[发明专利]一种跨越围栏行为识别系统及方法

说明书

本发明涉及一种跨越围栏行为识别系统及方法，前端信息采集抓拍系统内的违章行为识别模块包括有摄像机和工控机；摄像机对人员进行综合信息的采集，并将采集的信息进行图片信息识别和数据缓存后，再通过网络发送到网络传输系统内的违章行为导入模块；违章行为导入模块包括有传感器、A/D转换器、处理器、信号放大器和信号发射器；违章行为导入模块通过传感器和摄像机将所采集的信号转化为无线信号，再通过A/D转换器将声、光、温度和头像转化为数字信号，最后通过处理器、信号放大器和信号发射器将数字信号输入到违章行为上传模块；本发明能够提供一种安全防护监管智能化高、监管效率高以及可及时的发现安全隐患的跨越围栏行为识别系统及方法。

技术领域

本发明属于安全监管系统相关技术领域，具体涉及一种跨越围栏行为识别系统及方法。

背景技术

施工作业现场是一个动态、复杂、多变的环境，是物质、信息和人员动态交汇的场所，是企业安全管理的重点区域；近些年，社会发展飞速，各类生产和施工作业场地在大小城市中随处可见，现场作业繁重，安全形势日益严峻，违章情况日益凸显，安全事故频发，造成了大量人身伤亡和财产损失；在施工作业现场，作业人员为了方便，经常跨越施工区域围栏，为了减少这种类似情况的发生，就迫切需要开发一套人员跨越围栏行为识别系统，对作业人员跨越施工区域围栏行为进行识别，从而保障作业人员的生命安全。

发明内容

本发明的目的在于提供一种安全防护监管智能化高、监管效率高以及可及时的发现安全隐患的跨越围栏行为识别系统及方法。

为便于对本技术方案的理解，对于涉及的专业名词解释如下：

deep Sort是指多目标跟踪算法；

Scene graph是指场景图，其属于一种安排场景内对象的数据结构；

Faster RCNN是指对象检测模型；

Region Proposal Network，简称RPN是指一种区域生成网络；

Softmax是指归一化指数函数；

Reshape是将指定的矩阵变换成特定维数矩阵一种函数，且矩阵中元素个数不变，函数可以重新调整矩阵的行数、列数、维数；

non-maximal suppression(NMS)是指非极大值抑制函数；

Attentional GCN是指一种学习算法图卷积神经网络模型；

Visual Genome(VG)是一种大规模图片语义理解数据集。

为实现上述目的，本发明提供如下技术方案：一种跨越围栏行为识别系统及方法，包括前端信息采集抓拍系统、网络传输系统、后端平台系统、违章行为识别模块、违章行为导入模块和违章行为上传模块；所述前端信息采集抓拍系统内的违章行为识别模块包括有摄像机和工控机；所述摄像机对人员进行综合信息的采集，并将采集的信息进行图片信息识别和数据缓存后，再通过网络发送到所述网络传输系统内的所述违章行为导入模块；所述违章行为导入模块包括有传感器、A/D转换器、处理器、信号放大器和信号发射器；所述违章行为导入模块通过所述传感器和摄像机将所采集的信号转化为无线信号，再通过所述A/D转换器将声、光、温度和头像转化为数字信号，最后通过所述处理器、信号放大器和信号发射器将数字信号输入到违章行为上传模块；所述违章行为上传模块通过网络将转化后的所述数字信号发送到后端平台系统。

作为本发明的进一步改进，所述摄像机对人员进行综合信息的采集具体包括：人员动作状态特征、过往人像面部特征信息。

作为本发明的进一步改进，所述工控机用作数据存储。