范的判断方法,包括以下步骤:
4、s101、构建人体部位工装特征识别网络模型;
5、s102、基于人体工装特征识别网络模
6、s103、基于人体工装特征识别网络模型对特征提取处理结果进行特征比对处理;
7、s104、对特征对比结果进行加权算法处理,判断人体工装是否符合规范;
8、进一步的,人体部位工装特征包括头部特征、手部特征、躯干特征、腿部特征、其他部位特征。
9、进一步的,构建身体部位工装特征识别网络模型包括以下步骤:
10、将人体工装规范图片信号数据与人体工装不规范图片信号数据进行部位特征提取处理;
11、基于部位特征提取处理结果进行纹理直方图特征处理;
12、基于部位特征初步处理结果和纹理直方图特征处理结果对人体部位工装特征识别网络模型进行训练;
13、若训练结果与工装规范样本结果和工装不规范样本结果相同,则完成训练;
14、若训练结果与工装规范样本结果和工装不规范样本结果不相同,则重新进行训练。
15、进一步的,部位特征提取处理包括头部特征提取处理、手部特征提取处理、躯干特征提取处理、腿部特征提取处理、其他部位提取处理。
16、进一步的,纹理直方图特征处理包括纹理特征处理和直方图特征处理。
17、进一步的,基于工装特征识别网络模型对工装图像信号数据信息进行人体部位工装特征提取处理包括以下步骤:
18、对人体工装图像信号数据信息进行部位特征提取处理,并基于边缘检测算法进行纹理特征处理;
19、将部位特征提取处理结果作为人体工装特征识别网络模型的输入数据,生成得到经若干个卷积层输出的人体工装特征数据信息,并映射到卷积神经网络的最后一层卷积的特征图上;
20、将若干个卷积层输出的人体工装特征数据信息进行二值分类和回归,过滤一部分卷积层输出的人体工装特征数据信息;
21、将剩下的卷积层输出的人体工装特征数据信息与特征图的像素进行对应起来,并对卷积层输出的人体工装特征数据信息进行分类、回归、分割处理生成得到不同部位的人体部位工装特征。
22、进一步的,人体部位工装特征提取处理包括头部特征提取、手部特征提取、躯干特征提取、腿部特征提取、其他部位提取。
23、进一步的,其他部位提取包括手部护具特征提取、头部护具特征提取、脚部护具特征提取。
24、进一步的,基于人体工装特征识别网络模型对人体部位工装特征提取处理结果进行特征比对处理包括以下步骤:
25、基于人体工装特征识别网络模型对人体部位工装特征提取处理结果进行纹理特征比对;
26、基于人体工装特征识别网络模型对人体部位工装特征提取处理结果进行直方图特征比对;
27、若纹理特征比对值小于或等于纹理特征阈值和直方图特征比对值小于或等于直方图特征阈值,则判别特征比对结果不相同;
28、若纹理特征比对值大于纹理特征阈值,或/和直方图特征比对值大于直方图特征阈值,则判别特征比对结果相同。
29、进一步的,纹理特征比对的表达式如下所示:
30、x=[x1,x2,…,xi]
31、y=[y1,y2,…,yi]
32、
33、其中,x为人体不同部位区域纹理特征向量,y为特征库选定的人体不同部位区域的纹理特征向量,cosθ为两个特征向量比较的余弦值。
34、进一步的,直方图特征比对的表达式如下所示:
35、
36、其中,m为人体不同部位区域颜色直方图特征,n为选定的人体不同部位区域颜色直方图特征,d(m,n)为直方图特征相交距离。
37、进一步的,对特征对比结果进行加权算法处理,判断人体工装是否符合规范,加权算法处理的表达式如下所示:
38、t=sum(hshj+asaj+bsbj+lslj+...+xsxj)*(heaebelexe)
39、其中,hj为头部特征加权因子,hs为头部特征可信度,aj为手臂特征加权因子,as为手臂特征可信度,bj为躯干特征加权因子,bs为躯干特征可信度,lj为腿部特征加权因子,ls为腿部特征可信度,xj为其他部特征加权因子,xs为其他部位的特征可信度,he为头部特征系数因子,ae为手部特征系数因子,be为头部特征系数因子,le为头部特征系数因子,xe为头部特征系数因子,t为计算出的员工是否人体工装规范数值。
40、本申请第二方面提供了一种基于表现特征的人体工装规范的判断系统,包括:
41、数据获取单元,用于获取人体工装图像信号数据信息;
42、模型构建单元,用于构建人体部位工装特征识别网络模型;
43、第一处理单元,用于基于人体工装特征识别网络模型对人体工装图像信号数据信息进行人体部位工装特征提取处理;
44、第二处理单元,用于基于人体工装特征识别网络模型对特征提取处理结果进行特征比对处理;
45、第三处理单元,用于对特征对比结果进行加权算法处理,判断人体工装是否符合规范;
46、报告生成单元,用于基于特征比对结果、人体工装是否符合规范判断结果生成人体工装监测报告。
47、本申请第三方面提供了一种基于表现特征的人体工装规范的判断设备,包括处理器以及存储器:
48、存储器用于存储程序代码,并将程序代码传输给处理器;
49、处理器用于本文档来自技高网...
【技术保护点】
1.一种基于表现特征的人体工装规范的判断方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于表现特征的人体工装规范的判断方法,其特征在于,所述构建身体部位工装特征识别网络模型包括以下步骤:
3.根据权利要求1所述的基于表现特征的人体工装规范的判断方法,其特征在于,所述基于工装特征识别网络模型对工装图像信号数据信息进行人体部位工装特征提取处理包括以下步骤:
4.根据权利要求1所述的基于表现特征的人体工装规范的判断方法,其特征在于,所述基于人体工装特征识别网络模型对人体部位工装特征提取处理结果进行特征比对处理包括以下步骤:
5.根据权利要求4所述的基于表现特征的人体工装规范的判断方法,其特征在于,所述纹理特征比对的表达式如下所示:
6.根据权利要求4所述的基于表现特征的人体工装规范的判断方法,其特征在于,所述直方图特征比对的表达式如下所示:
7.根据权利要求1所述的基于表现特征的人体工装规范的判断方法,其特征在于,所述对特征对比结果进行加权算法处理,判断人体工装是否符合规范,加权算法处理的表达式如下所示
8.一种基于表现特征的人体工装规范的判断系统,用于实现权利要求1-7任意一项的基于表现特征的人体工装规范的判断方法,其特征在于,包括:
9.一种基于表现特征的人体工装规范的判断设备,其特征在于,包括处理器以及存储器:
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行权利要求1-7任一项所述的基于表现特征的人体工装规范的判断方法。
...【技术特征摘要】
1.一种基于表现特征的人体工装规范的判断方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于表现特征的人体工装规范的判断方法,其特征在于,所述构建身体部位工装特征识别网络模型包括以下步骤:
3.根据权利要求1所述的基于表现特征的人体工装规范的判断方法,其特征在于,所述基于工装特征识别网络模型对工装图像信号数据信息进行人体部位工装特征提取处理包括以下步骤:
4.根据权利要求1所述的基于表现特征的人体工装规范的判断方法,其特征在于,所述基于人体工装特征识别网络模型对人体部位工装特征提取处理结果进行特征比对处理包括以下步骤:
5.根据权利要求4所述的基于表现特征的人体工装规范的判断方法,其特征在于,所述纹理特征比对的表达式如下所示:
6....
【专利技术属性】
技术研发人员:张玉国,王筱东,王今,韦光亮,赵小洁,窦毅,
申请(专利权)人:广西慧云信息技术有限公司,
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。