人员离岗监测摄像机智能人员睡岗、逃岗监测 Python 语言结合 OpenCV

在安全生产领域,人员的在岗状态直接关系到生产流程的顺利进行和工作环境的安全稳定。人员离岗监测摄像机的出现,为智能人员睡岗、逃岗监测提供了高效精准的解决方案,而其中的核心技术如AI识别睡岗脱岗以及相关的算法盒子和常见的安全生产AI算法发挥着关键作用。

AI识别睡岗脱岗技术是整个系统的核心。通过深度学习算法,系统能够对摄像机采集到的视频画面进行实时分析。它可以精准地识别出人员的姿势和动作,判断是否存在睡岗或脱岗现象。对于睡岗的识别,算法会分析人员的头部位置、身体姿态以及眼睛状态等多个因素。如果一个人长时间保持低头、闭眼且身体静止的状态,系统就会判定为睡岗。在脱岗监测方面,系统能够跟踪人员的运动轨迹,当人员离开指定工作区域并超过一定时间,就会触发脱岗报警。这种智能化的识别方式,极大地提高了监测的准确性和效率,有效避免了人工监测的主观性和疲劳问题。

import cv2
import mediapipe as mp
import time# 初始化mediapipe的人体姿态检测模块
mp_drawing = mp.solutions.drawing_utils
mp_pose = mp.solutions.pose
pose = mp_pose.Pose(static_image_mode=False, min_detection_confidence=0.5, min_tracking_confidence=0.5)# 定义一些用于判断睡岗的参数
EYE_THRESHOLD = 0.3  # 眼睛开合程度阈值,小于此值认为闭眼
HEAD_TILT_THRESHOLD = 10  # 头部倾斜角度阈值,超过此值认为低头幅度大
SLEEP_TIME_THRESHOLD = 5  # 连续满足睡岗条件的时间阈值(秒)# 用于记录状态的变量
prev_time = time.time()
sleep_count = 0# 打开摄像头
cap = cv2.VideoCapture(0)while cap.isOpened():ret, frame = cap.read()if not ret:break# 将图像从BGR格式转换为RGB格式(mediapipe要求的输入格式)image_rgb = cv2.cvtColor(frame, cv2.COLColorSpace.BGR2RGB)results = pose.process(image_rgb)if results.pose_landmarks:# 获取眼睛和头部相关的关键点坐标left_eye = [results.pose_landmarks.landmark[mp_pose.PoseLandmark.LEFT_EYE].x,results.pose_landmarks.landmark[mp_pose.PoseLandmark.LEFT_EYE].y]right_eye = [results.pose_landmarks.landmark[mp_pose.PoseLandmark.RIGHT_EYE].x,results.pose_landmarks.landmark[mp_pose.PoseLandmark.RIGHT_EYE].y]nose = [results.pose_landmarks.landmark[mp_pose.PoseLandmark.NOSE].x,results.pose_landmarks.landmark[mp_pose.PoseLandmark.NOSE].y]# 简单计算眼睛开合程度(这里只是简单示意,实际可以用更准确的方法)eye_distance = abs(left_eye[0] - right_eye[0]) + abs(left_eye[1] - right_eye[1])# 判断是否闭眼(基于简单阈值)is_eyes_closed = eye_distance < EYE_THRESHOLD# 计算头部倾斜角度(简单通过鼻子和眼睛相对位置大致判断,实际更复杂)head_tilt_angle = abs(nose[1] - (left_eye[1] + right_eye[1]) / 2)is_head_tilted = head_tilt_angle > HEAD_TILT_THRESHOLD# 如果既闭眼又低头,认为可能在睡岗,计数增加if is_eyes_closed and is_head_tilted:cur_time = time.time()if cur_time - prev_time > SLEEP_TIME_THRESHOLD:sleep_count += 1print("检测到可能睡岗,持续时间:", cur_time - prev_time)prev_time = cur_timeelse:prev_time = time.time()sleep_count = 0# 绘制人体姿态的关键点和连线mp_drawing.draw_landmarks(frame, results.pose_landmarks, mp_pose.POSE_CONNECTIONS)# 如果连续多次检测到睡岗情况,给出明确提示if sleep_count >= 3:cv2.putText(frame, "警告:检测到睡岗!", (50, 100), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)cv2.imshow('Sleep and Absence Detection', frame)if cv2.waitKey(1) & 0xFF == 27:  # 按Esc键退出breakcap.release()
cv2.destroyAllWindows()

