作业现场的违章行为的检测方法及装置、设备及存储介质与流程

1.本发明涉及电力作业技术领域，尤其涉及一种作业现场的违章行为的检测方法及装置、设备及存储介质。


背景技术：

2.对于供电企业而言，人身安全是企业的安全底线，应杜绝电网员工的人身安全事故，避免社会人员触电事故。随着电网公司信息化水平不断提升，针对电网施工过程的监控系统已经得到了广泛应用。
3.若干电力设备企业开发了基于可佩戴设备的电力作业人员安全监护系统，它们一般通过智能手表或经改造的智能安全帽等等设计出可佩戴的保护设备，通过保护设备对作业过程的环境参数、声音、人员体征参数等进行采集、传输和存储。
4.但现有的此类系统主要还是实现数据采集以及事后分析，缺乏在作业过程中对装备与人员进行实时监护的方案，在实时检测方面不够成熟，违章分析结果的误差较高。
5.因此，仍需一种可以提高实时检测违章行为的准确度与可信度的技术手段。


技术实现要素：

6.本发明的主要目的在于提供一种作业现场的违章行为的检测方法及装置、设备及存储介质，可以解决现有技术中的违章分析结果的误差较高，降低结果准确度及可信度的问题。
7.为实现上述目的，本发明第一方面提供一种作业现场的违章行为的检测方法，所述违章行为指用户未正确佩戴可佩戴的保护设备，所述方法包括：
8.获取数据采集装置采集作业现场的可佩戴的保护设备的第一状态数据以及待保护的用户的第二状态数据；
9.利用所述第一状态数据确定所述保护设备的第一数量以及各个保护设备的第一运动特征矩阵；利用所述第二状态数据确定所述用户的第二数量以及各个用户的第二运动特征矩阵；
10.根据所述第一运动特征矩阵以及所述第二运动特征矩阵，确定所述第一数量中每个保护设备的欧氏距离矩阵，所述欧氏距离矩阵包括保护设备与第二数量中的每个用户之间的欧氏距离；
11.利用所述欧氏距离矩阵进行保护设备与用户之间的违章行为检测，确定所述违章行为的检测结果。
12.在一种可行实现方式中，所述利用所述欧氏距离矩阵进行保护设备与用户之间的违章行为检测，确定所述违章行为的检测结果，包括：
13.遍历每个保护设备的欧氏距离矩阵中的欧氏距离，在所述欧氏距离矩阵中确定每个保护设备对应的最小欧氏距离；
14.确定所述最小欧氏距离对应的目标用户，并建立所述目标用户与所述保护设备之
间的对应关系；
15.统计所述目标用户与所述保护设备之间的对应关系，确定统计结果；
16.当所述统计结果为保护设备与目标用户一一对应，则确定所述违章行为的检测结果为不存在违章行为；
17.当所述统计结果为保护设备与目标用户非一一对应，则确定所述违章行为的检测结果为存在违章行为。
18.在一种可行实现方式中，所述方法还包括：
19.当确定所述违章行为的检测结果为不存在违章行为，则输出第一提示至预设的监控终端，所述第一提示用于提示用户与保护设备之间不存在违章行为；
20.当确定所述违章行为的检测结果为存在违章行为，则输出第二提示至所述监控终端，所述第二提示用于提示用户与保护设备之间存在违章行为，第二提示至少包括违章用户信息。
21.在一种可行实现方式中，所述数据采集装置采集至少包括加速度采集装置，所述加速度采集装置设置在所述保护设备；
22.则所述第一状态数据至少包括三轴加速度信号序列，则利用所述第一状态数据确定所述保护设备的第一数量以及各个保护设备的第一运动特征矩阵，包括：
23.利用所述三轴加速度信号序列进行自适应高斯滤波处理，得到去抖动与降噪后的三轴加速度信号序列；
24.对去抖动与降噪后的三轴加速度信号序列进行积分处理，确定所述第一数量以及所述第一运动特征矩阵，所述第一运动特征矩阵包括保护设备的位移及速度信息。
25.在一种可行实现方式中，所述数据采集装置至少包括视觉采集装置，则所述第二状态数据至少包括视觉采集数据；
26.则利用所述第二状态数据确定所述用户的第二数量以及各个用户的第二运动特征矩阵，包括：
27.利用所述视觉采集数据以及预设的人体识别模块进行人体识别处理，确定所述用户的第二数量以及各个用户的第二运动特征矩阵。
28.在一种可行实现方式中，所述根据所述第一运动特征矩阵以及所述第二运动特征矩阵，确定所述第一数量中每个保护设备的欧氏距离矩阵，包括：
29.确定水平方向以及垂直方向的权重系数；
30.将所述权重系数、第一运动特征矩阵以及第二运动特征矩阵输入预设的加权正则化算法，确定加权正则化后的第一运动特征矩阵以及第二运动特征矩阵；
31.根据加权正则化后的第一运动特征矩阵以及第二运动特征矩阵进行欧氏距离计算，确定第一数量中每个保护设备的欧氏距离矩阵。
32.在一种可行实现方式中，所述加权正则化算法包括如下数学表达式：
[0033][0034][0035]
式中，b
norm
为加权正则化后的保护设备的第一运动特征矩阵、c
norm
为加权正则化后
