一种高空作业安全带状态识别方法及系统与流程

本发明涉及作业风险检测，尤其涉及一种高空作业安全带状态识别方法及系统。

背景技术：

1、高空作业是电力施工、建筑安装、设备检修等行业中的高风险场景，安全带作为作业人员的最后一道生命防线，其规范使用直接关系到人身安全。随着物联网和传感器技术的发展，智能安全带逐渐应用于施工现场，通过传感器监测安全带的佩戴状态及挂钩系挂情况，实现对作业人员违章行为的预警。

2、传统的安全带监测方案通常采用霍尔开关检测卡扣开合状态，通过简单的逻辑门组合判断安全带是否佩戴规范。但是这种方法仅能检测挂钩的物理开合状态，无法识别挂而未承重的虚挂现象，即挂钩虽然挂在构件上但未真正承载人体重量，一旦作业人员失足将直接坠落，因此现有技术存在无法实现对虚挂现象进行检测和预警的问题。

技术实现思路

1、本发明提供了一种高空作业安全带状态识别方法及系统，能解决现有技术中仅采用霍尔开关检测卡扣开合状态，来判断安全带是否佩戴规范，无法实现对虚挂现象进行检测和预警的问题。

2、本发明一实施例提供一种高空作业安全带状态识别方法，适用于边缘计算网关，包括：

3、获取高空作业人员当前时段的人体姿态数据和挂钩受力数据；其中，所述人体姿态数据由穿戴终端采集并传输至边缘计算网关，所述挂钩受力数据由挂钩终端采集并传输至边缘计算网关；

4、基于所述人体姿态数据和挂钩受力数据，构建得到载荷姿态耦合特征向量；

5、将所述载荷姿态耦合特征向量输入至内置的预设风险识别模型，识别得到所述高空作业人员的安全带状态是否处于虚挂状态；其中，所述预设风险识别模型以基于若干历史作业场景下的历史人体姿态数据和历史挂钩受力数据构建得到的历史载荷姿态耦合特征向量为输入，以安全带状态识别结果为输出，进行训练得到；

6、在识别得到所述安全带状态处于虚挂状态的情况下，进行挂钩虚挂预警。

7、进一步的，所述基于所述人体姿态数据和挂钩受力数据，构建得到载荷姿态耦合特征向量，包括：

8、根据所述挂钩受力数据，计算得到当前时段内每一时刻的合成力幅值、每一时刻的合成力幅值变化率、每一时刻的挂钩受力方向、每一时刻的挂钩受力方向角、每一时刻的挂钩受力方向角变化率、当前时段的合成力均值、当前时段的合成力方差和当前时段的合成力峰值；

9、根据所述人体姿态数据，计算得到当前时段内每一时刻的人体姿态角变化率、每一时刻的人体姿态角和每一时刻的人体重力方向；

10、基于所述人体姿态角变化率，确定所述人体姿态角变化率超过第一预设变化率阈值的第一时刻；

11、基于所述合成力幅值变化率，确定所述合成力幅值变化率超过预设第二变化率阈值的第二时刻；

12、根据所述第一时刻和所述第二时刻，计算得到姿态载荷响应延迟时间；

13、基于所述合成力幅值和人体姿态角，计算得到合成力幅值变化量和人体姿态角变化量；

14、根据合成力幅值变化量和人体姿态角变化量，计算得到姿态载荷响应幅度比；

15、根据挂钩受力方向和人体重力方向，计算得到力方向角一致性偏差和投影匹配度；

16、基于所述合成力均值、合成力方差、合成力峰值、合成力幅值变化率、挂钩受力方向角变化率、人体姿态角、姿态载荷响应延迟时间、合成力幅值变化量、人体姿态角变化量、姿态载荷响应幅度比、投影匹配度以及力方向角一致性偏差，构建得到所述载荷姿态耦合特征向量。

17、进一步的，所述预设风险识别模型以基于若干历史作业场景下的历史人体姿态数据和历史挂钩受力数据构建得到的历史载荷姿态耦合特征向量为输入，以安全带状态识别结果为输出，进行训练得到，包括：

