基于塔吊吊钩区域的人员入侵提醒方法、装置以及设备与流程

1.本发明涉及图像处理领域，特别涉及是一种基于塔吊吊钩区域的人员入侵提醒方法、装置、设备以及存储介质。


背景技术：

2.塔吊吊钩可视化是通过装载在塔机大臂用于吊挂重物的移动小车上，通过视频监控系统来实时获取吊钩在吊装重物过程中的状态，包括吊装中是否有人、是否有重物等危险情况规避，并将吊装数据实时回传到塔吊司机事内，解决司机的盲吊问题。
3.但现有的吊钩可视化视频数据主要依赖吊装司机肉眼观察视频画面中的安全情况；同时由于塔吊的大臂和小车也都处于动态变化中，吊钩可视化场景内的场景复杂多样，塔吊司机要一边吊装重物的过程中还需要同时防范吊装过程中的其他人员的入侵是非常困难的。
4.因此迫切需要一种自动化的方式能够在吊钩可视化过程中进行人员入侵自动识别的装置，并通过相应的联动机制能够即时反馈到现场，能保障重物吊装过程中防止其他外来人员入侵的同时，也能让塔吊司机专注吊装，进一步确保吊装安全。


技术实现要素：

5.基于此，本发明的目的在于，提供一种基于塔吊吊钩区域的人员入侵提醒方法、装置、设备以及存储介质，采用计算机视觉方法，对实时采集的塔吊吊钩区域的视频帧图像进行人员入侵检测，降低了管理成本，并能够及时反馈人员入侵情况，有效地对塔吊吊钩区域的准确、及时监控。
6.第一方面，本技术实施例提供了一种基于塔吊吊钩区域的人员入侵提醒方法，包括以下步骤：
7.获得塔吊吊钩区域样本图像数据集，其中，所述塔吊吊钩区域样本图像数据集包括若干个塔吊吊钩区域样本图像，所述塔吊吊钩区域样本图像包括正视角度样本图像以及俯视角度样本图像；
8.获得所述塔吊吊钩区域样本图像数据集对应的标签数据集，其中，所述标签数据集包括各个所述塔吊吊钩区域样本图像对应的标签数据，所述标签数据用于指示是否发生人员入侵；
9.将所述塔吊吊钩区域样本图像数据集以及标签数据集输入至待训练的检测模型中进行训练，获得人员入侵检测模型；
10.获得当前采集的塔吊吊钩区域对应的视频帧图像，将所述视频帧图像输入至所述人员入侵检测模型，获得人员入侵检测结果，根据所述人员入侵检测结果，进行提醒操作。
11.第二方面，本技术实施例提供了一种基于塔吊吊钩区域的人员入侵提醒装置，包括：
12.图像数据获取模块，用于获得塔吊吊钩区域样本图像数据集，其中，所述塔吊吊钩
区域样本图像数据集包括若干个塔吊吊钩区域样本图像，所述塔吊吊钩区域样本图像包括正视角度样本图像以及俯视角度样本图像；
13.标签数据获取模块，用于获得所述塔吊吊钩区域样本图像数据集对应的标签数据集，其中，所述标签数据集包括各个所述塔吊吊钩区域样本图像对应的标签数据，所述标签数据用于指示是否发生人员入侵；
14.模型训练模块，用于将所述塔吊吊钩区域样本图像数据集以及标签数据集输入至待训练的检测模型中进行训练，获得人员入侵检测模型，其中，所述待训练的检测模型为pp-picodet检测模型；
15.人员入侵检测模块，用于获得当前采集的塔吊吊钩区域对应的视频帧图像，将所述视频帧图像输入至所述人员入侵检测模型，获得人员入侵检测结果，根据所述人员入侵检测结果，进行提醒操作。
16.第三方面，本技术实施例提供了一种计算机设备，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述计算机程序被所述处理器执行时实现如第一方面所述的基于塔吊吊钩区域的人员入侵提醒方法的步骤。
17.第四方面，本技术实施例提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的基于塔吊吊钩区域的人员入侵提醒方法的步骤。
18.在本技术实施例中，提供一种基于塔吊吊钩区域的人员入侵提醒方法、装置、设备以及存储介质，采用计算机视觉方法，对实时采集的塔吊吊钩区域的视频帧图像进行人员入侵检测，降低了管理成本，并能够及时反馈人员入侵情况，有效地对塔吊吊钩区域的准确、及时监控。
19.为了更好地理解和实施，下面结合附图详细说明本发明。
附图说明
20.图1为本技术一个实施例提供的基于塔吊吊钩区域的人员入侵提醒方法的流程示意图；
