一种标识牌悬挂装置及方法

技术领域

本公开涉及电力技术领域，特别涉及一种标识牌悬挂装置及方法。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。

安全标志和标识牌往往能起到告知、警示的作用，向工作人员警示工作场所或周围环境的危险状况，指导人们采取合理行为标志的，安全标志能够提醒工作人员预防危险，从而避免事故发生，当危险发生时，能够指示人们尽快逃离，或者指示人们采取正确、有效、得力的措施，对危害加以遏制，安全标志不仅类型要与所警示的内容相吻合，而且设置位置要正确合理，否则就难以真正充分发挥其警示作用，目前，通常将标识牌放置到标识牌悬挂装置中，然后通过铁丝将悬挂装置绑扎在输电设备铁塔上，或是通过在铁塔上打孔来固定标识牌悬挂装置，用铁丝绑扎不牢靠，标识牌及标识牌悬挂装置容易脱落，且现有的安全标识牌因结构功能单一，在安装悬挂时比较随意，安装不稳固，导致指示牌使用过程中功能缺失，在遇到恶劣天气时掉落，并且在夜间无灯光的情况下，行人很容易忽视指示牌的引导，发生错误的行为，失去了安全指示牌的作用。

发明内容

为了解决现有技术的不足，本公开提供了一种标识牌悬挂装置及方法，其能够通过磁力底座将标识牌固定到输电设备铁塔上，对人员配戴安全帽以及口罩的情况进行检测，准确度高，速度快、实时性好。

为了实现上述目的，本公开采用如下技术方案：

本公开第一方面提供了一种标识牌悬挂装置。

一种标识牌悬挂装置，包括以下部分：

悬挂装置本体，包括标识框和连接支架，所述连接支架一端和标识框固定连接，所述标识框用于固定标识牌。

磁吸装置，包括磁力底座和磁吸片，所述磁吸片设置于标识框中，当标识牌置于标识框中时与标识牌磁性连接，所述磁力底座连接支架另一端。

警示灯，设置于悬挂装置本体上，通过变换颜色警示他人。

进一步地，所述装置还包括人员识别监测装置，包括：

获取待进入检修区域的人员照片；

进一步地，所述装置还包括人员识别监测装置，还包括：

通过人体姿态检测模型获取人员照片中的关键点信息，并截取获得对应区域图片。

进一步地，所述人员识别监测装置，还包括：

通过二分类检测算法训练的检测分类模型对各区域图片进行分类检测，并对应输出检测结果，分别为按规定佩戴和未按规定佩戴。

进一步地，所述人员识别监测装置，还包括：

对输出存在有区域图片检测结果为未按规定佩戴的人员进行提醒，待人员重新佩戴调整后再次返回；若各输出的检测结果均为按规定佩戴，则允许人员进入检修区域。

进一步地，所述检测分类模型，包括通过Keypoint R-CNN人体姿态检测模型，对获取的照片进行人体姿态检测，分别截取出照片中人员头部、手部和脚部区域图片，并进行归档。

进一步地，所述装置还包括红外传感器，用于检测到有人员靠近时，立即启动人员识别监测系统。

本公开第二方面提供了一种标识牌悬挂方法。

一种标识牌悬挂方法，包括：

通过悬挂装置本体的标识框固定标识牌；

通过连接支架一端和标识框固定连接；

通过磁吸装置的磁力底座连接支架另一端；

通过将磁吸片设置于标识框中，当标识牌置于标识框中时与标识牌磁性连接；

通过设置于悬挂装置本体上的警示灯变换颜色警示他人。

一种标识牌悬挂方法，还包括：获取待进入检修区域的人员照片；通过人体姿态检测模型获取人员照片中的关键点信息，并截取获得对应区域图片。

一种标识牌悬挂方法，还包括：

通过二分类检测算法训练的检测分类模型对各区域图片进行分类检测，并对应输出检测结果，分别为按规定佩戴和未按规定佩戴。

与现有技术相比，本公开的有益效果是：

1、综上所述，本发明可以通过磁力底座将标识牌固定到输电设备铁塔上。当安装标志牌悬挂装置到输电设备铁塔上时，使磁力底座对准输电设备铁塔，将磁力底座的控制开关扭动到ON档，磁力底座可直接磁性连接于输电设备铁塔；当要从输电设备铁塔上取下标识牌悬挂装置时，可将磁力底座的控制开关扭动到OFF档，直接取下标识牌悬挂装置，既方便又省力。本发明结构简单、安装方便牢固，且不破坏铁塔结构，便于标识牌的放置。