18、为每一历史载荷姿态耦合特征向量添加真实标签；其中，所述真实标签用于表征所述历史载荷姿态耦合特征向量所对应的真实安全带状态；

19、将带有真实标签的历史载荷姿态耦合特征向量传输至云端平台，以使云端平台根据带有真实标签的历史载荷姿态耦合特征向量、预设节点分裂最小样本数、预设最大深度以及预设决策树数量，进行决策树构建，得到若干构建完成的决策树；基于所有构建完成的决策树，生成所述预设风险识别模型，将所述预设风险识别模型进行存储后传输至边缘计算网关。

20、进一步的，在进行挂钩虚挂预警之后，还包括：

21、获取在预警时刻之前的预设时长内的第一人体姿态数据、第一挂钩受力数据，以及第一时间戳；

22、获取在预警时刻之后的预设时长内的第二人体姿态数据、第二挂钩受力数据以及第二时间戳；

23、根据当前时段的人体姿态数据、当前时段的挂钩受力数据、第一人体姿态数据、第一挂钩受力数据、第二人体姿态数据和第二挂钩受力数据，计算生成合成力变化曲线、力的方向角变化曲线以及人体姿态角变化曲线；

24、将所述第一时间戳、第二时间戳、合成力变化曲线、力的方向角变化曲线以及人体姿态角变化曲线传输至所述云端平台，以使所述云端平台基于所述第一时间戳、第二时间戳、合成力变化曲线、力的方向角变化曲线以及人体姿态角变化曲线，对当前存储的预设风险识别模型进行增量优化，并将优化后的预设风险识别模型反馈至边缘计算网关；

25、根据优化后的预设风险识别模型对内置的当前的预设风险识别模型进行更新。

26、进一步的，还包括：

27、根据所述挂钩受力数据，计算得到用于表征主挂钩与副挂钩所承受载荷的差异程度的双绳受力均衡度指标；

28、基于人体姿态数据，计算得到当前时段的合成加速度方差；

29、在所述合成加速度方差大于预设移动阈值，且所述双绳受力均衡度指标超过预设均衡阈值的情况下，进行双绳受力不均预警。

30、在上述方法项实施例的基础上，本发明对应提供了一种高空作业安全带状态识别系统，包括：

31、穿戴终端、挂钩终端以及边缘计算网关；

32、所述穿戴终端和挂钩终端分别与所述边缘计算网关通信连接；

33、所述穿戴终端，用于采集高空作业人员当前时段的人体姿态数据，并传输至所述边缘计算网关；

34、所述挂钩终端，用于采集高空作业人员当前时段的挂钩受力数据，并传输至所述边缘计算网关；

35、所述边缘计算网关，用于获取高空作业人员当前时段的人体姿态数据和挂钩受力数据；基于所述人体姿态数据和挂钩受力数据，构建得到载荷姿态耦合特征向量；将所述载荷姿态耦合特征向量输入至内置的预设风险识别模型，识别得到所述高空作业人员的安全带状态是否处于虚挂状态；其中，所述预设风险识别模型以基于若干历史作业场景下的历史人体姿态数据和历史挂钩受力数据构建得到的历史载荷姿态耦合特征向量为输入，以安全带状态识别结果为输出，进行训练得到；在识别得到所述安全带状态处于虚挂状态的情况下，进行挂钩虚挂预警。

36、进一步的，所述基于所述人体姿态数据和挂钩受力数据，构建得到载荷姿态耦合特征向量，包括：

37、根据所述挂钩受力数据，计算得到当前时段内每一时刻的合成力幅值、每一时刻的合成力幅值变化率、每一时刻的挂钩受力方向、每一时刻的挂钩受力方向角、每一时刻的挂钩受力方向角变化率、当前时段的合成力均值、当前时段的合成力方差和当前时段的合成力峰值；

