[发明专利]一种电力作业区域外围行人安全预警方法在审

专利信息
申请号: 202211476246.7 申请日: 2022-11-23
公开(公告)号: CN115761803A 公开(公告)日: 2023-03-07
发明(设计)人: 王军建;刘立强;陆顺;李柏杨;刘涛;吕越;杨明振 申请(专利权)人: 山东鲁软数字科技有限公司
主分类号: G06V40/10 分类号: G06V40/10;G06V40/20;G06V10/762;G06V10/82;G06V10/44;G06N3/045;G06N3/047;G06N3/049;G06N3/084
代理公司: 济南舜源专利事务所有限公司 37205 代理人: 尹俪娟
地址: 250000 山东省济南市高*** 国省代码: 山东;37
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 电力 作业 区域 外围 行人 安全 预警 方法
【权利要求书】:

1.一种电力作业区域外围行人安全预警方法,其特征在于,包括以下步骤:

步骤S1:获取视频流数据的步骤,该步骤从电力作业现场的视频监控装置中提取作业现场的视频流数据,并对提取的视频流数据进行解码分析以得到待检测图像数据信息;

步骤S2:图像数据分割的步骤,将步骤S1中解码分析获得的待检测图像数据输入训练完成的隔离装置分割模型中,并对隔离装置分割模型输出的分割图像进行形态学处理,以获得隔离装置外轮廓数据;

步骤S3:获得行人目标框位置数据的步骤,该步骤中将步骤S1中解码分析获得的待检测图像数据输入训练完成的作业人员检查模型中,检查图像数据中作业人员与行人,若存在行人,则输出行人的目标框位置数据[xmin,ymin,xmax,ymax];

步骤S4:获得行人的人体关键点数据的步骤,该步骤中根据步骤S3中行人的目标框位置数据[xmin,ymin,xmax,ymax],对步骤S1的待检测图像数据进行裁剪,裁剪后的图像数据输入到训练完成的人体关键点检测模型中,得到人体关键点数据,人体关键点数据表示为:p0={(x0,y0),(x1,y1)……(x24,y24)},通过加权平均处理得到人体位置点,并计算人体位置点在步骤S1中所述待检测图像中的位置;

步骤S5:对行人运行方向预测的步骤,该步骤中通过步骤S4中的人体位置点构建行为运动方向预测模型,对行人运动趋势进行粗略预测;

步骤S6:行人轨迹预测的步骤,该步骤中采用长短期记忆网络LSTM建立行人轨迹预测模型,对未来预设时间段内的行人位置进行精细预测。

2.根据权利要求1所述的一种电力作业区域外围行人安全预警方法,其特征在于,所述的步骤S1中:

通过OpenCV工具对视频流数据进行解码处理。

3.根据权利要求2所述的一种电力作业区域外围行人安全预警方法,其特征在于,所述的步骤S2中,隔离装置分割模型的具体训练过程为:

准备训练集:对带有隔离装置的作业现场进行拍摄,使用PixelAnnotationTools标注工具对训练集图像中隔离装置标注,得到图像标签,将图像及制作的标签一一对应作为隔离装置分割模型训练集;将所述数据集按照8:2的比例设置训练集和验证集;将所述训练集输入到DeepLabV3关键点检测算法中,在NV ID I A GPU服务器中以算法默认参数进行训练;以I OU作为评估标准对模型性能进行评估,直至模型满足使用要求,得到隔离装置分割模型。

4.根据权利要求3所述的一种电力作业区域外围行人安全预警方法,其特征在于,所述步骤S3中,所述训练完成的作业人员检测模型是基于YOLOv5目标检测网络进行训练的,作业人员检测模型的具体训练过程为:

准备训练集:对作业现场进行拍摄,然后使用Lab l e I mg标注工具对训练集图像中作业人员与行人进行标注,得到图像标签,将图像及制作的标签一一对应作为作业人员检测模型训练集;将所述数据集按照8:2的比例设置训练集和验证集;将所述训练集输入到YOLOv5目标检测算法中,在NV ID I A GPU服务器中以算法的默认参数进行训练;以mAP作为评估标准对模型性能进行评估,直至模型满足使用要求,得到作业人员检测模型。

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山东鲁软数字科技有限公司,未经山东鲁软数字科技有限公司许可,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/202211476246.7/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

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