一种煤矿运输场景下人体属性识别方法与流程

本发明涉及图像处理领域，尤其涉及一种煤矿运输场景下人体属性识别方法。

背景技术：

1、采矿业中事故的普遍性和严重随矿物的性质和类型而异。采煤业死亡事故的发生率大大高于其他矿业，采煤业的伤害率也显著高于其他采矿业。在同一采矿业中，地下采矿的事故率比地面露天开采要高，地下开采的死亡和非死亡事故率一般比地面或露天开采高1～2倍。

2、中国专利授权公告号：cn118097492b公开了一种基于人工智能深度学习的矿山违法行为智能识别方法，包括：将矿山内设置的所有摄像装置最新获取的多个视频段汇总当作同时序视频段组，并识别出同时序视频段组中的所有识别对象图区序列；基于所有识别对象图区序列对应的实体对象在矿山中的实际空间位移，对同时序视频段组中的所有识别对象图区序列进行匹配，获得识别对象图区序列组；基于获取每个识别对象图区序列组中的识别对象图区序列的所属视频段的摄像装置的每种预设人工智能深度学习违法行为判别模型，获得违法行为识别结果；用以利用包含识别对象的多个视角的监控视频和人工智能深度学习违法行为判别模型精准识别出矿山作业场景中存在的违法行为。

3、中国专利授权公告号：cn118230397b公开了一种基于区块链的人脸识别方法及系统，该申请的基于区块链的人脸识别方法，首先将脸部位姿调整前与调整后的人脸图像进行融合得到两组目标人脸图像，然后通过目标人脸图像与人脸库图像的匹配结果来判断人脸识别的成功与否；如此，在人脸识别过程中主动引导用户脸部进行位姿调整以进行脸部特征的融合识别，大大提高了活体识别的准确性，能够避免非活体照片进行识别带来的安全隐患；并且在脸部位姿调整时，根据脸部位姿调整前人脸图像的异常特征进行脸部位姿调整引导，以得到特征差异化的两组目标人脸图像，对两组差异化的目标人脸图像进行合适的权重配比来进行特征向量匹配，进一步提高人脸识别的准确性。

4、但是，上述方法存在以下问题：现有技术中通过经验判断危险类型及危险发生概率的准确度低，误差大，所以亟须一种降低人为干扰的判断危险来临时及时响应的技术方法。

技术实现思路

1、为此，本发明提供一种煤矿运输场景下人体属性识别方法，用以克服了现有技术中通过经验判断危险类型及危险发生概率的准确度低，主观因素较多，从而导致在煤矿运输时风险判断准确性降低的问题。

2、为实现上述目的，本发明提供一种煤矿运输场景下人体属性识别方法，包括：

3、构建危险监测模型，并收集煤矿场环境与人员的数据信息；

4、将所述数据信息进行预处理以得到对应的特征信息；

5、根据危险类型对所述危险监测模型进行分类并赋予各危险监测模型对应的风险值；

6、对所述特征信息进行处理得到动作行为信息，并将所述动作行为信息带入危险监测模型得到动作风险值，判断动作行为是否出现危险并发送警报信号；

7、将所述特征信息进行处理得到路况信息，并将所述路况信息带入危险监测模型得到路况风险值，判断路况是否存在危险源并发送警报信号；

8、将所述特征信息进行处理得到矿场信息，并将所述矿场信息导入危险监测模型得到矿场风险值，判断煤矿场是否存在塌方危险并发送警报信号；

9、通过检测到的动作、路况、矿场对应的特征信息及危险种类训练所述危险监测模型，调整危险监测模型后覆盖原有危险监测模型。

10、其中，所述危险类型包括道路危险、行为危险、塌方危险。

11、进一步地，所述预处理为将所述数据信息进行第一次卷积操作得到低级特征，对所述低级特征进行池化操作降低低级特征的维度，对所述低级特征进行若干次卷积与池化操作得到对应的特征信息。

