本發(fā)明涉及安全生產(chǎn)，尤其涉及一種便攜式安全監(jiān)控系統(tǒng)。

背景技術：

1、隨著現(xiàn)代工業(yè)及工程技術的不斷進步，各類作業(yè)現(xiàn)場的安全問題日益凸顯其重要性。無論是電焊作業(yè)、化工生產(chǎn)、建筑施工，還是其他各類工業(yè)生產(chǎn)環(huán)境，安全隱患始終伴隨著生產(chǎn)活動的全過程。

2、傳統(tǒng)的安全監(jiān)控設備，如攝像頭、傳感器等，通常被固定安裝在生產(chǎn)現(xiàn)場的關鍵位置，以實時監(jiān)測和記錄現(xiàn)場情況。這種固定式的安裝方式在一定程度上提高了生產(chǎn)現(xiàn)場的安全性，但也存在一些局限性，比如，固定的監(jiān)控設備可能無法全面覆蓋所有潛在的危險區(qū)域，或者在某些特殊情況下(如設備故障、遮擋等)，可能無法及時捕捉到異常情況。

技術實現(xiàn)思路

1、鑒于上述的分析，本發(fā)明實施例旨在提供一種便攜式安全監(jiān)控系統(tǒng)，用以解決現(xiàn)有固定安全監(jiān)控設備存在安全死角以及靈活性不足的問題。

2、本發(fā)明的目的主要是通過以下技術方案實現(xiàn)的：

3、本發(fā)明提供了一種便攜式安全監(jiān)控系統(tǒng)，系統(tǒng)包括：紅外-可見光雙光譜相機、高性能ai開發(fā)板、顯示屏和報警裝置；所述紅外-可見光雙光譜相機、顯示屏和報警裝置均與所述高性能ai開發(fā)板相連；

4、所述紅外-可見光雙光譜相機，用于拍攝現(xiàn)場的監(jiān)控圖像；其中，所述監(jiān)控圖像包括紅外圖像和可見光圖像；

5、所述高性能ai開發(fā)板，用于接收所述紅外-可見光雙光譜相機拍攝的現(xiàn)場所述監(jiān)控圖像，并對所述監(jiān)控圖像進行安全穿戴檢測，得到安全穿戴檢測結果；

6、所述顯示屏，用于顯示所述監(jiān)控圖像以及所述安全穿戴檢測結果；

7、所述報警裝置，用于當所述安全穿戴檢測結果異常時，發(fā)出聲光報警信號以提醒現(xiàn)場人員。

8、進一步的，所述顯示屏與所述高性能ai開發(fā)板通過hdmi接口連接；

9、所述報警裝置包括狀態(tài)燈和揚聲器，所述狀態(tài)燈與所述高性能ai開發(fā)板通過排線連接，所述揚聲器與所述高性能ai開發(fā)板通過usb接口連接；

10、所述紅外-可見光雙光譜相機經(jīng)由4g通信模塊與所述高性能ai開發(fā)板連接；其中，所述紅外-可見光雙光譜相機通過網(wǎng)線與所述4g通信模塊連接，所述4g通信模塊通過網(wǎng)口與所述高性能ai開發(fā)板連接。

11、進一步的，所述安全穿戴檢測結果包括檢測到的人員是否頭戴安全帽，是否身著反光衣；

12、當檢測到的人員沒有頭戴安全帽或沒有身著反光衣時，所述報警裝置發(fā)出聲光報警信號。

13、進一步的，所述系統(tǒng)還包括天線，與所述4g通信模塊通過延長線連接，用于遠程監(jiān)控所述系統(tǒng)。

14、進一步的，所述高性能ai開發(fā)板包括：圖像接收模塊、人體檢測模塊、區(qū)域截取模塊和分類檢測模塊；其中，

15、所述圖像接收模塊，用于接收所述紅外-可見光雙光譜相機拍攝的現(xiàn)場監(jiān)控圖像；

16、所述人體檢測模塊，用于將接收到的所述監(jiān)控圖像輸入訓練好的人體檢測模型，得到圖像中的人體檢測結果；其中，所述人體檢測結果包括人體檢測框的位置和人體檢測框的類別；

17、所述區(qū)域截取模塊，用于基于所述人體檢測結果，在目標檢測圖像中分別截取各待檢測人員的頭部區(qū)域圖像和/或身體區(qū)域圖像；

18、所述分類檢測模塊，用于將各檢測人員的頭部區(qū)域圖像和身體區(qū)域圖像分別輸入訓練好的安全帽分類模型和反光衣分類模型中，得到各分類模型輸出的分類結果。

19、進一步的，所述人體檢測模型為改進的fcos模型，在各檢測頭中同時構建頭部檢測分支和身體檢測分支，并在所述檢測頭中綁定頭部與身體信息；其中，

20、所述頭部檢測分支，用于得到所述圖像中頭部檢測框和對應所述頭部檢測框的身體預測框；

21、所述身體檢測分支，用于得到所述圖像中的身體檢測框；

22、基于所述身體預測框與所述身體檢測框的匹配度，構建匹配矩陣；

23、使用匈牙利算法對所述匹配矩陣進行求解，得到所述頭部檢測框的最佳匹配身體檢測框，與所述頭部檢測框構成人體檢測結果；

24、對于未匹配到的頭部檢測框，與其對應的身體預測框作為人體檢測結果；

25、對于未匹配到的身體檢測框，直接作為人體檢測結果。

26、進一步的，所述安全帽分類模型為基于深度學習的卷積神經(jīng)網(wǎng)絡，包括：卷積層、批歸一化層、relu激活函數(shù)、池化層、全連接層和softmax函數(shù)；

