[发明专利]一种基于AI识别的现场人员管控方法和系统在审

专利信息
申请号: 202211086524.8 申请日: 2022-09-07
公开(公告)号: CN115861364A 公开(公告)日: 2023-03-28
发明(设计)人: 黄国栋;陈俊;马志强;张明;程前 申请(专利权)人: 国网江苏省电力有限公司太仓市供电分公司
主分类号: G06T7/246 分类号: G06T7/246;G06T7/12;G08B21/24;H04N7/18;G06N3/0464;G06N3/08
代理公司: 北京冠和权律师事务所 11399 代理人: 赵银萍
地址: 215000 江苏省*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 ai 识别 现场 人员 方法 系统
【权利要求书】:

1.一种基于AI识别的现场人员管控方法,其特征在于,包括:

S100,基于AI识别设备获取配网作业现场的每个人员的图像集;

S200,采用目标追踪模型对所述图像集进行分析处理,获得对现场的人员定位追踪集;所述定位追踪集包括定位信息和动态图像信息;

S300,基于所述定位追踪集中的动态图像信息判定该人员是否有行为违章,以及结合定位信息,确定行为违章发生的地点和时间;

S400,基于所述定位追踪集中的定位信息判定该人员是否有路径违章,以及路径违章发生的区域和时间;

S500,通过远程监控系统对行为违章和路径违章的人员进行提醒。

2.根据权利要求1所述的基于AI识别的现场人员管控方法,其特征在于,

所述S300包括:

S301,所述动态图像信息是在人员的移动轨迹上,基于各个AI识别设备拍摄的该人员在移动过程中的所有图像信息,该动态图像信息按照时间顺序进行标记;

S302,在对动态图像信息进行分析过程中,若动态图像信息中没有该人员正在实施行为违章时,基于行为预测模型对行为违章前后的图像信息进行分析,预推断出该人员的行为违章发生的地点和时间;所述行为违章包括:未佩戴安全帽、未正确佩戴安全帽、未正确着装、未佩戴安全带、安全带低挂高用;

S303,若动态图像信息中记录有该人员正在实施行为违章的图像,则将正在实施时的地点和时间记录为该人员行为违章发生的地点和时间。

3.根据权利要求1所述的基于AI识别的现场人员管控方法,其特征在于,

所述S400包括:

S401,构建区域模型,在所述区域模型中设定每个人员进出相应区域的权限;

S402,构建路径模型,基于所述区域模型,构建进入所有区域的所有路径,基于所有路径构建路径模型;

S403,构建区域-路径模型,基于区域模型中的数据与路径模型中的数据,扩展区域与路径相关联数据,基于区域与路径相关联数据构建区域-路径模型;

S404,对人员进行人脸识别后,确定该人员的进入权限,基于区域-路径模型判断该人员是否在未授权的区域内,或者判断该人员是否在进入未授权的区域的路径上,若是,则判定该人员为路径违章。

4.根据权利要求3所述的基于AI识别的现场人员管控方法,其特征在于,

所述S404中判断该人员是否在进入未授权的区域的路径上,包括:

S4041,基于统计模型确定某一路径与第一区域之间的第一关联度,以及基于统计模型确定某一与该第一区域相邻的所有区域之间的第二关联度;

S4042,若第一关联度大于第二关联度,将该路径与第一区域设定为强关联,该路径与第一区域相邻的其他区域之间设定为弱关联;若第一关联度小于第二关联度,将第二关联度中最大值对应的区域设定为与该路径之间为强关联,第一区域与该路径之间设定为弱关联;

S4043,基于该人员的定位信息确定该人员所在路径对应的强关联的区域,判断该人员是否有进入该强关联区域的权限,通过判断是否有进入该强关联区域的权限来判断该人员是否在进入未授权的区域的路径上。

5.根据权利要求1所述的基于AI识别的现场人员管控方法,其特征在于,

所述S400包括:

S405,若基于所述定位追踪集中的定位信息无法判定该人员是否有路径违章时,基于定位信息对该人员的路径进行预测;

S406,当预测到该人员有基于现在的路径和定位信息发生路径违章的概率达到设定阈值时,则通过提醒方式提醒该用户及时更改路径;

S407,通过对该人员的权限判定,预测该人员进入附近区域的概率,将概率最大的区域推送给该人员,并给该人员推送进入该区域的最优路径信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网江苏省电力有限公司太仓市供电分公司,未经国网江苏省电力有限公司太仓市供电分公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211086524.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top