CN119418283A 基于视频数据分析冶炼隐患警示方法及系统 （西冶科技集团股份有限公司）

基于视频数据分析冶炼隐患警示方法及系统本发明公开了基于视频数据分析冶炼隐患2对每一摄像头拍摄的视频图像进行监控区块划分，并基于监控区块需要监控的对象，对每一监控区块对应的视频图像进行分析，确定出监控区块对应的设备构建有冶炼场地平面图，并将每一监控区块标记于确定视频图像中的关键设备区域以及人员操作区域，并基于关对关键设备区域的异常状态构建若干异常状态类型，并针对每一异常对人员操作区域划定有若干人员子操作区域，并针对每一人员对监控区块中的设备进行关键结构进行特征边缘划定基于监控区块的设备的正常运行状态，确定不同的特征边缘或特征标志的运动范围，基于监控区块的设备的正常运行状态，确定出不同特征边缘或特将第一异常运动参量以及第二异常运动参量认定为监控区块的针对监控区块中的不同人员工作区域进行确定，并对每一人员工3统计预设时间段内，标记为异常的实时人体肢体表达模型对监控区块中的特征边缘或特征标志进行实时运动分析，确定出设备;其中，Y为综合异常运动参量，R为第一异常运动参量影响权重，z1为第一异常运动参量，RZ为第二异常运动参量影响权重，为第二异常运动参量，At为设备的连续异常状态持续时间，为连续异常状态持续时间影响调整系数，c为连续异常状态持续时针对实时人体肢体表达模型的异常行为次数，构建有若干异常行确定出不同监控区块对应的设备的综合异常运动参量，或人确定异常标记监控区块的总异常区块数量，并确定出有连锁;Ii4第一模块，用于对每一摄像头拍摄的视频图像进行监控区第二模块，用于对每一监控区块对应的视频图像进行分析5[0004]本发明的目的是提供一种能够对冶炼厂的设备和工作人员进行精细化监控的方述或人体的行为描述，利用每一监控区块对应的监控策略对状态描述或行为描述进行分对关键设备区域的异常状态构建若干异常状态类型，并针对每一异常状态类型，6对监控区块中的设备进行关键结构进行特征边缘划定将第一异常运动参量以及第二异常运动参量认定为监控区块的;其中，Y为综合异常运动参量，R为第一异常运动参量影响权重，z1为第一异常运动参量，RZ为第二异常运动参量影响权重，为第二异常运动参量，At为设备的连续异常状态持续时间，为连续异常状态持续时间影响调整系数，c为连续异常状态持[0011]在本发明公开的一些实施例中，对异常标记的检索区块确定出不同监控区块对应的设备的综合异常运动参量，或人体的人体异常参量，7;Ii[0013]在本发明公开的一些实施例中，还公开有基于视频数据分析的冶炼隐患警示系8域通常是指那些对生产过程至关重要、一旦出现故障可能引发严重后果的设备所在的区9[0028]为每一异常状态级别对应若干异常状态判断因子参量区断因子参量可能是设备的实际运动速度与其正步骤S201，对监控区块中的设备进行关键结构进行特征边缘划定或特征标志标一异常运动参量和第二异常运动参量结合起来，我们可以得到一个全面的设备状态描述。[0045]步骤S207，利用人体正常肢体表达模型组对实时人体肢体表达模型进行比对分的行为描述有助于监控系统及时发现和处理人体的异常行为，确保监控区域的安全和秩。[0051]其中，Y为综合异常运动参量，R为第一异常运动参量影响权重异常运动参量，RZ为第二异常运动参量影响权重，为第二异常运动参量，At为设备的连续异常状态持续时间，为连续异常状态持续时间影响调整系数，c为连续异常状态持备的故障可能导致其他设备的停机或损坏将不同的监控区块进行连锁影响关联。接下[0055]在本发明公开的一些实施例中，对异常标记的检索区块;Ii[0060]根据步骤S300确定的隐患警示程度，将其与预设的隐患警示程度区间进行比[0061]在本发明公开的一些实施例中，还公开有