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】
本专利技术涉及图像识别,更具体的说是涉及一种基坑环境内的潜在危险识别方法及系统。
技术介绍
1、危险行为识别通常由视频作为识别媒介,通过对视频中人物及使用物体的位置关系、动作、姿态等确定视频中正在发生的行为,提前发现和预测可能导致事故或危险情况的行为,以便采取预防或干预措施,从而减少事故风险和提高工作场所的安全性
2、目前,潜在危险行为识别关注的重点主要是人和机器的交互或环境或基坑环境的安全状态。然而,两种危险识别模型的应用并不足以充分的识别潜在风险,不同的行为动作在基坑环境内的不同区域具有不同的危险性,现有的两种模型难以对此危险进行有效识别。
3、因此,如何识别人员、机器和环境三者交互影响下的危险行为是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此,本专利技术提供了一种基于基坑环境内的潜在危险识别方法及系统,将基坑内的图像和传感器数据进行融合后进行危险识别,能够识别人员、机器和环境三者交互影响下的危险行为。
2、为了实现上述目的,本专利技术采用如下技术方案:
3、一种基坑环境内的潜在危险识别方法,包括以下步骤:获取基坑内的图像数据和传感器数据;所述传感器数据包括基坑结构数据和基坑内设备运行数据;将图像数据和传感器数据输入至训练好的神经网络模型,进行数据融合,并根据融合后的数据进行特征识别,输出危险类别。
4、优选的,所述基坑结构数据包括:地下水位、支撑轴力和深层水平位移中的一种或多种;所述设备运行数据包括:设
5、优选的,所述数据融合的步骤包括:根据传感器数据的类型和采集时间构建数据矩阵;通过维度处理将图像数据的维度与所述数据矩阵的维度统一,并拼接得到融合后数据。
6、优选的,根据传感器数据的类型和采集时间构建数据矩阵,具体包括:
7、以数据产生单元为类别,将同种类型的数据按时间顺序进行排列,生成数据向量;将多个数据产生单元对应的数据向量按行拼接,得到数据矩阵。
8、优选的,所述分类模型的训练步骤包括:构建训练数据,所述训练数据具有类别标签;将所述训练数据输入至分类器,并根据相应的类别标签进行参数优化。
9、优选的,所述类别标签包括:人员越界、错误方法使用器械、错误区域使用器械、器械使用不当、无人照看区域、产生危险区域中的一种或多种。
10、优选的,所述神经网络模型包括卷积神经网络和长短记忆网络;所述卷积神经网络用于对图像数据进行维度处理;
11、经维度处理的图像数据与传感器数据进行拼接后,输入至所述长短记忆网络进行分类。
12、优选的,所述图像数据包括动作行为和小型机械设备。
13、一种基坑环境内的潜在危险识别系统,包括数据获取模块和数据分析模块;所述数据获取模块用于获取基坑内的图像数据和传感器数据;所述数据分析模块用于将所述图像数据和传感器数据进行融合后,根据融合后的数据进行特征识别,输出危险类别。
14、优选的,所述数据分析模块包括维度处理单元和分类单元;所述维度处理单元用于将图像数据进行维度处理后与所述传感器数据进行拼接,得到拼接矩阵;所述分类单元用于根据拼接矩阵进行特征识别,得到危险类别。
15、经由上述的技术方案可知,与现有技术相比,本专利技术公开提供了一种基坑环境内的潜在危险识别方法及系统,分别获取用于表征人员动机及人机交互行为的图像数据和表征基坑环境及设备运行的传感器数据,将两种数据机械进行融合后进行分类,利用训练好的神经网络模型能够充分的获取人员动作、机器和环境三者交互下的潜在特征,实现危险识别。
本文档来自技高网...【技术保护点】
1.一种基坑环境内的潜在危险识别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基坑环境内的潜在危险识别方法,其特征在于,所述基坑结构数据包括:地下水位、支撑轴力和深层水平位移中的一种或多种;所述设备运行数据包括:设备温度、设备重量和旋转器具转速中的一种或多种。
3.根据权利要求1所述的一种基坑环境内的潜在危险识别方法,其特征在于,所述数据融合的步骤包括:
4.根据权利要求3所述的一种基坑环境内的潜在危险识别方法,其特征在于,根据传感器数据的类型和采集时间构建数据矩阵,具体包括:
5.根据权利要求1所述的一种基坑环境内的潜在危险识别方法,其特征在于,所述分类模型的训练步骤包括:
6.根据权利要求5所述的一种基坑环境内的潜在危险识别方法,其特征在于,所述类别标签包括:人员越界、错误方法使用器械、错误区域使用器械、器械使用不当、无人照看区域、产生危险区域中的一种或多种。
7.根据权利要求1所述的一种基坑环境内的潜在危险识别方法,其特征在于,所述神经网络模型包括卷积神经网络和长短记忆网络;所述卷积神经
8.根据权利要求1所述的一种基坑环境内的潜在危险识别方法,其特征在于,所述图像数据包括动作行为和小型机械设备。
9.一种基坑环境内的潜在危险识别系统,其特征在于,包括数据获取模块和数据分析模块;
10.根据权利要求9所述的一种基坑环境内的潜在危险识别系统,其特征在于,所述数据分析模块包括维度处理单元和分类单元;
...【技术特征摘要】
1.一种基坑环境内的潜在危险识别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基坑环境内的潜在危险识别方法,其特征在于,所述基坑结构数据包括:地下水位、支撑轴力和深层水平位移中的一种或多种;所述设备运行数据包括:设备温度、设备重量和旋转器具转速中的一种或多种。
3.根据权利要求1所述的一种基坑环境内的潜在危险识别方法,其特征在于,所述数据融合的步骤包括:
4.根据权利要求3所述的一种基坑环境内的潜在危险识别方法,其特征在于,根据传感器数据的类型和采集时间构建数据矩阵,具体包括:
5.根据权利要求1所述的一种基坑环境内的潜在危险识别方法,其特征在于,所述分类模型的训练步骤包括:
6.根据权利要求5所述的一种...
【专利技术属性】
技术研发人员:王晓睿,何斌,李刚,张蒙,王奉飞,汪青,张朋朋,
申请(专利权)人:同济大学,
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。