作业人员动作违规的识别方法、装置及终端与流程

1.本发明涉及动作识别技术领域，尤其涉及一种作业人员动作违规的识别方法、装置及终端。


背景技术：

2.电力系统经常需要工作人员在变电站、配电网进行检修作业，为了保证工作人员的安全，避免误操作，目前存在多种方法对工作人员的作业动作进行识别监控。例如通过无线信号探测、基于现场图像进行人体动作识别等。
3.然而，多个工作人员近距离协同进行作业时，各个工作人员之间会相互遮挡，导致探测数据或图像受到盲区影响，进而导致对作业人员违规操作的判断准确性低下的问题。


技术实现要素：

4.本发明实施例提供了一种作业人员动作违规的识别方法、装置及终端，以解决多个工作人员协同作业时对作业人员违规操作识别准确性低的问题。
5.第一方面，本发明实施例提供了一种作业人员动作违规的识别方法，包括：
6.获取当前时刻的目标图像，目标图像为存在第一作业人员的作业现场图像，第一作业人员为轮廓存在被遮挡部分的作业人员；
7.基于第一作业人员的轮廓确定第一作业人员的身份；
8.获取被遮挡部分的前序姿态序列；前序姿态序列包括当前时刻之前的多个时刻对应的作业现场图像中被遮挡部分的姿态；
9.将被遮挡部分的前序姿态序列输入第一预测模型，输出被遮挡部分的当前姿态，并基于当前姿态和第一作业人员的轮廓得到第一作业人员的完整姿态；第一预测模型为第一作业人员对应的姿态预测模型；
10.基于完整姿态判断第一作业人员是否违规作业。
11.在一种可能的实现方式中，基于第一作业人员的轮廓确定第一作业人员的身份包括：
12.基于第一作业人员的轮廓确定第一作业人员的人体特征；
13.将第一作业人员的人体特征分别与多个预设人体特征进行匹配，将匹配程度最高的预设人体特征对应的作业人员的身份作为第一作业人员的身份。
14.在一种可能的实现方式中，获取被遮挡部分的前序姿态序列包括：
15.获取多个前序图像，前序图像为存在第一作业人员的被遮挡部分且拍摄于当前时刻之前的作业现场图像；
16.针对每个前序图像，确定该前序图像与作业现场图像的角度关系；在该前序图像中提取被遮挡部分的前序姿态；基于该前序图像与作业现场图像的角度关系，将该前序姿态转换至作业现场图像的角度，并保存转换后的前序姿态；
17.基于各个前序图像对应的转换后的前序姿态，得到前序姿态序列。
18.在一种可能的实现方式中，确定该前序图像与作业现场图像的角度关系，包括：
19.提取至少一个同时存在于目标图像和第一前序图像中的静态部件，并作为第一静态部件；第一前序图像为任一前序图像；
20.在目标图像中建立第一空间坐标系，并确定目标图像中的第一静态部件在第一空间坐标系中的坐标；
21.在第一前序图像中建立第二空间坐标系，并确定第一前序图像中的第一静态部件在第二空间坐标系中的坐标；
22.基于第一静态部件在第一空间坐标系中的坐标和第一静态部件在第二空间坐标系中的坐标，计算第一前序图像与作业现场图像的角度关系。
23.在一种可能的实现方式中，在将被遮挡部分的前序姿态序列输入第一预测模型之前，方法还包括：
24.获取第一作业人员的多个姿态序列；
25.针对每个姿态序列，将该姿态序列中第一时刻之前的姿态序列作为训练样本，将该姿态序列中第一时刻的姿态作为该训练样本的标签，构建训练样本集；
26.采用训练样本集对循环神经网络进行训练，得到第一预测模型。
27.在一种可能的实现方式中，获取当前时刻的目标图像包括：
28.获取当前时刻的作业现场图像；
29.在作业现场图像中提取作业人员的轮廓；
30.基于作业人员的轮廓判断作业人员是否存在被遮挡部分；
31.若作业人员存在被遮挡部分，则将当前时刻的作业现场图像作为当前时刻的目标图像。
32.第二方面，本发明实施例提供了一种作业人员动作违规的识别装置，包括：
33.获取模块，用于获取当前时刻的目标图像，目标图像为存在第一作业人员的作业现场图像，第一作业人员为轮廓存在被遮挡部分的作业人员；
34.身份确定模块，用于基于第一作业人员的轮廓确定第一作业人员的身份；
35.前序提取模块，用于获取被遮挡部分的前序姿态序列；前序姿态序列包括当前时刻之前的多个时刻对应的作业现场图像中被遮挡部分的姿态；
36.姿态重构模块，用于将被遮挡部分的前序姿态序列输入第一预测模型，输出被遮挡部分的当前姿态，并基于当前姿态和第一作业人员的轮廓得到第一作业人员的完整姿态；第一预测模型为第一作业人员对应的姿态预测模型；
37.违规判断模块，用于基于完整姿态判断第一作业人员是否违规作业。