21.图2为本技术另一个实施例提供的基于塔吊吊钩区域的人员入侵提醒方法的流程示意图；
22.图3为本技术又一个实施例提供的基于塔吊吊钩区域的人员入侵提醒方法的流程示意图；
23.图4为本技术一个实施例提供的基于塔吊吊钩区域的人员入侵提醒方法中s3的流程示意图；
24.图5为本技术一个实施例提供的基于塔吊吊钩区域的人员入侵提醒方法中s31的流程示意图；
25.图6为本技术一个实施例提供的基于塔吊吊钩区域的人员入侵提醒装置的结构示意图；
26.图7为本技术一个实施例提供的计算机设备的结构示意图。
具体实施方式
27.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
28.在本技术使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本技术。在本技术和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
29.应当理解，尽管在本技术可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本技术范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”/“若”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
30.请参阅图1，图1为本技术一个实施例提供的基于塔吊吊钩区域的人员入侵提醒方法的流程示意图，所述方法包括如下步骤：
31.s1：获得塔吊吊钩区域样本图像数据集。
32.所述基于塔吊吊钩区域的人员入侵提醒方法的执行主体为基于塔吊吊钩区域的人员入侵提醒方法的提醒设备(以下简称提醒设备)，在一个可选的实施例中，所述提醒设备可以是一台计算机设备可以是服务器，或是多台计算机设备联合而成的服务器机群。具体地，所述提醒设备采用ai硬件瑞芯微rv1126，其装载有嵌入式ai芯片，该嵌入式ai芯片能够同时接入多个摄像装装置进行并发计算，能够满足塔吊过程中的边缘端部署需求以及即时反馈的需求。
33.在塔吊过程中，塔吊吊钩区域随着吊臂移动而进行高速移动，为了稳定对塔吊吊钩区域进行拍摄工作，在本实施例中，提醒设备通过预先设置摄像装置，随着吊臂带动塔吊吊钩区域进行移动时，摄像装置能够保持与塔吊吊钩区域进行一同移动，稳定对塔吊吊钩区域进行拍摄工作，获得塔吊吊钩区域样本图像数据集，其中，所述塔吊吊钩区域样本图像数据集包括若干个塔吊吊钩区域样本图像；所述塔吊吊钩区域样本图像包括正视角度样本图像以及俯视角度样本图像；
34.具体地，由于视频变焦、随着大臂小车不断移动、工地场景复杂多变等情况，提醒设备需按照不同的采集时间、照度、变焦大小、场地位置等收集相应变化场景内的若干个塔吊吊钩区域样本图像数据，为后续检测模型的训练提供基础数据。
35.请参阅图2，图2为本技术另一个实施例提供的基于塔吊吊钩区域的人员入侵提醒方法的流程示意图，包括s5步骤，所述步骤s6在s2之前，具体如下：
36.s5：获得与所述塔吊吊钩区域样本图像数据集相关联的若干种类型的第二样本图像数据集，与所述塔吊吊钩区域样本图像数据集进行组合，获得数据扩展后的塔吊吊钩区域样本图像数据集。
37.在本实施例中，提醒设备可以结合其他使用场景的人员侵入的，与所述塔吊吊钩区域样本图像数据集相关联的若干种类型的第二样本图像数据集，与所述塔吊吊钩区域样
本图像数据集进行组合，获得数据扩展后的塔吊吊钩区域样本图像数据集，为检测模型的训练提供更丰富的样本，进一步提高检测模型训练的准确度和效率。其中，所述类型包括骨骼轨迹类、人物交互类、人头检测类等。
38.具体地，考虑到本技术采用正拍形式获取的正视角度样本图像作为检测模型训练的基础数据，由于正视角度样本图像中的人员侵入的形式主要表现为人身的检测，提醒设备采用骨骼轨迹类、人物交互类的第二塔吊吊钩区域样本图像数据集，与正拍形式获取的正视角度样本图像进行组合，获得数据扩展后的塔吊吊钩区域样本图像数据集。