算法盒子:智能监测的核心引擎

算法盒子是承载AI算法的关键设备,它相当于整个监测系统的“心脏”。算法盒子通常安装在靠近摄像机的位置,采用边缘计算技术,能够对视频数据进行快速处理。它内部运行的算法经过大量的数据训练,能够适应不同的工作场景和人员行为模式。与传统的云端计算相比,算法盒子的边缘计算方式减少了数据传输的延迟,确保了实时监测的可行性。而且,它还可以根据具体的安全生产要求进行定制化配置,如调整睡岗和脱岗的判定阈值,以满足不同企业和工作环境的特殊需求。

在人员离岗监测领域,有几种常见的安全生产AI算法值得深入了解。其中,目标检测算法用于在视频画面中快速定位人员的位置,这是后续行为分析的基础。基于卷积神经网络(CNN)的人体姿态估计算法可以精确地分析人员的身体姿态,从而判断是否存在睡岗行为。另外,轨迹跟踪算法能够记录人员的运动轨迹,对于脱岗监测至关重要。这些算法相互配合,形成了一个完整的智能监测体系。例如,在煤矿井下作业场景中,目标检测算法首先确定井下工人的位置,人体姿态估计算法实时监测工人是否有疲劳打盹的情况,轨迹跟踪算法则确保工人在规定的工作区域内活动,任何一种异常行为都能被及时发现并预警。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/64268.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【计算机网络】Layer4-Transport layer

目录 传输层协议How demultiplexing works in transport layer&#xff08;传输层如何进行分用&#xff09;分用&#xff08;Demultiplexing&#xff09;的定义&#xff1a;TCP/UDP段格式&#xff1a; UDPUDP的特点&#xff1a;UDP Format端口号Trivial File Transfer Protocol…

车牌识别OCR授权:助力国产化升级,全面提升道路监控效率

政策背景&#xff1a;国产化升级&#xff0c;推动道路监控产业转型 随着国家对信息安全的重视&#xff0c;国内各大公安、政企机构已进入全面升级国产化平台的实施阶段。根据最新的政策要求&#xff0c;公安和政府部门必须在未来三年内完成平台的国产化替换工作。这一举措不仅…

YOLOv5-7.0训练过程中出现报错Example: export GIT_PYTHON_REFRESH=quiet

出现报错&#xff1a; This initial message can be silenced or aggravated in the future by setting the $GIT_PYTHON_REFRESH environment variable. Use one of the following values: - quiet|q|silence|s|silent|none|n|0: for no message or exception - warn…

设置Qt程序开机自启动(windows版本)

前言 本文展示在windows环境下&#xff0c;通过代码实现更改系统注册表的方式来实现程序的开机自动启动。 一、注册表 需要更改的系统注册表为: HKEY_CURRENT_USER\\Software\\Microsoft\\Windows\\CurrentVersion\\Run 二、代码演示 1.头文件 头文件autorun.h #ifndef …

KALI安装操作及过程

以下是在计算机上安装 Kali Linux 的详细教程&#xff1a;&#xff08;通常我直接使用虚拟机&#xff09; 解压虚拟机安装包&#xff0c;直接在虚拟机中打开KALI &#xff08;将内存改为4GB&#xff09; 初始密码账号&#xff1a;kali 一、准备工作 下载 Kali Linux 镜像文件…

PHP8.4下webman直接使用topthink/think-orm

环境信息 操作系统win11php 8.4.1webman-framework ^1.6.8MySQL 8.4.3topthink/think-orm ^3.0 说明 PHP8.3以下版本 直接使用webman提供的webman/think-orm更方便。 PHP 环境换为 8.4 使用webman/think-orm 报了个错&#xff1b;所以换topthink/think-orm&#xff0c;根据文…

牛客网 SQL1查询所有列

SQL1查询所有列 select id,device_id,gender,age,university,province from user_profile 每日问题 C 中面向对象编程如何实现数据隐藏&#xff1f; 在C中&#xff0c;面向对象编程&#xff08;OOP&#xff09;通过封装&#xff08;Encapsulation&#xff09;实现数据隐藏。…

Linux环境安装Jenkins

Linux环境安装Jenkins Jenkins和JDK的版本 Jenkins和JDK的版本需要对应&#xff0c;不然无法正常启动。 Jenkins稳定版下载地址 Jenkins服务 手动使用命令启动和关闭Jenkins比较麻烦&#xff0c;所以可以把Jenkins设置成开机启动。 创建Jenkins.sh文件 JAVA_HOME和jenk…

软件测试面试(详细版)

