一种安全生产监督管理系统

技术领域

本发明属于安全生产管理领域，特别是涉及一种安全生产监督管理系统。

背景技术

随着电力系统的迅速发展，电力产品设备的升级换代导致其操作流程也日益增多，即在电力系统日常生产运行过程中出现的安全事故与电力生产人员的违章行为存在直接关系。提高电力生产人员的专业素养、增强其安全意识成为降低电力生产环节事故发生的重要手段。但在实际工作中，电力生产现场环境复杂，电力设备作业多，且存在外包工作人员进入工作环境的情况，外包队伍流动性大，人员安全意识参差不齐，需加强监管，但实际情况是监督人员匮乏，无法实现24小时实时监视，无法实现预警、追踪、警示提醒功能，无法对电力生产过程进行有效监管，导致电力生产环节存在一定安全隐患。因此，对电力生产者进行安全行为识别来监督管理，可规避生产中违章现象发生的风险，保障电力系统的安全稳定运行。

针对以上安全管理难点，需优化信息化流程，创造并保持“安全级作业条件”，并通过现代高科技手段及时阻断人的不安全行为，达到“人的零失误”。因此，本申请提出一种安全生产监督管理系统。

发明内容

本发明的目的是提供一种安全生产监督管理系统，以解决上述现有技术存在的问题。

为实现上述目的，本发明提供了一种安全生产监督管理系统，包括：

场景模型构建模块、行为分析识别模块、警示模块、无线通讯模块、汇总统计模块；

所述场景模型构建模块用于构建电厂非结构化场景的地图模型；

所述行为识别模块用于对行为的时空特征及动作特征进行分析，获得行为类型，并通过无线通讯模块将所述行为类型与行为发生位置信息传输至所述警示模块；

所述警示模块用于向警示器发出指令，与所述位置信息距离最近的警示器为接收指令的警示器；

所述汇总统计模块用于对不安全行为数据进行汇总统计，并以图表形式显示。

可选的，所述场景模型构建模块包括环境数据采集单元、数据处理单元、模型构建单元；

所述环境数据采集单元用于通过移动机器人采集环境数据，环境数据包括激光点云数据与视觉点云数据；

所述数据处理单元用于对所述激光点云数据与所述视觉点云数据进行融合，获得高精度点云；

所述模型构建单元用于根据处理后的融合点云、IMU、GNSS信息，采用基于图优化的多约束因子图算法构建地图模型。

可选的，所述环境数据采集单元在采集数据之前，对所述移动机器人上安装的采集设备进行时间同步与空间标定，视觉点云数据采用相机采集。

可选的，所述数据处理单元采用时间戳插值算法，对激光点云数据与视觉点云数据进行处理，获得匹配激光点云、匹配视觉点云；将所述匹配激光点云投影至相机平面与匹配视觉点云进行匹配，获得融合点云；对融合点云进行畸变去除处理与点云滤波处理，获得高精度点云。

可选的，所述行为识别模块包括标准构建单元、信息获取单元、分析识别单元；

所述标准构建单元用于获取行为对照数据集；

所述信息获取单元用于获取实时监控视频数据，设置固定时间间隔进行数据获取；

所述分析识别单元用于根据所述实时监控视频数据获取任务特征与环境特征，根据所述对照数据集对任务特征与环境特征进行对比分析，判断行为是否安全，若不安全，则将位置信息与行为类型传递至警示模块。

可选的，所述标准构建单元包括数据获取子单元、特征提取子单元、分析存储单元；

所述数据获取子单元用于获取不安全行为标准图像集；

所述特征提取子单元用于根据所述不安全行为标准图像集获得人物特征与环境特征；

所述分析存储单元用于通过将环境特征与所述地图模型结合，获得环境的位置信息，将位置信息、环境特征、人物特征进行汇总分析并存储，获得行为对照集。

可选的，所述特征提取子单元采用基于深度学习的目标检测算法对不安全行为标准图像集中的图片进行人体区域检测，将人体区域提取出来并采用标准框进行标识作为待识别图像，对待识别图像进行人体骨架关键点检测，生成骨架关键点图像，对骨架关键点图像进行特征提取，获得人物特征；对提取人体区域后的图像进行环境特征提取。

可选的，所述分析识别单元对所述实时监控视频数据进行分帧处理，获得N帧画面并进行逐帧检测，获得实时人物特征与实时环境特征；将实时环境特征与所述地图模型进行匹配，获得实时位置信息，将人物信息与位置信息与所述对照数据集进行对比，判断位置信息与任务信息是否处于范围，若是，则将最后一帧的位置信息与符合的行为类型传输至警示模块。

本发明的技术效果为：

本发明构建地图模型，实现精准的厂区固有设备与移动设备的情况及位置信息，获取不安全行为数据集，对数据集进行分析及特征提取，根据环境特征获得位置信息，不安全行为的位置范围，获得人物特征参数，将位置范围与人物特征参数作为对照数据集；获得时长较短的实时监控数据并进行拆分分析后，与对照数据集进行对比，获得判断结果，并予以警示。通过构建地图模型，快速判断环境特征，解决了由于生产环境复杂，电力设备多造成的，常规监管方法的分析时间长，监管难度大的问题，有效减少监管人员工作量，实现对人员的预警提示，保证人的安全作业。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本发明实施例中的系统示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