39.考虑到本技术采用正拍形式获取的俯视角度样本图像作为检测模型训练的基础数据，由于俯视角度样本图像中的人员侵入的形式主要表现为人头的检测，提醒设备采用人头检测类的第二塔吊吊钩区域样本图像数据集，例如jhu-crowd++数据集、ht21人头跟踪数据集，与俯拍形式获取的俯视角度样本图像进行组合，获得数据扩展后的塔吊吊钩区域样本图像数据集。
40.s2：获得所述塔吊吊钩区域样本图像数据集对应的标签数据集。
41.提醒设备可以通过人工标注，获得各个所述塔吊吊钩区域样本图像中的人员区域，作为各个所述塔吊吊钩区域样本图像对应的标签数据，构建标签数据集，其中，所述标签数据用于指示是否发生人员入侵。
42.请参阅图3，图3为本技术又一个实施例提供的基于塔吊吊钩区域的人员入侵提醒方法的流程示意图，包括s6步骤，所述步骤s6在s3之前，具体如下：
43.s6：对所述塔吊吊钩区域样本图像数据集进行数据增强，获得数据增强后的塔吊吊钩区域样本图像数据集。
44.为提高检测模型训练的准确度，在本实施例中，提醒设备对所述塔吊吊钩区域样本图像数据集进行数据增强，获得数据增强后的塔吊吊钩区域样本图像数据集，以扩充用于训练的基础数据，为检测模型的训练提供更丰富的样本，其中，所述数据增强包括图像旋转、图像翻转以及灰度化处理等等。
45.s3：将所述塔吊吊钩区域样本图像数据集以及标签数据集输入至待训练的检测模型中进行训练，获得人员入侵检测模型。
46.在本实施例中，提醒设备将所述塔吊吊钩区域样本图像数据集以及标签数据集输入至待训练的检测模型中进行训练，获得人员入侵检测模型。其中，所述检测模型可以是两阶段式(two-stage)目标检测模型，也可以是单阶段式(one-stage)目标检测模型。
47.two-stage模型常常具有更好的性能，但对资源有更高的要求，难以实现轻量级边缘移动端的目标检测。考虑到塔吊过程中的边缘端部署需求以及即时反馈的需求，在本实施例中，提醒设备采用pp-picodet检测模型作为待训练的检测模型，pp-picodet检测模型为一种0.99m、150fps的轻量级sota检测算法，相比于上述目标检测模型，具有轻量化的优势，并且在保证检测的准确性的同时，能够即时反馈，有效地对塔吊吊钩区域的准确、及时监控。
48.请参阅图4，图4为本技术一个实施例提供的基于塔吊吊钩区域的人员入侵提醒方法中s3的流程示意图，包括步骤s31，具体如下：
49.s31：对所述塔吊吊钩区域样本图像数据集以及标签数据集进行数据格式转换，获得数据格式转换后的塔吊吊钩区域样本图像数据集以及标签数据集，将所述数据格式转换
后的塔吊吊钩区域样本图像数据集以及标签数据集输入至待训练的检测模型中进行训练，获得人员入侵检测模型。
50.由于pp-picodet支持coco和pascal voc和wider-face数据格式的数据源，在本实施例中，提醒设备按照上述数据格式，对所述塔吊吊钩区域样本图像数据集以及标签数据集进行数据格式转换，获得数据格式转换后的塔吊吊钩区域样本图像数据集以及标签数据集，具体地，提醒设备将所述所述塔吊吊钩区域样本图像数据集转换为coco数据格式，将所述标签数据集转换为pascal voc数据格式。
51.提醒设备将所述数据格式转换后的塔吊吊钩区域样本图像数据集以及标签数据集输入至待训练的检测模型中进行训练，获得人员入侵检测模型。
52.请参阅图5，图5为本技术一个实施例提供的基于塔吊吊钩区域的人员入侵提醒方法中s31的流程示意图，包括步骤s311～s312，具体如下：
53.s311：将所述数据增强后的塔吊吊钩区域样本图像数据集以及标签数据集输入至所述待训练的检测模型中，进行迭代训练，获取若干个训练后的检测模型，并获取各个训练后的检测模型对应的准确率以及召回率。
54.在本实施例中，提醒设备将所述数据增强后的塔吊吊钩区域样本图像数据集以及标签数据集输入至所述待训练的检测模型中，进行迭代训练，获取若干个训练后的检测模型，并获取各个训练后的检测模型对应的准确率以及召回率。
55.s312：根据所述准确率以及召回率，从所述若干个训练后的检测模型中获取目标检测模型，作为所述人员入侵检测模型。