的用户的第二运动特征矩阵，h为水平方向的权重，t为垂直方向的权重，(x，y，z)为保护设备的正则化后的第一运动特征矩阵中的三轴位移信息，(x2，y2，z2)为用户的正则化后的第二运动特征矩阵中的三轴位移信息，(vx，vy，vz)为保护设备的正则化后的第一运动特征矩阵中的三轴速度信息，(vx2，vy2，vz2)为用户的正则化后的第二运动特征矩阵中的三轴速度信息。
[0036]
为实现上述目的，本发明第二方面提供一种作业现场的违章行为的检测装置，所述违章行为指用户未正确佩戴可佩戴的保护设备，所述装置包括：
[0037]
数据获取模块：用于获取数据采集装置采集作业现场的可佩戴的保护设备的第一状态数据以及待保护的用户的第二状态数据；
[0038]
特征确定模块：用于利用所述第一状态数据确定所述保护设备的第一数量以及各个保护设备的第一运动特征矩阵；利用所述第二状态数据确定所述用户的第二数量以及各个用户的第二运动特征矩阵；
[0039]
距离确定模块：用于根据所述第一运动特征矩阵以及所述第二运动特征矩阵，确定所述第一数量中每个保护设备的欧氏距离矩阵，所述欧氏距离矩阵包括保护设备与第二数量中的每个用户之间的欧氏距离；
[0040]
违章检测模块：用于利用所述欧氏距离矩阵进行保护设备与用户之间的违章行为检测，确定所述违章行为的检测结果。
[0041]
为实现上述目的，本发明第三方面提供一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如第一方面及任一可行实现方式所示步骤。
[0042]
为实现上述目的，本发明第四方面提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如第一方面及任一可行实现方式所示步骤。
[0043]
采用本发明实施例，具有如下有益效果：
[0044]
本发明提供一种作业现场的违章行为的检测方法，违章行为指用户未正确佩戴可佩戴的保护设备，方法包括：获取数据采集装置采集作业现场的可佩戴的保护设备的第一状态数据以及待保护的用户的第二状态数据；利用第一状态数据确定保护设备的第一数量以及各个保护设备的第一运动特征矩阵；利用第二状态数据确定用户的第二数量以及各个用户的第二运动特征矩阵；根据第一运动特征矩阵以及第二运动特征矩阵，确定第一数量中每个保护设备的欧氏距离矩阵，欧氏距离矩阵包括保护设备与第二数量中的每个用户之间的欧氏距离；利用欧氏距离矩阵进行保护设备与用户之间的违章行为检测，确定违章行为的检测结果。上述方式可以实时检测保护设备与用户的状态数据构建运动特征矩阵，进而利用运动特征矩阵之间的欧氏距离检测保护设备与用户之间是否有违章行为，不仅实现了违章行为的实时检测，并且通过保护设备与用户之间欧氏距离进行违章行为检测还可以提高检测结果的准确度与可信度。
附图说明
[0045]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本
发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0046]
其中：
[0047]
图1为本发明实施例中一种作业现场的违章行为的检测方法的流程图；
[0048]
图2为本发明实施例中一种作业现场的违章行为的检测方法的另一流程图；
[0049]
图3为本发明实施例中一种作业现场的违章行为的检测装置的结构框图；
[0050]
图4为本发明实施例中计算机设备的结构框图。
具体实施方式
[0051]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0052]
请参阅图1，图1为本发明实施例中一种作业现场的违章行为的检测方法的流程图，其中，所述违章行为指用户未正确佩戴可佩戴的保护设备，如图1所示方法包括如下步骤：
[0053]
101、获取数据采集装置采集作业现场的可佩戴的保护设备的第一状态数据以及待保护的用户的第二状态数据；
[0054]
需要说明的是，本实施例所示作业现场的违章行为的检测方法应用于作业现场的违章行为的检测系统。该作业现场的违章行为的检测系统可以为终端或服务器。终端具体可以是台式终端或移动终端，移动终端具体可以是手机、平板电脑、笔记本电脑等中的至少一种。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。故上述方法既可以应用于终端，也可以应用于服务器，本实施例以应用于终端举例说明，其中，终端与数据采集装置之间具有通讯连接，终端与数据采集装置之间可以实现数据交互，终端可以通过通讯连接获取数据采集装置采集作业现场的可佩戴的保护设备的第一状态数据以及待保护的用户的第二状态数据，其中，数据采集装置用于采集作业现场保护设备与用户的状态数据，该状态数据用于反映采集对象的运动情况，故第一状态数据用于反映保护设备的运动情况，第二状态数据用于反映用户的运动情况。其中，可佩戴的保护设备可以为工作服、工作鞋、安全帽、安全带、便携式气体报警仪等等，本实施例以应用于安全帽举例说明，用户也即作业人员。数据采集装置包括但不限于加速度采集装置及视频采集装置等。其中，数据采集装置可以安装在保护设备之上，比如，将加速度采集装置安装在安全帽之上，来采集安全帽的状态数据检测安全帽的运动情况。
