安全生产劳保穿戴监测系统通过计算机智能视频分析技术，安全生产劳保穿戴监测算法对现场区域施工作业人员防护用品穿戴是否合规进行自动监测，当算法监测到现场施工人员没有按施工要求穿戴防护用品时，不需人为干预系统立即自动触发告警并抓拍存档同步提醒后台值班人员及时处理安全生产劳保穿戴监测算法通过AI技术手段除了对现场作业施工人员防护用品穿戴情况实时监测外，还可以对现场人员未穿戴反光衣、安全带、安全帽、抽烟打电话等违规行为，及时抓拍预警。

在CNN出现之前，对于图像的处理一直都是一个很大的问题，一方面因为图像处理的数据量太大，比如一张512 x 512的灰度图，它的输入参数就已经达到了252144个，更别说1024x1024x3之类的彩色图，这也导致了它的处理成本十分昂贵且效率极低。另一方面，图像在数字化的过程中很难保证原有的特征，这也导致了图像处理的准确率不高。

而CNN网络能够很好的解决以上两个问题。对于第一个问题，CNN网络它能够很好的将复杂的问题简单化，将大量的参数降维成少量的参数再做处理。也就是说，在大部分的场景下，我们使用降维不会影响结果。比如在日常生活中，我们用一张1024x1024x3表示鸟的彩色图和一张100x100x3表示鸟的彩色图，我们基本上都能够用肉眼辨别出这是一只鸟而不是一只狗。这也是卷积神经网络在图像分类里的一个重要应用。

安全生产劳保穿戴监测系统 CNN_机器学习

随着社会的发展和人们生活水平的快速进步，大家对于厂区/工地在施工作业中是否按照施工作业要求穿戴防护用品越来越重视。不按照要求正确穿戴防护用品就起不到应有的保护作用。安全防护用品又被称为劳防用品，如防护服、反光衣、安全帽、安全带等。不按照要求系安全带，在高空作业时易坠落。不戴安全帽易被坠落物击中头部，失去安全保护作用。所以，正确穿戴防护用品，合规着装后施工作业，使现场施工人员可以尽量减少或免遭各种人身意外伤害。

import torch
from torch import nn
from d2l import torch as d2l


class Reshape(torch.nn.Module):
    def forward(self, x):
        # 通过view函数把图像展成标准的Tensor接收格式，即(样本数量，通道数，高，宽)
        return x.view(-1, 1, 28, 28)

net = torch.nn.Sequential(
    Reshape(),
    # 第一个卷积块，这里用到了padding=2
    nn.Conv2d(1, 6, kernel_size=5, padding=2), 
    nn.Sigmoid(),
    nn.AvgPool2d(kernel_size=2, stride=2),
    
    # 第二个卷积块
    nn.Conv2d(6, 16, kernel_size=5), 
    nn.Sigmoid(),
    nn.AvgPool2d(kernel_size=2, stride=2),
    
    # 稠密块（三个全连接层）
    nn.Flatten(),
    nn.Linear(16 * 5 * 5, 120), nn.Sigmoid(),
    nn.Linear(120, 84), nn.Sigmoid(),
    nn.Linear(84, 10))
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.
  • 19.
  • 20.
  • 21.
  • 22.
  • 23.
  • 24.
  • 25.
  • 26.
  • 27.

安全生产劳保穿戴监测算法基于智能视频分析，算法利用现场已有的摄像头自动对现场施工人员的作业视频图像画面进行分析，发现违规行为以及违规穿戴着装情况无需人工干预，安全生产劳保穿戴监测系统自动抓拍预警存档，有效的协助现场值班人员进行管理。算法通过AI视频分析技术，改变了传统人工巡视的方式，提高工作效率并且节约人力成本。