实施例一

如图1所示，本实施例中提供一种安全生产监督管理系统，包括：

场景模型构建模块、行为分析识别模块、警示模块、无线通讯模块、汇总统计模块；

场景模型构建模块用于构建电厂非结构化场景的地图模型；

具体的，场景模型构建模块包括环境数据采集单元、数据处理单元、模型构建单元；

环境数据采集单元用于通过移动机器人采集环境数据，环境数据包括激光点云数据与视觉点云数据；

数据处理单元用于对激光点云数据与视觉点云数据进行融合，获得高精度点云；

模型构建单元用于根据处理后的融合点云、IMU、GNSS信息，采用基于图优化的多约束因子图算法构建地图模型。

具体的，环境数据采集单元在采集数据之前，对移动机器人上安装的采集设备进行时间同步与空间标定，视觉点云数据采用相机采集。

具体的，数据处理单元采用时间戳插值算法，对激光点云数据与视觉点云数据进行处理，获得匹配激光点云、匹配视觉点云；将匹配激光点云投影至相机平面与匹配视觉点云进行匹配，获得融合点云；对融合点云进行畸变去除处理与点云滤波处理，获得高精度点云。

可实施的，当激光雷达及相机时空标定完成后，将每帧激光数据、每帧视觉相机数据保存至容器中，并利用时间戳插值算法，获得匹配的激光点云及视觉点云，并利用小孔成像原理，将激光点云投影至相机平面，并依据XYZ坐标将投影至相机平面的激光点与视觉点云进行匹配，获得融合后的点云。

可实施的，T时刻为一帧激光开始扫描时刻，T+ΔT时刻为该帧激光扫描结束时刻，对IMU三轴的角速度、加速度数据进行预积分，求得ΔT时间内机器人相对运动(包括线性运动、非线性运动)，然后将ΔT时刻内的所有激光点转换至第一个激光点，实现激光点云运动畸变去除。利用此方法可有效去除激光点云的运动畸变。

可实施的，利用PCL库将每帧激光点云投影为深度图像，多线激光雷达的扫描线束为r线，每帧每条线扫描得到n个激光点。则深度图像为r*n的矩阵，每个矩阵包含点云的坐标信息、光强信息。利用深度图像可获得相邻点云之间的位置关系，并利用kd-tree搜索算法，对点云紧邻点进行搜索。依据点云之间的几何关系，对地面点及噪点进行滤波处理。

行为识别模块用于对行为的时空特征及动作特征进行分析，获得行为类型，并通过无线通讯模块将行为类型与行为发生位置信息传输至警示模块；

具体的，行为识别模块包括标准构建单元、信息获取单元、分析识别单元；

标准构建单元用于获取行为对照数据集；

信息获取单元用于获取实时监控视频数据，设置固定时间间隔进行数据获取；

分析识别单元用于根据实时监控视频数据获取任务特征与环境特征，根据对照数据集对任务特征与环境特征进行对比分析，判断行为是否安全，若不安全，则将位置信息与行为类型传递至警示模块。

具体的，标准构建单元包括数据获取子单元、特征提取子单元、分析存储单元；

数据获取子单元用于获取不安全行为标准图像集；

特征提取子单元用于根据不安全行为标准图像集获得人物特征与环境特征；

分析存储单元用于通过将环境特征与地图模型结合，获得环境的位置信息，将位置信息、环境特征、人物特征进行汇总分析并存储，获得行为对照集。

具体的，特征提取子单元采用基于深度学习的目标检测算法对不安全行为标准图像集中的图片进行人体区域检测，将人体区域提取出来并采用标准框进行标识作为待识别图像，对待识别图像进行人体骨架关键点检测，生成骨架关键点图像，对骨架关键点图像进行特征提取，获得人物特征；对提取人体区域后的图像进行环境特征提取。

具体的，分析识别单元对实时监控视频数据进行分帧处理，获得N帧画面并进行逐帧检测，获得实时人物特征与实时环境特征；将实时环境特征与地图模型进行匹配，获得实时位置信息，将人物信息与位置信息与对照数据集进行对比，判断位置信息与任务信息是否处于范围，若是，则将最后一帧的位置信息与符合的行为类型传输至警示模块。

警示模块用于向警示器发出指令，与位置信息距离最近的警示器为接收指令的警示器；

汇总统计模块用于对不安全行为数据进行汇总统计，并以图表形式显示。

可实施的，将行为识别模块与场景模型构建模块中各阶段获取的数据进行存储，减少后续模型更新与对照数据集更新的工作量，统计不安全行为发生的类型，各类型所处的位置，并以图表形式展示，一目了然，统计的工作为后续调整获取实时监控视频的固定间隔时长提供参考，可针对发生不安全行为频率较高的位置，对范围内的人员安排加强培训，实现优化信息化流程。

以上所述，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。