12、进一步地，筛选出所述特征信息中的动作特征信息，将所述动作特征信息进行汇总并代入所述危险监测模型确定动作风险值并判断风险类型，发送警报信号。

13、进一步地，所述危险监测模型预设有动作警报值，对比动作风险值与动作警报值，

14、如动作风险值为零，不发送信号；

15、若动作风险值不为零且未达动作警报值，发送低危险信号；

16、若动作风险值达到动作警报值，发送高危险信号。

17、进一步地，筛选出所述特征信息中的路况特征信息，将所述路况特征信息进行汇总并代入所述危险监测模型确定路况风险值并判断风险类型，发送警报信号。

18、进一步地，所述危险监测模型预设有路况警报值，对比路况风险值与路况警报值，

19、如路况风险值为零，不发送信号；

20、若路况风险值不为零且未达路况警报值，发送低危险信号；

21、若路况风险值达到路况警报值，发送高危险信号。

22、进一步地，筛选出所述特征信息中的矿场特征信息，将所述矿场特征信息进行汇总并代入所述危险监测模型确定矿场风险值并判断风险类型，发送警报信号。

23、进一步地，所述危险监测模型预设有矿场警报值，对比矿场风险值与矿场警报值，

24、如矿场风险值为零，不发送信号；

25、若矿场风险值不为零且未达矿场警报值，发送低危险信号；

26、若矿场风险值达到矿场警报值，发送塌方危险信号。

27、进一步地，将所述路况风险值、所述动作风险值与所述矿场风险值进行加权得到总风险值，所述危险监测模型中预设有警报值，对比总风险值与警报值，

28、若总风险值为零，矿场无危险；

29、若总风险值不为零且未达警报值，发送风险提示信号；

30、若总风险值达到警报值，发送警报信号。

31、进一步地，确定循环周期，任一周期包括调整时段与应用时段，

32、当处于调整时段，将检测到的特征信息与风险类型汇总输入所述危险监测模型，训练危险监测模型并覆盖原有危险监测模型；

33、当处于应用时段，将特征信息带入调整后的危险监测模型并判断是否发送警报信号；

34、当一个周期结束后，将所述危险监测模型归零，并重新构建危险监测模型用于下一个周期。

35、与现有技术相比，本发明的有益效果在于，通过构建危险监测模型并根据风险值确定风险类别与风险等级，提高了对危险识别精度，提高了发现危险的效率，降低危险发生的概率，从而克服了现有技术中通过经验判断危险类型及危险发生概率的准确度低，主观因素较多，从而导致在煤矿运输时风险判断准确性降低的问题。

36、进一步地，通过多层卷积池化方法进行图像数据预处理，提高图像识别的精度和准确性，有利于执行复杂的图像识别，有助于防止模型在训练集上的过拟合现象，降低数据维度、提高计算效率和鲁棒性，从而进一步克服了现有技术中通过经验判断危险类型及危险发生概率的准确度低，主观因素较多，从而导致在煤矿运输时风险判断准确性降低的问题。

37、进一步地，通过危险监测模型对动作行为特征的识别与判断，提高对工人异常动作的灵敏性，降低因工人行为异常而造成的损害，降低危险出现概率，提高人员安全性，从而进一步克服了现有技术中通过经验判断危险类型及危险发生概率的准确度低，主观因素较多，从而导致在煤矿运输时风险判断准确性降低的问题。

38、进一步地，通过危险监测模型对路况特征的识别与判断，降低因路况问题导致现场出现施工安全问题的可能性，提高了道路运行的安全性，降低事故发生概率，从而进一步克服了现有技术中通过经验判断危险类型及危险发生概率的准确度低，主观因素较多，从而导致在煤矿运输时风险判断准确性降低的问题。

39、进一步地，通过危险监测模型对矿场特征的识别与判断，提高了塌方事故时人员的响应时间，降低了人员伤亡概率，提高施工现场安全防控意识，从而进一步克服了现有技术中通过经验判断危险类型及危险发生概率的准确度低，主观因素较多，从而导致在煤矿运输时风险判断准确性降低的问题。

40、进一步地，通过对三种危险风险值的加权，划分危险等级，从而对危险危害程度做到准确判断，减少成本浪费，提高安全意识，减少安全事故发生概率，从而进一步克服了现有技术中通过经验判断危险类型及危险发生概率的准确度低，主观因素较多，从而导致在煤矿运输时风险判断准确性降低的问题。

41、进一步地，通过确定调整时段与应用时段，使危险监测模型实时更新，提高了模型的精确度，降低模型的失误概率，从而进一步克服了现有技术中通过经验判断危险类型及危险发生概率的准确度低，主观因素较多，从而导致在煤矿运输时风险判断准确性降低的问题。