56.在本实施例中，提醒设备根据所述准确率以及召回率，从所述若干个训练后的检测模型中获取准确率以及召回率最大的的检测模型，作为所述人员入侵检测模型。
57.s4：获得当前采集的塔吊吊钩区域对应的视频帧图像，将所述视频帧图像输入至所述人员入侵检测模型，获得人员入侵检测结果，根据所述人员入侵检测结果，进行提醒操作。
58.在本实施例中，提醒设备通过预先设置塔吊吊钩区域上方的摄像装置，获得当前采集的塔吊吊钩区域对应的视频帧图像，将所述视频帧图像输入至所述人员入侵检测模型，获得人员入侵检测结果，根据所述人员入侵检测结果，进行提醒操作。具体地，在塔吊司机的工作区域内预先设置有显示装置以及麦克风装置，提醒设备根据所述人员入侵检测结果，在显示装置的显示界面上进行预设的提醒信息的展示，或者通过麦克风装置，外放预设的提醒音频，以及时反馈人员入侵情况，有效地对塔吊吊钩区域的准确、及时监控。
59.请参考图6，图6为本技术一个实施例提供的基于塔吊吊钩区域的人员入侵提醒装置的结构示意图，该装置可以通过软件、硬件或两者的结合实现基于塔吊吊钩区域的人员入侵提醒装置的全部或一部分，该装置6包括：
60.图像数据获取模块61，用于获得塔吊吊钩区域样本图像数据集，其中，所述塔吊吊钩区域样本图像数据集包括若干个塔吊吊钩区域样本图像，所述塔吊吊钩区域样本图像包括正视角度样本图像以及俯视角度样本图像；
61.标签数据获取模块62，用于获得所述塔吊吊钩区域样本图像数据集对应的标签数据集，其中，所述标签数据集包括各个所述塔吊吊钩区域样本图像对应的标签数据，所述标签数据用于指示是否发生人员入侵；
62.模型训练模块62，用于将所述样本图像数据集以及标签数据集输入至待训练的检测模型中进行训练，获得人员入侵检测模型，其中，所述待训练的检测模型为pp-picodet检测模型；
63.人员入侵检测模块64，用于获得当前采集的塔吊吊钩区域对应的视频帧图像，将所述视频帧图像输入至所述人员入侵检测模型，获得人员入侵检测结果，根据所述人员入侵检测结果，进行提醒操作。
64.在本实施例中，通过图像数据获取模块，用于获得塔吊吊钩区域样本图像数据集，其中，所述塔吊吊钩区域样本图像数据集包括若干个塔吊吊钩区域样本图像，所述塔吊吊钩区域样本图像包括正视角度样本图像以及俯视角度样本图像；
65.通过标签数据获取模块，用于获得所述塔吊吊钩区域样本图像数据集对应的标签数据集，其中，所述标签数据集包括各个所述塔吊吊钩区域样本图像对应的标签数据，所述标签数据用于指示是否发生人员入侵；通过模型训练模块，将所述塔吊吊钩区域样本图像数据集以及标签数据集输入至待训练的检测模型中进行训练，获得人员入侵检测模型；通过人员入侵检测模块，获得当前采集的塔吊吊钩区域对应的视频帧图像，将所述视频帧图像输入至所述人员入侵检测模型，获得人员入侵检测结果，根据所述人员入侵检测结果，进行提醒操作。采用计算机视觉方法，对实时采集的塔吊吊钩区域的视频帧图像进行人员入侵检测，降低了管理成本，并能够及时反馈人员入侵情况，有效地对塔吊吊钩区域的准确、及时监控。
66.请参考图7，图7为本技术一个实施例提供的计算机设备的结构示意图，计算机设备7包括：处理器71、存储器72以及存储在存储器72上并可在处理器71上运行的计算机程序73；计算机设备可以存储有多条指令，指令适用于由处理器71加载并执行上述图1至图5所示实施例的方法步骤，具体执行过程可以参见图1至图5所示实施例的具体说明，在此不进行赘述。
67.其中，处理器71可以包括一个或多个处理核心。处理器71利用各种接口和线路连接服务器内的各个部分，通过运行或执行存储在存储器72内的指令、程序、代码集或指令集，以及调用存储器72内的数据，执行基于塔吊吊钩区域的人员入侵提醒装置6的各种功能和处理数据，可选的，处理器71可以采用数字信号处理(digital signal processing,dsp)、现场可编程门阵列(field-programmable gate array，fpga)、可编程逻辑阵列(programble logic array，pla)中的至少一个硬件形式来实现。处理器71可集成中央处理器71(central processing unit，cpu)、图像处理器71(graphics processing unit，gpu)和调制解调器等中的一个或几种的组合。其中，cpu主要处理操作系统、用户界面和应用程序等；gpu用于负责触摸显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器71中，单独通过一块芯片进行实现。