27、所述頭部區(qū)域圖像依次通過所述卷積層、所述批歸一化層和所述relu激活函數(shù)提取圖像的局部特征后，經(jīng)過所述池化層減少特征圖的尺寸，再通過所述全連接層將特征圖轉換為分類結果，最后使用所述softmax函數(shù)得到是否佩戴安全帽的概率值。

28、進一步的，所述反光衣分類模型為基于深度學習的卷積神經(jīng)網(wǎng)絡模型，包括：卷積層、批歸一化層、relu激活函數(shù)、池化層、全連接層和softmax函數(shù)；

29、所述身體區(qū)域圖像依次通過所述卷積層、所述批歸一化層和所述relu激活函數(shù)提取圖像的局部特征后，經(jīng)過所述池化層減少特征圖的尺寸，再通過所述全連接層將特征圖轉換為分類結果，最后使用所述softmax函數(shù)得到是否身穿反光衣的概率值。

30、進一步的，所述人體檢測模型，使用下述方法訓練得到：

31、構建所述人體檢測模型的訓練數(shù)據(jù)集；其中，所述訓練數(shù)據(jù)集包括帶有人體的圖像集、各圖像中的標注好的頭部和身體對應的類別標簽、邊界框以及中心點位置；所述圖像集包括紅外圖像集和可見光圖像集；

32、加載所述訓練數(shù)據(jù)集，使用分類損失函數(shù)、中心點損失函數(shù)和加權坐標回歸損失函數(shù)構成的總損失函數(shù)訓練所述人體檢測模型，利用梯度反向傳播更新模型參數(shù)，當損失函數(shù)值收斂時結束訓練，得到訓練好的人體檢測模型；其中，基于檢測框正樣本的權重值和坐標損失函數(shù)，得到各檢測框正樣本的加權坐標回歸損失函數(shù)。

33、進一步的，所述檢測框正樣本包括頭部檢測框正樣本、身體檢測框正樣本和多類別檢測框正樣本；

34、基于檢測框與頭部標注框的交并比，篩選頭部檢測框正樣本，并基于所述頭部檢測框正樣本與頭部標注框中心的距離，計算得到頭部檢測框正樣本的頭部權重值；

35、基于所述檢測框與身體標注框的交并比，篩選身體檢測框正樣本，并基于所述身體檢測框正樣本與身體標注框中心的距離，計算得到身體檢測框正樣本的身體權重值；其中，當所述頭部檢測框正樣本與所述身體檢測框正樣本為同一檢測框時，設置該檢測框為多類別檢測框正樣本，更新其身體權重值為對應的頭部權重值與身體權重值之和；

36、將所述檢測框正樣本的頭部權重值與身體權重值相加，作為檢測框正樣本的權重值。

37、與現(xiàn)有技術相比，本發(fā)明至少可實現(xiàn)如下有益效果之一：

38、1、本發(fā)明的便攜式安全監(jiān)控系統(tǒng)，解決了傳統(tǒng)固定監(jiān)控設備無法全面覆蓋所有潛在危險區(qū)域的問題，整個系統(tǒng)便于攜帶和部署，能夠快速適應不同作業(yè)現(xiàn)場的需求，系統(tǒng)通過4g通信模塊連接相機和開發(fā)板，支持遠程監(jiān)控和數(shù)據(jù)傳輸，進一步提高了系統(tǒng)的靈活性和適用性。

39、2、本發(fā)明的便攜式安全監(jiān)控系統(tǒng)，結合紅外圖像和可見光圖像進行監(jiān)控，能夠適應不同的光照條件和復雜環(huán)境，提高檢測的準確性和可靠性。

40、3、本發(fā)明的便攜式安全監(jiān)控系統(tǒng)，配備聲光報警裝置，當檢測到人員未佩戴安全帽或未穿著反光衣時，能夠立即發(fā)出聲光報警信號，提醒現(xiàn)場人員，從而及時糾正違規(guī)行為，保障作業(yè)安全，同時，系統(tǒng)通過顯示屏實時顯示監(jiān)控圖像和安全穿戴檢測結果，方便現(xiàn)場人員和監(jiān)控人員直觀了解現(xiàn)場安全狀況，進一步提升監(jiān)控的有效性。

41、4、本發(fā)明的便攜式安全監(jiān)控系統(tǒng)，在開發(fā)板中，通過構建人體檢測模型，系統(tǒng)首先檢測圖像中的人體位置和輪廓，然后對特定的頭部和身體區(qū)域分別進行安全帽和反光衣檢測，這種分階段檢測方式顯著減少了計算量，提高了檢測效率，能夠快速處理大量圖像或視頻數(shù)據(jù)，滿足實時檢測需求。

42、本發(fā)明中，上述各技術方案之間還可以相互組合，以實現(xiàn)更多的優(yōu)選組合方案。本發(fā)明的其他特征和優(yōu)點將在隨后的說明書中闡述，并且，部分優(yōu)點可從說明書中變得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點可通過說明書以及附圖中所特別指出的內(nèi)容中來實現(xiàn)和獲得。