【技术实现步骤摘要】
本申请涉及智慧管廊，具体涉及一种基于云边协同的管廊人员检测方法、装置、电子设备及存储介质。
技术介绍
1、综合管廊的建设发展，避免了路面开挖对交通的影响、减少了不同地下管线间的施工碰撞问题，但是同时对综合管廊内的安全运行和综合防灾能力提出了更高的要求，在布满管线的地下综合管廊一旦发生故障和安全事故，就会产生连锁效应和衍生灾害，直接威胁整个城市的公共安全，给人民的生活造成重大影响。
2、在相关技术中通常通过管理后台对综合管廊内的监控信息进行人工管理或者统一的集中式管理，但是通过此类方法对管廊人员的异常行为检测实时性较差且占用带宽及服务器资源也较大。
技术实现思路
1、鉴于以上所述相关技术的缺点，本申请提供一种基于云边协同的管廊人员检测方法、装置、电子设备及存储介质，以解决相关技术中对管廊人员的异常行为检测实时性较差且占用带宽及服务器资源较大技术问题。
2、本申请提供了一种基于云边协同的管廊人员检测方法，所述基于云边协同的管廊人员检测方法包括：获取管廊目标区域的待检测视频；基于边缘计算设备中的预设人员数量识别模型、预设人员跌倒识别模型、预设未穿工服识别模型和预设未戴安全帽识别模型对所述待检测视频进行识别，得到异常识别结果，所述异常识别结果包括人员数量识别结果、人员跌倒识别结果、未穿工服识别结果和未戴安全帽识别结果；若所述人员数量识别结果、人员跌倒识别结果、未穿工服识别结果和未戴安全帽识别结果中至少有一个为异常，则所述异常识别结果为异常；将所述异常识别结果为异常的
3、于本申请的一实施例中，通过所述预设人员数量识别模型对所述待检测视频中的人员数量进行识别检测，若检测到所述待检测视频中的人员数量为1，则所述人员数量识别结果为异常。
4、于本申请的一实施例中，通过所述预设人员跌倒识别模型对待检测视频中人员的人体关键点进行检测，若检测到有人员跌倒，则所述人员跌倒识别结果为异常。
5、于本申请的一实施例中，通过所述预设未穿工服识别模型和所述预设未戴安全帽识别模型对所述待检测视频进行识别；若检测到所述待检测视频中有人员未穿工服，则所述未穿工服识别结果为异常；若检测到所述待检测视频中有人员未戴安全帽，则所述未戴安全帽识别结果为异常。
6、于本申请的一实施例中，若所述人员数量识别结果、人员跌倒识别结果、未穿工服识别结果和未戴安全帽识别结果中有一个为异常，则所述异常识别结果为轻微异常；若所述人员数量识别结果和人员跌倒识别结果都为异常，则所述异常识别结果为单人跌倒异常；若所述未穿工服识别结果和未戴安全帽识别结果都为异常，则所述异常识别结果为人员无防护异常。
7、于本申请的一实施例中，对所述异常事件的所述异常视频进行二次识别，若二次识别结果与所述异常识别结果一致，则所述异常事件审核通过；获取拍摄所述异常视频的摄像头位置，将所述摄像头位置作为所述异常事件的事件定位；将所述事件定位发送至所述管廊管理平台。
8、于本申请的一实施例中，将所述异常事件在所述管廊管理平台上进行详情展示；将所述事件定位在所述预设管廊三维模型上进行高亮展示，以对所述异常事件进行可视化的追踪及监测。
9、本申请的实施例还提供一种基于云边协同的管廊人员检测装置，所述基于云边协同的管廊人员检测装置包括：视频获取模块，用于获取管廊目标区域的待检测视频；
10、模型识别模块，用于基于边缘计算设备中的预设人员数量识别模型、预设人员跌倒识别模型、预设未穿工服识别模型和预设未戴安全帽识别模型对所述待检测视频进行识别，得到异常识别结果，所述异常识别结果包括人员数量识别结果、人员跌倒识别结果、未穿工服识别结果和未戴安全帽识别结果；识别结果模块，用于若所述人员数量识别结果、人员跌倒识别结果、未穿工服识别结果和未戴安全帽识别结果中至少有一个为异常，则所述异常识别结果为异常；上传事件模块，用于将所述异常识别结果为异常的待检测视频作为异常视频，将所述异常视频和所述异常识别结果作为异常事件上传至云边协同平台；事件定位模块，用于所述云边协同平台对所述异常事件进行审核，若审核通过，则获取所述异常事件的事件定位，并将所述异常事件及所述事件定位发送至管廊管理平台；追踪事件模块，用于所述管廊管理平台基于所述事件定位和预设管廊三维模型对所述异常事件进行可视化追踪报警。
