本发明涉及数据处理,尤其涉及一种危险行为的识别方法及装置、服务器、介质。
背景技术:
1、化工行业是一个高风险行业,由于生产过程中涉及大量的化学反应和危险物质,化工事故频繁发生,给人民群众的生命财产安全带来了严重威胁。如何有效地预防化工事故的发生,提高企业的生产安全性,成为了当前亟待解决的问题。
2、危险行为涉及整个企业的安全,特别是企业员工的危险行为严重影响到企业及员工本身的安全,目前企业缺少一种方法能进行系统化的危险行为发现及即时矫正。
3、上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
技术实现思路
1、本发明的主要目的在于提供了一种危险行为的识别方法及装置、服务器、介质,旨在解决现有技术中企业缺乏对危险行为系统的识别的问题。
2、为实现上述目的,本发明提供了一种危险行为的识别方法,所述危险行为的识别方法包括如下步骤:
3、获取监测区域的采集数据,所述采集数据包括图像数据;
4、根据所述图像数据,对所述监测区域进行三维构建以确定各对象的位置数据,各对象包括环境、车辆以及人员;
5、根据各对象的位置数据,采用预先训练好的图像分割模型将所述图像数据分割成各对象的子图像;
6、将预先存储的危险图像以及各对象的子图像作为预先训练好的孪生网络结构模型的输入,输出相似度值;
7、当所述相似度值大于第一预设阈值时,确定存在危险行为。
8、优选地,在所述危险行为的识别方法中,所述将预先存储的危险图像以及各对象的子图像作为预先训练好的孪生网络结构模型的输入,输出相似度值的步骤之后,所述当所述相似度值大于预设阈值时,确定存在危险行为的步骤之前,所述识别方法还包括:
9、根据预先存储的危险图像以及对应的危险系数,更新所述相似度值。
10、优选地,在所述危险行为的识别方法中,所述根据预先存储的危险图像以及对应的危险系数,更新所述相似度值的步骤,包括:
11、根据所述监测区域,确定多个不同的评价维度;
12、根据多个评价维度,确定各对象的危险因子;
13、根据各对象的危险因子、危险图像以及对应的危险系数,采用预先建立的第一评价模型更新所述相似度值;
14、其中所述第一评价模型为:
15、y=λxink;
16、其中y为更新后的相似度值;
17、x为更新前的相似度值;
18、λ为危险图像对应的危险系数;
19、k为危险因子。
20、优选地,在所述危险行为的识别方法中,所述将预先存储的危险图像以及各对象的子图像作为预先训练好的孪生网络结构模型的输入,输出相似度值的步骤,具体包括:
21、根据确定的各对象的危险因子,对预先存储的危险图像和各对象的子图像对应位置的预设范围进行第二次分割出来,分别形成危险子图像和第二子图像;
22、将危险子图像与所述第二子图像作为预先训练好的孪生网络结构模型的输入,输出相似度值。
23、优选地,在所述危险行为的识别方法中,对于人员对象的危险因子包括是否佩戴安全帽;
24、相应地,所述根据确定的各对象的危险因子,对预先存储的危险图像和各对象的子图像对应位置的预设范围进行第二次分割出来,分别形成危险子图像和第二子图像的步骤,包括:
25、根据确定的各对象的危险因子,对预先存储的危险图像和各对象的子图像中头部的预设范围内进行第二次分割出来,分别形成危险子图像和第二子图像。
26、优选地,在所述危险行为的识别方法中,所述根据各对象的位置数据,采用预先训练好的图像分割模型将所述图像数据分割成各对象的子图像的步骤之后,所述识别方法还包括:
27、根据人员的子图像,确定人员的眼睛数据,所述眼睛数据包括张开状态以及闭合状态;
28、根据所述眼睛数据,确定人员的注意力集中度;
29、相应地,所述将预先存储的危险图像以及各对象的子图像作为预先训练好的孪生网络结构模型的输入,输出相似度值,具体包括:
30、将环境对象和/或车辆对象的预设危险图像,与对应的子图像作为预先训练好的孪生网络结构模型的输入,输出第一相似度值;
31、当第一相似度值大于第二预设阈值时,确定人员处于第一预设危险场景;
32、当人员处于第一预设场景且所述注意力集中度小于第三预设阈值时,确定存在危险行为。
33、优选地,在所述危险行为的识别方法中,所述采集数据还包括眼周肉体张紧的电信号;
34、相应地,所述根据所述眼睛数据,确定人员的注意力集中程度的步骤,具体包括:
35、根据所述电信号,确定危险指数;
36、根据眼睛的张开或闭合的状态以及危险指数,确定人员的注意力集中程度。
37、为了实现上述目的,本发明提供一种危险行为的识别装置,所述危险行为的识别装置包括:
38、获取模块,用于获取监测区域的采集数据,所述采集数据包括图像数据;
39、构建模块,用于根据所述图像数据,对所述监测区域进行三维构建以确定各对象的位置数据,各对象包括环境、车辆以及人员;
40、分割模块,用于根据各对象的位置数据,采用预先训练好的图像分割模型将所述图像数据分割成各对象的子图像;
41、比较模块,用于将预先存储的危险图像以及各对象的子图像作为预先训练好的孪生网络结构模型的输入,输出相似度值;
42、确定模块,用于当所述相似度值大于第一预设阈值时,确定存在危险行为。
43、为了实现上述目的,本发明提供一种服务器,所述服务器包括:
44、至少一个处理器;以及,
45、与所述至少一个处理器通信连接的存储器;其中,
46、所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的危险行为的识别方法。
47、为了实现上述目的,本发明提供一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现上述的危险行为的识别方法。
48、本发明至少具有如下有益效果:
49、本发明通过获取监测区域的采集数据,所述采集数据包括图像数据;根据所述图像数据,对所述监测区域进行三维构建以确定各对象的位置数据,各对象包括环境、车辆以及人员;根据各对象的位置数据,采用预先训练好的图像分割模型将所述图像数据分割成各对象的子图像;将预先存储的危险图像以及各对象的子图像作为预先训练好的孪生网络结构模型的输入,输出相似度值;当所述相似度值大于第一预设阈值时,确定存在危险行为,如此可以快速、系统、准确地识别出危险行为。
1.一种危险行为的识别方法,其特征在于,包括如下步骤:
2.如权利要求1所述的危险行为的识别方法,其特征在于,所述将预先存储的危险图像以及各对象的子图像作为预先训练好的孪生网络结构模型的输入,输出相似度值的步骤之后,所述当所述相似度值大于预设阈值时,确定存在危险行为的步骤之前,所述识别方法还包括:
3.如权利要求2所述的危险行为的识别方法,其特征在于,所述根据预先存储的危险图像以及对应的危险系数,更新所述相似度值的步骤,包括:
4.如权利要求3所述的危险行为的识别方法,其特征在于,所述将预先存储的危险图像以及各对象的子图像作为预先训练好的孪生网络结构模型的输入,输出相似度值的步骤,具体包括:
5.如权利要求4所述的危险行为的识别方法,其特征在于,对于人员对象的危险因子包括是否佩戴安全帽;
6.如权利要求1所述的危险行为的识别方法,其特征在于,所述根据各对象的位置数据,采用预先训练好的图像分割模型将所述图像数据分割成各对象的子图像的步骤之后,所述识别方法还包括:
7.如权利要求4所述的危险行为的识别方法,其特征在于,所述采集数据还包括眼周肉体张紧的电信号;
8.一种危险行为的识别装置,其特征在于,包括:
9.一种服务器,其特征在于,包括:
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述的危险行为的识别方法。