Система и способ идентификации средств индивидуальной защиты на человеке - RU2724785C1

Чертежи

Описание

Настоящее изобретение относится к области использования искусственных нейронных сетей в компьютерном зрении, а более конкретно к системам и способам обработки видеоданных, полученных от видеокамер, для автоматической идентификации средств индивидуальной защиты на человеке и обеспечения должной безопасности на рабочем месте.

УРОВЕНЬ ТЕХНИКИ

В настоящее время большое внимание уделяется теме контроля соблюдения правил техники безопасности и норм охраны труда на промышленных объектах. Многие рабочие места на предприятиях включают в себя опасные зоны, которые могут представлять опасность для здоровья сотрудников. Для примера, на заводах большая часть автоматизированного оборудования с движущимися, острыми или тяжелыми частями, которые могут представлять серьезную угрозу безопасности работников в случае неправильного обращения с ними или в случае несоблюдения установленных правил безопасности.

Также существует и обратная ситуация, когда нужно защитить изготавливаемый на предприятии продукт от неверного или неаккуратного обращения сотрудников с ним (например, на предприятиях по производству пищевых продуктов, на фармацевтических предприятиях и т.д.). На каждом предприятии такого рода обычно существуют нормы и правила безопасности на рабочем месте, которые предусматривают использование соответствующих средств индивидуальной защиты человека, причем в различных рабочих зонах может требоваться использование разных СИЗ.

В общем случае средства индивидуальной защиты (СИЗ) - это изделия, предназначенные для защиты человека от различных физических или химических воздействий. Выбор СИЗ производится с учетом их назначения и защитных свойств, а также конкретных условий труда. СИЗ могут включать в себя: средства защиты кожных покровов (специальную одежду, обувь, изолирующие костюмы), средства защиты органов дыхания (противогазы, респираторы, изолирующие дыхательные аппараты, комплект дополнительного патрона), средства защиты рук (перчатки), средства защиты головы от физических воздействий (каска), средства защиты лица, средства защиты органов слуха (наушники, ушные вкладыши), средства защиты глаз (защитные очки), различные предохранительные приспособления (страховочные тросы) и так далее.

Следует отметить, что СИЗ являются достаточно эффективным средством защиты работников, однако использование СИЗ эффективно только тогда, когда они используются и одеваются сотрудниками правильно (в соответствии с установленными правилами и нормами). Таким образом, несоблюдение правил использования СИЗ может привести к различным травмам на рабочем месте. Для предотвращения такого рода травм или для предотвращения порчи изготавливаемых продуктов, а также для обеспечения общей безопасности на рабочем месте, в настоящее время существуют различные автоматизированные методы для контроля за ношением СИЗ сотрудниками.

Для примера, из уровня техники известно решение, раскрытое в заявке US 2018/0211345 Al, G06Q 50/26, опубл. 26.07.2018, в котором раскрыты различные варианты реализации автоматической системы безопасности для контроля за использованием и ношением средств индивидуальной защиты. Также предлагаются различные варианты реализации способов для мониторинга использования СИЗ. Системы и способы включают использование средств индивидуальной защиты, содержащих маячки СИЗ, а также использование носимого электронного устройства обнаружения, размещаемого на пользователе, причем электронное устройство сконфигурировано для непрерывного или периодического мониторинга расстояния между пользователем и СИЗ. Системы и способы могут использоваться для предотвращения или ограничения несчастных случаев или травм в опасных производственных условиях. Маячки СИЗ обычно используют один из протоколов связи: RFID, WiFi, BlueTooth, RF или Zigbee.

Для реализации такой системы необходимо обеспечить каждого сотрудника специальным носимым электронным устройством, при этом каждое СИЗ должно быть оснащено соответствующим маячком. Такое решение является сложным и дорогостоящим в исполнении.

Кроме того, для контроля и обеспечения безопасности на производстве в настоящее время часто используются системы видеонаблюдения. При этом практически любое предприятие оснащено охранной системой, которая не только обеспечивает безопасность на рабочих местах, но и способствуют повышению производительности, дисциплины и исполнительности сотрудников. Такие видеосистемы обладают средствами анализа изображений, которые можно использовать в том числе и для обнаружения средств индивидуальной защиты на человеке.

Под видеосистемами в контексте данной заявки подразумеваются программно-аппаратные средства, использующие методы компьютерного зрения для автоматизированного сбора данных на основании анализа потокового видео (видеоанализа). Такие видеосистемы опираются на алгоритмы обработки изображений, в том числе на алгоритмы распознавания, сегментации, классификации и идентификации изображений, позволяющие анализировать видео без прямого участия человека. Кроме того, современные видеосистемы позволяют автоматически анализировать видеоданные с камер и сопоставлять указанные данные с данными, имеющимися в базе данных.

Из уровня техники известно такого рода решение, раскрытое в патенте US 8208681 В2, G06K 9/00, опубл. 26.06.2012, в котором описаны система и способ анализа изображений для обнаружения соответствия требованиям при использовании средств индивидуальной защиты (СИЗ). Устройство захвата изображения может использоваться для получения изображения человека, запрашивающего вход в зону ограниченного доступа. В свою очередь, инструмент анализа СИЗ может быть сконфигурирован для анализа изображения с целью обнаружения присутствия СИЗ, например, путем распознавания маркировок, выполненных с использованием УФ-флуоресцентного красителя, отражающих чернил или других маркировочных материалов, видимых на захваченном изображении. Инструмент анализа изображения может быть дополнительно сконфигурирован для определения не только наличия требуемых СИЗ, но также и для определения, правильно ли носится СИЗ человеком, запрашивающим доступ к ограниченной зоне.