38.第三方面，本发明实施例提供了一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
39.第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
40.本发明实施例提供一种作业人员动作违规的识别方法、装置及终端，该方法包括：获取当前时刻的目标图像，目标图像为存在第一作业人员的作业现场图像，第一作业人员
为轮廓存在被遮挡部分的作业人员；基于第一作业人员的轮廓确定第一作业人员的身份；获取被遮挡部分的前序姿态序列；前序姿态序列包括当前时刻之前的多个时刻对应的作业现场图像中被遮挡部分的姿态；将被遮挡部分的前序姿态序列输入第一预测模型，输出被遮挡部分的当前姿态，并基于当前姿态和第一作业人员的轮廓得到第一作业人员的完整姿态；第一预测模型为第一作业人员对应的姿态预测模型；基于完整姿态判断第一作业人员是否违规作业。本发明实施例在进行动作识别前先对作业人员的身份进行识别，然后基于人员身份确定被遮挡部分的姿态，得到作业人员的完整姿态，可以提高作业人员动作识别的准确性。
附图说明
41.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
42.图1是本发明实施例提供的作业人员动作违规的识别方法的实现流程图；
43.图2是本发明实施例提供的作业人员动作违规的识别装置的结构示意图；
44.图3是本发明实施例提供的终端的示意图。
具体实施方式
45.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
46.为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
47.参见图1，其示出了本发明实施例提供的作业人员动作违规的识别方法的实现流程图，详述如下：
48.步骤101，获取当前时刻的目标图像，目标图像为存在第一作业人员的作业现场图像，第一作业人员为轮廓存在被遮挡部分的作业人员。
49.在本实施例中，目标图像由无人机拍摄，本方法通过终端的处理器实现，终端可以是无人机，也可以是除无人机以外的其他计算机设备。本实施例以除无人机以外的其他计算机设备作为示例进行后续解释说明。
50.具体的，作业现场可能存在一个或多个作业人员，在各个作业人员进行作业时，终端可以获取无人机在预设位置拍摄作业现场的图像，以对作业现场的图像进行初步分析，判断各个作业人员的动作是否违规。预设位置可以是一个或多个，无人机可以定时更换拍摄位置，具体可以是以预设速度在各个预设位置之间移动，并在移动过程中持续对作业现场进行拍摄；无人机也可以在作业现场的图像中的作业人员的轮廓存在被遮挡部分时更换拍摄位置，具体可以是若无人机在当前时刻和当前位置拍摄的作业现场图像中存在第一作业人员，则下一时刻移动至当前位置的下一位置拍摄作业现场图像。
51.终端在获取到作业现场图像后，首先在作业现场图像中识别人体轮廓并通过连通域算法进行划分，得到各个作业人员的人体轮廓，然后分别判断各个人体轮廓是否包含所有的人体部位，人体部位包括但不限于头部、躯干、左手、右手、左臂、右臂、左脚、右脚、左腿和右腿。若该作业现场图像中无法识别到作业人员a的某个人体部位，则判断作业人员a的该个人体部位被遮挡。当第一作业人员的轮廓存在被遮挡部分时，终端难以通过常规的动作识别技术识别作业人员的动作，因此将存在第一作业人员的作业现场图像作为本方法的目标图像。
52.步骤102，基于第一作业人员的轮廓确定第一作业人员的身份。
53.在本实施例中，第一作业人员在目标图像中的轮廓存在被遮挡部分，也存在未被遮挡部分。本方法需要基于第一作业人员的身份将第一作业人员的被遮挡部分还原，因此在对第一作业人员的被遮挡部分还原之前，终端需要先基于第一作业人员的轮廓确定第一作业人员的身份。具体可以是基于第一作业人员的轮廓得到第一作业人员的人体特征，然后基于第一作业人员的人体特征识别第一作业人员的身份。
54.步骤103，获取被遮挡部分的前序姿态序列；前序姿态序列包括当前时刻之前的多个时刻对应的作业现场图像中被遮挡部分的姿态。
55.在本实施例中，无人机在作业人员的作业过程中定时拍摄作业现场图像并保存，在确定当前时刻的目标图像后，终端就可以获取当前时刻之前的多个作业现场图像。终端在当前时刻之前的多个作业现场图像中分别提取被遮挡部分的姿态，形成被遮挡部分的前序姿态序列，然后基于被遮挡部分的前序姿态序列就可以确定被遮挡部分在当前时刻的姿态。
