[发明专利]基于多模态数据特征化的安全监测方法及终端

说明书

本发明公开了一种基于多模态数据特征化的安全监测方法及终端，包括特征嵌入：将多模态数据转换为预设的特征数据，并进行Embed()函数嵌入；特征对齐：将嵌入后的各特征数据进行同步和对齐；特征提取：通过深层神经网络从经过特征对齐的特征数据中提取有意义的特征。本发明通过将多模态数据转换为预设的特征数据，并进行Embed()函数特征嵌入，使多模态数据之间的相关性得到充分体现，然后将嵌入后的各所述特征数据进行特征对齐，使各特征数据再不同模态间有可比性，最后通过深层神经网络学习，提取出准确、具有意义的高维特征，整体通过结合多模态数据和深入的方法结构，得到较为准确的监测数据以进行事件研判，提高近电手环健康监测的准确性和效率。

技术领域

本发明涉及电力施工安全监测技术领域，尤其涉及一种基于多模态数据特征化的安全监测方法及终端。

背景技术

现有通过设计一种近电手环，集近电报警、健康监测和远程管理等功能为一体，以解决电力施工中的触电问题，但目前业内采用手环监测的研判方法，大部分采用直接使用公式方法进行业务判定或直接设置数值区间阈值进行研判，通常存在以下缺点：

缺点1：数值公式研判方法设计比较主观，无法在环境因素变化中进行动态调整研判任务，造成研判不准确。

缺点2：区间阈值研判存在数值划分比较生硬，只能针对特定数值进行判定，无法进行多种数值进行联合研判，也会造成研判结果单一，不准确。

发明内容

本发明所要解决的技术问题是：提供一种基于多模态数据特征化的安全监测方法及终端，通过对多模态数据进行特征化处理，提高近电手环进行健康监测的准确性和效率。

为了解决上述技术问题，本发明采用的技术方案为：

一种基于多模态数据特征化的安全监测方法，包括步骤：

S1、将多模态数据转换为预设的特征数据，并进行Embed()函数特征嵌入；

S2、将嵌入后的各所述特征数据进行特征对齐；

S3、将对齐后的所述特征数据经深层神经网络训练后提取出特征层被激活且特征热图数值大于阈值的特征；

S4、根据提取到的特征，进行事件研判。

为了解决上述技术问题，本发明采用的另一个技术方案为：

一种基于多模态数据特征化的安全监测终端，包括存储器、处理器和存储在存储器上并可在处理器上运行的计算机程序，所述处理器在执行所述计算机程序时实现以下步骤：

S1、将多模态数据转换为预设的特征数据，并进行Embed()函数特征嵌入；

S2、将嵌入后的各所述特征数据进行特征对齐；

S3、将对齐后的所述特征数据经深层神经网络训练后提取出特征层被激活且特征热图数值大于阈值的特征；

S4、根据提取到的特征，进行事件研判。

本发明的有益效果在于：通过将多模态数据转换为预设的特征数据，并进行Embed()函数特征嵌入，使得多模态数据之间的相关性得到充分体现，然后将嵌入后的各所述特征数据进行特征对齐，使得各特征数据再不同模态间有可比性，最后通过深层神经网络学习，从经过特征对齐的所述特征数据中提取出特征热图明显、准确、具有意义的高维特征，即整体通过结合多模态数据和深入的方法结构，得到较为准确的监测数据，以进行后续的事件研判，有助于提高近电手环健康监测的准确性和效率。

附图说明

图1为本发明实施例的一种基于多模态数据特征化的安全监测方法的流程图；

图2为本发明实施例的一种基于多模态数据特征化的安全监测方法的模块原理图；