Данное решение хоть и характеризует использование видеоданных, однако существенно отличается от заявляемого решения как минимум основными операциями по обработке изображений и средствами, используемыми для обработки. Кроме того, в известном решении по-прежнему используются маркировки, и соответственно определение СИЗ основано на их распознавании по видеоданным.

Наиболее близким по технической сущности к заявляемому решению является известное из уровня техники решение, раскрытое в патенте ЕР 2653772 B1, G06K 9/20, опубл. 22.08.2018, в котором раскрыта система определения соответствия средств индивидуальной защиты, включающая память и процессор, причем процессор сконфигурирован для: определения местоположения человека в рабочей зоне на основании сигнала от устройства определения местоположения; направления одного или нескольких устройств захвата изображений в определенное местоположение человека; приема одного или нескольких изображений из устройства захвата изображений; обнаружения одного или нескольких предметов средств индивидуальной защиты на одном или нескольких изображениях; обнаружения расположения одного или нескольких предметов СИЗ на человеке по одному или нескольким изображениям; идентификации типа одного или нескольких предметов СИЗ; проверки соответствия СИЗ одному или нескольким стандартам средств индивидуальной защиты на основе расположения одного или нескольких предметов средств индивидуальной защиты и типа одного или нескольких предметов средств индивидуальной защиты; и отправки сигнала, указывающего на результаты проверки соответствия. При этом в рассматриваемом решении идентификация типа одного или нескольких предметов средств индивидуальной защиты включает в себя: идентификацию одной или нескольких меток, связанных с одним или несколькими предметами средств индивидуальной защиты.

Известное из уровня техники решение использует сложные техники анализа и обработки изображений для идентификации СИЗ и его положения на человеке. При этом для идентификации по-прежнему используются метки СИЗ.

Таким образом, основным отличием/преимуществом заявляемого нами решения от известных из уровня техники решений является использование уже имеющихся стандартных средств видеонаблюдения и средств обработки изображений, позволяющих идентифицировать СИЗ на человеке без использования специализированных меток.

Наше решение главным образом направлено на упрощение, ускорение и повышение точности процесса идентификации, а соответственно на обеспечение своевременного контроля за сотрудниками и обеспечение безопасности сотрудников и производимых продуктов. В настоящее время в современных видеосистемах для распознавания и идентификации изображений все чаще применяются искусственные нейронные сети.

Искусственная нейронная сеть (ИНС) - это математическая модель, а также ее аппаратное и/или программное воплощение, построенное по принципу организации и функционирования биологических нейронных сетей (сетей нервных клеток живых организмов). Одним из главных преимуществ ИНС является возможность их обучения, в процессе которого ИНС способна самостоятельно выявлять сложные зависимости между входными и выходными данными.

Именно использование одной или даже нескольких ИНС для обработки изображений, а также использование стандартных средств видеонаблюдения и обработки видеоданных делает заявляемое решение более простым для осуществления на любом предприятии и более точным по сравнению с известными из уровня техники решениями.

РАСКРЫТИЕ СУЩНОСТИ ИЗОБРЕТЕНИЯ

Заявляемое техническое решение направлено на устранение недостатков, присущих предшествующему уровню техники и на развитие уже известных решений.

Техническим результатом заявленной группы изобретений является повышение точности идентификации средств индивидуальной защиты на человеке за счет использования по меньшей мере одной искусственной нейронной сети.

Данный технический результат достигается тем, что система для идентификации средств индивидуальной защиты (СИЗ) на человеке содержит: память, сконфигурированную для хранения базы данных СИЗ, которая включает в себя по меньшей мере выборку изображений средств индивидуальной защиты, а также сведения о необходимых СИЗ в разных зонах контроля и об их характеристиках; по меньшей мере одно устройство захвата изображений, сконфигурированное для получения видеоданных из зоны контроля, в которой находится человек; и по меньшей мере, одно устройство обработки данных, содержащее: модуль получения видеоданных, сконфигурированный для получения видеоданных от по меньшей мере одного устройства захвата изображений в режиме реального времени; модуль анализа изображений, сконфигурированный для анализа видеоданных с целью обнаружения в кадре по меньшей мере одного человека и определения зоны контроля, после чего полученное изображение человека и данные о зоне контроля передаются в модуль сегментации; модуль сегментации, сконфигурированный для сегментации полученного изображения человека на отдельные изображения областей контроля с использование искусственной нейронной сети (ИНС); модуль идентификации, сконфигурированный для идентификации СИЗ с использованием другой по меньшей мере одной искусственной нейронной сети на по меньшей мере одном из полученных изображений отдельных областей контроля, причем упомянутая идентификация выполняется в соответствии с данными, полученными из сведений о необходимых СИЗ именно в той зоне контроля, в которой находится человек; модуль вывода, выполненный с возможностью вывода полученного результата идентификации.

