申请/专利权人:贵州省公路建设养护集团有限公司
申请日:2023-12-01
公开(公告)日:2024-01-02
公开(公告)号:CN117333929A
主分类号:G06V40/16
分类号:G06V40/16;G06V40/20;G06V10/764;G06V10/82;G06V10/50;G06V10/74;G06T5/40
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.01.19#实质审查的生效;2024.01.02#公开
摘要:本发明涉及异常人员识别领域,揭露了一种基于深度学习实现道路施工下的异常人员识别方法及系统,所述方法包括:提取施工场景数据的场景图像和场景视频;对场景图像进行均衡化处理,得到均衡化图像,标记均衡化图像中的人员主体,识别人员主体的人脸信息,将人脸信息与预设的人脸库进行对比,得到异常人脸信息,识别人员主体中的人脸异常人员;识别人员主体中的位置异常人员;分析人员主体的行为动作,计算行为动作的加速度向量幅值,预测人员主体的预测行为动作,分析预测行为动作的动作异常值,识别人员主体中的行为异常人员;分析人员主体中的异常人员。本发明可以提高道路施工场景下异常人员识别的准确性。
主权项:1.一种基于深度学习实现道路施工下的异常人员识别方法,其特征在于,所述方法包括:采集道路施工场景下施工场景数据,提取所述施工场景数据的场景图像和场景视频;对所述场景图像进行均衡化处理,得到均衡化图像,标记所述均衡化图像中的人员主体,识别所述人员主体的人脸信息,将所述人脸信息与预设的人脸库进行对比,得到异常人脸信息,基于所述异常人脸信息,识别所述人员主体中的人脸异常人员;对所述场景视频进行背景建模,得到所述道路施工场景的模拟施工场景,标记所述人员主体在所述模拟施工场景的空间坐标,基于所述空间坐标和预设的危险区域,识别所述人员主体中的位置异常人员;根据所述场景视频,分析所述人员主体的行为动作,计算所述行为动作的加速度向量幅值,基于所述加速度向量幅值,利用预设的行为轨迹预测模型预测所述人员主体的预测行为动作,分析所述预测行为动作的动作异常值,基于所述动作异常值,识别所述人员主体中的行为异常人员;基于所述人脸异常人员、所述位置异常人员以及所述行为异常人员,分析所述人员主体中的异常人员。
全文数据:
权利要求:
百度查询: 贵州省公路建设养护集团有限公司 基于深度学习实现道路施工下的异常人员识别方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。