2、利用深度学习的方法，进行多模型集成，对人员配戴安全帽以及口罩的情况进行检测，准确度高，速度快、实时性好；利用人脸识别以及行人再识别进行人员身份匹配，可以有效处理多种复杂情况下，人员身份难以识别的问题，提高对复杂样本、遮挡样本的身份识别精度；本发明提高施工场所工作人员的安全性，减少安全事故的发生。

附图说明

构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。

图1为本公开实施例1提供的一种标识牌悬挂装置的结构示意图。

图2为本公开实施例1提供的一种标识牌悬挂方法的流程示意图。

其中，1、标识框；2、连接支架；3、磁力底座；4、磁力片。

具体实施方式

下面结合附图与实施例对本公开作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

实施例1：

如图1所示，本公开实施例1提供了一种标识牌悬挂装置，包括悬挂装置本体，所述的悬挂装置本体包括标识框1和连接支架2，所述的连接支架2一端和标识框1固定连接，还包括磁吸装置，所述磁吸装置包括磁力底座和磁吸片，所述磁吸片设置于标识框中，当标识牌置于标识框中时与标识牌磁性连接，所述支架另一端和磁力底座3固定连接。连接支架2主要由两个支杆和控制螺栓组成。通过在悬挂装置本体上设置磁力底座3，无需借助铁丝绑扎或是在铁塔上打孔固定，即可十分方便的将标识牌悬挂装置依靠磁性固定到输电设备铁塔上。优选的，磁力底座3的尺寸为60mm*50mm*55mm，这个尺寸既可满足输电设备标识牌悬挂装置的固定需要，又不会造成磁性材料的浪费。

进一步的，如图2所示，磁力底座3为可控磁力底座。具体地说，在磁力底座3上设有控制开关33，并设有ON档31和OFF档32。当处于ON档时，磁力底座有磁性，可吸附到输电设备铁塔上。当处于OFF档时，磁力底座无磁性，可使标识牌悬挂装置不费力气即可从输电设备铁塔上取下来。

进一步的，磁力底座3为长方体底座。具体地说，磁力底座侧面上设有H型槽34，磁力底座设有H型槽面的相对面上设有V型槽。具体地说，H型槽方便将标识牌悬挂装置固定到圆形的输电设备铁塔上；V型槽方便将标识牌悬挂装置固定到三角形的输电设备铁塔上。

实施例2.

为了更好地对待检测人员进行有效识别，本发明通过工作现场采集图片的方式获取收集数据，制成工作人员保护装置佩戴情况检测数据集；并对获取到的照片进行数据清洗、数据扩充然后进行标注，并把图片进行数据集划分，设计并训练基于多种目标检测算法原理的深度模型，对多个深度模型采用Stacking Ensemble的方法进行模型集成。

具体包括：

将用于检测的数据集的图像分批次输入到劳保用品佩戴检测网络中，通过卷积层、非线性激活层、ROI Pooling层、注意力激活单元、全连接、跨层连接等网络结构得到特征图，在多个尺度通过多任务学习方式得到保护装置在图片中的位置坐标；并与训练数据集中位置坐标比较，形成误差损失，通过梯度反传，更新深度模型参数。进一步提升算法对工作人员进行保护装置佩戴情况检测的性能。

基于深度学习的人脸识别模型和采用孪生网络构建训练基于深度学习的行人再识别模型。

获取工作人员的身份信息、人脸照片以及行走图片，用于构建工作现场的人脸识别和行人再识别比对数据库；结合该图像数据库对模型进行自适应优化；

对工作人员进行保护装置佩戴情况检测，使用人脸识别模型对未佩戴保护装置的工作人员进行身份识别，持续监控，并对无法识别工作人员不断进行人脸识别及通过行人再识别模型进行比对，并将佩戴情况及身份信息存储于数据库。

具体的，

基于端到端的检测方法，遵循YOLO类检测方法的思想，同时进行目标类别及位置的预测，特征提取方面主要采用53层的卷积神经网络：这个网络由残差单元叠加而成，可以减缓由于层数增加而导致的梯度消失和梯度爆炸问题。在分类准确度和效率的平衡上，比ResNet-101、ResNet-152、Darknet-19表现更好。训练时采用的损失函数如下：