Указанный технический результат также достигается за счет способа идентификации средств индивидуальной защиты на человеке, выполняемого компьютерной системой, содержащей, по меньшей мере, одно устройство обработки данных и память, хранящую базу данных СИЗ, которая включает в себя по меньшей мере выборку изображений СИЗ, а также сведения о необходимых СИЗ в разных зонах контроля и об их характеристиках, причем способ содержит этапы, на которых: получают видеоданные от по меньшей мере одного устройства захвата изображений в режиме реального времени, причем устройство захвата изображений получает видеоданные из зоны контроля, в которой находится человек; выполняют анализ полученных видеоданных с целью обнаружения в кадре по меньшей мере одного человека и определения зоны контроля для получения изображения человека и данных о зоне контроля; выполняют сегментацию полученного изображения человека на отдельные изображения областей контроля с использование искусственной нейронной сети (ИНС); идентифицируют СИЗ с использованием другой по меньшей мере одной искусственной нейронной сети на по меньшей мере одном из полученных изображений отдельных областей контроля, причем упомянутая идентификация выполняется в соответствии с данными, полученными из сведений о необходимых СИЗ именно в той зоне контроля, в которой находится человек; и выводят полученные результаты идентификации на экран.

В одном частном варианте заявленного решения к СИЗ относятся по меньшей мере одно из следующего: очки, наушники, ушные вкладыши, маска, респиратор, сеточка или шапочка для головы, каска, перчатки, фартук, обувь, противогаз, шлем, жилет, страховочные тросы, комбинезон.

В другом частном варианте заявленного решения областями контроля являются по меньшей мере: голова, волосы, глаза, уши, область носа и рта, шея, туловище, правая рука, левая рука, правая нога, левая нога.

Еще в одном частном варианте заявленного решения сегментация выполняется по цвету и/или форме и/или текстуре.

В другом частном варианте заявленного решения модуль идентификации пытается идентифицировать СИЗ на каждой области контроля, на которой в соответствии с зоной контроля должно присутствовать СИЗ.

Еще в одном частном варианте заявленного решения идентификация осуществляется путем сравнения каждого распознанного изображения СИЗ с по меньшей мере, одним изображением СИЗ, содержащимся в базе данных СИЗ.

А еще в одном частном варианте заявленного решения все СИЗ в базе данных СИЗ разделены на классы СИЗ, соответствующие областям контроля.

В другом частном варианте заявленного решения для каждого класса СИЗ предусмотрена отдельная ИНС, используемая для идентификации.

Еще в одном частном варианте заявленного решения модуль сегментации дополнительно сконфигурирован с возможностью классификации отдельных изображений областей контроля по классам СИЗ, причем для упомянутой классификации предусмотрена отдельная искусственная нейронная сеть.

В другом частном варианте заявленного решения при классификации отдельного изображения области контроля как «голова» в модуле сегментации, данное изображение далее дополнительно сегментируется.

Еще в одном частном варианте заявленного решения система дополнительно сконфигурирована для автоматического пополнения выборки изображений каждого СИЗ для обучения по меньшей мере одной искусственной нейронной сети.

В другом частном варианте заявленного решения пополнение выборки изображений СИЗ и обучение по меньшей мере одной искусственной нейронной сети являются постоянными процессами, поскольку набор СИЗ и их внешний вид меняются со временем.

Еще в одном частном варианте заявленного решения выборка изображений каждого СИЗ содержит N последних загруженных изображений для этого СИЗ, где N является положительным целым числом, предварительно заданным пользователем.

В другом частном варианте заявленного решения по меньшей мере одно устройство обработки данных дополнительно содержит модуль проверки, сконфигурированный для выявления факта отсутствия или присутствия СИЗ на человеке по результатам идентификации.

Еще в одном частном варианте заявленного решения модуль проверки дополнительно сконфигурирован для выявления соответствия стандартам СИЗ, необходимым для рассматриваемой зоны контроля и/или для проверки соответствия положения СИЗ относительно части тела человека.

В другом частном варианте заявленного решения при выявлении отсутствия СИЗ или при выявлении неправильного положения СИЗ на человеке, модуль вывода автоматически отправляет сигнал тревоги оператору системы и/или на персональное устройство человека, на теле которого выявлены нарушения ношения СИЗ.

Еще в одном частном варианте заявленного решения по меньше мере одно устройство обработки данных дополнительно содержит модуль аутентификации, сконфигурированный для автоматического предоставления доступа или запрета доступа в определенную зону контроля на основании выполнения предварительно заданных пользователем системы условий.

В другом частном варианте заявленного решения упомянутыми предварительно заданными условиями является по меньшей мере одно или любая комбинация из: наличие необходимых СИЗ на человеке для данной зоны контроля; соответствие СИЗ стандартам, необходимым для данной зоны контроля; соответствие положения СИЗ относительно части тела человека; соответствие результата проверки карты доступа человека; соответствие введенного пин-кода или пароля; соответствие результата распознавания лица человека; соответствие результата распознавания отпечатка пальца человека; соответствие результата распознавания рисунка вен ладони человека; соответствие результата распознавания сетчатки глаза человека; соответствие результата распознавания радужной оболочки глаза человека; соответствие результата распознавания голоса человека.

Еще в одном частном варианте заявленного решения модуль вывода дополнительно сконфигурирован для формирования отчета на основании полученных результатов идентификации СИЗ и/или проверки и/или аутентификации.

А в другом частном варианте заявленного решения анализ видеоданных с целью обнаружения в кадре по меньшей мере одного человека и определения зоны контроля выполняется постоянно или в определенно заданный пользователем системы диапазон времени или по сигналу от пользователя системы.