56.步骤104，将被遮挡部分的前序姿态序列输入第一预测模型，输出被遮挡部分的当前姿态，并基于当前姿态和第一作业人员的轮廓得到第一作业人员的完整姿态；第一预测模型为第一作业人员对应的姿态预测模型。
57.在本实施例中，作业人员身体部位的姿态序列存在规律，因此第一作业人员的被遮挡部位的姿态是可以预测的。由于每个作业人员的人体特征和动作习惯不同，为了准确确定被遮挡部分在当前时刻的姿态，终端需要基于第一作业人员的身份选取对应的姿态预测模型，利用第一作业人员的人体特征和动作习惯预测被遮挡部分在当前时刻的姿态。
58.步骤105，基于完整姿态判断第一作业人员是否违规作业。
59.在本实施例中，终端基于作业姿态数据库或违规姿态数据库判断第一作业人员是否违规作业。作业姿态数据库中包含作业任务中会出现的作业姿态。违规姿态数据库中包含作业任务中的违规姿态。
60.终端在确定第一作业人员的完整姿态后，可以将第一作业人员的姿态与作业姿态数据库或违规姿态数据库中的姿态进行对比，若第一作业人员的姿态与作业姿态数据库中的任一姿态匹配度大于预设阈值，则判定第一作业人员的姿态存在于作业姿态数据库。若第一作业人员的姿态存在于违规姿态数据库或不存在作业姿态数据库，则判定第一作业人员违规作业。
61.作业姿态数据库还可以与作业任务相关，每个类别的作业任务对应一个作业姿态数据库，与作业任务对应的作业姿态数据库中仅包含该作业任务中会出现的人员动作，终端先获取本次作业任务的类别，基于作业任务的类别选取对应的作业姿态数据库与第一作
业人员的姿态进行对比。
62.作业姿态数据库中还可以包含各个作业人员的常用习惯姿态，作业人员的常用习惯姿态既不属于用于完成作业任务的姿态，也不属于违规姿态，若第一作业人员的姿态属于各个作业人员的常用习惯姿态，则不判定第一作业人员违规作业，以避免虚假报警。
63.在一些实施例中，步骤102包括：
64.步骤1021，基于第一作业人员的轮廓确定第一作业人员的人体特征。
65.步骤1022，将第一作业人员的人体特征分别与多个预设人体特征进行匹配，将匹配程度最高的预设人体特征对应的作业人员的身份作为第一作业人员的身份。
66.在本实施例中，作业人员的人体特征可以包括脸型、发型、肤色、臂长、腿长、手指形状、臂围、腰围等。预设人体特征可以是参与本次作业任务的作业人员的人体特征。
67.在一些实施例中，步骤103包括：
68.步骤1031，获取多个前序图像，前序图像为存在第一作业人员的被遮挡部分且拍摄于当前时刻之前的作业现场图像。
69.步骤1032，针对每个前序图像，确定该前序图像与作业现场图像的角度关系；在该前序图像中提取被遮挡部分的前序姿态；基于该前序图像与作业现场图像的角度关系，将该前序姿态转换至作业现场图像的角度，并保存转换后的前序姿态。
70.步骤1033，基于各个前序图像对应的转换后的前序姿态，得到前序姿态序列。
71.在本实施例中，无人机会在多个位置对作业现场进行拍摄，拍摄过程中无人机的机身也会存在抖动，导致作业现场的各个图像可能角度不同。终端将各个前序图像转换至同一角度后，再提取各个前序图像中被遮挡部分的姿态，可以得到更准确的前序姿态序列。
72.此外，在作业现场存在多个作业人员时，终端获取到的被遮挡部分可能不属于第一作业人员，因此还需要确认在从前序图像中提取到的被遮挡部分是否属于第一作业人员。终端可以通过被遮挡部分的人体特征进行判断。具体步骤如下：
73.提取前序图像中的被遮挡部分的人体特征，将前序图像中的被遮挡部分的人体特征与预设的第一作业人员的被遮挡部分的人体特征进行对比，若前序图像中的被遮挡部分的人体特征与第一作业人员的被遮挡部分的人体特征一致，则判定前序图像中的被遮挡部分属于第一作业人员。
74.被遮挡部分可以是手，对应的人体特征可以是手指形状、手掌形状、皮肤颜色、皮肤纹路等。
75.在一些实施例中，步骤1032包括：
76.提取至少一个同时存在于目标图像和第一前序图像中的静态部件，并作为第一静态部件；第一前序图像为任一前序图像。
77.在目标图像中建立第一空间坐标系，并确定目标图像中的第一静态部件在第一空间坐标系中的坐标。
78.在第一前序图像中建立第二空间坐标系，并确定第一前序图像中的第一静态部件在第二空间坐标系中的坐标。
79.基于第一静态部件在第一空间坐标系中的坐标和第一静态部件在第二空间坐标系中的坐标，计算第一前序图像与作业现场图像的角度关系。
80.在本实施例中，静态部件可以是作业现场中设备的部件，例如电线杆、水泥柱、金
