本申请涉及煤矿安全生产检测,具体而言,涉及一种矿用安全帽识别检测方法、装置、设备及介质。
背景技术:
1、煤炭的安全高效生产对于保障能源安全具有举足轻重的作用。矿井环境十分复杂,矿井深度从几十米到上千米不等,上面压着厚厚的岩层,尽管井下有支架进行支撑,但仍难保证绝对的安全,顶板灾害也是矿井常见灾害之一。头部是人体最关键的部位,因此在几乎每个危险场合,佩戴安全帽以增加对头部的保护都是必需的。目前多是靠工作人员的自觉以及个人安全意识决定是否佩戴安全帽。然而,依然会有少数人不戴安全帽进行工作,这必然会提高生产风险。
2、因此,如何解决上述问题是目前亟需解决的问题。
技术实现思路
1、本申请提供一种矿用安全帽识别检测方法、装置、设备及介质,旨在改善上述问题。
2、第一方面,本申请提供的一种矿用安全帽识别检测方法,所述方法包括:
3、动态实时采集现场工作人员的图像;
4、根据所述图像识别现场工作人员中是否佩戴安全帽;
5、若未佩戴安全帽,在预设时间段内对所述图像的下一帧图像继续识别是否佩戴安全帽;
6、若未佩戴安全帽,发送报警提示;
7、若佩戴安全帽,则确定前一次识别所述未佩戴安全帽的事件为误判。
8、在一可能的实施例中,所述发送报警提示,包括:
9、确定当前是否处于报警状态;
10、若当前未处于报警状态,将当前报警状态置为正在报警。
11、在一可能的实施例中,所述方法还包括:
12、若当前正处于报警状态,则不做处理,并获取第一当前时间。
13、在一可能的实施例中,所述方法还包括:
14、确定在当前视野中检测不到未戴安全帽时,修改报警状态。
15、在一可能的实施例中,所述修改报警状态,包括:
16、若当前正处于报警状态,则将所述报警状态置为未报警,并获取第二当前时间。
17、在一可能的实施例中,所述将所述报警状态置为未报警,包括:
18、根据所述第二当前时间与所述第一当前时间将所述报警状态置为未报警。
19、在一可能的实施例中,所述根据所述第二当前时间与所述第一当前时间将所述报警状态置为未报警,包括:
20、确定所述第二当前时间与所述第一当前时间的差值是否大于阈值;
21、若大于所述阈值,将所述报警状态置为未报警;
22、若小于所述阈值,则不修改所述报警状态。
23、在一可能的实施例中,对采集的图片信息进行优化处理,并计算图片优化处理时间,同时实时获取采集图像内的工作人员数量与采集时间是否为工作时间段。
24、在一可能的实施例中,确定阈值时间前,先将所有对识别的主要影响因素设置为集合,主要影响因素包括工作人员工作状态信息与拍摄环境信息,工作人员工作状态信息包括采集图像内的工作人员数量与采集时间是否为工作时间段,拍摄环境信息包括图片优化处理时间;各个主要影响因素分别表示为,通过logistic回归分析方法计算获取校正值,指数表达式为:
25、式中,c为校正值,q为常数项,q为所有细微影响因素系数,为变量,为各个变量的回归系数;
26、获取校正值c后,阈值动态调节模块通过校正值重新校正阈值时间,将阈值时间标记为t,t为一个时间区段,其上下限分别为t1和t2,设上下限区间为t0,即t1-t2=t0,则校正阈值时间表达式为:
27、,调整后的阈值时间为t2+。
28、第二方面,本申请提供的一种矿用安全帽识别检测装置,所述装置包括:
29、监测模块,用于动态实时采集现场工作人员的图像;
30、识别模块,用于根据所述图像识别现场工作人员中是否佩戴安全帽;
31、误判校正模块,用于若未佩戴安全帽,在预设时间段内对所述图像的下一帧图像继续识别是否佩戴安全帽;
32、报警模块,用于若未佩戴安全帽,发送报警提示;
33、所述误判校正模块,还用于若佩戴安全帽,则确定前一次识别所述未佩戴安全帽的事件为误判。
34、第三方面,本申请提供的一种电子设备,包括:
35、存储器,用于存储可执行指令;
36、处理器,用于执行所述存储器中存储的可执行指令时,实现如第一方面任一项所述的矿用安全帽检测方法。
37、第四方面,本申请提供的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理设备运行时执行如第一方面的任一项所述的矿用安全帽检测方法的步骤。
38、上述本申请提供的一种矿用安全帽识别检测方法、装置、设备及介质,本申请通过动态实时采集现场工作人员的图像;根据所述图像识别现场工作人员中是否佩戴安全帽;若未佩戴安全帽,在预设时间段内对所述图像的下一帧图像继续识别是否佩戴安全帽;若未佩戴安全帽,发送报警提示;若佩戴安全帽,则确定前一次识别所述未佩戴安全帽的事件为误判。从而利用图像识别的方式来自动识别工作人员是否佩戴安全帽的方式可以有效提高佩戴安全帽的意识,降低生产风险,另外通过误判识别,可以有效降低误判报警,降低误报警对生产的影响,提高生产率;
39、同时,本申请根据数据库获取历史对图片识别需要时长具有影响的各类样本,通过回归分析方法计算获取校正值,当出现主要影响因素时,通过校正值重新校正阈值,从而更精确且实用的判断工作人员是否佩戴安全帽。
1.一种矿用安全帽识别检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,对现场工作人员的图像进行优化处理,并计算图片优化处理时间,同时实时获取采集图像内的工作人员数量与采集时间是否为工作时间段。
3.根据权利要求2所述的方法,其特征在于,确定阈值时间前,先将所有对识别的主要影响因素设置为集合,主要影响因素包括工作人员工作状态信息与拍摄环境信息,工作人员工作状态信息包括采集图像内的工作人员数量与采集时间是否为工作时间段,拍摄环境信息包括图片优化处理时间;各个主要影响因素分别表示为,通过logistic回归分析方法计算获取校正值,指数表达式为:
4.一种矿用安全帽识别检测装置,其特征在于,所述装置包括:
5.一种电子设备,其特征在于,包括:
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理设备运行时执行如权利要求1-3的任一项所述的矿用安全帽识别检测方法的步骤。