软件测试 一、软件测试通常可以分为以下几种类型&#xff1a; 单元测试&#xff08;Unit Testing&#xff09;&#xff1a;针对软件的最小可测试单元&#xff08;如函数、方法&#xff09;进行测试&#xff0c;以确保其功能的正确性和健壮性。 集成测试&#xff08;Integrati…

ComfyUI 与 Stable Diffusion WebUI 的优缺点比较

ComfyUI与Stable Diffusion WebUI都是AI绘画领域比较知名两款产品&#xff0c;两者存在诸多差异&#xff0c;本篇就带你熟悉二者的优劣&#xff0c;方便自己做出决策。 界面与操作 ComfyUI&#xff1a;界面简洁直观&#xff0c;通过节点和连线的方式构建工作流&#xff0c;用…

2024年第十五届蓝桥杯青少组C++国赛—割点

割点 题目描述 一张棋盘由n行 m 列的网格矩阵组成&#xff0c;每个网格中最多放一颗棋子。当前棋盘上已有若干棋子。所有水平方向或竖直方向上相邻的棋子属于同一连通块。 现给定棋盘上所有棋子的位置&#xff0c;如果要使棋盘上出现两个及以上的棋子连通块&#xff0c;请问…

前端内网开发npm 安装的几种方法

1、介绍 最近有同学问我&#xff0c;怎么在不联网的情况下安装依赖。一般我们开发都是有网的&#xff0c;那么配置一下register一下镜像路径就可以从国内的阿里云&#xff0c;淘宝&#xff0c;华为云&#xff0c;腾讯云等国内镜像文件。 有些同学开发项目会在内网开发&#x…

【自动驾驶】Ubuntu22.04源码安装Autoware Core/Universe

【自动驾驶】Ubuntu22.04源码安装Autoware Core/Universe 官方源码安装教程前置条件安装ROS2 Humble安装Autoware Core/Universe配置开发环境配置工作空间设置控制台 官方源码安装教程 链接&#xff1a;https://autowarefoundation.github.io/autoware-documentation/main/ins…

uni-app Android平台上架要求的隐私政策提示配置方法【跨端开发系列】

文章目录 前言&#x1f4d6;一、前言二、DCloud 数据采集说明三、配置方式3.1 HBuilderX3.2.1及以上版本配置方式3.2 HBuilderX3.2.0及以下版本配置方法3.3 模板提示框3.4 无提示框 四、离线打包配置方式五、模板提示框六、二次确认提示框七、国际化八、隐私协议内容需要注意的…

鸿蒙Next持久化存储PersistentStorage用法总结

一、概述 PersistentStorage是应用程序中的可选单例对象&#xff0c;用于持久化存储选定的AppStorage属性&#xff0c;确保这些属性在应用程序重新启动时的值与关闭时相同。它将属性保留在设备磁盘上&#xff0c;UI和业务逻辑通过AppStorage访问其属性&#xff0c;AppStorage中…

《Keras3 minist 手写数字AI模型训练22秒精度达到:0.97》

《Keras3 minist 手写数字AI模型训练22秒精度达到&#xff1a;0.97》 一、修改源码加上如下两条代码二、源码修改如下三、Keras3 minist 训练22秒结束&#xff0c;训练过程截图四、Keras3 minist 源码截图 一、修改源码加上如下两条代码 import os os.environ["KERAS_BAC…

LeetCode771 宝石与石头

题目描述 给定一个字符串 jewels&#xff0c;它代表石头中宝石的类型&#xff1b;另有一个字符串 stones&#xff0c;代表我们拥有的石头。其中&#xff0c;stones 里的每个字符对应一种石头类型&#xff0c;任务是要精准地统计出在 stones 当中&#xff0c;属于 jewels 所定义…

MySQL基础大全(看这一篇足够!!!)

文章目录 前言一、初识MySQL1.1 数据库基础1.2 数据库技术构成1.2.1 数据库系统1.2.2 SQL语言1.2.3 数据库访问接口 1.3 什么是MySQL 二、数据库的基本操作2.1 数据库创建和删除2.2 数据库存储引擎2.2.1 MySQL存储引擎简介2.2.2 InnoDB存储引擎2.2.3 MyISAM存储引擎2.2.4 存储引…

[论文阅读笔记]-PalmTree: 学习一个用于指令嵌入的汇编语言模型

深度学习已在众多二进制分析任务中展示了其优势&#xff0c;包括函数边界检测、二进制代码搜索、函数原型推理、值集分析等。现有方案忽略了复杂的指令内结构&#xff0c;主要依赖于控制流&#xff0c;其中上下文信息是嘈杂的&#xff0c;并且可能受到编译器优化的影响。为了解…