属横杆、金属转角等，这些部件的位置不会因为作业任务的进行而产生变化，因此在建立第一空间坐标系和第二空间坐标系后，基于各个静态部件在第一空间坐标系和第二空间坐标系中的坐标就可以确定第一空间坐标系和第二空间坐标系之间的角度关系，即第一前序图像与作业现场图像的角度关系。
81.在一些实施例中，在步骤104之前，该方法还包括：
82.步骤106，获取第一作业人员的多个姿态序列。
83.步骤107，针对每个姿态序列，将该姿态序列中第一时刻之前的姿态序列作为训练样本，将该姿态序列中第一时刻的姿态作为该训练样本的标签，构建训练样本集。
84.步骤108，采用训练样本集对循环神经网络进行训练，得到第一预测模型。
85.在本实施例中，为了基于第一作业人员的人体特征和行为习惯对第一作业人员的被遮挡部位的当前姿态进行预测，在预测前应先使用第一作业人员的多个姿态序列对模型进行训练。由于第一作业人员的被遮挡部位的当前姿态受到被遮挡部位的前序姿态影响，被遮挡部位的各个姿态存在时间先后的关系，循环神经网络可以利用被遮挡部位的各个姿态之间的关联，对被遮挡部位的当前姿态进行预测。
86.本实施例中第一作业人员的多个姿态序列可以是第一作业人员的完整姿态序列，也可以是第一作业人员的各个部位的姿态序列。
87.在一些实施例中，步骤101包括：
88.获取当前时刻的作业现场图像。
89.在作业现场图像中提取作业人员的轮廓。
90.基于作业人员的轮廓判断作业人员是否存在被遮挡部分。
91.若作业人员存在被遮挡部分，则将当前时刻的作业现场图像作为当前时刻的目标图像。
92.在本实施例中，若作业人员不存在被遮挡部分，则可以直接获取到作业人员的完成姿态，不需要利用本方法对作业人员的被遮挡部分进行重构。对作业现场图像进行筛选可以提高对作业人员进行动作识别的效率。
93.本发明实施例在进行动作识别前先对作业人员的身份进行识别，然后基于人员身份确定被遮挡部分的姿态，得到作业人员的完整姿态，可以提高作业人员动作识别的准确性。
94.应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
95.以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。
96.图2示出了本发明实施例提供的作业人员动作违规的识别装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
97.如图2所示，作业人员动作违规的识别装置2包括：
98.获取模块21，用于获取当前时刻的目标图像，目标图像为存在第一作业人员的作业现场图像，第一作业人员为轮廓存在被遮挡部分的作业人员；
99.身份确定模块22，用于基于第一作业人员的轮廓确定第一作业人员的身份；
100.前序提取模块23，用于获取被遮挡部分的前序姿态序列；前序姿态序列包括当前时刻之前的多个时刻对应的作业现场图像中被遮挡部分的姿态；
101.姿态重构模块24，用于将被遮挡部分的前序姿态序列输入第一预测模型，输出被遮挡部分的当前姿态，并基于当前姿态和第一作业人员的轮廓得到第一作业人员的完整姿态；第一预测模型为第一作业人员对应的姿态预测模型；
102.违规判断模块25，用于基于完整姿态判断第一作业人员是否违规作业。
103.在一些实施例中，身份确定模块22包括：
104.人体特征提取单元，用于基于第一作业人员的轮廓确定第一作业人员的人体特征；
105.人体特征匹配单元，用于将第一作业人员的人体特征分别与多个预设人体特征进行匹配，将匹配程度最高的预设人体特征对应的作业人员的身份作为第一作业人员的身份。
106.在一些实施例中，前序提取模块23包括：
107.前序图像获取单元，用于获取多个前序图像，前序图像为存在第一作业人员的被遮挡部分且拍摄于当前时刻之前的作业现场图像；
108.角度确定单元，用于针对每个前序图像，确定该前序图像与作业现场图像的角度关系；在该前序图像中提取被遮挡部分的前序姿态；基于该前序图像与作业现场图像的角度关系，将该前序姿态转换至作业现场图像的角度，并保存转换后的前序姿态；
109.姿态转换单元，用于基于各个前序图像对应的转换后的前序姿态，得到前序姿态序列。
110.在一些实施例中，角度确定单元具体用于：
111.提取至少一个同时存在于目标图像和第一前序图像中的静态部件，并作为第一静态部件；第一前序图像为任一前序图像；
112.在目标图像中建立第一空间坐标系，并确定目标图像中的第一静态部件在第一空间坐标系中的坐标；
113.在第一前序图像中建立第二空间坐标系，并确定第一前序图像中的第一静态部件在第二空间坐标系中的坐标；