68.其中，存储器72可以包括随机存储器72(random access memory，ram)，也可以包括只读存储器72(read-only memory)。可选的，该存储器72包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器72可用于存储指令、程序、代码、代码集或指令集。存储器72可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控指令等)、用于实现上
述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器72可选的还可以是至少一个位于远离前述处理器71的存储装置。
69.本技术实施例还提供了一种存储介质，所述存储介质可以存储有多条指令，所述指令适用于由处理器加载并执行上述图1至图5所示实施例的方法步骤，具体执行过程可以参见图1至图5所示实施例的具体说明，在此不进行赘述。
70.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
71.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
72.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束算法。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
73.在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
74.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
75.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
76.所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。
77.本发明并不局限于上述实施方式，如果对本发明的各种改动或变形不脱离本发明的精神和范围，倘若这些改动和变形属于本发明的权利要求和等同技术范围之内，则本发明也意图包含这些改动和变形。

技术特征：
1.一种基于塔吊吊钩区域的人员入侵提醒方法，其特征在于，包括以下步骤：获得塔吊吊钩区域样本图像数据集，其中，所述塔吊吊钩区域样本图像数据集包括若干个塔吊吊钩区域样本图像，所述塔吊吊钩区域样本图像包括正视角度样本图像以及俯视角度样本图像；获得所述塔吊吊钩区域样本图像数据集对应的标签数据集，其中，所述标签数据集包括各个所述塔吊吊钩区域样本图像对应的标签数据，所述标签数据用于指示是否发生人员入侵；将所述塔吊吊钩区域样本图像数据集以及标签数据集输入至待训练的检测模型中进行训练，获得人员入侵检测模型；获得当前采集的塔吊吊钩区域对应的视频帧图像，将所述视频帧图像输入至所述人员入侵检测模型，获得人员入侵检测结果，根据所述人员入侵检测结果，进行提醒操作。2.根据权利要求1所述的基于塔吊吊钩区域的人员入侵提醒方法，其特征在于，还包括步骤：获得与所述塔吊吊钩区域样本图像数据集相关联的若干种类型的第二样本图像数据集，与所述塔吊吊钩区域样本图像数据集进行组合，获得数据扩展后的塔吊吊钩区域样本图像数据集，其中，所述类型包括骨骼轨迹类、人物交互类以及人头检测类。3.根据权利要求1所述的基于塔吊吊钩区域的人员入侵提醒方法，其特征在于：所述待训练的检测模型为pp-picodet检测模型。