龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：中国矿业大学;燕园智能科技(徐州)有限公司
申请日：2023-12-04
公开（公告）日：2024-03-08
公开（公告）号：CN117671589A
主分类号：G06V20/52
分类号：G06V20/52;G06V10/44;G06V10/80;G06V10/766;G06V10/764;G06V10/82;G06V40/16;G06N3/0464;G06N3/08
优先权：
专利状态码：失效-发明专利申请公布后的撤回
法律状态：2024.06.04#发明专利申请公布后的撤回;2024.03.26#实质审查的生效;2024.03.08#公开
摘要：本发明公开了一种基于新型视频分析方法的矿工排队秩序异常报警系统，涉及计算机视觉技术领域，通过视频监控系统获取矿工排队视频数据，提取排队图像并标注矿工排队数据集，进行深度学习模型的训练和验证。算法的核心在于改进YOLOv5模型的特征金字塔部分，设计出新型的BCrFPN，并引入动态标签分配策略，动态设置阈值，以更合理地评估候选样本的质量；通过计算人脸框与排队区域的相交面积并设置阈值，来准确判断矿工是否有序排队，输出预警结果，并上传井上监控平台，满足安全生产的实际要求。本发明针对煤矿井下特殊的生产环境，通过新的视频分析算法实现人员排队秩序异常报警，检测效率和可靠性高，实用性强，适用于煤矿安全生产管理。
主权项：1.一种基于新型视频分析方法的矿工排队秩序异常报警系统，其特征在于：包括具有智能检测功能的监控摄像仪、异常报警装置及井上监控平台；所述监控摄像仪安装于煤矿井下现场，用以实时获取井下矿工排队视频；所述监控摄像仪中内嵌有深度学习算法，所述深度学习算法用以对视频进行实时分析；检测到排队秩序异常后，监控摄像仪将信息输出至异常报警装置进行报警；并将检测到的异常视频通过网络上传至井上监控平台，便于统计分析和考核管理；所述深度学习算法的检测分析方法包括以下步骤：S1:提取排队图像并标注矿工排队数据集，利用深度学习算法建立矿工人脸检测模型，通过数据集对矿工人脸检测模型进行训练和验证；矿工人脸检测模型包括双向交叉特征金字塔网络和动态标签分配策略；S2:矿工人脸检测模型通过划分矿工排队区域，利用半平面交法计算人脸框与排队区域的相交面积，将相交面积与阈值对比，判断矿工是否有序排队。
全文数据：
权利要求：
百度查询： 中国矿业大学;燕园智能科技(徐州)有限公司 一种基于新型视频分析方法的矿工排队秩序异常报警系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号