[发明专利]基于AI视觉技术的作业人员合规性检测方法

权利要求书

1.基于AI视觉技术的作业人员合规性检测方法，其特征在于,该方法包括步骤为：

步骤S1：构建作业人员合规性检测标准体系；

步骤S2：收集作业人员标准体系数据；

步骤S3：通过利用执行改进的K-means聚类算法确定作业人员特征检测指标；

步骤S4：实现作业人员合规性检测。

2.如权利要求1所述的基于AI视觉技术的作业人员合规性检测方法，其特征在于，所述步骤S1中，合规性检测标准体系分为六个部分，包括穿着标准要求、语言标准要求、机器操作标准要求、行为动作标准要求、时间标准要求、定位标准要求。

3.如权利要求1所述的基于AI视觉技术的作业人员合规性检测方法，其特征在于，所述步骤S2中，在作业人员合规性检测中利用的检测工具是合规性检测标准体系数据收集器，检测工作通过扫描的方式获取作业人员合规性检测标准体系内容数据，进入步骤S3得出作业人员标准要求特征的选择聚类结果；终端逐个启动检查，并对比合规性检测标准体系标准，符合检查标准，则进入下一项检查；不符合标准，则违规扣分，然后进行下一项扫描，直到所有标准要求扫描完成，在检测工具的基础上，接入一个存储条，当整个扫描项目结束后，在存储条里记录整个扫描结果项目，该记录可以导出或者上报控制台。

4.如权利要求1所述的基于AI视觉技术的作业人员合规性检测方法，其特征在于，所述步骤S3中，作业人员数据特征提取与分类的步骤为：首先利用KL变换对作业人员数据进行压缩与简化，同时对简化后的数据进行比对，判断是否有异常数据，若有，剔除后进行分析；然后利用基于KL散度和k-means算法进行作业人员数据信息的特征提取与分类，对不同类型的作业人员数据进行划分；最后对分类后的所有作业人员的数据进行综合，绘制出工作人员的综合日常合规性曲线。

5.如权利要求1所述的基于AI视觉技术的作业人员合规性检测方法，其特征在于，所述k-means算法的关键步骤为确定聚类的个数i和初始聚类中心，初始聚类中心影响到同一簇内数据点的平均距离z；

聚类的个数i的确定步骤为：首先，i值取1，2，4，6，8，…，k，通过k-means算法计算平均距离z值；

然后，平均距离z的变化趋势表达式为:

最后，通过比较Δe的大小，从而确定簇内平均距离率变换最快的区间，即确定:

i∈[2^e-2，2^e]

利用二分法，进一步缩小其区间范围，最终可求得i值。

6.如权利要求5所述的基于AI视觉技术的作业人员合规性检测方法，其特征在于，所述初始聚类中心的确定利用基于KL散度的方法确认初始聚类中心，具体步骤为:

W＝{F₁，F₂，F₃，…，F_i}为对象集合，n对象对m对象的KL散度表达式为:

差异值矩阵X由元素z_nm构成，表示n对象与m对象的距离，对其每一行元素升序排序；

分别按行计算每个对象到其他对象的平均距离,表达式为:

删除差异值矩阵X第n行中与F_n距离大于的对象，计算剩余对象到F_n的平均距离并统计出和F_n距离小于的个数i_n,所有对象的密度值的表达式为:

比较所有对象的密度值H_n，表示平均距离的平方值，当其为最大值时，确定其为第一个中心点；

根据每一个对象H_n的大小，对F_n降序排序；按照重新排序得到的序列依次处理其他对象，直至选取了i个中心点；

若上述步骤选取的中心点不够，说明密度选的较大，将减少一半，重新选取，直至可以选取满足要求的初始聚类中心。