申请/专利权人：三峡大学

申请日：2021-11-02

公开（公告）日：2024-04-23

公开（公告）号：CN114220159B

主分类号：G06V40/18

分类号：G06V40/18;G06Q50/26;G06V10/762

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2022.04.08#实质审查的生效;2022.03.22#公开

摘要：基于机器学习的施工安全隐患识别方法，首先搭建多组现场实验场景，通过眼动实验获取施工安全管理人员的眼动数据，筛选并提取注视点坐标与平均注视时间，利用距离目标函数来完成对于整个注视界面的聚类，最后对整个施工现场全局的隐患注视兴趣区进行划分，以此来表征专家群体的注视分配状况，得出专家群体对于仓面安全隐患的识别规律。相对于当前尚未开发出高效率的仓面施工安全隐患智能识别程序，本发明方法能为其安全性添砖加瓦。且依据该技术的理论方法和相关数据，加上机器学习理论知识，能够将专家的隐性经验知识录入，借由人工智能来执行更高效率的自动识别。

主权项：1.基于机器学习的施工安全隐患识别方法，其特征在于包括以下步骤：步骤一：筛选出的实验被测试群体，头戴眼动仪进入实验场景，通过眼动仪采集被试识别隐患时的眼动特征参数，所述眼动特征参数包括第一视角视频、注视点坐标、注视点时长、眼动水平视角、眼动垂直视角；步骤二：经过步骤一采集得到的各项眼动特征参数数据，采用滤波分析方法，能够用于从受到误差影响的眼动仪观测值中估算出正常的状态，针对眼动仪获得的观测数据，对比各个视线点的合理性，筛选眼动跟踪质量良好的，满足注视条件的视线点，以获取群体被测试群体的注视点信息ri∈Rni＝1,2,...,n，注视点三维空间坐标x,y,z与平均注视时间ms；利用累计平均注视时间作为权重，将群体被试的注视点以下述公式聚类于第l界面的中心点vlvx,vy,vz： 在得出各注视点集合之后，采用非线性连续函数Φ对注视点集合进行映射Φr1,r2,…,rn，建立各注视点坐标与各注视界面聚类中心点坐标之间的距离目标函数J： 步骤三：任意设定初始注视界面聚类的中心点、聚类界面数量、估计中心点与实际中心点的距离阈值以及收敛精度初始参数，带入其中，不断更新最小化距离目标函数，直至收敛符合注视点聚类要求，完成注视界面的聚类，进而形成群体注视聚类区域{φ1,φ2,...,φk}，划分整个施工场景内的注视兴趣区，分析隐患识别过程的视觉分配规律。

全文数据：

权利要求：

百度查询： 三峡大学 基于机器学习的施工安全隐患识别方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD