公开(公告)号：CN112287816B

公开(公告)日：2023-05-23

申请号：CN202011170556.7

申请日：2020-10-28

Applicant: 西安交通大学

Inventor： 张新曼 ,  王静静 ,  寇杰 ,  彭羽瑞 ,  毛乙舒 ,  陈辉 ,  邢舒明 ,  罗圣哲 ,  周攀 ,  程昭晖 ,  陆罩

IPC: G06V20/40 ,  G06V20/52 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/049 ,  H04N7/18 ,  H04N19/503 ,  H04N19/593

Abstract: 一种基于深度学习的危险工作区事故自动检测报警方法，获取原始视频数据并进行预处理，将视频转换为深度学习网络可接受的输入训练集；通过卷积式时空自动编码器‑解码器学习训练视频中的特征模式，并利用所述训练集训练优化，得到车间事故检测模型；获取实时的待检测监控视频，采用所述车间事故检测模型检测每一帧监控视频图像的重建误差，若连续多张实时监控图像的局部最小重建误差大于阈值，则向车间管理员终端发送相应的报警信息以及对应的监控位置信息。本发明在大量视频分析基础上，又进行了正常场景的视频专项学习，得到了经过充分训练的检测模型，能够快速准确的检测出车间异常事故，可在任何车间场景下进行事故检测。

公开(公告)号：CN112287816A

公开(公告)日：2021-01-29

申请号：CN202011170556.7

申请日：2020-10-28

Applicant: 西安交通大学

Inventor： 张新曼 ,  王静静 ,  寇杰 ,  彭羽瑞 ,  毛乙舒 ,  陈辉 ,  邢舒明 ,  罗圣哲 ,  周攀 ,  程昭晖 ,  陆罩

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  H04N7/18 ,  H04N19/503 ,  H04N19/593

Abstract: 一种基于深度学习的危险工作区事故自动检测报警方法，获取原始视频数据并进行预处理，将视频转换为深度学习网络可接受的输入训练集；通过卷积式时空自动编码器‑解码器学习训练视频中的特征模式，并利用所述训练集训练优化，得到车间事故检测模型；获取实时的待检测监控视频，采用所述车间事故检测模型检测每一帧监控视频图像的重建误差，若连续多张实时监控图像的局部最小重建误差大于阈值，则向车间管理员终端发送相应的报警信息以及对应的监控位置信息。本发明在大量视频分析基础上，又进行了正常场景的视频专项学习，得到了经过充分训练的检测模型，能够快速准确的检测出车间异常事故，可在任何车间场景下进行事故检测。