[發明專利]一種檢測大型機械吊臂下是否有人的方法和系統

在審

• 申請號: 202110406524.0
• 申請日: 2021-04-15
• 公開（公告）號: CN113128393A
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 凌永標;毛峰;朱兵;袁保平;耿浩;吳堅強;王建鐸;邱興衛;王文林
• 申請（專利權）人: 國網安徽省電力有限公司黃山供電公司;國家電網有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06T7/13
• 代理公司: 合肥市上嘉專利代理事務所(普通合伙) 34125
• 代理人: 葉洋軍;郭華俊

1.一種用于檢測大型機械吊臂下是否有人的方法，其特征在于，包括以下步驟：

采集包含整個大型機械的工作場景圖像；

利用標記框對采集的圖像進行標注，標注對象包括所有的人員、整個大型機械、以及對應的類別，將標記后的圖像所構成的數據集輸入深度學習神經網絡Faster RCNN中進行訓練和測試，得到識別模型；

將采集的工作場景圖像輸入到訓練后的識別模型中，獲得各個標記框的位置坐標及對應的類別；

使用邊緣檢測Canny算子對輸入圖像進行邊緣檢測，然后將帶有邊緣信息的圖像作為輸入，使用分水嶺算法，得到吊臂的覆蓋范圍；

提取與人員對應的所有標記框，并且計算各標記框與吊臂的覆蓋范圍是否有交集，若有交集則視為吊臂的覆蓋范圍內有人員出現即視為違規，發出警報。

2.一種用于檢測大型機械吊臂下是否有人的系統，其特征在于，包括：

采集裝置，用于采集包含整個大型機械的工作場景圖像；

檢測裝置，在上存儲有檢測程序，該檢測程序在執行時用于實現以下步驟：

將采集的工作場景圖像輸入到訓練后的識別模型中，獲得各個標記框的位置坐標及對應的類別；

使用邊緣檢測Canny算子對輸入圖像進行邊緣檢測；然后將帶有邊緣信息的圖像作為輸入，使用分水嶺算法，得到吊臂的覆蓋范圍；

提取與人員對應的所有標記框，并且計算各標記框與吊臂的覆蓋范圍是否有交集，若有交集則視為吊臂的覆蓋范圍內有人員出現即視為違規，發出警報，其中，所述識別模型的獲取方法如下：利用標記框對采集的圖像進行標注，標注對象包括所有的人員、整個大型機械、以及對應的類別，將標記后的圖像所構成的數據集輸入深度學習神經網絡Faster RCNN中進行訓練和測試，得到識別模型。

3.一種用于檢測大型機械吊臂下是否有人的方法，其特征在于，包括以下步驟：

采集包含整個大型機械的工作場景圖像；

利用標記框對采集的圖像進行標注，標注對象包括所有的人員、整個大型機械、以及整個吊臂及對應的類別，將標記后的圖像所構成的數據集輸入深度學習神經網絡FasterRCNN中進行訓練和測試，得到識別模型；

將采集的工作場景圖像輸入到訓練后的識別模型中，獲得各個標記框的位置坐標及對應的類別；

提取吊臂對應的標記框和整個大型機械對應的標記框，然后根據兩標記框的幾何位置關系判斷吊臂位置，然后通過估算獲得吊臂的覆蓋范圍；

提取所有人員對應的標記框，并且計算各標記框與吊臂的覆蓋范圍是否有交集，若有交集則視為吊臂的覆蓋范圍內有人員出現即視為違規，發出警報。

4.根據權利要求3所述的用于檢測大型機械吊臂下是否有人的方法，其特征在于，判斷吊臂位置的方法包括：獲取吊臂對應的標記框和整個大型機械對應的標記框的近似重合的上角點，并將該上角點作為吊臂的末端點，然而將與該上角點對應的下角點作為吊臂的起始點。

5.一種用于檢測大型機械吊臂下是否有人的系統，其特征在于，包括：

采集裝置，用于采集包含整個大型機械的工作場景圖像；

檢測裝置，在上存儲有檢測程序，該檢測程序在執行時用于實現以下步驟：

將采集的工作場景圖像輸入到訓練后的識別模型中，獲得各個標記框的位置坐標及對應的類別；

提取吊臂對應的標記框和整個大型機械對應的標記框，然后根據兩標記框的幾何位置關系判斷吊臂的位置，然后通過估算獲得吊臂的覆蓋范圍；

提取所有人員對應的標記框，并且計算各標記框與吊臂的覆蓋范圍是否有交集，若有交集則視為吊臂的覆蓋范圍內有人員出現，即視為違規，發出警報，

其中，所述識別模型的獲取方法如下：利用標記框對采集的圖像進行標注，標注對象包括所有的人員、整個大型機械、以及對應的類別，將標記后的圖像所構成的數據集輸入深度學習神經網絡Faster RCNN中進行訓練和測試，得到識別模型。