[0055]
示例性的，将加速度传感器安装在安全帽上，以采样率fs进行同步采样，安全帽上的传感器采集的三轴加速度信号序列记为a(n)＝{ax0(n),ay0(n),az0(n)}，该三轴加速度信号序列可以看做保护设备的第一状态数据。基于视觉识别技术提取视频中人员的数量以及第二运动数据。
[0056]
102、利用所述第一状态数据确定所述保护设备的第一数量以及各个保护设备的第一运动特征矩阵；利用所述第二状态数据确定所述用户的第二数量以及各个用户的第二运动特征矩阵；
[0057]
得到上述采集对象的状态数据之后，便可以通过分析上述状态数据，得到各个采集对象的个数以及运动特征，具体的，利用所述第一状态数据确定所述保护设备的第一数量以及各个保护设备的第一运动特征矩阵；利用所述第二状态数据确定所述用户的第二数量以及各个用户的第二运动特征矩阵，其中，第一数量用于反映保护设备的总个数，第二数量用于反映用户的总个数。以保护设备为安全帽、数据采集装置为加速度传感器为例，在安全帽上设置加速度传感器，就可以通过各个加速度传感器采集的第一状态数据构建每个安全帽的第一运动特征矩阵，并且通过第一状态数据的数量或者加速度传感器的数量确定保护设备的第一数量；以数据采集装置为视频采集装置为例，可以利用视频采集装置采集的各个用户的第二状态数据构建各个用户的第二运动特征矩阵，并且通过第二状态数据的数量确定保护设备的第二数量。
[0058]
103、根据所述第一运动特征矩阵以及所述第二运动特征矩阵，确定所述第一数量中每个保护设备的欧氏距离矩阵，所述欧氏距离矩阵包括保护设备与第二数量中的每个用户之间的欧氏距离；
[0059]
需要说明的是，为了实现用户未正确佩戴可佩戴的保护设备的违章行为检测，得到上述第一运动特征矩阵以及所述第二运动特征矩阵之后，利用第一运动特征矩阵以及所述第二运动特征矩阵，确定所述第一数量中每个保护设备的欧氏距离矩阵，该欧氏距离矩阵包括保护设备与第二数量中的每个用户之间的欧氏距离，其中，欧几里得度量(euclidean metric)(也称欧氏距离)是一个通常采用的距离定义，指在m维空间中两个点之间的真实距离，或者向量的自然长度(即该点到原点的距离)，在二维和三维空间中的欧氏距离就是两点之间的实际距离。
[0060]
以保护设备为安全帽，且安全帽的第一数量为k个，用户的第二数量为j个，进而第一运动特征矩阵有k个，第二运动特征矩阵有j个，依次计算k个第一运动特征矩阵与j个第二运动特征矩阵之间的欧氏距离，可以得到安全帽k＝1的欧氏距离矩阵d
1j
＝{d
11
，d
12
，
……d1j
}，安全帽k＝2的欧氏距离矩阵d
2j
＝{d
21
，d
22
，
……d2j
}，以此类推，得到安全帽k的欧氏距离矩阵d
kj
＝{d
k1
，d
k2
，
……dkj
}，j为正整数且j取值为1,2,
……
,j。
[0061]
104、利用所述欧氏距离矩阵进行保护设备与用户之间的违章行为检测，确定所述违章行为的检测结果。
[0062]
进一步的，得到包括了保护设备与各个用户之间的欧氏距离矩阵之后，便可以利用上述欧氏距离矩阵进行保护设备与用户之间的违章行为检测，确定所述违章行为的检测结果，以此确定是否存在用户未正确佩戴可佩戴的保护设备的违规行为。如果未正确佩戴保护设备会影响通过保护设备与用户之间的实际距离，因此，可以通过得到的欧氏距离矩阵对违章行为进行检测。
[0063]
本发明提供一种作业现场的违章行为的检测方法，违章行为指用户未正确佩戴可佩戴的保护设备，方法包括：获取数据采集装置采集作业现场的可佩戴的保护设备的第一状态数据以及待保护的用户的第二状态数据；利用第一状态数据确定保护设备的第一数量以及各个保护设备的第一运动特征矩阵；利用第二状态数据确定用户的第二数量以及各个用户的第二运动特征矩阵；根据第一运动特征矩阵以及第二运动特征矩阵，确定第一数量中每个保护设备的欧氏距离矩阵，欧氏距离矩阵包括保护设备与第二数量中的每个用户之间的欧氏距离；利用欧氏距离矩阵进行保护设备与用户之间的违章行为检测，确定违章行
为的检测结果。上述方式可以实时检测保护设备与用户的状态数据构建运动特征矩阵，进而利用运动特征矩阵之间的欧氏距离检测保护设备与用户之间是否有违章行为，不仅实现了违章行为的实时检测，并且通过保护设备与用户之间欧氏距离进行违章行为检测还可以提高检测结果的准确度与可信度。
