[发明专利]一种安全生产的视频监控方法及系统

权利要求书

1.一种安全生产的视频监控方法，其特征在于，所述方法包括：

接收与安全生产有关的视频流图像；

从所述视频流图像中，每间隔若干帧图像，选取一帧图像；

将所选取的图像输入深度卷积神经网络模型，识别以下至少一项或几项与安全生产有关的违规内容：待识别对象的违规外观信息、待识别对象的违规行为信息、车辆种类或车辆驶入的区域信息、生产设备的异常状态、烟火状态、遗留物信息；

将识别出的所述违规内容对应的图像进行存储，以输入至所述深度卷积神经网络模型对所述深度卷积神经网络模型进行再次训练。

2.根据权利要求1所述的方法，其特征在于，在所述将所选取的图像输入深度卷积神经网络模型之前，所述方法还包括：

获取图像样本库；其中，所述图像样本库包含多种有关安全隐患场景的样本图像；

标注所述图像样本库中每张样本图像所包含的与安全隐患相关的内容；

使用所述图像样本库中的多张样本图像以及所述标注出的样本图像中包含的与安全隐患相关内容，通过机器学习训练得到所述深度卷积神经网络模型。

3.根据权利要求1所述的方法，其特征在于，所述待识别对象的违规外观信息包括：待识别对象未戴安全帽、待识别对象未穿规定工装、待识别对象未戴手套；

所述待识别对象的违规行为信息包括：待识别对象使用手机、待识别对象吸烟、待识别对象攀高；

所述车辆种类或车辆驶入的区域信息包括：外来车辆信息、车辆驶入违禁区；

所述生产设备的异常状态包括：生产设备出现腐蚀、生产设备破损、生产设备漏油；

所述烟火状态包括：监控区域出现烟火；

所述遗留物信息包括：监控区域出现纸箱、监控区域出现衣物。

4.根据权利要求1所述的方法，其特征在于，在所述将所选取的图像输入深度卷积神经网络模型之前，所述方法还包括：

获取图像样本库；其中，所述图像样本库包含多种有关安全隐患场景的样本图像；

标注所述图像样本库中每张样本图像所包含的运动对象的至少一个部位点；

使用所述图像样本库中的多张样本图像以及所述标注出的运动对象的至少一个部位点，通过机器学习训练得到所述深度卷积神经网络模型；

其中，所述至少一个部位点包括以下任意一项或多项：头顶、左肩尾、右肩尾、左肘点、右肘点、左腕点、右腕点、左髋点、右髋点、左膝点、右膝点、左踝点、右踝点。

5.根据权利要求1所述的方法，其特征在于，在所述将所选取的图像输入深度卷积神经网络模型之前，所述方法还包括：

根据所述深度卷积神经网络模型对输入图像格式的要求，对所选取的图像进行预处理；

所述预处理至少包括以下任意一项或者几项：改变所选取的图像的颜色、调整所选取的图像的大小、对所选取的图像进行校正。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于角色访问控制方法确定所述视频流图像对应的访问权限；

所述访问权限与账号进行关联；所述访问权限的级别与所述账号对应用户的级别有关。

7.根据权利要求1所述的方法，其特征在于，在所述将所选取的图像输入深度卷积神经网络模型，识别以下至少一项或几项与安全生产有关的违规内容之后，所述方法还包括：

将所述与安全生产有关的视频流图像通过大于预设尺寸的屏幕进行展示；

在所述屏幕的第一区域展示所述视频流图像，并通过预设方式在所述图像中对所述违规内容进行定位；在所述屏幕的第二区域以列表方式展示各项违规内容，以便基于触发展示与所述违规内容对应的视频流图像；以及在所述屏幕的第三区域展示对所述违规内容的统计信息。

8.根据权利要求3或4所述的方法，其特征在于，所述深度卷积神经网络模型识别待识别对象的违规行为信息具体包括：

所述深度卷积神经网络模型根据所述待识别对象，至少两个部位点之间的相对位置变化信息，确定所述待识别对象的违规行为信息。