11、本专利技术的有益效果：本专利技术的实施例提供了一种基于云边协同的管廊人员检测方法、装置、设备及介质，该方法包括获取管廊目标区域的待检测视频，基于边缘计算设备中的预设识别模型得到异常识别结果，则异常识别结果为异常，将异常识别结果为异常的待检测视频作为异常视频，将异常视频和异常识别结果作为异常事件上传至云边协同平台，通过边缘计算设备实现数据的智能分析与深度学习，连接多个摄像头，可以减少对摄像机自身计算能力以及网络通信带宽的要求，将海量数据本地化处理，避免大量数据回传带来的带宽浪费和时延，云边协同平台对异常事件进行审核，若审核通过则获取异常事件的事件定位，将异常事件及事件定位发送至管廊管理平台，管廊管理平台基于事件定位和预设管廊三维模型对异常事件进行可视化追踪报警，通过异常事件的识别和追踪，避免了人员的不安全行为造成的人员安全问题，使巡检人员达到可视化管理，该方法通过三端的数据协同，实现了管廊的智慧化管理，高效快速的对管廊人员异常进行检测，节省了带宽资，从而解决了对管廊人员的异常行为检测实时性较差且占用带宽及服务器资源较大的技术问题。
12、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
本文档来自技高网...【技术保护点】
1.一种基于云边协同的管廊人员检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于云边协同的管廊人员检测方法，其特征在于，基于边缘计算设备中的预设人员数量识别模型对所述待检测视频进行识别包括：
3.根据权利要求1所述的基于云边协同的管廊人员检测方法，其特征在于，基于边缘计算设备中的预设人员跌倒识别模型对所述待检测视频进行识别包括：
4.根据权利要求1所述的基于云边协同的管廊人员检测方法，其特征在于，基于边缘计算设备中的预设未穿工服识别模型和预设未戴安全帽识别模型对所述待检测视频进行识别包括：
5.根据权利要求1所述的基于云边协同的管廊人员检测方法，其特征在于，若所述人员数量识别结果、人员跌倒识别结果、未穿工服识别结果和未戴安全帽识别结果中至少有一个为异常，则所述异常识别结果为异常包括
6.根据权利要求1所述的基于云边协同的管廊人员检测方法，其特征在于，所述云边协同平台对所述异常事件进行审核，若审核通过，则获取所述异常事件的事件定位，并将所述异常事件及所述事件定位发送至管廊管理平台包括：
7.根据
8.一种基于云边协同的管廊人员检测装置，其特征在于，所述基于云边协同的管廊人员检测装置包括：
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序被计算机的处理器执行时，使计算机执行如权利要求1-7中任一项所述的基于云边协同的管廊人员检测方法。
...【技术特征摘要】
1.一种基于云边协同的管廊人员检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于云边协同的管廊人员检测方法，其特征在于，基于边缘计算设备中的预设人员数量识别模型对所述待检测视频进行识别包括：
3.根据权利要求1所述的基于云边协同的管廊人员检测方法，其特征在于，基于边缘计算设备中的预设人员跌倒识别模型对所述待检测视频进行识别包括：
4.根据权利要求1所述的基于云边协同的管廊人员检测方法，其特征在于，基于边缘计算设备中的预设未穿工服识别模型和预设未戴安全帽识别模型对所述待检测视频进行识别包括：
5.根据权利要求1所述的基于云边协同的管廊人员检测方法，其特征在于，若所述人员数量识别结果、人员跌倒识别结果、未穿工服识别结果和未戴安全帽识别结果中至少有一个为异常，则所述异常识别结果为异常包...
【专利技术属性】
技术研发人员：李杰，毛莉亚，梁霞，刘明，
申请(专利权)人：中冶赛迪信息技术重庆有限公司，
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。