4.根据权利要求3所述的基于塔吊吊钩区域的人员入侵提醒方法，其特征在于，所述将所述塔吊吊钩区域样本图像数据集以及标签数据集输入至待训练的检测模型中进行训练，获得人员入侵检测模型，包括步骤：对所述塔吊吊钩区域样本图像数据集以及标签数据集进行数据格式转换，获得数据格式转换后的塔吊吊钩区域样本图像数据集以及标签数据集，将所述数据格式转换后的塔吊吊钩区域样本图像数据集以及标签数据集输入至待训练的检测模型中进行训练，获得人员入侵检测模型。5.根据权利要求4所述的基于塔吊吊钩区域的人员入侵提醒方法，其特征在于，所述将所述数据格式转换后的塔吊吊钩区域样本图像数据集以及标签数据集输入至待训练的检测模型中进行训练，获得人员入侵检测模型，包括步骤：将所述数据增强后的塔吊吊钩区域样本图像数据集以及标签数据集输入至所述待训练的检测模型中，进行迭代训练，获取若干个训练后的检测模型，并获取各个训练后的检测模型对应的准确率以及召回率；根据所述准确率以及召回率，从所述若干个训练后的检测模型中获取目标检测模型，作为所述人员入侵检测模型。6.根据权利要求1所述的基于塔吊吊钩区域的人员入侵提醒方法，其特征在于，所述将所述数据格式转换后的塔吊吊钩区域样本图像数据集以及标签数据集输入至待训练的检测模型中进行训练，获得人员入侵检测模型之前，还包括步骤：对所述塔吊吊钩区域样本图像数据集进行数据增强，获得数据增强后的塔吊吊钩区域样本图像数据集，其中，所述数据增强包括图像旋转、图像翻转以及灰度化处理。7.一种基于塔吊吊钩区域的人员入侵提醒装置，其特征在于，包括：
图像数据获取模块，用于获得塔吊吊钩区域样本图像数据集，其中，所述塔吊吊钩区域样本图像数据集包括若干个塔吊吊钩区域样本图像，所述塔吊吊钩区域样本图像包括正视角度样本图像以及俯视角度样本图像；标签数据获取模块，用于获得所述塔吊吊钩区域样本图像数据集对应的标签数据集，其中，所述标签数据集包括各个所述塔吊吊钩区域样本图像对应的标签数据，所述标签数据用于指示是否发生人员入侵；数据获取模块，用于获得塔吊吊钩区域样本图像数据集以及标签数据集，其中，所述塔吊吊钩区域样本图像数据集包括若干个塔吊吊钩区域样本图像，所述标签数据集包括各个所述塔吊吊钩区域样本图像对应的标签数据，所述标签数据用于指示是否发生人员入侵；模型训练模块，用于将所述塔吊吊钩区域样本图像数据集以及标签数据集输入至待训练的检测模型中进行训练，获得人员入侵检测模型；人员入侵检测模块，用于获得当前采集的塔吊吊钩区域对应的视频帧图像，将所述视频帧图像输入至所述人员入侵检测模型，获得人员入侵检测结果，根据所述人员入侵检测结果，进行提醒操作。8.一种计算机设备，其特征在于，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述计算机程序被所述处理器执行时实现如权利要求1至6中任一项所述的基于塔吊吊钩区域的人员入侵提醒方法的步骤。9.一种存储介质，其特征在于：所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的基于塔吊吊钩区域的人员入侵提醒方法的步骤。

技术总结
本发明涉及图像处理领域，特别涉及一种基于塔吊吊钩区域的人员入侵提醒方法，方法包括：获得塔吊吊钩区域样本图像数据集以及标签数据集，将所述塔吊吊钩区域样本图像数据集以及标签数据集输入至待训练的检测模型中进行训练，获得人员入侵检测模型；获得当前采集的塔吊吊钩区域对应的视频帧图像，将所述视频帧图像输入至所述人员入侵检测模型，获得人员入侵检测结果，根据所述人员入侵检测结果，进行提醒操作。采用计算机视觉方法，对实时采集的塔吊吊钩区域的视频帧图像进行人员入侵检测，降低了管理成本，并能够及时反馈人员入侵情况，有效地对塔吊吊钩区域的准确、及时监控。及时监控。及时监控。


技术研发人员：邓超怡 欧阳扬 汪华安 李学山 贾震江 朱玲华 刘刚国 伍辉 李秋菊 谷林 雷新 吴蔚 陈隽敏
受保护的技术使用者：中国能源建设集团广东省电力设计研究院有限公司
技术研发日：2023.06.06
技术公布日：2023/9/20