Помимо указанного выше, данный технический результат также достигается за счет считываемого компьютером носителя данных, содержащего исполняемые процессором компьютера инструкции для осуществления способов идентификации средств индивидуальной защиты на человеке.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

Фиг. 1 - блок-схема системы для идентификации средств индивидуальной защиты на человеке.

Фиг. 2 - блок-схема способа идентификации средств индивидуальной защиты на человеке.

ОСУЩЕСТВЛЕНИЕ ИЗОБРЕТЕНИЯ

Ниже будет приведено описание примерных вариантов осуществления заявленной группы изобретений. Однако заявленная группа изобретений не ограничивается только этими вариантами осуществления. Специалистам будет очевидно, что под объем заявленной группы изобретений, описанной в формуле, могут попадать и другие варианты реализаций.

Заявляемое техническое решение в различных своих вариантах осуществления может быть выполнено в виде вычислительных систем и способов, реализуемых различными компьютерными средствами, а также в виде считываемого компьютером носителя данных, хранящего исполняемые процессором компьютера инструкции.

На фиг. 1 представлена блок-схема системы для идентификации средств индивидуальной защиты на человеке. Данная система в полной своей комплектации включает в себя: память (10), сконфигурированную для хранения базы данных СИЗ (DB); по меньшей мере одно устройство захвата изображений (20, …, 2n); и по меньшей мере, одно устройство обработки данных (30, …, 3m), содержащее: модуль получения видеоданных (40), модуль анализа изображений (50), модуль сегментации (60), модуль идентификации (70), модуль проверки (80), модуль аутентификации (85) и модуль вывода (90). Следует отметить, что в базовую комплектацию системы могут не входить модули (80) и (85).

В данном контексте под компьютерными системами понимаются любые вычислительные системы, построенные на базе программно-аппаратных взаимосвязанных технических средств.

Под устройством захвата изображений в контексте данной заявки подразумевается видеокамера.

В качестве устройства обработки данных может выступать процессор, микропроцессор, графический процессор, ЭВМ (электронно-вычислительная машина), ПЛК (программируемый логический контроллер) или интегральная схема, сконфигурированные для исполнения определенных команд (инструкций, программ) по обработке данных.

В роли устройства памяти, сконфигурированного для хранения данных, могут выступать, но, не ограничиваясь, жесткие диски (HDD), флеш-память, сервер, ПЗУ (постоянное запоминающее устройство), твердотельные накопители (SSD), оптические накопители информации и т.д.

В контексте данной заявки память хранит базу данных СИЗ (DB), которая включает в себя по меньшей мере выборку изображений средств индивидуальной защиты, а также сведения о необходимых СИЗ в разных зонах контроля и об их характеристиках.

Следует отметить, что в описанную систему могут входить и любые другие известные в данном уровне техники устройства, например, такие как различного вида датчики, устройства ввода/вывода, устройства отображения и т.п.

Далее будет подробно описан пример работы вышеупомянутой системы для идентификации средств индивидуальной защиты на человеке. Все нижеописанные этапы работы системы также применимы и к реализации заявляемого способа идентификации средств индивидуальной защиты на человеке, который будет рассмотрен более подробно ниже.

Рассмотрим принцип работы данной системы безопасности. Предположим данная система, а также соответствующее ей ПО, установлены на промышленном предприятии. Сотрудники утром приходят на работу и в соответствии со своим рабочим местом одевают средства индивидуальной защиты. После того как сотрудник оденет все что ему необходимо, он проходит в зону контроля. Под зоной контроля в контексте данной заявки понимается помещение, оснащенное по меньшей мере одной видеокамерой, оборудованное для идентификации СИЗ на человеке, а также для мониторинга, проверки и контроля за правильным ношением СИЗ. Зоной контроля может являться небольшое помещение перед входом в рабочее помещение или же само рабочее помещение, причем рабочее помещение может быть дополнительно разделено на различные зоны контроля.

Устройство захвата изображений, в данном случае видеокамера, расположена таким образом, чтобы непрерывно в режиме реального времени получать видеоданные из зоны контроля, в которой находится человек или несколько людей. Следует отметить, что описываемая система видеонаблюдения может включать в себя несколько видеокамер для получения большего количества видеоданных и повышения точности результатов их обработки. Для примера, на предприятии перед входом в рабочее помещение может быть своего рода холл (маленькое помещение) в котором размещается одна камера, в область зрения которой полностью попадает все помещение. Такое помещение в данном случае является зоной контроля. При этом вход в каждое имеющиеся на предприятии опасное рабочие помещения может быть оснащен зоной контроля. Кроме того, каждое рабочее помещение может быть оборудовано своими одной или несколькими камерами, для поддержания контроля сотрудников на протяжении всего рабочего времени (то есть в этом случае рабочее помещение тоже является отдельной зоной контроля). Устройства захвата изображений непрерывно получают видеоданные в режиме реального времени, которые записываются в архив охранной системы (для обеспечения возможности дальнейшего анализа по архивным данным), а также передаются к устройству обработки данных.

