一种基于视频识别协同操作的方法技术

本发明专利技术涉及机器视觉技术领域，具体为一种基于视频识别协同操作的方法，包括数据收集标注、模型训练、协同操作判断以及告警处理。本发明专利技术通过实时采集视频流，利用深度学习模型进行目标检测和关键点检测，判断工作人员是否进入危险区域，并及时发出告警。该方法具有实时性、准确性、灵活性和可扩展性，能提高工厂和工作区域的安全性。通过多线程处理，提高视频处理的效率；利用深度学习模型，提高检测的准确性和可靠性；可广泛应用于不同场景，调整和优化模型即可；具有良好的可扩展性和可维护性，方便升级和改进；多种告警方式，确保相关人员能及时收到告警信息；数据增强与标注工具，提高模型的泛化能力。

【技术实现步骤摘要】

本专利技术涉及机器视觉，具体为一种基于视频识别协同操作的方法。

技术介绍

1、在工厂环境中，许多危险作业环境需要工人协同操作以确保安全。例如，在化工厂中，工人需要共同操作大型设备或处理危险化学品。在矿山中，工人需要协同挖掘、爆破等作业。这些环境不仅涉及到高风险作业，还需要工人们相互配合、协作，以确保工作顺利进行。传统的监控方法主要依赖于人工观察和简单报警系统，无法实现实时、准确的监测和预警。因此，急需一种基于视频识别协同操作的方法，能够实时监控工人的位置和姿态，判断其是否在危险区域，并在必要时触发告警，以确保工人的安全。

技术实现思路

1、本专利技术的目的在于提供基于视频识别协同操作的方法，以解决上述
技术介绍
中提出工厂危险环境中工人协同操作存在的问题。

2、为实现上述目的，本专利技术提供如下技术方案：

3、一种基于视频识别协同操作的方法，包括数据收集标注、模型训练、协同操作判断以及告警处理，具体包括以下步骤：

4、s10视频采集：在工厂的危险工作区域设置摄像头，实时采集工作本文档来自技高网...

【技术保护点】

1.一种基于视频识别协同操作的方法，其特征在于：包括数据收集标注、模型训练、协同操作判断以及告警处理，具体包括以下步骤：

2.根据权利要求1所述的基于视频识别协同操作的方法，其特征在于：所述数据收集标注用于收集大量包含工厂环境下工作人员的图像，标注出图像中行人的位置及其关键点，所述数据收集标注除了从工厂环境中直接获取图像，还利用历史监控视频进行数据增强，所述标注的工具为使用LabelImg、Bbox.io工具进行标注。

3.根据权利要求1所述的基于视频识别协同操作的方法，其特征在于：所述模型训练包括目标检测模型、关键点检测模型和集成模型，所述模型训练使用Tenso...

【技术特征摘要】

1.一种基于视频识别协同操作的方法，其特征在于：包括数据收集标注、模型训练、协同操作判断以及告警处理，具体包括以下步骤：

2.根据权利要求1所述的基于视频识别协同操作的方法，其特征在于：所述数据收集标注用于收集大量包含工厂环境下工作人员的图像，标注出图像中行人的位置及其关键点，所述数据收集标注除了从工厂环境中直接获取图像，还利用历史监控视频进行数据增强，所述标注的工具为使用labelimg、bbox.io工具进行标注。

3.根据权利要求1所述的基于视频识别协同操作的方法，其特征在于：所述模型训练包括目标检测模型、关键点检测模型和集成模型，所述模型训练使用tensorflow、pytorch开源深度学习框架，结合收集的数据和hrnet网络结构，训练出检测行人及其关键点的模型。

4.根据权利要求3所述的基于视频识别协同操作的方法，其特征在于：所述目标检测模型使用yolov5目标检测算法来检测图像中的行人，用于确定每个行人或工作人员在图像中的位置。

5.根据权利要求3所述的基于视频识别协同操作的方法，其特征在于：所述关键点检测模型利用hrne...

【专利技术属性】
技术研发人员：朱秋睿，王飞，贺海明，
申请(专利权)人：中建材信息技术股份有限公司，
类型：发明
国别省市：