(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210863147.8 (22)申请日 2022.07.20 (71)申请人 慧之安信息技 术股份有限公司 地址 100000 北京市海淀区昆明湖南路51 号A座二层217号 (72)发明人 兰雨晴　余丹　唐霆岳　邢智涣　 王丹星　 (74)专利代理 机构 北京广技专利代理事务所 (特殊普通 合伙) 11842 专利代理师 张国香 (51)Int.Cl. G06V 40/20(2022.01) G06V 20/52(2022.01) G06V 10/147(2022.01) (54)发明名称 基于深度学习的危险作业检测方法 (57)摘要 本发明提供了基于深度学习的危险作业检 测方法， 其在建筑作业区域的每个位置均安装红 外感应器和摄像传感器， 以此对每个位置对应的 检测区域进行红外检测和摄像检测； 根据检测区 域内的红外感应数据， 得到对应的人员存在状 态， 以此调整摄像传感器的摄像状态； 对检测区 域影像进行深度学习分析处理， 得到检测区域的 人员动作状态， 以此判断检测区域是否发生危险 作业事件， 再通过服务器终端向位于检测区域的 报警设备发送报警动作指令； 上述方法通过服务 器终端结合红外感应器和摄像传感器对检测区 域进行检测， 对红外感应数据和检测区域影像进 行深度学习分析， 实时全面确定每个位置的人员 作业作态， 及时对危险作业行为进行识别。 权利要求书2页 说明书6页 附图1页 CN 115376204 A 2022.11.22 CN 115376204 A 1.基于深度学习的危险作业检测方法， 其特 征在于， 其包括如下步骤： 步骤S1， 在建筑作业区域的每个位置分别安装红外感应器和摄像传感器， 并且 同一位 置安装的红外感应器和摄像传感器具有相同的检测区域； 将所有红外感应器和所有摄像传 感器均接入到同一 服务器终端； 步骤S2， 通过所述服务器终端收集所述红外感应器反馈的检测区域内的红外感应数 据， 并对所述人员存在状态数据进行分析处理， 得到所述检测区域内的人员存在状态信息； 根据所述人员存在状态信息， 判断所述检测区域是否属于人员密集作业区域； 步骤S3， 根据上述检测区域的判断结果， 通过所述服务器终端调整对应摄像传感器的 摄像状态， 并收集所述摄像传感器反馈的检测区域影像， 并对所述检测区域影像进行分析 处理， 得到所述检测区域的人员动作状态信息； 根据所述人员动作状态信息， 判断所述检测 区域是否发生 危险作业事 件； 步骤S4， 根据上述危险事件的判断结果， 通过所述服务器终端向位于所述检测区域的 报警设备发送报警动作指令 。 2.如权利要求1所述的基于深度学习的危险作业检测方法， 其特 征在于： 在所述步骤S1中， 在建筑作业区域的每个位置分别安装红外感应器和摄像传感器， 并 且同一位置安装的红外感应 器和摄像传感器具有相同的检测区域具体包括： 在建筑作业区域的每个作业平台或每个机器作业机位分别安装红外感应器和摄像传 感器， 并且对同一位置安装的红外感应器和摄像传感器进行调试， 使得同一位置安装的红 外感应器的红外光扫描覆盖区域与摄 像传感器的摄 像覆盖区域具有相同的范围。 3.如权利要求2所述的基于深度学习的危险作业检测方法， 其特 征在于： 在所述步骤S1中， 将所有红外感应器和所有摄像传感器均接入到同一服务器终端具体 包括： 将所有红外感应器和所有摄像传感器分别通过独立的双向数据通信链路接入到同一 服务器终端。 4.如权利要求3所述的基于深度学习的危险作业检测方法， 其特 征在于： 在所述步骤S2中， 通过所述服务器终端收集所述红外感应器反馈的检测区域内的红外 感应数据， 并对所述人员存在状态数据进行分析处理， 得到所述检测区域内的人员存在状 态信息具体包括： 通过所述服务器终端向所述红外感应器发送 红外扫描触发指令， 指示所述红外传感器 对所述检测区域进行 红外光扫描检测， 并实时收集所述红外光扫描检测形成的红外感应数 据； 对所述红外感应数据进行红外反射光谱分析处理， 得到所述检测区域内的人员存在数 量和人员之间的平均距离 。 5.如权利要求 4所述的基于深度学习的危险作业检测方法， 其特 征在于： 在所述步骤S2中， 根据所述人员存在状态信息， 判断所述检测区域是否属于人员密集 作业区域具体包括： 若所述人员存在数量大于或等于预设数量阈值以及所述平均距离小于或等于预设距 离阈值， 则判断所述检测区域属于人员密集作业区域； 否则， 判断所述检测区域不属于人员 密集作业区域。权　利　要　求　书 1/2 页 2 CN 115376204 A 26.如权利要求5所述的基于深度学习的危险作业检测方法， 其特 征在于： 在所述步骤S3中， 根据上述检测区域的判断结果， 通过所述服务器终端调整对应摄像 传感器的摄像状态， 并收集所述摄像传感器反馈的检测区域影像， 并对所述检测区域影像 进行分析处 理， 得到所述检测区域的人员动作状态信息具体包括： 若所述检测区域属于人员密集作业 区域， 则通过所述服务器终端增大所述摄像传感器 的摄像频率； 若所述检测区域不属于人员密集作业区域， 则通过所述服务器终端减小所述 摄像传感器的摄 像频率； 通过所述服务器终端收集所述摄像传感器反馈的检测区域影像， 从所述检测区域影像 中提取得到所述检测区域存在的每个人员的肢体部分和所述检测区域包含预设危险区域 之间的相对位置关系。 7.如权利要求6所述的基于深度学习的危险作业检测方法， 其特 征在于： 在所述步骤S3中， 根据所述人员动作状态信息， 判断所述检测区域是否发生危险作业 事件具体包括： 根据每个人员的肢体部分和所述检测区域包含预设危险区域之间的相对位置关系， 判 断所述肢体部分是否越界进入到预设危险区域， 若是， 则判断所述检测区域发生危险作业 事件； 若否， 则判断所述检测区域未发生 危险作业事 件。 8.如权利要求7 所述的基于深度学习的危险作业检测方法， 其特 征在于： 在所述步骤S4中， 根据上述危险事件的判断结果， 通过所述服务器终端向位于所述检 测区域的报警设备发送报警动作指令具体包括： 若判断所述检测区域发生危险作业事件， 则通过所述服务器终端向位于所述检测区域 的语音报警设备发送报警语音播放指令， 指示所述语音报警设备播放预定内容的语音信 息。权　利　要　求　书 2/2 页 3 CN 115376204 A 3