Далее основную работу выполняет по меньшей мере одно устройство обработки данных, например, такое как графический процессор компьютера. Упомянутое устройство обработки данных включает в себя отдельные программные или аппаратные модули/блоки, каждый из которых сконфигурирован для выполнения определенной задачи. В описываемом решении, как представлено на фиг. 1, устройство обработки данных содержит такие модули как: модуль получения видеоданных (40), модуль анализа изображений (50), модуль сегментации (60), модуль идентификации (70), модуль проверки (80), модуль аутентификации (85) и модуль вывода (90). Далее будет подробно описана работа каждого модуля.

Модуль получения видеоданных (40) непрерывно получает все видеоданные, поступающие от по меньшей мере одного устройства захвата изображений в режиме реального времени. Затем все получаемые видеоданные анализируются модулем анализа изображений (50) для выявления/обнаружения кадров, отображающих/характеризующих по меньшей мере одного человека и определения зоны контроля (по данным полученным от камеры). При этом следует отметить, что при настройке камеры для определенной зоны контроля оператор системы задет конкретные СИЗ которые необходимо отслеживать на человеке именно в той зоне контроля, в которой располагается данная видеокамера. Данные о зоне контроля могут быть определены графическим процессором из метаданных, которые каждое устройство захвата изображений передает в устройство обработки данных вместе с видеоданными. После этого полученное изображение человека и данные о зоне контроля, в которой находится человек, передаются в модуль сегментации (60). При этом, как указано в частном варианте исполнения системы, анализ видеоданных выполняется постоянно или в определенно заданный пользователем системы диапазон времени или же по сигналу от пользователя системы. То есть для предприятия с четким рабочим графиком с 8:00 до 18:00 актуально записывать и анализировать видеоданные только в этот промежуток времени для экономии памяти и вычислительных ресурсов системы.

Следует отметить, что все устройства захвата изображений расположены в зонах контроля таким образом, чтобы полностью охватывать все помещение (области зрения камер могут немного пересекаться/накладываться, для получения полной картины). Таким образом модуль анализа изображений может с легкостью обнаружить человека и получить хорошее одно или несколько его изображений по видеоданным. После того как обнаружен кадр с человеком, полученное по меньшей мере одно изображение/кадр упомянутого человека автоматически передается в модуль сегментации (60).

Модуль сегментации (60) в свою очередь сконфигурирован для сегментации полученного изображения человека на отдельные изображения областей контроля. Упомянутая сегментация выполняется с использованием своей искусственной нейронной сети. Следует отметить, что сегментация выполняется по цвету и/или форме и/или текстуре. Пользователь системы может задать любой вид сегментации, или же сегментация может выполняться последовательно каждым из перечисленных способов.

В контексте данной заявки упомянутыми областями контроля являются анатомические части человеческого тела, к которым относятся по меньшей мере: голова, волосы, глаза, уши, область носа и рта, шея, туловище, правая рука, левая рука, правая нога, левая нога. В зависимости от разного рода предприятий, а также в зависимости от различных зон контроля, на перечисленных частях тела сотрудников должны присутствовать средства индивидуальной защиты (СИЗ). В контексте данной заявки к СИЗ относятся: очки, наушники, ушные вкладыши, маска, респиратор, сеточка или шапочка для головы, каска, перчатки, фартук, обувь, бахилы, противогаз, шлем, жилет, страховочные тросы, комбинезон, халат и т.д. При этом следует отметить, что специалисту в данной области техники будет очевидно, что список СИЗ может быть дополнен и другими необходимыми на предприятии средствами индивидуальной защиты. К примеру, на пищевом предприятии важно, чтобы сотрудники (например, при изготовлении хлеба) были в маске, с шапочкой или сеточкой на голове, с перчатками на руках, в специальном халате и в сменной обуви или бахилах.

После разделения изображения человека на отдельные изображения его анатомических частей (областей контроля), эти отдельные изображения далее передаются в модуль идентификации (70). Упомянутый модуль выполняет идентификацию средств индивидуальной защиты на каждом из полученных отдельных изображений областей контроля с использованием своей по меньшей мере одной искусственной нейронной сети. Идентификация осуществляется путем сравнения каждого распознанного изображения СИЗ с по меньшей мере, одним изображением СИЗ, содержащимся в базе данных СИЗ. Следует отметить, что упомянутая идентификация выполняется в соответствии с данными, полученными из сведений о необходимых СИЗ именно в той зоне контроля, в которой находится человек. Для рассматриваемого ранее примера с изготовлением хлеба модуль идентификации сконфигурирован таким образом, чтобы рассматривать отдельные изображения таких областей контроля как: голова, волосы, область носа и рта, туловище, правая рука, левая рука, правая нога, левая нога. На каждой из перечисленных частей тела должно присутствовать СИЗ. Таким образом модуль идентификации пытается идентифицировать СИЗ только на тех областях контроля, на которых в соответствии с определенной зоной контроля должно присутствовать СИЗ, при этом не тратит вычислительные ресурсы системы на распознавание СИЗ на других возможных областях контроля, поскольку для рассматриваемой зоны контроля нет требований по ношению СИЗ на других частях тела.

