一种基于人工智能技术突发事故检测的方法与流程

本发明涉及电网安全生产，尤其是涉及一种基于人工智能技术突发事故检测的方法。

背景技术：

1、机器视觉是人工智能的一个分支。其主要目标是通过使用光学非接触式感应设备自动接收并解析真实场景的图像以获取信息。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果。视频敏锐感知烟雾、火情等突发生产现场安全事件。视频智能烟火探测方法的研究已经成为国内外智能视频分析的热门领域，现市场上主流解决方案是利用火灾烟雾的各种图像特征，如烟雾形态、纹理特征、烟雾色彩特征等，进而对火情进行检测和报警。本方法针对室内/外监控覆盖范围内的安全区域内环境及火灾发展初期烟雾的特征，实时地将监控视频画面进行预处理，提取大量的视频流烟雾区域的特征信息，并利用机器视觉将获取到的特征及现场预警信息等输入到已训练成熟的人工智能模型中，通过大量的模型训练实现对视频智能化检测和识别，从而智能分析出火灾现场的强度和危险性。

2、在电网安全生产中：火情可视化预警、高空坠落智能感知、跌倒行为实时判定三个场景是常见的突发事故。使用人工智能技术准确、实时进行分析报警，达到减少火情误报及缩短告警时间的目标。

3、传统的人工管理方式难以进行全方位的监管，因此，借助现代信息技术预防及时检测生产事故，关系到工人生命安全。火灾，高处坠落安全事故的发生，构建具有针对性的安全预警系统对降低安全事故发生率和提高高处施工安全管理的信息化具有重要意义。

4、其中，高空坠落风险智能监控方法，从高坠风险判断模型、工人室内定位系统、安全围栏检测模型、高坠可能性分析模型、高坠后果分析等方面展开研究，整合多种传感数据，使用深度学习算法建立了准确度达97％的安全围栏检测算法；使用可穿戴式传感器获取姿态数据预测高坠概率等结论。目前高空坠落安全管理主要集中在坠落后的安全防护、日常现场安全巡检等人工手段，少数智能预警系统应用了信息技术，提高了安全管理的实时性和全面性，但大多简单依赖距离信息来判断工人的安全状况，准确度有待提高。目前还未有利用人工智能和机器视觉预警触电跌倒相关的研究。人员跌倒主要是利用智能穿戴设备进行检测，针对监控内人员跌倒检测及救助主要还是依赖监控的人员。上述方案虽然可以及时检测到人员跌倒，但是在分析跌倒行为及状态上不具有智能化、可视化，不能够完整的描述工作人员跌倒后的具体状态。

技术实现思路

1、本发明的目的是提供一种基于人工智能技术突发事故检测的方法，解决了在分析跌倒行为及状态上不具有智能化、可视化和不能够完整的描述工作人员跌倒后的具体状态的问题。

2、为实现上述目的，本发明提供了一种基于人工智能技术突发事故检测的方法，包括以下步骤：

3、s1、在对比式预训练阶段，利用clip模型定义好正样本对和负样本对，分别对图像和文本提取特征，图像对应生成i1、i2...in的特征向量，文本对应生成t1、t2...tn的特征向量，中间对角线为正样本，其余均为负样本；

4、s2、在提取预测类别文本特征阶段，创建待分类的文本特征向量，进行特征提取；

5、s3、在zero-shot推理预测阶段，将图片传给imageencoder进行特征提取，生成一维的图片特征向量，做余弦相似度对比；

6、s4、将openpose模型迭代地预测编码部位关联到部位的亲和场，检测置信图。

7、优选的，在步骤s1中，clip模型采用对比学习进行训练。

8、优选的，在步骤s2中，通过promptlabeltext来创建待分类的文本特征向量。

9、优选的，在步骤s2中，用模板填空promot的方式从类别标签生成文本，将得到的文本输入textencode，进行特征提取。

10、优选的，在步骤s3中，将生成的一维图片特征和n个文本特征做余弦相似度对比。

11、优选的，在步骤s4中，openpose模型迭代预测体系结构遵循cmps的方法，在连续的阶段(t∈{1，...，t})上精细化预测，且每个阶段都有中间监督。

12、优选的，在cmps的方法中，网络结构包含7*7的卷积层。

13、优选的，在步骤s4中，在openpose模型中，通过将每个7*7卷积核替换为3个连续的3*3核，减少计算量。

14、因此，本发明采用上述结构的一种基于人工智能技术突发事故检测的方法，具备以下有益效果：

15、(1)本发明利用先进的人工智能技术，基于机器视觉和深度学习神经网络，实时分析现场采集的视频，变被动监督为主动监控，真正做到事前预警、事中常态检测，将电网安全生产做到全天候精细化智能管理，为当前电网安全生产突发事故管理提供一体化解决方案。

16、(2)本发明在传统视频监控基础上，提供面向电网安全运行安全区域内的智能视频分析算法，自动分析视频中的危险行为，并实时进行有效的反馈。

17、(3)本发明可实时精准查验和监管现场动态，降低人员管理成本、提高工作效率。

18、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

技术特征：

1.一种基于人工智能技术突发事故检测的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于人工智能技术突发事故检测的方法，其特征在于：在步骤s1中，clip模型采用对比学习进行训练。

3.根据权利要求2所述的一种基于人工智能技术突发事故检测的方法，其特征在于：在步骤s2中，通过promptlabeltext来创建待分类的文本特征向量。

4.根据权利要求3所述的一种基于人工智能技术突发事故检测的方法，其特征在于：在步骤s2中，用模板填空promot的方式从类别标签生成文本，将得到的文本输入textencode，进行特征提取。

5.根据权利要求4所述的一种基于人工智能技术突发事故检测的方法，其特征在于：在步骤s3中，将生成的一维图片特征向量和n个文本特征做余弦相似度对比。

6.根据权利要求5所述的一种基于人工智能技术突发事故检测的方法，其特征在于：在步骤s4中，openpose模型迭代预测体系结构遵循cmps的方法，在连续的阶段t上精细化预测，且每个阶段都有中间监督。

7.根据权利要求6所述的一种基于人工智能技术突发事故检测的方法，其特征在于：在cmps的方法中，网络结构包含7*7的卷积层。

8.根据权利要求7所述的一种基于人工智能技术突发事故检测的方法，其特征在于：在步骤s4中，在openpose模型中，将每个7*7卷积核替换为3个连续的3*3核。

技术总结
本发明公开了一种基于人工智能技术突发事故检测的方法，属于电网安全生产技术领域。包括以下步骤：对图像和文本提取特征；创建待分类的文本特征向量进行特征提取；生成一维的图片特征向量，做余弦相似度对比；将openpose模型迭代地预测编码部位关联到部位的亲和场，检测置信图。本发明采用上述的一种基于人工智能技术突发事故检测的方法，将电网安全生产做到全天候精细化智能管理，为当前电网安全生产突发事故管理提供一体化解决方案。并且可实时精准查验和监管现场动态，降低人员管理成本、提高工作效率。

技术研发人员：王程达,吴暴,曹文继,高海涛,师磊,宋彪
受保护的技术使用者：内蒙古世乐科技有限公司
技术研发日：
技术公布日：2024/4/17