[0064]
请参阅图2，图2为本发明实施例中一种作业现场的违章行为的检测方法的另一流程图，其中，违章行为指用户未正确佩戴可佩戴的保护设备，如图2所示方法包括：
[0065]
201、获取数据采集装置采集作业现场的可佩戴的保护设备的第一状态数据以及待保护的用户的第二状态数据；
[0066]
202、利用所述第一状态数据确定所述保护设备的第一数量以及各个保护设备的第一运动特征矩阵；利用所述第二状态数据确定所述用户的第二数量以及各个用户的第二运动特征矩阵；
[0067]
需要说明的是，步骤201及202与图1所示步骤101及102的内容相似，为避免重复此处不作赘述，具体可参阅图1所示步骤101及102的内容。
[0068]
在一种可行实现方式中，所述数据采集装置采集至少包括加速度采集装置，所述加速度采集装置设置在所述保护设备；则所述第一状态数据至少包括三轴加速度信号序列，得到包括三轴加速度信号序列的第一状态数据之后，可以构建自适应高斯滤波器实现加速度传感器信号的去抖动与降噪滤波，则步骤202中利用所述第一状态数据确定所述保护设备的第一数量以及各个保护设备的第一运动特征矩阵可以包括步骤s1-s2：
[0069]
s1、利用所述三轴加速度信号序列进行自适应高斯滤波处理，得到去抖动与降噪后的三轴加速度信号序列；
[0070]
s2、对去抖动与降噪后的三轴加速度信号序列进行积分处理，确定所述第一数量以及所述第一运动特征矩阵，所述第一运动特征矩阵包括保护设备的位移及速度信息。
[0071]
其中，通过步骤s1实现加速度传感器信号的去抖动与降噪滤波，具体的，设计了滤波器参数的自适应调整策略，实现了在三轴方向上对加速度传感器信号进行同步去抖动与降噪滤波降低了传感器测量误差，以及利用无限长脉冲高斯滤波器算实现三轴信号的低延迟快速滤波，改进了运动状态下的特征信息提取的实时性，实现了安全帽姿态特征矩阵的实时估计，示例性的，将加速度传感器安装在安全帽上，以采样率fs进行同步采样，安全帽上的传感器采集的三轴加速度信号序列记为a(n)＝{ax0(n),ay0(n),az0(n)}，进而步骤s1可以包括步骤l01-l03：
[0072]
步骤l01：计算n个采样点的三轴加速度信号的均值与方差，记为：
[0073]
e＝{μxμyμz},v＝{σxσyσz}
[0074]
其中，e表示均值矩阵，v表示方差矩阵，x、y及z分别为三轴加速度信号。
[0075]
步骤l02：根据均值矩阵与方差矩阵计算高斯滤波器参数，自适应参数矩阵q计算方式如下：
[0076]
基于n个采样点构成的三轴加速度信号矩阵a：
[0077]
[0078]
计算三轴加速度信号矩阵a的协方差矩阵并计算矩阵的特征值：
[0079][0080]
式中svd表示奇异值分解，s＝{sx,sy,sz}表示矩阵的特征值，基于特征值与均值方差的联系，通过如下方式计算自适应参数矩阵q：
[0081]
q＝{qx qy qz}
[0082][0083]
qx,qy,qz分别代表x,y,z三个轴方向上的滤波参数。
[0084]
步骤l03：基于自适应参数矩阵q，构造自适应无限脉冲响应高斯滤波器，实现低延时快速响应滤波，构造步骤如下：
[0085]
对理想高斯滤波器脉冲响应进行傅里叶变换得到：
[0086][0087]
对高斯滤波器的频率响应进行有理逼近可得：
[0088][0089]
其中，
[0090]
q＝σ,a0＝2.490895,a2＝1.46603,a4＝-0.024393,a6＝0.178257。
[0091]
通过拉普拉斯变换可得到s域传递函数：
[0092][0093]
其中，s0＝1.1668/q,s1＝(1.10783+1.40586j)/q,s2＝(1.10783-1.40586j)/q，式中，q代表所选取理想高斯函数的方差，j代表虚数；取位于左半平面的极点可得到离散因果高斯滤波器的z域形式如下：
[0094][0095]
其中，b0＝1.57825+2.44413q+1.4281q2+0.422205q3；
[0096]
b1＝2.44413q+2.85619q2+1.26661q3；
[0097]
b2＝-(1.4281q2+1.26661q3)；
[0098]
b3＝0.422205q3，a2＝b
0-b
1-b
2-b3。将自适应参数矩阵q中三轴方向上的滤波参数分别代入q，可得高斯滤波器的离散形式如下：
[0099]
ax(n)＝(a2ax0(n)+b1ax(n-1)+b2ax(n-2)+b3ax(n-3))
[0100]
ay(n)＝(a2ay0(n)+b1ay(n-1)+b2ay(n-2)+b3ay(n-3))