Если в процессе идентификации распознанное изображение СИЗ совпадает в достаточной степени хотя бы с одним изображением из базы данных СИЗ, то система сразу же прекращает процесс идентификации. Такой подход также позволяет не тратить впустую имеющиеся вычислительные ресурсы системы и ускоряет процесс сравнения. А принцип идентификации следующий: искусственная нейронная сеть получает отдельное изображение области контроля (например, правой руки), после чего выдает некоторый вектор чисел - дескриптор изображения. База данных СИЗ хранит выборку эталонных изображения всех СИЗ, включающую соответствующий каждому изображению дескриптор. Для сравнения изображений ИНС использует именно эти дескрипторы. Причем ИНС обучена так, что чем меньше угол между этими векторами чисел в пространстве, тем больше вероятность совпадения изображений. В качестве метрики для сравнения используется косинус угла между векторами чисел (векторами из базы данных и полученным вектором изображения области контроля, на которой должно быть СИЗ). Соответственно, чем ближе косинус угла между векторами к единице, тем больше вероятность, что СИЗ является одним и тем же на сравниваемой паре изображений. Пользователь при настройке системы может задать диапазон значений, при котором система будет принимать решение о совпадении СИЗ. При этом искусственная нейронная сеть сравнивает последовательно полученное отдельное изображение области контроля со всеми имеющимися в базе данных изображениями СИЗ до тех пор, пока не получит достаточного совпадения.

Следует отметить, что для повышения точности работы системы и улучшения и ускорения идентификации СИЗ, перед непосредственной идентификацией в некоторых реализациях заявляемого решения может осуществляться классификация отдельных изображений областей контроля. Для этого в модуле сегментации (60) предусмотрена отдельная ИНС, сконфигурированная для распределения полученных отдельных изображений областей контроля по классам СИЗ. Классы СИЗ соответствуют рассматриваемым областям контроля, а именно: голова, волосы, глаза, уши, область носа и рта, шея, туловище, правая рука, левая рука, правая нога, левая нога. В такой реализации системы каждому классу СИЗ присуща своя (отдельная для каждого класса) ИНС, используемая при дальнейшей идентификации СИЗ. Следует отметить, что СИЗ в каждом классе могут быть еще дополнительно распределены на виды СИЗ. Например, в случае защитных очков можно выделить такие виды как: очки от пыли, очки от светового излучения, очки от лазерного излучения и т.д.

При этом в базе данных СИЗ все файлы СИЗ также разделены на классы, соответствующие областям контроля. Данные о каждом СИЗ в базе данных включают в себя по меньшей мере: наименование, основные характеристики (такие как размер, форма, цветовая палитра) и выборку эталонных изображений. При этом каждое изображение в выборке эталонных изображений СИЗ включает в себя дескриптор, характеризующий вектор чисел данного изображения. Помимо прочего, в базе данных может хранится файл, с указанием всех имеющихся на предприятии зон контроля и соответствующих им необходимым СИЗ. Для каждого предприятия данный файл создается оператором системы перед началом работы системы (это необходимо для дальнейшего формирования отчетов). Кроме того, как уже было упомянуто ранее, в настройках каждой конкретной видеокамеры в соответствии с той зоной контроля, в которой она располагается, также хранятся данные о необходимых СИЗ для данной зоны контроля.

Следует отметить, что в отдельном частном варианте исполнения системы, при классификации отдельного изображения области контроля как «голова» в модуле сегментации (60), данное изображение далее дополнительно сегментируется, то есть дополнительно разделяется на части для получения отдельных изображений каждой части головы, таких как: волосы, глаза, уши, область носа и рта. Это необходимо для дальнейшей идентификации СИЗ на каждом полученном изображении каждой отдельной части головы человека в модуле идентификации (70).

Что касается выборки изображений СИЗ, то рассматриваемая система для идентификации СИЗ сконфигурирована для автоматического пополнения упомянутой выборки изображений каждого СИЗ для обучения по меньшей мере одной используемой искусственной нейронной сети. При этом пополнение выборки изображений СИЗ и обучение по меньшей мере одной искусственной нейронной сети являются постоянными процессами, поскольку набор СИЗ и их внешний вид меняются со временем. Следует отметить, что процессы пополнения выборки изображений, обучения искусственной нейронной сети и непосредственных этапов идентификации, проверки и аутентификации могут выполняться параллельно, по меньшей мере, одним устройством обработки данных. То есть после того, как устройство обработки данных получило отдельные изображения областей контроля, эти изображения используется параллельно и для идентификации (и последующих этапов), и для пополнения выборки изображений СИЗ. При этом каждое новое изображение СИЗ добавляется в выборку изображений соответствующего СИЗ только после завершения процесса идентификации этого изображения.

Обучение каждой искусственной нейронной сети в контексте заявляемого решения выполняется на основании пополняемой базы данных СИЗ. Пользователь системы может задать определенное время, в которое будет выполняться обучение искусственной нейронной сети. Например, один раз в день. При этом упомянутое обучение может выполняться, например, устройством обработки данных или же облачным сервисом или любым другим вычислительным устройством.

Следует еще раз отметить, что выборка изображений каждого СИЗ содержит множество изображений этого средства индивидуальной защиты человека. Пользователь системы может при настройке ее работы задать конкретное число изображений, которое должно содержаться в выборке (для поддержания актуальности данных в базе данных). Таким образом, выборка изображений каждого СИЗ содержит N последних загруженных изображений для этого СИЗ, где N является положительным целым числом, предварительно заданным пользователем.

