[发明专利]一种基于机器学习的人员安全监控方法及设备

说明书

本发明公开了一种基于机器学习的人员安全监控方法及设备，属于安全监控技术领域，用于解决现有的人员安全监控方法监控范围不全面、对于工作人员的安全状况评估准确性低的技术问题。方法包括：通过若干运动传感器，实时采集被监控人员的人体运动数据；通过训练好的运动特征识别模型，对人体运动数据进行运动特征识别，得到被监控人员的运动特征数据；实时采集被监控人员的生命体征数据以及所处环境数据、设备运行数据，得到安全监控数据集；对安全监控数据集进行预处理并进行聚类分析，得到完整安全监控数据集中各类数据的危险指数以及危险指数权重；根据危险指数以及危险指数权重，得到被监控人员的危险评价值，进而确定是否发出报警。

技术领域

本申请涉及安全监控技术领域，尤其涉及一种基于机器学习的人员安全监控方法及设备。

背景技术

对于地下作业、高空作业、电力设备检修、化工等危险行业的从业人员，在工作过程中往往会面临各种各样的安全隐患，比如可能因为吸入有毒气体导致昏迷、突发疾病、设备操作不规范、设备异常导致对工作人员产生危害等情况。随着社会的进步，各行各业都相继进行了信息化建设，实现了人体数据的监控和预警，以保障工作人员和工作环境的安全。

但是现有的方法多是通过传感器等设备进行工作人员体征数据的采集，并进行监控和预警。这种方法采集的数据不够全面，只能监控工作人员本身的身体状况，不能全面地分析工作人员面临的安全隐患。而采集设备往往采集有死角，监控设备也依赖人员的认真程度，进而造成安全监控不到位。

发明内容

本申请实施例提供了一种基于机器学习的人员安全监控方法及设备，用于解决如下技术问题：现有的人员安全监控方法监控范围不全面、对于工作人员的安全状况评估准确性低。

本申请实施例采用下述技术方案：

一方面，本申请实施例提供了一种基于机器学习的人员安全监控方法，方法包括：通过若干运动传感器，实时采集被监控人员的人体运动数据；其中，所述运动传感器安装于可穿戴设备上的关键运动位置，至少包括加速度传感器、陀螺仪传感器；基于预设时间间隔，通过训练好的运动特征识别模型，对所述人体运动数据进行运动特征识别，得到所述被监控人员的运动特征数据；通过安装于所述可穿戴设备上的各种传感器，实时采集所述被监控人员的生命体征数据以及所处环境数据；并通过工业设备中安装的数据采集设备，实时采集设备运行数据；将所述运动特征数据、生命体征数据、所处环境数据以及所述设备运行数据组合为安全监控数据集；对所述安全监控数据集中的各类数据分别进行预处理，得到完整安全监控数据集；对所述完整安全监控数据集进行聚类分析，得到所述完整安全监控数据集中各类数据的危险指数以及危险指数权重；根据所述危险指数以及所述危险指数权重，得到所述被监控人员的危险评价值，进而确定是否发出报警。

本申请实施例通过可穿戴设备采集被监控人员的人体运动数据、生命体征数据、所述环境数据以及被监控人员操作的设备的运行数据，可以从被监控人员的身体健康、所处环境、动作、旁边的设备运行情况等方面，全面地分析被监控人员面临的安全隐患。

在一种可行的实施方式中，在通过训练好的运动特征识别模型，对所述人体运动数据进行运动特征识别之前，所述方法还包括：将第一预设数量的卷积层以及一个池化层进行串联，得到一个卷积块；将第二预设数量的卷积块进行堆叠，得到卷积网络；其中，所述第一预设数量以及第二预设数量的取值范围均为[1,10]；将所述卷积网络与双层长短期记忆网络LSTM、全连接层以及多项逻辑回归层进行组合，得到所述运动特征识别模型；通过人体运动识别HAR 数据集对所述运动特征识别模型进行训练以及测试，得到测试精度值；若所述测试精度值小于第一预设阈值，则随机调整所述第一预设数量以及所述第二预设数量的值，直至所述测试精度达到所述第一预设阈值。