[发明专利]爆破作业人员检测方法、装置、系统、介质及服务器在审

专利信息
申请号: 201811332421.9 申请日: 2018-11-09
公开(公告)号: CN109447176A 公开(公告)日: 2019-03-08
发明(设计)人: 吴宗泽;孙婧;陈锐;谢胜利;任志刚 申请(专利权)人: 广东工业大学
主分类号: G06K9/62 分类号: G06K9/62;G06N3/08;G06Q50/26
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 罗满
地址: 510060 广东省*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 爆破作业 预设 采集区域 实时图像 基本信息 人员检测 检测 服务器 人员基本信息 采集 空白模型 历史图片 人工检查 人力资源 算法构建 样本 配置 施工 管理
【权利要求书】:

1.一种基于Mask R-CNN的爆破作业人员检测方法,其特征在于,包括:

获取预设采集区域采集到的实时图像;

利用训练后Mask R-CNN模型对所述实时图像进行检测,得到所述预设采集区域中爆破作业人员的基本信息;其中,所述基本信息用于判断所述爆破作业人员的配置是否符合预设爆破作业规范;所述训练后Mask R-CNN模型为利用包含爆破作业人员基本信息的历史图片样本对基于Mask R-CNN算法构建的空白模型进行训练得到的模型。

2.根据权利要求1所述的基于Mask R-CNN的爆破作业人员检测方法,其特征在于,所述预设采集区域包括爆破等待区域、民爆器材装卸区域、民爆器材临时存放区域和装药警戒区域。

3.根据权利要求2所述的基于Mask R-CNN的爆破作业人员检测方法,其特征在于,所述利用训练后Mask R-CNN模型对所述实时图像进行检测,得到所述预设采集区域中爆破作业人员的基本信息,包括:

利用训练后Mask R-CNN模型对所述爆破等待区域的实时图像进行检测,得到所述爆破等待区域中爆破作业人员的数量及对应的工种信息。

4.根据权利要求3所述的基于Mask R-CNN的爆破作业人员检测方法,其特征在于,所述利用训练后Mask R-CNN模型对所述实时图像进行检测,得到所述预设采集区域中爆破作业人员的基本信息之后,还包括:

将所述数量及对应的工种信息发送至监督方,以使监督方判断当前爆破作业人员的配置是否符合预设爆破作业规范。

5.根据权利要求2所述的基于Mask R-CNN的爆破作业人员检测方法,其特征在于,所述利用训练后Mask R-CNN模型对所述实时图像进行检测,得到所述预设采集区域中爆破作业人员的基本信息,包括:

利用训练后Mask R-CNN模型对所述民爆器材装卸区域、所述民爆器材临时存放区域和所述装药警戒区域的实时图像进行检测,得到相应爆破作业人员的工种信息。

6.根据权利要求5所述的基于Mask R-CNN的爆破作业人员检测方法,其特征在于,所述利用训练后Mask R-CNN模型对所述实时图像进行检测,得到所述预设采集区域中爆破作业人员的基本信息之后,还包括:

将所述爆破作业人员的工种信息发送至监督方,以使监督方判断所述爆破作业人员的工种信息是否符合对应的工作区域。

7.根据权利要求6所述的基于Mask R-CNN的爆破作业人员检测方法,其特征在于,还包括:

将所述监督方的判断结果发送至对应的所述预设采集区域的显示屏。

8.根据权利要求1至7任一项所述的基于Mask R-CNN的爆破作业人员检测方法,其特征在于,还包括:

将所述训练后Mask R-CNN模型检测得到的结果保存至分布式数据库中,以利用所述分布式数据库对所述训练后Mask R-CNN模型进行更新。

9.一种基于Mask R-CNN的爆破作业人员检测装置,其特征在于,包括:

图像获取模块,用于获取预设采集区域采集到的实时图像;

图像检测模块,用于利用训练后Mask R-CNN模型对所述实时图像进行检测,得到所述预设采集区域中爆破作业人员的基本信息;其中,所述基本信息用于判断所述爆破作业人员的配置是否符合预设爆破作业规范;所述训练后Mask R-CNN模型为利用包含爆破作业人员基本信息的历史图片样本对基于Mask R-CNN算法构建的空白模型进行训练得到的模型。

10.一种服务器,其特征在于,包括:

存储器,用于存储计算机程序;

处理器,用于执行所述计算机程序时实现如权利要求1至8任一项所述基于Mask R-CNN的爆破作业人员检测方法的步骤。

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广东工业大学,未经广东工业大学许可,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/201811332421.9/1.html,转载请声明来源钻瓜专利网。

×

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