Предположим, пользователь задал N=15. После идентификации конкретного СИЗ устройство обработки данных анализирует выборку изображений именно этого СИЗ. Если количество изображений в выборке изображений для распознанного СИЗ равно 15, то устройство обработки данных удаляет самое давнее (старое) изображение и сохраняет новое, только что полученное изображение СИЗ в выборку. Если же в выборке изображений содержится, например, 8 изображений СИЗ, то новое полученное изображение СИЗ просто добавляется в выборку (без удаления более старых изображений). Таким образом удается поддерживать актуальность информации о носимых сотрудниками предприятия СИЗ. Это необходимо, поскольку набор СИЗ и их внешний вид меняются со временем. В связи с чем, как уже было указано ранее, пополнение выборки изображений СИЗ и обучение по меньшей мере одной искусственной нейронной сети являются постоянными процессами.

После идентификации всех СИЗ в различных реализациях системы выполняются разные действия, в соответствии с требованиями по безопасности на разных предприятиях. Если на предприятии необходимо только идентифицировать СИЗ, то далее результаты идентификации передаются в модуль вывода (90), который сконфигурирован для вывода полученных результатов идентификации на экран.

Однако в последнее время на предприятиях стараются усилить контроль за сотрудниками, то есть производить постоянную, более точную и конкретную идентификацию СИЗ в процессе нахождения человека в опасной зоне. Поэтому по меньшей мере одно устройство обработки данных рассматриваемой системы идентификации СИЗ в частном варианте своего исполнения дополнительно содержит модуль проверки (80), сконфигурированный для выявления факта отсутствия или присутствия СИЗ на человеке по результатам идентификации, причем упомянутое выявление может производиться системой постоянно (а не только при входе в опасную зону). То есть как только человек, находящийся в зоне контроля (по совместительству на своем рабочем месте), снимает, например, маску, то модуль проверки сразу это обнаруживает и посылает сигнал оператору системы для принятия своевременных решений по обеспечению безопасности.

Кроме того, данный модуль проверки (80) может быть дополнительно сконфигурирован для выявления соответствия стандартам СИЗ, необходимым для рассматриваемой зоны контроля (стандарты для каждого конкретного СИЗ указаны в соответствующих ГОСТах, данные из которых есть на каждом предприятии, а также внесены в базу данных системы) и/или для проверки соответствия положения СИЗ относительно части тела человека. То есть если у человека на глазах должны находиться защитные очки, но они находятся, например, на волосах человека (то есть он их снял) то системы сразу это заметит. Соответствие положения СИЗ может быть определено по контрольным точкам на области контроля (заранее задаются пользователем системы), где у каждого человека определенно точно должно находиться СИЗ, или по допустимому расстоянию от определенной точки до СИЗ. Например, в случае с маской, можно задать расстояние от глаз до края маски.

Таким образом, при выявлении отсутствия СИЗ или при выявлении неправильного положения СИЗ на человеке или при выявлении несоответствия стандартам СИЗ (например, если сотрудник случайно перепутал и одел не подходящее для конкретной зоны СИЗ или же СИЗ, поступившие на предприятие от поставщика, изначально оказались бракованными/не соответствующими стандартам), модуль вывода (90) автоматически отправляет сигнал тревоги оператору системы и/или на персональное устройство человека (например, персональный браслет или любое другое носимое электронное устройство), на теле которого выявлены нарушения ношения СИЗ. По такому сигналу на персональное устройство человек, нарушивший правила техники безопасности (возможно непреднамеренно), может сразу понять, что нарушает и незамедлительно исправить ситуацию. Оператор системы, также получивший сигнал нарушения, проконтролирует по видеоданным действия нарушителя и примет решение о надобности принятия каких-либо дополнительны мер для обеспечения общей безопасности на производстве. Кроме того, модуль вывода может быть настроен таким образом, чтобы при выявлении факта нарушения незамедлительно отправлять сигнал только на персональное устройство нарушившего человека, а если ситуация не меняется на протяжении предварительно заданного времени (например, в течении 3 минут), то тогда уже модуль вывода отправляет сигнал тревоги оператору системы для принятия дальнейших мер безопасности.

Помимо прочего, результаты идентификации СИЗ можно использовать и в системах контроля и управления доступом (СКУД) в помещение или опасную зону. Для такой реализации по меньше мере одно устройство обработки данных системы дополнительно содержит модуль аутентификации (85), сконфигурированный для автоматического предоставления доступа или запрета доступа в определенную зону контроля на основании выполнения предварительно заданных пользователем системы условий. При этом упомянутыми предварительно заданными условиями является по меньшей мере одно или любая комбинация из: наличие необходимых СИЗ на человеке для данной зоны контроля; соответствие СИЗ стандартам, необходимым для данной зоны контроля; соответствие положения СИЗ относительно части тела человека; соответствие результата проверки карты доступа человека; соответствие введенного пин-кода или пароля; соответствие результата распознавания лица человека; соответствие результата распознавания отпечатка пальца человека; соответствие результата распознавания рисунка вен ладони человека; соответствие результата распознавания сетчатки глаза человека; соответствие результата распознавания радужной оболочки глаза человека; соответствие результата распознавания голоса человека. Чаще всего используется двойная или тройная аутентификация. Например, чтобы войти в опасную зону должно быть выполнено три условия: (1) соответствие результата проверки карты доступа человека, запрашивающего доступ в помещение, (2) соответствие результата распознавания рисунка вен ладони этого человека и (3) наличие необходимых СИЗ на человеке для данной зоны контроля. Следует еще раз отметить, что комбинация и количество условий может отличаться на каждом предприятии. При выполнении всех условий описываемая система автоматически открывает доступ этому человеку в запрашиваемое помещение (например, автоматически открывается дверь и раздается звуковой сигнал одобрения модуля аутентификации).

