[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
【说明书】:

发明公开了一种基于AI识别的现场人员管控方法和系统,该方法包括:基于AI识别设备获取配网作业现场的每个人员的图像集;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;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;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;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。通过上述方案可以获得现场人员是否有行为违章和路径违章,并可以精确定位违章发生时的地点和时间,进一步提升对现场人员的管控。

技术领域

本发明涉及现场人员管控技术领域,具体涉及一种基于AI识别的现场人员管控方法和系统。

背景技术

电网安全管理是一个庞大复杂、理论性和操作性极强的系统工程。全社会对安全、经济、优质用电的需求越来越高,电网安全管理的压力越来越大。

然而配网作业现场由于作业点面广、工期紧、环境复杂,施工单位资质、人员素质参差不齐,作业人员流动性较大,缺乏安全责任意识,对安全工作规范、安全措施理解执行不到位,导致现场人员违章行为频出。

为避免上述情况,现有方案是基于督察人员到现场开展检查的方式进行督察,此措施明显已经无法满足现场安全管控的要求;另外随着智能化技术的提高,可以采用智能设备对现场人员进行全自动智能监控。但现阶段采用的方案是通过人脸识别以及图像处理技术判断现场人员是否有违章行为。该方案虽然可以提高自动化智能化,但是,在作业现场复杂且人员流动性不可控的情况下,现场人员即使存在违章行为,由于不能确定该人员的详细动态,因此不能对存在的违章行为或可能存在的违章行为进行实时督察更正,只依靠现有的智能设备并不能完全满足现场人员的管理,因此,亟需一种方案可以弥补上述缺陷,对现场作业人员进行更加严格的督察,以及及时更正违章人员的违章行为,从而可以进一步的提升并保障作业现场的人员安全性。

发明内容

本发明提供一种基于AI识别的现场人员管控方法和系统,以解决现有技术中存在的上述问题。

本发明提供一种基于AI识别的现场人员管控方法,该方法包括:

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。

优选的,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。

优选的,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;

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/202211086524.8/2.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