[0101]
az(n)＝(a2az0(n)+b1az(n-1)+b2az(n-2)+b3az(n-3))
[0102]
其中，步骤s2可以包括步骤l04：通过对加速度信号积分即可得到第一运动特征矩阵b(n)＝{x(n),y(n),z(n),vx(n),vy(n),vz(n)}，其中，x,y,z表示三轴的位移信息，vx,vy,vz表示三轴的速度信息。
[0103]
在一种可行实现方式中，所述数据采集装置至少包括视觉采集装置，则所述第二状态数据至少包括视觉采集数据；则利用所述第二状态数据确定所述用户的第二数量以及各个用户的第二运动特征矩阵，包括：利用所述视觉采集数据以及预设的人体识别模块进行人体识别处理，确定所述用户的第二数量以及各个用户的第二运动特征矩阵。示例性的，基于通用的视觉识别技术提取视频中人员的数量参数以及运动特征矩阵c(n)。
[0104]
示例性的，以保护设备为安全帽为例，本实施例中共有10个安全帽与10名工作人员。首先将加速度传感器安装在安全帽上，以采样率fs进行同步采样，安全帽上的mems加速度传感器adxl375采集的三轴加速度信号序列记为a(n)＝{ax0(n),ay0(n),az0(n)}；通过步骤l01，计算n个采样点的三轴加速度信号的均值与方差，参考下表1，e表示均值矩阵，v表示方差矩阵：
[0105]
表1
[0106]
安全帽编号均值矩阵e方差矩阵v10.888,0.102,0.864,1.09,0.616,1.422-1.15,-0.241,0.0774,0.0326,0.748,0.2923-1.07,0.319,-1.210.553,0.192,0.1984-0.809,0.313,-1.11,1.1,0.889,1.595-2.94,-0.865,-0.0061.54,0.765,0.80461.44,-0.03,1.53,0.0859,-1.4,0.69770.325,-0.165,-0.771.49,1.42,0.8358-0.755,0.628,0.371,0.742,0.488,0.24491.37,1.09,-0.2261.06,0.177,0.21610-1.71,1.11,1.122.35,0.196,1.17
[0107]
进一步执行步骤l02-l04得到第一运动特征矩阵b(n)，以及基于视觉识别技术提取视频中人员数量参数以及第二运动特征矩阵c(n)：
[0108]
203、根据所述第一运动特征矩阵以及所述第二运动特征矩阵，确定所述第一数量中每个保护设备的欧氏距离矩阵，所述欧氏距离矩阵包括保护设备与第二数量中的每个用户之间的欧氏距离；
[0109]
需要说明的是，步骤203与图1所示步骤103内容相似，为避免重复此处不作赘述，具体可参阅图1所示步骤103内容。
[0110]
在一种可行实现方式中，为了提高欧氏距离计算准确度，可以确定运动方向对应的权重，以此得到加权欧氏距离，故步骤203可以包括f1-f3：
[0111]
f1、确定水平方向以及垂直方向的权重系数；
[0112]
其中，由于运动方向为三维运动，因此，运动方向可以包括水平方向及垂直方向，进而确定水平方向以及垂直方向的权重系数，示例性的，权重系数的数学表达式如下：
[0113][0114]
式中，h为水平方向的权重系数、t为垂直方向的权重系数，e为基于步骤l01中得到的均值矩阵，以及v为基于步骤l01中得到的方差矩阵。
[0115]
f2、将所述权重系数、第一运动特征矩阵以及第二运动特征矩阵输入预设的加权正则化算法，确定加权正则化后的第一运动特征矩阵以及第二运动特征矩阵；
[0116]
得到权重系数h与t之后，便可以对第一运动特征矩阵以及第二运动特征矩阵进行加权正则化，得到加权正则化后的第一运动特征矩阵以及第二运动特征矩阵。
[0117]
示例性的，所述加权正则化算法包括如下数学表达式：
[0118][0119][0120]
式中，b
norm
为加权正则化后的保护设备的第一运动特征矩阵、c
norm
为加权正则化后的用户的第二运动特征矩阵，h为水平方向的权重，t为垂直方向的权重，(x，y，z)为保护设备的正则化后的第一运动特征矩阵中的三轴位移信息，(x2，y2，z2)为用户的正则化后的第二运动特征矩阵中的三轴位移信息，(vx，vy，vz)为保护设备的正则化后的第一运动特征矩阵中的三轴速度信息，(vx2，vy2，vz2)为用户的正则化后的第二运动特征矩阵中的三轴速度信息。
[0121]
f3、根据加权正则化后的第一运动特征矩阵以及第二运动特征矩阵进行欧氏距离计算，确定第一数量中每个保护设备的欧氏距离矩阵。
[0122]
进而，通过上述加权正则化后的第一运动特征矩阵以及第二运动特征矩阵进行欧氏距离计算，确定第一数量中每个保护设备的欧氏距离矩阵，示例性的，计算每个安全帽与人员间特征矩阵b
