[发明专利]基于机器学习的作业现场安全监管方法及装置

权利要求书

1.一种基于机器学习的作业现场安全监管方法，其特征在于，所述方法包括：

分析采集设备采集到的作业现场的视频图像，得到所述作业现场中目标人员的图像；

根据所述目标人员的图像确定第一区域图像，所述第一区域图像包括所述目标人员的头部轮廓对应的区域图像；

根据预先确定出的物品区域确定方式，确定所述第一区域图像中目标物品对应的目标区域图像，所述物品区域确定方式包括基于预先确定出的头部-物品位置关系确定的方式和/或基于预先确定出的不同区域图像的参数确定的方式，所述不同区域图像包括头顶区域图像和/或口鼻区域图像、头部剩余区域图像；

分析所述目标区域图像，得到分析结果；

根据所述分析结果判断是否需要针对所述目标人员执行告警操作；

当判断出需要针对所述目标人员执行告警操作时，向所述目标人员输出警告提示，所述警告提示用于提示所述目标人员未按照作业现场的安全规范要求佩戴口罩和/或安全帽。

2.根据权利要求1所述的基于机器学习的作业现场安全监管方法，其特征在于，所述根据所述目标图像确定第一区域图像，包括：

确定所述目标人员与所述采集设备之间的距离；

判断所述距离是否大于等于预设的距离阈值；

当判断出所述距离大于等于所述距离阈值时，将所述目标图像中每相邻若干帧图像的灰度值变化在预设灰度值阈值内的图像区域确定为所述目标图像的重点识别区域；

基于预设的第一图像处理算法分析所述重点识别区域，得到所述目标人员的轮廓以及所述目标人员的轮廓对应的图像区域；

根据所述目标人员的轮廓以及所述目标人员的轮廓对应的图像区域确定所述目标人员的头部轮廓对应的区域图像，作为第一区域图像。

3.根据权利要求2所述的基于机器学习的作业现场安全监管方法，其特征在于，所述方法还包括：

当判断出所述距离小于所述距离阈值时，基于预设的人脸模型识别算法以及存储在数据库中的人脸面部特征分析所述目标人员的所述图像，得到所述目标人员的头部轮廓对应的区域图像，作为第一区域图像。

4.根据权利要求2或3所述的基于机器学习的作业现场安全监管方法，其特征在于，所述根据预先确定出的物品区域确定方式，确定所述第一区域图像中目标物品对应的目标区域图像，包括：

在确定出所述目标人员的头部轮廓之后，根据预先确定出的头部-物品位置关系和/或预先确定出的头部-物品尺寸比例关系划分所述第一区域图像，得到划分结果；

当所述物品区域确定方式包括基于预先确定出的头部-物品位置关系确定的方式时，根据所述划分结果确定所述第一区域图像中目标物品对应的目标区域图像，所述目标物品包括遮盖口鼻的面部遮掩物和/或头部覆盖物；或者，

当所述物品区域确定方式包括基于预先确定出的不同区域图像的参数确定的方式时，根据预先确定出的不同区域图像的参数确定所述第一区域图像中目标物品对应的目标区域图像。

5.根据权利要求4所述的基于机器学习的作业现场安全监管方法，其特征在于，在确定出所述第一区域图像中目标物品对应的目标区域图像之后，以及所述分析所述目标区域图像，得到分析结果之前，所述方法还包括：

对所述目标区域图像执行预设次数的拉伸放大处理，得到拉伸放大后的图像；

分析所述拉伸放大后的图像在图像边缘区域中灰度值变化在预设灰度阈值内的图像区块，得到若干个图像区块；

对所述若干个图像区块执行所述预设次数的缩小处理，得到与所述目标区域图像尺寸一致的目标图像轮廓，并执行所述的分析所述目标区域图像，得到分析结果的操作。

6.根据权利要求5所述的基于机器学习的作业现场安全监管方法，其特征在于，所述分析所述目标区域图像，得到分析结果，包括：

分析所述第一区域图像所包括的若干图像各自的目标参数，得到所述若干图像各自的目标参数对应的数据；

计算所述若干图像中相邻两帧所述图像对应的数据的数值差，作为分析结果。