【技術實現步驟摘要】
本專利技術涉及圖像處理領域，尤其涉及一種煤礦運輸場景下人體屬性識別方法。
技術介紹
1、采礦業中事故的普遍性和嚴重隨礦物的性質和類型而異。采煤業死亡事故的發生率大大高于其他礦業，采煤業的傷害率也顯著高于其他采礦業。在同一采礦業中，地下采礦的事故率比地面露天開采要高，地下開采的死亡和非死亡事故率一般比地面或露天開采高1～2倍。
2、中國專利授權公告號：cn118097492b公開了一種基于人工智能深度學習的礦山違法行為智能識別方法，包括：將礦山內設置的所有攝像裝置最新獲取的多個視頻段匯總當作同時序視頻段組，并識別出同時序視頻段組中的所有識別對象圖區序列；基于所有識別對象圖區序列對應的實體對象在礦山中的實際空間位移，對同時序視頻段組中的所有識別對象圖區序列進行匹配，獲得識別對象圖區序列組；基于獲取每個識別對象圖區序列組中的識別對象圖區序列的所屬視頻段的攝像裝置的每種預設人工智能深度學習違法行為判別模型，獲得違法行為識別結果；用以利用包含識別對象的多個視角的監控視頻和人工智能深度學習違法行為判別模型精準識別出礦山作業場景中存在的違法行為。
3、中國專利授權公告號：cn118230397b公開了一種基于區塊鏈的人臉識別方法及系統，該申請的基于區塊鏈的人臉識別方法，首先將臉部位姿調整前與調整后的人臉圖像進行融合得到兩組目標人臉圖像，然后通過目標人臉圖像與人臉庫圖像的匹配結果來判斷人臉識別的成功與否；如此，在人臉識別過程中主動引導用戶臉部進行位姿調整以進行臉部特征的融合識別，大大提高了活體識別的準確性，能夠避免非活體
4、但是，上述方法存在以下問題：現有技術中通過經驗判斷危險類型及危險發生概率的準確度低，誤差大，所以亟須一種降低人為干擾的判斷危險來臨時及時響應的技術方法。
技術實現思路
1、為此，本專利技術提供一種煤礦運輸場景下人體屬性識別方法，用以克服了現有技術中通過經驗判斷危險類型及危險發生概率的準確度低，主觀因素較多，從而導致在煤礦運輸時風險判斷準確性降低的問題。
2、為實現上述目的，本專利技術提供一種煤礦運輸場景下人體屬性識別方法，包括：
3、構建危險監測模型，并收集煤礦場環境與人員的數據信息；
4、將所述數據信息進行預處理以得到對應的特征信息；
5、根據危險類型對所述危險監測模型進行分類并賦予各危險監測模型對應的風險值；
6、對所述特征信息進行處理得到動作行為信息，并將所述動作行為信息帶入危險監測模型得到動作風險值，判斷動作行為是否出現危險并發送警報信號；
7、將所述特征信息進行處理得到路況信息，并將所述路況信息帶入危險監測模型得到路況風險值，判斷路況是否存在危險源并發送警報信號；
8、將所述特征信息進行處理得到礦場信息，并將所述礦場信息導入危險監測模型得到礦場風險值，判斷煤礦場是否存在塌方危險并發送警報信號；
9、通過檢測到的動作、路況、礦場對應的特征信息及危險種類訓練所述危險監測模型，調整危險監測模型后覆蓋原有危險監測模型。
10、其中，所述危險類型包括道路危險、行為危險、塌方危險。
11、進一步地，所述預處理為將所述數據信息進行第一次卷積操作得到低級特征，對所述低級特征進行池化操作降低低級特征的維度，對所述低級特征進行若干次卷積與池化操作得到對應的特征信息。
12、進一步地，篩選出所述特征信息中的動作特征信息，將所述動作特征信息進行匯總并代入所述危險監測模型確定動作風險值并判斷風險類型，發送警報信號。
13、進一步地，所述危險監測模型預設有動作警報值，對比動作風險值與動作警報值，
14、如動作風險值為零，不發送信號；
15、若動作風險值不為零且未達動作警報值，發送低危險信號；
16、若動作風險值達到動作警報值，發送高危險信號。
17、進一步地，篩選出所述特征信息中的路況特征信息，將所述路況特征信息進行匯總并代入所述危險監測模型確定路況風險值并判斷風險類型，發送警報信號。
18、進一步地，所述危險監測模型預設有路況警報值，對比路況風險值與路況警報值，
19、如路況風險值為零，不發送信號；
20、若路況風險值不為零且未達路況警報值，發送低危險信號；
21、若路況風險值達到路況警報值，發送高危險信號。
22、進一步地，篩選出所述特征信息中的礦場特征信息，將所述礦場特征信息進行匯總并代入所述危險監測模型確定礦場風險值并判斷風險類型，發送警報信號。
23、進一步地，所述危險監測模型預設有礦場警報值，對比礦場風險值與礦場警報值，
24、如礦場風險值為零，不發送信號；
25、若礦場風險值不為零且未達礦場警報值，發送低危險信號；
26、若礦場風險值達到礦場警報值，發送塌方危險信號。
27、進一步地，將所述路況風險值、所述動作風險值與所述礦場風險值進行加權得到總風險值，所述危險監測模型中預設有警報值，對比總風險值與警報值，
