(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210351010.4 (22)申请日 2022.04.02 (71)申请人 河南鑫安利安全科技股份有限公司 地址 450000 河南省郑州市高新区翠竹街1 号总部企业基地59号楼 (72)发明人 杨耀党　孔庆端　田雷　王秋溢　 路文静　赵珊珊　叶雨烜　周莉丹　 王文龙　黄庭刚　韩静宜　王心怡　 聂俊青　孟丹丹　李键　戚晓栋　 郭向科　杨蕊　王紫薇　 (74)专利代理 机构 郑州芝麻知识产权代理事务 所(普通合伙) 41173 专利代理师 张丹丹 (51)Int.Cl. G06Q 10/06(2012.01)G06Q 10/04(2012.01) G06V 20/52(2022.01) G06V 40/10(2022.01) G06V 10/26(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06F 17/18(2006.01) (54)发明名称 基于计算机视觉的风险辨识分析与预警系 统 (57)摘要 本发明提出了一种基于计算机视觉的风险 辨识分析与预警系统， 该系统包括： 风险辨识模 块， 用于获取生产现场的综合风险分布图； 风险 分析模块， 用于获取路径的邻域风险系数； 危险 程度获取模块， 用于二元组中一人员到另一人员 位置的危险程度； 风险预警模块， 用于综合其他 人员到待分析人员位置的危险程度得到待分析 人员位置的综合预测危险程度， 根据综合预测危 险程度进行风险预警。 本发明使得风险辨识以及 预警结果更加合理准确， 降低危险事故的后果。 权利要求书2页 说明书6页 附图1页 CN 114707856 A 2022.07.05 CN 114707856 A 1.一种基于计算机 视觉的风险辨识分析与预警系统， 其特 征在于， 该系统包括： 风险辨识模块， 用于获取生产现场的综合 风险分布图； 风险分析模块， 用于将监控区域任意两个人员组成二元组， 获取两个人员之间的路径； 针对路径上任一坐标点， 以该坐标点为中心生成一个窗口， 以所得窗口从综合风险分布图 中截取图像得到子图像， 计算该子图像的灰度共生矩阵， 根据灰度共生矩阵中各元素值及 其位置得到所述坐标点的邻域风险系数； 对路径上所有坐标点的邻域风险系数求和得到该 路径的邻域 风险系数； 危险程度获取模块， 用于获取二元组中人员对应的第一集合， 所述第一集合中设备的 危险区域包含所述人员的预测位置， 根据二元组中两人员位置连线的单位向量、 人员对应 第一集合中设备的事故传播向量、 以及二元组相应路径的邻域风险系数得到二元组中一人 员到另一人员位置的危险程度； 风险预警模块， 用于综合其他人员到待分析人员位置的危险程度得到待分析人员位置 的综合预测危险程度， 根据综合预测危险程度进行风险预警。 2.根据权利要求1所述的系统， 其特 征在于， 所述 风险分析模块还 包括： 作业活动分析单元， 用于根据生产现场的作业活动数据获取人员位置信息， 利用神经 网络对人员位置随时间的变化序列进 行处理得到人员未来时间的位置序列， 将位置序列每 个位置生成的热斑进行叠加得到人员预测热分布， 根据人员预测热分布得到人员预测位 置。 3.根据权利要求1所述的系统， 其特 征在于， 所述综合 风险分布图具体为： 获取以生产现场的设备为中心的区域作为设备的危险区域， 根据设备的风险程度对设 备的危险区域赋值得到设备的风险分布， 将所有设备的风险分布叠加得到综合风险分布 图。 4.根据权利要求1所述的系统， 其特征在于， 所述综合其他人员到待分析人员位置的危 险程度得到待分析 人员位置的综合预测危险程度包括： 根据所有人员的位置关系获取危险程度有向图； 在危险程度有向图上， 针对任一节点， 根据邻居节点到所述节点边权值与邻居节点加权出度的比值得到邻居节点对应的抵达风 险系数， 计算所有邻居节点对应的抵达风险系 数之和得到所述节点的综合抵达风险系 数； 根据节点的综合抵达风险系数、 以及所述节点大小得到待分析人员位置的综合预测危险程 度， 根据综合预测危险程度进行风险预警。 5.根据权利要求 4所述的系统， 其特 征在于， 所述获取危险程度有向图具体为： 将人员设置为节点， 节点大小为人员的人身风险程度， 根据二元组的危险程度得到节 点之间的边权值， 根据所有人员的位置关系及边权值得到危险程度有向图。 6.根据权利要求1所述的系统， 其特 征在于， 所述 风险分析模块还 包括： 事故传播向量获取单元， 用于获取设备对应危险区域包含人员预测位置的设备集合得 到第一集合， 根据设备一阶关联风险图获取第一集合中设备的邻居节点设备集合得到第二 集合， 根据第一集合设备节点与第二集合设备节点之间的最小加权路径、 以及第一集合设 备的风险程度得到人员对应第一 集合中设备的事故传播向量。 7.根据权利要求6所述的系统， 其特 征在于， 所述设备一阶关联风险 图具体为： 将设备设置为节点， 针对任意两个设备： 若两个设备的危险区域存在交集， 则 两个设备权　利　要　求　书 1/2 页 2 CN 114707856 A 2节点之间存在边相连， 边权值为两个设备 的危险区域的交并比， 获取所有设备间的连接关 系及其边权值得到设备一阶关联风险 图。 8.根据权利要求5所述的系统， 其特征在于， 所述人员的人身风险程度 具体为人员预测 热分布上 人员位置的热度值与综合 风险分布图中对应位置的风险值的乘积。 9.根据权利要求1所述的系统， 其特征在于， 所述风险辨识模块还用于利用神经网络对 设备运行参数进行分析， 得到设备的风险程度。 10.根据权利要求1所述的系统， 其特征在于， 所述根据综合预测危险程度进行风险预 警包括： 若综合预测危险程度大于预设阈值， 则进行 预警提醒。权　利　要　求　书 2/2 页 3 CN 114707856 A 3