[發明專利]基于人工智能和大數據的企業安全標準化運行方法及系統

在審

• 申請號: 202110236578.7
• 申請日: 2021-03-03
• 公開（公告）號: CN112966593A
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 孔慶端;楊耀黨;穆仕芳;田雷;吳曉麗;胡松濤;吳朕君;武潭;趙夏冰;鄭朝暉;馬吉睿;李思敏;劉會永;紀學峰;白小杰;張偉
• 申請（專利權）人: 河南鑫安利安全科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/38;G06K9/46;G06K9/52;G06Q50/04;G06Q50/26
• 代理公司: 鄭州芝麻知識產權代理事務所(普通合伙) 41173
• 代理人: 史麗利

1.基于人工智能和大數據的企業安全標準化運行方法，其特征在于，包括以下步驟：

獲取連續場景圖像和深度圖像并根據時序標記，將所述場景圖像輸入關鍵點提取網絡，提取作業人員關鍵點，利用所述深度圖像獲取所述關鍵點的三維坐標；

當所述關鍵點的三維坐標的變化量大于變化閾值時，以當前時刻對應的場景圖像為變換圖像，并將其包含的關鍵點輸入所述全連接網絡，獲得基準動作類別；

根據所述時序標記獲取邊權值和方向，對所述基準動作類別構建動作變更圖，獲取初始動作變更矩陣；

獲取所述變換圖像的背景區域并劃分為多個子區域；基于所述初始動作變更矩陣獲取基準動作類別之間的數據變化，并進行標記區分，獲得變更信息；以所述變換圖像之間同一子區域中像素值的相似程度為邊權值，構建所述子區域和變更信息之間的二部圖；

基于最優分配結合所述二部圖的邊權值對所述子區域篩選出影響動作變更區域和次要環境區域，并對所述二部圖進行修正，獲得所述修正環境影響圖，并獲取環境影響鄰接矩陣；

獲取所述初始動作變更矩陣的第一特征張量，以及所述環境影響鄰接矩陣的第二特征張量，并輸入神經網絡獲取優化動作變更矩陣；

獲取所述優化動作變更矩陣與預先存儲的標準動作變更矩陣之間的歐式距離，判斷所述作業人員是否出現操作異常，并生成提示信息。

2.根據權利要求1所述的基于人工智能和大數據的企業安全標準化運行方法，其特征在于，所述作業人員關鍵點根據軀干和四肢劃分；其中，軀干部分包括肩部關鍵點、髖部關鍵點以及軀干中心點，四肢部分包括肘部關鍵點、手部關鍵點、膝部關鍵點和腳部關鍵點。

3.根據權利要求2所述的基于人工智能和大數據的企業安全標準化運行方法，其特征在于，所述關鍵點的三維坐標變化量為關鍵點之間預設的自由度在三維坐標系中角度變化的向量值。

4.根據權利要求1所述的基于人工智能和大數據的企業安全標準化運行方法，其特征在于，所述的根據所述時序標記獲取邊權值和方向，對所述基準動作類別構建動作變更圖的方法包括：

以所述基準動作類別為頂點，根據時序連接當前時刻頂點到下一時刻頂點構成有向邊，并以兩時刻間的變更時長作為邊權值；

當時序中存在相同兩頂點重復變更時，獲取變更時長均值，作為兩頂點的邊權值。

5.根據權利要求1至4任意一項所述的基于人工智能和大數據的企業安全標準化運行方法，其特征在于，所述的基準動作類別包括標準動作類別和其他動作類別；所述的標準動作變更矩陣利用多組所述標準動作類別和所述環境影響鄰接矩陣獲得。

6.基于人工智能和大數據的企業安全標準化運行系統，其特征在于，包括：

圖像采集模塊，用于獲取連續場景圖像和深度圖像并根據時序標記，將所述場景圖像輸入關鍵點提取網絡，提取作業人員關鍵點，利用所述深度圖像獲取所述關鍵點的三維坐標；

基準動作獲取模塊，用于當所述關鍵點的三維坐標的變化量大于變化閾值時，以當前時刻對應的場景圖像為變換圖像，并將其包含的關鍵點輸入全連接網絡，獲得基準動作類別；

動作變更矩陣獲取模塊，用于根據所述時序標記獲取邊權值和方向，對所述基準動作類別構建動作變更圖，獲取初始動作變更矩陣；

二部圖獲取模塊，用于獲取所述變換圖像的背景區域并劃分為多個子區域；基于所述初始動作變更矩陣獲取基準動作類別之間的數據變化，并進行標記區分，獲得變更信息；以所述變換圖像之間同一子區域中像素值的相似程度為邊權值，構建所述子區域和變更信息之間的二部圖；

環境影響矩陣模塊，用于基于最優分配結合所述二部圖的邊權值對所述子區域篩選出影響動作變更區域和次要環境區域，并對所述二部圖進行修正，獲得修正環境影響圖，并獲取環境影響鄰接矩陣；

優化動作變更矩陣模塊，用于獲取所述初始動作變更矩陣的第一特征張量，以及所述環境影響鄰接矩陣的第二特征張量，并輸入神經網絡獲取優化動作變更矩陣；

異常判定模塊，用于獲取所述優化動作變更矩陣與預先存儲的標準動作變更矩陣之間的歐式距離，判斷所述作業人員是否出現操作異常，并生成提示信息。