[发明专利]基坑周围人员安全保障方法在审
申请号: | 201810404017.1 | 申请日: | 2018-04-28 |
公开(公告)号: | CN108629309A | 公开(公告)日: | 2018-10-09 |
发明(设计)人: | 周科;李源 | 申请(专利权)人: | 成都睿码科技有限责任公司;杭州数峰科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06N3/04;H04N7/18 |
代理公司: | 成都行之专利代理事务所(普通合伙) 51220 | 代理人: | 戴勇灵 |
地址: | 610000 四川省成都市中国(四川)自*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基坑 远端控制中心 人员安全 安全警告 行人检测 摄像头 算法 架设 摄像头采集 摄像头拍摄 准确度 高可靠度 基坑周边 监控区域 警告信息 警戒区域 模型网络 区域设置 人员检测 检测 样本 概率 保证 图片 | ||
本发明公开了基坑周围人员安全保障方法,包括如下步骤:S1:对基坑周边区域设置安全警告区域;S2:在基坑周围架设摄像头,保证摄像头拍摄到的照片能够同时包含基坑和警戒区域;S3:将基坑周围架设的所有摄像头与远端控制中心连接,远端控制中心根据基坑周围情况调整好监控区域并划定基坑区域;S4:远端控制中心利用摄像头采集的图片,通过行人检测算法,检测出基坑周围人员,并获取检测到的周围人员与安全警告区域之间的相对位置,判断是否发出警告信息,其中的行人检测算法中加重了模型网络计算得到少样本类别的概率。本发明通过上述原理,提高基坑周围人员检测的准确度和速度,快速及时的提醒基坑周围人员,高可靠度的保障基坑周围人员安全。
技术领域
本发明涉及人员安全领域,具体涉及基坑周围人员安全保障方法。
背景技术
现有技术中在保障基坑周围人员安全的准确性和可靠性受到检测技术的影响,检测技术的精度和速度都会影响基坑周围人员安全的准确性,若检测技术无法准确的识别基坑周围人员则会出现警告提醒错误的情况发生,无法保证基坑周围人员的安全。在现有的物体检测技术中,有两种技术。一种是首先获取大量的物体可能出现的位置,然后输入给一个卷积神经网络。另一种则是,直接把大量物体可能存在的位置输入给一个分类器。第一种方式精度更高,但是速度较慢。第二种方式,速度较快,但是精度更高。为了能维持一个较快的速度,同时不损失物体检测精度,现有技术中我们主要采用了第二种物体检测方式。采用第二种物体进行检测时,也存在目标检测不准的情况,现阶段造成目标检测不准的主要原因是:第一,极度不平衡的正负样本比例。在训练分类器的时候,负样本数量远远大于正样本数量。第二,整个神经网络在训练的过程中,梯度被容易区分的负样本所主导。在训练过程中,虽然容易区分的负样本带来的loss很小,但是由于数量众多,最终占了整个loss的绝大部分。从而导致收敛不到一个理想的结果。
发明内容
本发明所要解决的技术问题是提高基坑周围人员检测的准确度和速度,目的在于提供基坑周围人员安全保障方法,提高基坑周围人员检测的准确度和速度,快速及时的提醒基坑周围人员,避免基坑周围人员掉入基坑中,高可靠度的保障基坑周围人员安全。
本发明通过下述技术方案实现:
基坑周围人员安全保障方法,其特征在于,包括如下步骤:
S1:对基坑周边区域设置安全警告区域;
S2:在基坑周围架设摄像头,保证摄像头拍摄到的照片能够同时包含基坑和警戒区域;
S3:将基坑周围架设的所有摄像头与远端控制中心连接,远端控制中心根据基坑周围情况调整好监控区域并划定基坑区域;
S4:远端控制中心利用摄像头采集的图片,通过行人检测算法,检测出基坑周围人员,并获取检测到的周围人员与安全警告区域之间的相对位置,如果探测到周围人员与某一级安全警告区域有重合,则发出对应的警告信息,其中的行人检测算法中加重了模型网络计算得到少样本类别的概率。
现有技术中在保障基坑周围人员安全的准确性和可靠性受到检测技术的影响,检测技术的精度和速度都会影响基坑周围人员安全的准确性,若检测技术无法准确的识别基坑周围人员则会出现警告提醒错误的情况发生,无法保证基坑周围人员的安全。在现有的物体检测技术中,有两种技术。一种是首先获取大量的物体可能出现的位置,然后输入给一个卷积神经网络。另一种则是,直接把大量物体可能存在的位置输入给一个分类器。第一种方式精度更高,但是速度较慢。第二种方式,速度较快,但是精度更高。为了能维持一个较快的速度,同时不损失物体检测精度,现有技术中我们主要采用了第二种物体检测方式。采用第二种物体进行检测时,也存在目标检测不准的情况,现阶段造成目标检测不准的主要原因是:第一,极度不平衡的正负样本比例。在训练分类器的时候,负样本数量远远大于正样本数量。第二,整个神经网络在训练的过程中,梯度被容易区分的负样本所主导。在训练过程中,虽然容易区分的负样本带来的loss很小,但是由于数量众多,最终占了整个loss的绝大部分。从而导致收敛不到一个理想的结果。
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成都睿码科技有限责任公司;杭州数峰科技有限公司,未经成都睿码科技有限责任公司;杭州数峰科技有限公司许可,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/201810404017.1/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种基于点阵图像的轨迹生成方法
- 下一篇:一种基于生物脉冲的动作识别方法