114.基于第一静态部件在第一空间坐标系中的坐标和第一静态部件在第二空间坐标系中的坐标，计算第一前序图像与作业现场图像的角度关系。
115.在一些实施例中，作业人员动作违规的识别装置2还包括：
116.姿态序列获取模块，用于在步骤104之前，获取第一作业人员的多个姿态序列；
117.样本构建模块，用于针对每个姿态序列，将该姿态序列中第一时刻之前的姿态序列作为训练样本，将该姿态序列中第一时刻的姿态作为该训练样本的标签，构建训练样本集；
118.模型训练模块，用于采用训练样本集对循环神经网络进行训练，得到第一预测模型。
119.在一些实施例中，获取模块21具体用于：
120.获取当前时刻的作业现场图像；
121.在作业现场图像中提取作业人员的轮廓；
122.基于作业人员的轮廓判断作业人员是否存在被遮挡部分；
123.若作业人员存在被遮挡部分，则将当前时刻的作业现场图像作为当前时刻的目标图像。
124.本发明实施例在进行动作识别前先对作业人员的身份进行识别，然后基于人员身份确定被遮挡部分的姿态，得到作业人员的完整姿态，可以提高作业人员动作识别的准确性。
125.图3是本发明实施例提供的终端的示意图。如图3所示，该实施例的终端3包括：处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32。所述处理器30执行所述计算机程序32时实现上述各个作业人员动作违规的识别方法实施例中的步骤，例如图1所示的步骤101至步骤105。或者，所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块的功能，例如图2所示模块21至25的功能。
126.示例性的，所述计算机程序32可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器31中，并由所述处理器30执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序32在所述终端3中的执行过程。例如，所述计算机程序32可以被分割成图2所示的模块21至25。
127.所述终端3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端3可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是终端3的示例，并不构成对终端3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
128.所称处理器30可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
129.所述存储器31可以是所述终端3的内部存储单元，例如终端3的硬盘或内存。所述存储器31也可以是所述终端3的外部存储设备，例如所述终端3上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，所述存储器31还可以既包括所述终端3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
130.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统
中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
131.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
132.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
133.在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
134.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
135.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
136.所述集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个作业人员动作违规的识别方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
137.以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。