其中，λcoord、λnoobj表示用于不同损失函数的加权值，分别对应有目标的检测框和没有目标的检测框部分，用于缓解大量没有目标的预测检测框造成的分类损失过大引起模型不稳定的问题；图像被划分为s*s个网格，s 2表示输入图像总的网格单元数目。

进一步，所述步骤S4中采用center loss训练人脸识别模型具体操作是：

其中，公式前半部分为Softmax Loss，能够使得不同工作人员的人脸特征差异变大，尽可能增大类间的距离；为了进一步提高人脸识别模型的识别能力，稳定训练过程，公式后半部分使得提取的特征x i尽量靠近该类样本特征的聚类中心即同一工作人员的人脸尽可能的相似；m表示样本数量，i表示第i个样本，n表示类别的总数目，λ表示调节Softmaxloss和center loss重要性的加权参数，T表示矩阵转置运算，y i表示第y i类对应的类别标签，x i∈R d是第i个样本对应的特征，维度为d，为该类样本特征的聚类中心，W∈R d×n表示深度模型最后一个全连接层的权值，W j表示权值矩阵中的第j列，表示权值W中第y i类对应的那列权值；e表示指数计算，表示神经网络输出的张量中所有值的和。

进一步，所述步骤S4中采用孪生网络构建训练行人再识别模型的具体操作是：设计双通路深度卷积网络，为通路分别输入工作人员的查询图像和候选集图像，每条通路采用ResNet50卷积神经网络和具有空间注意力机制的网络提取图像的空间特征，两个通路通过共享权值提取同样类型的特征，有利于比较查询图像和候选集图像之间的差异；ResNet50网络主要有16个由1x1，3x3，1x1的卷积层组合成的残差单元叠加而成；通过ResNet50网络提取图像中的全局特征信息，同时，采用具有空间注意力机制的网络进一步提取特征图像中的局部特征；并且将ResNet50网络产生的特征图进行双线性插值调整大小，输入到空间注意力网络，最后将ResNet50网络提取到的具有全局特征的特征图和空间注意力网络提取到的具有局部特征的特征图进行融合，得到最终的特征图。

进一步地，所述装置还包括红外传感器，用于检测到有人员靠近时，立即启动人员识别监测系统。

实施例3：

本发明一种标识牌悬挂装置，包括有摄像机、显示屏、后台主机以及数据库。后台主机设置有人体姿态检测模型及检测分类模型。

摄像机对待进入检修区域的人员进行拍摄，获取人员照片。后台主机的人体姿态检测模型根据获取的人员照片，获取关键点信息，包括有头部、手部及脚部，并对应截取获得对应区域图片，分别为头部区域、手部区域及脚部区域。检测分类模型对各区域图片进行分类检测，以判断人员各关键点对应区域是否按规定佩戴劳保防护用品，具体的：当检测到头部区域按规定佩戴有安全帽时，判断输出头部区域按规定佩戴的检测结果，反之输出未按规定佩戴的检测结果；当检测到手部区域按规定佩戴有手套时，判断输出手部区域按规定佩戴的检测结果，反之输出未按规定佩戴的检测结果；当检测到脚部区域按规定佩戴有绝缘靴时，判断输出脚部区域按规定佩戴的检测结果，反之输出未按规定佩戴的检测结果；后台主机对检测结果进行检测分类后，对出现未按规定佩戴的区域图片，在人员照片中进行框选对应区域，并输出显示在显示屏上，对待进入检修区域的电气检修人员进行提醒。

后台主机通过人脸识别算法对人员照片中的脸部信息进行识别，获得有对应于人员的唯一识别信息，并且将对应的检测结果对应于唯一识别信息存储至数据库。

实施例3：

本公开实施例2提供了一种标识牌悬挂方法，包括：

通过悬挂装置本体的标识框固定标识牌；

通过连接支架一端和标识框固定连接；

通过磁吸装置的磁力底座连接支架另一端；

通过将磁吸片设置于标识框中，当标识牌置于标识框中时与标识牌磁性连接；

通过设置于悬挂装置本体上的警示灯变换颜色警示他人。

所述系统的工作方法与实施例1提供的基于风功率预测区间的机组组合方法相同，这里不再赘述。

本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

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，所述的程序可存储于一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，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。

以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。