28、若總風險值為零，礦場無危險；
29、若總風險值不為零且未達警報值，發送風險提示信號；
30、若總風險值達到警報值，發送警報信號。
31、進一步地，確定循環周期，任一周期包括調整時段與應用時段，
32、當處于調整時段，將檢測到的特征信息與風險類型匯總輸入所述危險監測模型，訓練危險監測模型并覆蓋原有危險監測模型；
33、當處于應用時段，將特征信息帶入調整后的危險監測模型并判斷是否發送警報信號；
34、當一個周期結束后，將所述危險監測模型歸零，并重新構建危險監測模型用于下一個周期。
35、與現有技術相比，本專利技術的有益效果在于，通過構建危險監測模型并根據風險值確定風險類別與風險等級，提高了對危險識別精度，提高了發現危險的效率，降低危險發生的概率，從而克服了現有技術中通過經驗判斷危險類型及危險發生概率的準確度低，主觀因素較多，從而導致在煤礦運輸時風險判斷準確性降低的問題。
36、進一步地，通過多層卷積池化方法進行圖像數據預處理，提高圖像識別的精度和準確性，有利于執行復雜的圖像識別，有助于防止模型在訓練集上的過擬合現象，降低數據維度、提高計算效率和魯棒性，從而進一步克服了現有技術中通過經驗判斷危險類型及危險發生概率的準確度低，主觀因素較多，從而導致在煤礦運輸時風險判斷準確性降低的問題。
37、進一步地，通過危險監測模型對動作行為特征的識別與判斷，提高對工人異常動作的靈敏性，降低因工人行為異常而造成的損害，降低危險出現概率，提高人員本文檔來自技高網...
【技術保護點】
1.一種煤礦運輸場景下人體屬性識別方法，其特征在于，包括：
2.根據權利要求1所述的煤礦運輸場景下人體屬性識別方法，其特征在于，所述預處理為將所述數據信息進行第一次卷積操作得到低級特征，對所述低級特征進行池化操作調整低級特征的維度，對所述低級特征進行若干次卷積與池化操作得到對應的特征信息。
3.根據權利要求2所述的煤礦運輸場景下人體屬性識別方法，其特征在于，篩選出所述特征信息中的動作特征信息，將所述動作特征信息進行匯總并代入所述危險監測模型確定動作風險值并判斷風險類型，發送警報信號。
4.根據權利要求3所述的煤礦運輸場景下人體屬性識別方法，其特征在于，所述危險監測模型預設有動作警報值，對比動作風險值與動作警報值，
5.根據權利要求4所述的煤礦運輸場景下人體屬性識別方法，其特征在于，篩選出所述特征信息中的路況特征信息，將所述路況特征信息進行匯總并代入所述危險監測模型確定路況風險值并判斷風險類型，發送警報信號。
6.根據權利要求5所述的煤礦運輸場景下人體屬性識別方法，其特征在于，所述危險監測模型預設有路況警報值，對比路況風險
7.根據權利要求6所述的煤礦運輸場景下人體屬性識別方法，其特征在于，篩選出所述特征信息中的礦場特征信息，將所述礦場特征信息進行匯總并代入所述危險監測模型確定礦場風險值并判斷風險類型，發送警報信號。
8.根據權利要求7所述的煤礦運輸場景下人體屬性識別方法，其特征在于，所述危險監測模型預設有礦場警報值，對比礦場風險值與礦場警報值，
9.根據權利要求8所述的煤礦運輸場景下人體屬性識別方法，其特征在于，將所述路況風險值、所述動作風險值與所述礦場風險值進行加權得到總風險值，所述危險監測模型中預設有警報值，對比總風險值與警報值，
10.根據權利要求9所述的煤礦運輸場景下人體屬性識別方法，其特征在于，確定循環周期，任一周期包括調整時段與應用時段，
...【技術特征摘要】
1.一種煤礦運輸場景下人體屬性識別方法，其特征在于，包括：
2.根據權利要求1所述的煤礦運輸場景下人體屬性識別方法，其特征在于，所述預處理為將所述數據信息進行第一次卷積操作得到低級特征，對所述低級特征進行池化操作調整低級特征的維度，對所述低級特征進行若干次卷積與池化操作得到對應的特征信息。
3.根據權利要求2所述的煤礦運輸場景下人體屬性識別方法，其特征在于，篩選出所述特征信息中的動作特征信息，將所述動作特征信息進行匯總并代入所述危險監測模型確定動作風險值并判斷風險類型，發送警報信號。
4.根據權利要求3所述的煤礦運輸場景下人體屬性識別方法，其特征在于，所述危險監測模型預設有動作警報值，對比動作風險值與動作警報值，
5.根據權利要求4所述的煤礦運輸場景下人體屬性識別方法，其特征在于，篩選出所述特征信息中的路況特征信息，將所述路況特征信息進行匯總并代入所述危險監測模型確定路況風險值并判斷風險類型...
【專利技術屬性】
技術研發人員：任澤，聶志勇，隋立林，湯潤之，
申請(專利權)人：國能數智科技開發北京有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。