[發明專利]安全帶佩戴狀態的檢測方法、系統、存儲介質及設備

在審

• 申請號: 202310544579.7
• 申請日: 2023-05-15
• 公開（公告）號: CN116580358A
• 公開（公告）日: 2023-08-11
• 發明（設計）人: 趙旭;罕天璽;楊迎春;李正志;唐立軍;李宏杰
• 申請（專利權）人: 云南電網有限責任公司電力科學研究院
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V20/40;G06V10/762;G06V10/774;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 深圳中細軟知識產權代理有限公司 44528
• 代理人: 徐春祺

本發明實施例公開了安全帶佩戴狀態的檢測方法、系統、存儲介質及設備。所述方法包括根據UWB模塊，獲取安全帶數量參數；再根據檢測設備信息，獲取安全帶連接狀態參數；以及根據畫面采集設備信息，獲取視頻數據；最后通過上述安全帶數量參數、安全帶連接狀態參數和視頻數據訓練綜合模型并利用該模型確定當前安全帶佩戴狀態的檢測結果。本申請將視頻檢測技術和傳感器技術相結合，獲取各個維度的安全帶佩戴狀態信息，并且在此基礎了使用混合CNN?ELM?IAHP模型，確保輸出的安全帶佩戴狀態的準確性。

技術領域

本發明涉及物聯網的信息和通信技術領域，尤其涉及安全帶佩戴狀態的檢測方法、系統、存儲介質及設備。

背景技術

現有技術中，通常由巡查人員在人工作業前檢查工作人員是否佩戴安全帶或在人工作業中通過采集視頻或圖像對工作人員佩戴安全帶的狀態進行檢測，但是在配網作業中，同一設備上經常出現多人進行高空作業，由于工作人員之間存在遮擋和不同角度的重合等問題，導致攝像頭難以拍攝到工作人員佩戴安全帶的狀態，從而影響檢測工作人員是否佩戴安全帶的準確率，存在很大的安全隱患。

發明內容

基于此，有必要針對上述問題，提出了一種安全帶佩戴狀態的檢測方法。

一種安全帶佩戴狀態的檢測方法，所述方法包括下列步驟：

根據UWB模塊，獲取安全帶數量參數；根據檢測設備信息，獲取安全帶連接狀態參數；根據畫面采集設備信息，獲取視頻數據；根據所述安全帶數量參數、安全帶連接狀態參數和視頻數據訓練綜合模型；根據所述綜合模型確定當前安全帶佩戴狀態的檢測結果。

上述方案中，所述UWB模塊包括基站和定位標簽，通過所述定位標簽的數量確定安全帶數量參數。

上述方案中，所述根據畫面采集設備信息，獲取視頻數據，具體包括：通過攝像設備從至少兩個角度采集畫面中包含有安全帶佩戴人員的視頻數據。

上述方案中，所述根據所述安全帶數量參數、安全帶連接狀態參數和視頻數據訓練綜合模型，具體包括：

將所述安全帶數量參數、安全帶連接狀態參數和視頻數據作為訓練數據輸入綜合模型進行特征提?。划斔鼍C合模型的迭代損失值為固定值時，輸出訓練數據類標簽即安全帶佩戴狀態；根據所述獲取所述訓練數據類標簽人工確定對應的評分值；將所述評分值進行模糊聚類，確定所述訓練數據類標簽隸屬各類狀態等級的概率X；使用改進的層次分析法對所述訓練數據類標簽隸屬各類狀態等級的概率X進行權重分析，獲取各類狀態指標的權重向量Ω；根據所述安全帶佩戴狀態和各類狀態對應評分值獲取隸屬度的評價集矩陣M；根據所述訓練數據類標簽隸屬各類狀態等級的概率X、各類狀態指標的權重向量Ω和隸屬度的評價集矩陣M獲取最終所述訓練數據對應的評分值。

上述方案中，所述根據所述綜合模型確定當前安全帶佩戴狀態的檢測結果，具體包括：

利用卷積神經網絡算法提取輸入數據的卷積特征，獲取對應的數據類標簽；確定所述數據類標簽隸屬各類狀態等級的概率X；對所述數據類標簽隸屬各類狀態等級的概率X進行權重分析，獲取各類狀態指標的權重向量Ω；獲取隸屬度的評價集矩陣M；根據所述測試數據類標簽隸屬各類狀態等級的概率X、各類狀態指標的權重向量Ω和隸屬度的評價集矩陣M獲取最終所述測試數據對應的評分值。

上述方案中，所述利用卷積神經網絡算法提取輸入數據的卷積特征，獲取對應的數據類標簽，具體包括：

將當前樣本數據作為測試數據輸入到卷積神經網絡；提取所述測試數據的卷積特征；利用ELM算法處理所述測試數據的卷積特征，獲取測試數據類標簽；對所述測試數據類標簽執行多數表決，輸出最終的測試數據類標簽。

上述方案中，所述確定所述數據類標簽隸屬各類狀態等級的概率X，具體包括：