CN119516161A 一种基于目标识别检测的人员状态识别方法及系统 （广州安电测控技术有限公司）

一种基于目标识别检测的人员状态识别方对目标检测数据中的人体信息进行智能化姿态2对所述安规符合度数据和实时监测数据进行智能化预警处理，得对所述原始图像数据进行图像去噪处理，得到降噪图像数据，并对所对所述增强图像数据进行几何校正处理，得到校正图像数据，并对所通过卷积神经网络对所述补偿图像数据进行特征提取处理，得到图像对所述可视化BIM数据进行语义分割处理，得到分割BIM数据，并通过对所述智能化BIM数据进行数据格式转换处理，得到标准化BIM数据对所述分类BIM数据进行特征提取处理，得到BIM特征向量，并通过YO对所述候选目标数据进行非极大值抑制处理，得到筛选目标数据对所述空间定位数据进行目标分类处理，得到分类目标数据，并通过对所述设备识别数据进行危险区域划分处理，得到区域标记数3通过改进的HRNet算法对所述多尺度特征数据进行关键点定位处理，得到二维关键点对所述连续姿态数据进行遮挡推断处理，得到补全姿态数据，并对所述三维姿态数据进行姿态角度计算处理，得到角度特征数据对所述动作特征数据进行置信度评估处理，得到可信度数据，并对对所述优化姿态数据进行时空图构建处理，得到姿态图结构数据对所述时空特征数据进行多层次卷积处理，得到高层动作特征数对所述加权特征数据进行行为分类处理，得到违章行为类型数据，并对所述登高状态数据进行高度估算处理，得到高度信息数据，并通过对所述行为分析数据进行模糊规则库构建处理，得到模糊规则集数据，通过改进的Mamdani模糊推理系统对所述输入模糊集数据进行模糊推理处理，得到推对所述加权结果数据进行模糊输出生成处理，得到模糊输出集数据，对所述精确评分数据进行多维度评估处理，得到多维评估数据，对所述安规符合度数据和实时监测数据进行数据融合处理，得到融对所述动态风险数据进行多阈值预警机制设置处理，得到预警4对所述预警触发数据进行预警信息个性化处理，得到个性化预警数通过决策树算法对所述多模态预警数据进行智能干预决策处理，得到干预建议数据，对所述专家指导数据进行闭环反馈处理，得到优化策略数据，并通过8.一种基于目标识别检测的人员状态识别装置，用于实现如权利要求1_7中任一项所分析模块，用于对所述目标检测数据中的人体信息进行预警模块，用于对所述安规符合度数据和实时监测数据进行智能5[0002]现有的人员状态识别技术主要依赖于传统的计算机视觉算法和简单的机器学习6时也提高了数据的可视化程度和理解性。接着，对智能化BIM数据进行多学科数据交换处法通过数据驱动和智能算法的应用，实现了从被动响应到主动预防的安全管理模式转变，[0009]图1为本申请实施例中基于目标识别检测的人员状态识别方法的一个实施例示意图2为本申请实施例中基于目标识别检测的人员状态识别装置的一个实施例示意7[0012]可以理解的是，本申请的执行主体可以为基于目标识别检测的人员状态识别装用IFC标准，数据分类基于层次聚类算法。特征提取使用ResNet50网络，目标检测应用将2D坐标转换为3D空间坐标。目标分类采用SVM算法，安全设备识别使用FasterR_CNN网89像素块来估计每个像素的真实值，从而有效地保留图像细节的同时减少噪声。对降噪图像数据进行直方图均衡化处理，得到增强图像数据。直方图均衡化是一种常用的图像增强技术，它通过重新分配图像的灰度值分布，提高图像的对比度。这一步骤使用累积分布函数是纠正图像中由于摄像机角度、镜头畸变等因素导致的几何变形。本方法采用基于控制点割。[0026]具体地，对智能化BIM数据进行数据格式转换处理，得到标准化BIM数据。采用生成可能包含目标的候选区域，然后目标分类网络对这些区域进行精确分类和边界框回将人员位置信息、安全设备识别结果和危险区域标记等信息综合到一个统一的数据结构终整合的目标检测数据包含了1140个目标的详细信息，每个目标平均包含20个属性字段，[0034]具体地，对目标检测数据进行人体区域提取处理，得到人体ROI（Regionof素级的人体轮廓，从而精确地提取出人体区域。通过多尺度特征金字塔网络（Feature;其中，R表示第l层的特征图，U表示上采样操作，ci表示对应层的卷积特征图，;softargmax是一种可微分的操作，用于将热力图转换为精确坐标。;网络（GraphConvolutional;;;;到优化姿态数据。置信度评估使用MonteCarlodropout技术，通过多次前向传播with采用3D卷积神经网络（3DCNN该网络能够同时在空间和时间维度上进行卷积操作，从而提取更高级的动作特征。通过这种层次化的特征提取，网络能够学习到从低级的肢体运动到高级的行为模式的各种特征。通过注意力机制对高层动作特征数据进行权重分配处理，得到加权特征数据。注意力机制的引入使得模型能够自动学习到不同时空区域的重要性，从而更好地关注关键的动作细节。这里采用自注意力机制，它允许模型在计算某一位置的表示时，考虑所有位置的信息，并根据相关性动态分配权重。自注意力机制通过计算查询络包含5个3D卷积层，最终输出1024维的高层动作特征。自注意力机制计算了16个注意力家的知识和经验制定，涵盖了各种可能的情况和相应的评估结果。例如，一条规则可能是一步骤使用隶属函数来描述输入变量对不同模糊集的隶属度。常用的隶属函数包括三角形模糊规则库，涵盖了高空作业、设备操作、个人防护等多个方面。输入变量包括高了整体的安全管理水平。[0057]对专家指导数据进行闭环反馈处理，得到优化策略数据。闭环反馈机制基于PID机制能够根据干预措施的实际效果，持续优化预警和干预策略。通过数据挖掘算法对优化策略的实施效果和历史事件数据，挖掘出安全管理