norm
和c
norm
的欧氏距离，将第k个安全帽与所有人员的欧氏距离记为距离矩阵dk，距离矩阵dk的第j个元素代表第k个安全帽与第j个人员的欧氏距离，进而，通过筛选出距离矩阵dk中最小元素的序号，即可实现安全帽与人员的配对。进而通过上述配对结果可以实现违章行为的检测，具体参考下述内容。
[0123]
204、遍历每个保护设备的欧氏距离矩阵中的欧氏距离，在所述欧氏距离矩阵中确定每个保护设备对应的最小欧氏距离；
[0124]
205、确定所述最小欧氏距离对应的目标用户，并建立所述目标用户与所述保护设备之间的对应关系；
[0125]
其中，可以找到保护设备k对应的最小欧氏距离mind
kj
，将该最小欧氏距离mind
kj
对应的目标用户j与保护设备k之间建立对应关系进行配对。其他保护设备以此类推，完成保护设备与用户配对。
[0126]
继续以10个安全帽与10名工作人员为例，人员编号与安全帽编号匹配结果如下表2所示：
[0127]
表2
[0128]
安全帽编号12345678910人员编号37854210916最小欧氏距离0.080.110.090.070.050.130.090.090.080.09
[0129]
206、统计所述目标用户与所述保护设备之间的对应关系，确定统计结果；
[0130]
207、当所述统计结果为保护设备与目标用户一一对应，则确定所述违章行为的检测结果为不存在违章行为；
[0131]
208、当所述统计结果为保护设备与目标用户非一一对应，则确定所述违章行为的检测结果为存在违章行为。
[0132]
通过统计上述配对结果中的对应关系，可以确定保护设备是否与目标用户一一对应的统计结果，进而当所述统计结果为保护设备与目标用户一一对应，说明人员都正确佩戴了保护设备，则确定所述违章行为的检测结果为不存在违章行为；反之统计结果为保护设备与目标用户非一一对应，说明有违规人员没有正确佩戴保护设备，则确定所述违章行为的检测结果为存在违章行为。通过遍历所有传感器运动特征向量与视觉识别得到的运动特征矩阵间的加权欧氏距离，将距离最小的安全帽与人员归为一组，从而实现安全帽与人员的匹配，并基于匹配结果输出现场人员是否存在安全帽违章行为。
[0133]
继续以表2为例，在本实施例中，每个安全帽的与每个人员都会存在一个欧氏距离参数，以编号为1的安全帽为例，其距离矩阵d1中有10个参数元素，分别对应了1号安全帽与1至10号人员的欧氏距离，通过确定d1中最小元素的序号，即可确定1号安全帽对应的人员编号，其他安全帽以此类推，完成与人员的匹配。本实施例中安全帽与工作人员完成匹配，输出结果为无违章行为。
[0134]
在一种可行实现方式中，还会就检测结果提示管理员，因此，方法还包括：当确定所述违章行为的检测结果为不存在违章行为，则输出第一提示至预设的监控终端，所述第一提示用于提示用户与保护设备之间不存在违章行为；当确定所述违章行为的检测结果为存在违章行为，则输出第二提示至所述监控终端，所述第二提示用于提示用户与保护设备之间存在违章行为，第二提示至少包括违章用户信息。也即如匹配结果中人员与安全帽信息一一对应，则输出结果为无违章行为；如人员与安全帽出现数目不一致，匹配不一致，则输出未完成匹配的人员编号并记录人员安全帽违章行为。其中，监控终端包括但不限于上位机等等电子设备，该监控终端与执行本技术所示方法的终端之间建立有通讯连接，通讯连接在此不作限定。
[0135]
本发明提供一种作业现场的违章行为的检测方法，至少存在以下有益效果：1)基于加速度传感器三轴信号的统计信息(均值与方差)，构造了传感器的均值矩阵与方差矩阵，并基于三轴加速度信号的协方差矩阵，构造了新的滤波参数计算方法，实现了滤波参数的自适应调整，在抖动与噪声增加时，滤波参数随之增加，从而增强高斯滤波器的抖动抑制效果。2)通过构造一种新的加权方式，调整水平方向和垂直方向在欧氏距离计算时的权重，使得在主要运动方向上的特征参数在欧氏距离的计算中有更大的权重，提高了运动状态下的欧氏距离的计算精度，从而让匹配更加准确。3)实现了加速度传感器信息与视频信息的融合，基于视觉识别方法得到的人员运动特征矩阵，通过加权欧氏距离匹配算法，实现安全帽与人员的匹配识别，提高违章行为检测的准确性。
[0136]
请参阅图3，图3为本发明实施例中一种作业现场的违章行为的检测装置的结构框
图，其中，所述违章行为指用户未正确佩戴可佩戴的保护设备，如图3所示装置包括：
[0137]
数据获取模块301：用于获取数据采集装置采集作业现场的可佩戴的保护设备的第一状态数据以及待保护的用户的第二状态数据；
[0138]
特征确定模块302：用于利用所述第一状态数据确定所述保护设备的第一数量以及各个保护设备的第一运动特征矩阵；利用所述第二状态数据确定所述用户的第二数量以及各个用户的第二运动特征矩阵；