Как уже было указано ранее, модуль вывода (90) главным образом сконфигурирован для вывода результатов идентификации, однако упомянутый модуль также дополнительно сконфигурирован и для формирования отчета на основании полученных результатов идентификации СИЗ и/или проверки и/или аутентификации. То есть в зависимости от начальных данных системы и заданных пользователем системы данных модуль вывода (90) может сформировать от одного до трех разных отчетов. Кроме того, отдельный отчет по трем разным этапам или по всем этапам может быть сформирован для каждой зоны контроля (или для каждой камеры). Данные отчеты формируются по сигналу от пользователя или в предварительно заданное пользователем время (например, один раз в день, в 19:00, после окончания рабочего дня у сотрудников предприятия). Кроме того, отчеты могут быть автоматически отправлены предварительно заданным пользователям системы (например, по sms или по электронной почте) или сохранены в память системы. При формировании по меньшей мере одного отчета по сигналу/команде от пользователя системы данный отчет может быть сразу выведен на экран модулем вывода (90).

Далее будет описан пример конкретной реализации способа для идентификации средств индивидуальной защиты на человеке. На фиг. 2 представлена блок-схема одного из вариантов реализации способа идентификации средств индивидуальной защиты на человеке.

Указанный способ выполняется уже описанной выше компьютерной системой, содержащей, по меньшей мере одно устройство обработки данных и память, хранящую базу данных СИЗ, которая включает в себя по меньшей мере выборку изображений СИЗ, а также сведения о необходимых СИЗ в разных зонах контроля и об их характеристиках.

Заявляемый способ в базовом варианте содержит этапы, на которых:

(100) получают видеоданные от по меньшей мере одного устройства захвата изображений в режиме реального времени, причем устройство захвата изображений получает видеоданные из зоны контроля, в которой находится человек;

(200) выполняют анализ полученных видеоданных с целью обнаружения в кадре по меньшей мере одного человека и определения зоны контроля для получения изображения человека и данных о зоне контроля;

(300) выполняют сегментацию полученного изображения человека на отдельные изображения областей контроля с использование искусственной нейронной сети (ИНС);

(400) идентифицируют СИЗ с использованием другой по меньшей мере одной искусственной нейронной сети на по меньшей мере одном из полученных изображений отдельных областей контроля, причем упомянутая идентификация выполняется в соответствии с данными, полученными из сведений о необходимых СИЗ именно в той зоне контроля, в которой находится человек; и

(500) выводят полученные результаты идентификации на экран.

Следует еще раз отметить, что данный способ может быть реализован посредством использования охарактеризованной ранее вычислительной системы и, следовательно, может быть расширен и уточнен всеми теми же частными вариантами исполнения, которые уже были описаны выше для реализации системы для идентификации средств индивидуальной защиты на человеке.

Кроме того, варианты осуществления настоящей группы изобретений могут быть реализованы с использованием программного обеспечения, аппаратных средств, программной логики или их комбинации. В данном примере осуществления программная логика, программное обеспечение или набор инструкций хранятся на одном или более из различных традиционных считываемых компьютером носителе данных.

В контексте данного описания «считываемым компьютером носителем данных» может быть любая среда или средства, которые могут содержать, хранить, передавать, распространять или транспортировать инструкции (команды) для их использования (исполнения) вычислительной системой, например, такой как компьютер. При этом носитель данных может являться энергонезависимым машиночитаемым носителем данных.

При необходимости, по меньшей мере часть различных операций, рассмотренных в описании данного решения, может быть выполнена в отличном от представленного порядке и/или одновременно друг с другом.

Хотя данное техническое решение было описано подробно в целях иллюстрации наиболее необходимых в настоящее время и предпочтительных вариантов осуществления, следует понимать, что данное изобретение не ограничивается раскрытыми вариантами осуществления и более того, предназначено для модификации и различных других комбинаций признаков из описанных вариантов осуществления. Например, следует понимать, что настоящее изобретение предполагает, что в возможной степени, один или более признаков любого варианта осуществления могут быть объединены с другим одним или более признаками любого другого варианта осуществления.

Реферат

Изобретение относится к вычислительной технике. Технический результат заключается в повышении точности идентификации средств индивидуальной защиты (СИЗ) на человеке. Система для идентификации СИЗ на человеке содержит память для хранения базы данных СИЗ, которая включает в себя по меньшей мере выборку изображений средств индивидуальной защиты, и сведения о необходимых СИЗ в разных зонах контроля и об их характеристиках; по меньшей мере одно устройство захвата изображений для получения видеоданных из зоны контроля, в которой находится человек; и по меньшей мере одно устройство обработки данных, содержащее: модуль получения видеоданных от по меньшей мере одного устройства захвата изображений в режиме реального времени; модуль анализа изображений для анализа видеоданных с целью обнаружения в кадре по меньшей мере одного человека и определения зоны контроля; модуль сегментации для сегментации полученного изображения человека на отдельные изображения областей контроля с использование искусственной нейронной сети (ИНС); модуль идентификации СИЗ с использованием другой по меньшей мере одной искусственной нейронной сети на по меньшей мере одном из полученных изображений отдельных областей контроля; модуль вывода полученного результата идентификации. 3 н. и 38 з.п. ф-лы, 2 ил.

Формула