[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

说明书

本发明实施例公开了安全带佩戴状态的检测方法、系统、存储介质及设备。所述方法包括根据UWB模块，获取安全带数量参数；再根据检测设备信息，获取安全带连接状态参数；以及根据画面采集设备信息，获取视频数据；最后通过上述安全带数量参数、安全带连接状态参数和视频数据训练综合模型并利用该模型确定当前安全带佩戴状态的检测结果。本申请将视频检测技术和传感器技术相结合，获取各个维度的安全带佩戴状态信息，并且在此基础了使用混合CNN‑ELM‑IAHP模型，确保输出的安全带佩戴状态的准确性。

技术领域

本发明涉及物联网的信息和通信技术领域，尤其涉及安全带佩戴状态的检测方法、系统、存储介质及设备。

背景技术

现有技术中，通常由巡查人员在人工作业前检查工作人员是否佩戴安全带或在人工作业中通过采集视频或图像对工作人员佩戴安全带的状态进行检测，但是在配网作业中，同一设备上经常出现多人进行高空作业，由于工作人员之间存在遮挡和不同角度的重合等问题，导致摄像头难以拍摄到工作人员佩戴安全带的状态，从而影响检测工作人员是否佩戴安全带的准确率，存在很大的安全隐患。

发明内容

基于此，有必要针对上述问题，提出了一种安全带佩戴状态的检测方法。

一种安全带佩戴状态的检测方法，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。

上述方案中，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。

上述方案中，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。

上述方案中，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。

上述方案中，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。

上述方案中，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。

上述方案中，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：