[0139]
距离确定模块303：用于根据所述第一运动特征矩阵以及所述第二运动特征矩阵，确定所述第一数量中每个保护设备的欧氏距离矩阵，所述欧氏距离矩阵包括保护设备与第二数量中的每个用户之间的欧氏距离；
[0140]
违章检测模块304：用于利用所述欧氏距离矩阵进行保护设备与用户之间的违章行为检测，确定所述违章行为的检测结果。
[0141]
需要说明的是，图3所示装置中各个模块的作用与图1所示方法中各步骤的内容相似，为避免重复，此处不作赘述，具体可参考前述图1所示方法中各步骤的内容。
[0142]
本发明提供一种作业现场的违章行为的检测装置，违章行为指用户未正确佩戴可佩戴的保护设备，装置包括：数据获取模块：用于获取数据采集装置采集作业现场的可佩戴的保护设备的第一状态数据以及待保护的用户的第二状态数据；特征确定模块：用于利用第一状态数据确定保护设备的第一数量以及各个保护设备的第一运动特征矩阵；利用第二状态数据确定用户的第二数量以及各个用户的第二运动特征矩阵；距离确定模块：用于根据第一运动特征矩阵以及第二运动特征矩阵，确定第一数量中每个保护设备的欧氏距离矩阵，欧氏距离矩阵包括保护设备与第二数量中的每个用户之间的欧氏距离；违章检测模块：用于利用欧氏距离矩阵进行保护设备与用户之间的违章行为检测，确定违章行为的检测结果。上述方式可以实时检测保护设备与用户的状态数据构建运动特征矩阵，进而利用运动特征矩阵之间的欧氏距离检测保护设备与用户之间是否有违章行为，不仅实现了违章行为的实时检测，并且通过保护设备与用户之间欧氏距离进行违章行为检测还可以提高检测结果的准确度与可信度。
[0143]
图4示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是终端，也可以是服务器。如图4所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现上述方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行上述方法。本领域技术人员可以理解，图4中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0144]
在一个实施例中，提出了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如图1或图2所示方法的步骤。
[0145]
在一个实施例中，提出了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如图1或图2所示方法的步骤。
[0146]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以
通过计算机程序来指令相关的硬件来完成，的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0147]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0148]
以上实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。

技术特征：
1.一种作业现场的违章行为的检测方法，其特征在于，所述违章行为指用户未正确佩戴可佩戴的保护设备，所述方法包括：获取数据采集装置采集作业现场的可佩戴的保护设备的第一状态数据以及待保护的用户的第二状态数据；利用所述第一状态数据确定所述保护设备的第一数量以及各个保护设备的第一运动特征矩阵；利用所述第二状态数据确定所述用户的第二数量以及各个用户的第二运动特征矩阵；根据所述第一运动特征矩阵以及所述第二运动特征矩阵，确定所述第一数量中每个保护设备的欧氏距离矩阵，所述欧氏距离矩阵包括保护设备与第二数量中的每个用户之间的欧氏距离；利用所述欧氏距离矩阵进行保护设备与用户之间的违章行为检测，确定所述违章行为的检测结果。2.根据权利要求1所述方法，其特征在于，所述利用所述欧氏距离矩阵进行保护设备与用户之间的违章行为检测，确定所述违章行为的检测结果，包括：遍历每个保护设备的欧氏距离矩阵中的欧氏距离，在所述欧氏距离矩阵中确定每个保护设备对应的最小欧氏距离；确定所述最小欧氏距离对应的目标用户，并建立所述目标用户与所述保护设备之间的对应关系；统计所述目标用户与所述保护设备之间的对应关系，确定统计结果；当所述统计结果为保护设备与目标用户一一对应，则确定所述违章行为的检测结果为不存在违章行为；当所述统计结果为保护设备与目标用户非一一对应，则确定所述违章行为的检测结果为存在违章行为。3.