[发明专利]安全带佩戴状态的检测方法、系统、存储介质及设备

权利要求书

1.一种安全带佩戴状态的检测方法，其特征在于，所述方法包括下列步骤：

根据UWB模块，获取安全带数量参数；

根据检测设备信息，获取安全带连接状态参数；

根据画面采集设备信息，获取视频数据；

根据所述安全带数量参数、安全带连接状态参数和视频数据训练综合模型；

根据所述综合模型确定当前安全带佩戴状态的检测结果。

2.根据权利要求1所述的安全带佩戴状态的检测方法，其特征在于，所述根据UWB模块，获取安全带数量参数，具体包括：所述UWB模块包括基站和定位标签，通过所述定位标签的数量确定安全带数量参数。

3.根据权利要求1所述的安全带佩戴状态的检测方法，其特征在于，所述根据画面采集设备信息，获取视频数据，具体包括：通过摄像设备从至少两个角度采集画面中包含有安全带佩戴人员的视频数据。

4.根据权利要求1所述的安全带佩戴状态的检测方法，其特征在于，所述根据所述安全带数量参数、安全带连接状态参数和视频数据训练综合模型，具体包括：

将所述安全带数量参数、安全带连接状态参数和视频数据作为训练数据输入综合模型进行特征提取；

当所述综合模型的迭代损失值为固定值时，输出训练数据类标签即安全带佩戴状态；

根据所述获取所述训练数据类标签人工确定对应的评分值；

将所述评分值进行模糊聚类，确定所述训练数据类标签隶属各类状态等级的概率X；

使用改进的层次分析法对所述训练数据类标签隶属各类状态等级的概率X进行权重分析，获取各类状态指标的权重向量Ω；

根据所述安全带佩戴状态和各类状态对应评分值获取隶属度的评价集矩阵M；

根据所述训练数据类标签隶属各类状态等级的概率X、各类状态指标的权重向量Ω和隶属度的评价集矩阵M获取最终所述训练数据对应的评分值。

5.根据权利要求1所述的安全带佩戴状态的检测方法，其特征在于，所述根据所述综合模型确定当前安全带佩戴状态的检测结果，具体包括：

利用卷积神经网络算法提取输入数据的卷积特征，获取对应的数据类标签；确定所述数据类标签隶属各类状态等级的概率X；

对所述数据类标签隶属各类状态等级的概率X进行权重分析，获取各类状态指标的权重向量Ω；

获取隶属度的评价集矩阵M；

根据所述测试数据类标签隶属各类状态等级的概率X、各类状态指标的权重向量Ω和隶属度的评价集矩阵M获取最终所述测试数据对应的评分值。

6.根据权利要求5所述的安全带佩戴状态的检测方法，其特征在于，所述利用卷积神经网络算法提取输入数据的卷积特征，获取对应的数据类标签，具体包括：

将当前样本数据作为测试数据输入到卷积神经网络；

提取所述测试数据的卷积特征；

利用ELM算法处理所述测试数据的卷积特征，获取测试数据类标签；

对所述测试数据类标签执行多数表决，输出最终的测试数据类标签。

7.根据权利要求5所述的安全带佩戴状态的检测方法，其特征在于，所述确定所述数据类标签隶属各类状态等级的概率X，具体包括：

根据所述输出测试数据的数据类标签匹配数据类标签对应的指标分数；

对所述指标分数进行模糊聚类分析；

获取所述指标分数隶属各类状态等级的概率。

8.根据权利要求5所述的安全带佩戴状态的检测方法，其特征在于，所述对所述数据类标签隶属各类状态等级的概率X进行权重分析，获取各类状态指标的权重向量Ω，具体包括：根据改进层次分析算法对所述数据类标签隶属各类状态等级的概率X进行权重分析。