[發(fā)明專利]視覺識別危險的預警方法、裝置、設備及存儲介質

在審

• 申請?zhí)枺?/td>: 201910375065.7
• 申請日: 2019-05-07
• 公開（公告）號: CN110110657A
• 公開（公告）日: 2019-08-09
• 發(fā)明（設計）人: 龐殊楊;毛尚偉;賈鴻盛;謝小東;陳正國;王志偉;唐海翔
• 申請（專利權）人: 中冶賽迪重慶信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 尹麗云

1.一種視覺識別危險的預警方法，其特征在于，包括：

根據(jù)攝像裝置當前的監(jiān)控場景劃定監(jiān)控視頻中的危險區(qū)域；

基于深度學習的卷積神經網(wǎng)絡識別所述監(jiān)控視頻中是否有人員出現(xiàn)；

當所述監(jiān)控視頻中有人員出現(xiàn)時，獲取所述人員的位置信息；

比較所述人員的位置信息與所述危險區(qū)域的位置范圍；如果所述位置信息在所述危險區(qū)域內，則發(fā)出關于人員入侵危險區(qū)域的預警信息。

2.根據(jù)權利要求1所述的視覺識別危險的預警方法，其特征在于，所述根據(jù)攝像裝置當前的監(jiān)控場景劃定監(jiān)控視頻中的危險區(qū)域的步驟，包括：

根據(jù)攝像裝置的安裝位置采集當前場景的監(jiān)控視頻，且在所述監(jiān)控視頻內劃定危險區(qū)域，其中，以多邊形方式表達所述危險區(qū)域的設定范圍并存儲于一個點集S＝{p₁，p₂，p₃，…，p_n}。

3.根據(jù)權利要求1所述的視覺識別危險的預警方法，其特征在于，所述基于深度學習的卷積神經網(wǎng)絡識別所述監(jiān)控視頻中是否有人員出現(xiàn)的步驟之前，包括：

以有人員出現(xiàn)和無人員出現(xiàn)標定樣本集內的監(jiān)控視頻；

采用基于深度學習的卷積神經網(wǎng)絡訓練樣本集內監(jiān)控視頻，得到能夠識別監(jiān)控視頻是否有人出現(xiàn)的識別模型。

4.根據(jù)權利要求1所述的視覺識別危險的預警方法，其特征在于，所述當所述監(jiān)控視頻中有人員出現(xiàn)時，獲取所述人員的位置信息的步驟，包括：

當所述監(jiān)控視頻中有人員出現(xiàn)時，獲取所述人員在監(jiān)控視頻中的位置信息；其中，以人體外接矩形框的左上角點坐標、矩形框寬度和高度的形式呈現(xiàn)為{x,y,w,h}；或，以人體外接矩形框的左上角坐標和右下角坐標的形式呈現(xiàn)為{x₁,y₁,x₂,y₂}。

5.根據(jù)權利要求1所述的視覺識別危險的預警方法，其特征在于，所述比較所述人員的位置信息與所述危險區(qū)域的位置范圍，如果所述位置信息在所述危險區(qū)域內，則發(fā)出關于人員入侵危險區(qū)域的預警信息的步驟，包括：

提取所述人員腳部在所述位置信息所對應的坐標點，分別為(x,y+h)和(x+w,y+h)，或，(x₁,y₁)和(x₂,y₂)；

比較所述人員腳部所對應的坐標點與危險區(qū)域內點集的位置范圍，當其中任意一個坐標點位于所述危險區(qū)域內點集內部時，則發(fā)出關于人員入侵危險區(qū)域的預警信息。

6.一種視覺識別危險的預警裝置，其特征在于，包括：

劃定模塊，用于根據(jù)攝像裝置當前的監(jiān)控場景劃定監(jiān)控視頻中的危險區(qū)域；

識別模塊，用于基于深度學習的卷積神經網(wǎng)絡識別所述監(jiān)控視頻中是否有人員出現(xiàn)；

位置信息獲取模塊，用于當所述監(jiān)控視頻中有人員出現(xiàn)時，獲取所述人員的位置信息；

預警模塊，用于比較所述人員的位置信息與所述危險區(qū)域的位置范圍；如果所述位置信息在所述危險區(qū)域內，則發(fā)出關于人員入侵危險區(qū)域的預警信息。

7.根據(jù)權利要求6所述的一種視覺識別危險的預警裝置，其特征在于，所述劃定模塊包括：

根據(jù)攝像裝置的安裝位置采集當前場景的監(jiān)控視頻，且在所述監(jiān)控視頻內劃定危險區(qū)域，其中，以多邊形方式表達所述危險區(qū)域的設定范圍并存儲于一個點集S＝{p₁，p₂，p₃，…，p_n}。

8.根據(jù)權利要求6所述的一種視覺識別危險的預警裝置，其特征在于，所述識別模塊之前，包括：

訓練識別模型，用于以有人員出現(xiàn)和無人員出現(xiàn)標定樣本集內的監(jiān)控視頻；采用基于深度學習的卷積神經網(wǎng)絡訓練樣本集內監(jiān)控視頻，得到能夠識別監(jiān)控視頻是否有人出現(xiàn)的識別模型。