根据权利要求2所述方法，其特征在于，所述方法还包括：当确定所述违章行为的检测结果为不存在违章行为，则输出第一提示至预设的监控终端，所述第一提示用于提示用户与保护设备之间不存在违章行为；当确定所述违章行为的检测结果为存在违章行为，则输出第二提示至所述监控终端，所述第二提示用于提示用户与保护设备之间存在违章行为，第二提示至少包括违章用户信息。4.根据权利要求1所述方法，其特征在于，所述数据采集装置采集至少包括加速度采集装置，所述加速度采集装置设置在所述保护设备；则所述第一状态数据至少包括三轴加速度信号序列，则利用所述第一状态数据确定所述保护设备的第一数量以及各个保护设备的第一运动特征矩阵，包括：利用所述三轴加速度信号序列进行自适应高斯滤波处理，得到去抖动与降噪后的三轴加速度信号序列；对去抖动与降噪后的三轴加速度信号序列进行积分处理，确定所述第一数量以及所述第一运动特征矩阵，所述第一运动特征矩阵包括保护设备的位移及速度信息。5.根据权利要求1所述方法，其特征在于，所述数据采集装置至少包括视觉采集装置，则所述第二状态数据至少包括视觉采集数据；
则利用所述第二状态数据确定所述用户的第二数量以及各个用户的第二运动特征矩阵，包括：利用所述视觉采集数据以及预设的人体识别模块进行人体识别处理，确定所述用户的第二数量以及各个用户的第二运动特征矩阵。6.根据权利要求1所述方法，其特征在于，所述根据所述第一运动特征矩阵以及所述第二运动特征矩阵，确定所述第一数量中每个保护设备的欧氏距离矩阵，包括：确定水平方向以及垂直方向的权重系数；将所述权重系数、第一运动特征矩阵以及第二运动特征矩阵输入预设的加权正则化算法，确定加权正则化后的第一运动特征矩阵以及第二运动特征矩阵；根据加权正则化后的第一运动特征矩阵以及第二运动特征矩阵进行欧氏距离计算，确定第一数量中每个保护设备的欧氏距离矩阵。7.根据权利要求6所述方法，其特征在于，所述加权正则化算法包括如下数学表达式：7.根据权利要求6所述方法，其特征在于，所述加权正则化算法包括如下数学表达式：式中，b
norm
为加权正则化后的保护设备的第一运动特征矩阵、c
norm
为加权正则化后的用户的第二运动特征矩阵，h为水平方向的权重，t为垂直方向的权重，(x，y，z)为保护设备的正则化后的第一运动特征矩阵中的三轴位移信息，(x2，y2，z2)为用户的正则化后的第二运动特征矩阵中的三轴位移信息，(vx，vy，vz)为保护设备的正则化后的第一运动特征矩阵中的三轴速度信息，(vx2，vy2，vz2)为用户的正则化后的第二运动特征矩阵中的三轴速度信息。8.一种作业现场的违章行为的检测装置，其特征在于，所述违章行为指用户未正确佩戴可佩戴的保护设备，所述装置包括：数据获取模块：用于获取数据采集装置采集作业现场的可佩戴的保护设备的第一状态数据以及待保护的用户的第二状态数据；特征确定模块：用于利用所述第一状态数据确定所述保护设备的第一数量以及各个保护设备的第一运动特征矩阵；利用所述第二状态数据确定所述用户的第二数量以及各个用户的第二运动特征矩阵；距离确定模块：用于根据所述第一运动特征矩阵以及所述第二运动特征矩阵，确定所述第一数量中每个保护设备的欧氏距离矩阵，所述欧氏距离矩阵包括保护设备与第二数量中的每个用户之间的欧氏距离；违章检测模块：用于利用所述欧氏距离矩阵进行保护设备与用户之间的违章行为检测，确定所述违章行为的检测结果。9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，使得处理器执行如权利要求1至7中任一项所述方法的步骤。10.一种计算机设备，包括存储器和处理器，其特征在于，所述存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如权利要求1至7中任一项所述方法的步骤。

技术总结
本发明实施例公开了一种作业现场的违章行为的检测方法及装置、设备及存储介质，方法包括：获取数据采集装置采集作业现场的可佩戴的保护设备的第一状态数据以及待保护的用户的第二状态数据；利用第一状态数据确定保护设备的第一数量以及各个保护设备的第一运动特征矩阵；利用第二状态数据确定用户的第二数量以及各个用户的第二运动特征矩阵；根据第一运动特征矩阵以及第二运动特征矩阵，确定第一数量中每个保护设备的包括保护设备与第二数量中的每个用户之间的欧氏距离的欧氏距离矩阵；利用欧氏距离矩阵进行用户未正确佩戴可佩戴的保护设备的违章行为检测，确定违章行为的检测结果。以此提高违章行为实时检测的准确度与可信度。可信度。可信度。


技术研发人员：唐立军 王磊 焦宗寒 李浩涛 闫永梅 翟少磊 彭庆军 邓云坤 杨迎春 赵旭 罕天玺
受保护的技术使用者：云南电网有限责任公司电力科学研究院
技术研发日：2023.02.01
技术公布日：2023/6/4