38、根据所述人体姿态数据，计算得到当前时段内每一时刻的人体姿态角变化率、每一时刻的人体姿态角和每一时刻的人体重力方向；

39、基于所述人体姿态角变化率，确定所述人体姿态角变化率超过第一预设变化率阈值的第一时刻；

40、基于所述合成力幅值变化率，确定所述合成力幅值变化率超过预设第二变化率阈值的第二时刻；

41、根据所述第一时刻和所述第二时刻，计算得到姿态载荷响应延迟时间；

42、基于所述合成力幅值和人体姿态角，计算得到合成力幅值变化量和人体姿态角变化量；

43、根据合成力幅值变化量和人体姿态角变化量，计算得到姿态载荷响应幅度比；

44、根据挂钩受力方向和人体重力方向，计算得到力方向角一致性偏差和投影匹配度；

45、基于所述合成力均值、合成力方差、合成力峰值、合成力幅值变化率、挂钩受力方向角变化率、人体姿态角、姿态载荷响应延迟时间、合成力幅值变化量、人体姿态角变化量、姿态载荷响应幅度比、投影匹配度以及力方向角一致性偏差，构建得到所述载荷姿态耦合特征向量。

46、进一步的，还包括：云端平台；

47、所述边缘计算网关，用于基于若干历史作业场景下的历史人体姿态数据和历史挂钩受力数据，构建得到历史载荷姿态耦合特征向量；为每一历史载荷姿态耦合特征向量添加真实标签；其中，所述真实标签用于表征所述历史载荷姿态耦合特征向量所对应的真实安全带状态；将带有真实标签的历史载荷姿态耦合特征向量传输至云端平台；

48、所述云端平台根据带有真实标签的历史载荷姿态耦合特征向量、预设节点分裂最小样本数、预设最大深度以及预设决策树数量，进行决策树构建，得到若干构建完成的决策树；基于所有构建完成的决策树，生成所述预设风险识别模型，将所述预设风险识别模型进行存储后传输至边缘计算网关。

49、进一步的，所述边缘计算网关，还用于：

50、在进行挂钩虚挂预警之后，获取在预警时刻之前的预设时长内的第一人体姿态数据、第一挂钩受力数据，以及第一时间戳；

51、获取在预警时刻之后的预设时长内的第二人体姿态数据、第二挂钩受力数据以及第二时间戳；

52、根据当前时段的人体姿态数据、当前时段的挂钩受力数据、第一人体姿态数据、第一挂钩受力数据、第二人体姿态数据和第二挂钩受力数据，计算生成合成力变化曲线、力的方向角变化曲线以及人体姿态角变化曲线；

53、将所述第一时间戳、第二时间戳、合成力变化曲线、力的方向角变化曲线以及人体姿态角变化曲线传输至所述云端平台；

54、所述云端平台，用于基于所述第一时间戳、第二时间戳、合成力变化曲线、力的方向角变化曲线以及人体姿态角变化曲线，对当前的预设风险识别模型进行增量优化，并将优化后的预设风险识别模型反馈至边缘计算网关；

55、所述边缘计算网关，还用于根据优化后的预设风险识别模型对内置的当前的预设风险识别模型进行更新。

56、进一步的，所述边缘计算网关，还用于：

57、根据所述挂钩受力数据，计算得到用于表征主挂钩与副挂钩所承受载荷的差异程度的双绳受力均衡度指标；

58、基于人体姿态数据，计算得到当前时段的合成加速度方差；

59、在所述合成加速度方差大于预设移动阈值，且所述双绳受力均衡度指标超过预设均衡阈值的情况下，进行双绳受力不均预警。

60、本发明的实施例，具有如下有益效果：

61、本发明提供了一种高空作业安全带状态识别方法、装置、终端设备及存储介质，上述方法包括：获取高空作业人员当前时段的人体姿态数据和挂钩受力数据；其中，所述人体姿态数据由穿戴终端采集并传输至边缘计算网关，所述挂钩受力数据由挂钩终端采集并传输至边缘计算网关；基于所述人体姿态数据和挂钩受力数据，构建得到载荷姿态耦合特征向量；将所述载荷姿态耦合特征向量输入至内置的预设风险识别模型，识别得到所述高空作业人员的安全带状态是否处于虚挂状态；其中，所述预设风险识别模型以基于若干历史作业场景下的历史人体姿态数据和历史挂钩受力数据构建得到的历史载荷姿态耦合特征向量为输入，以安全带状态识别结果为输出，进行训练得到；在识别得到所述安全带状态处于虚挂状态的情况下，进行挂钩虚挂预警。因此在本发明中，通过将基于人体姿态数据和挂钩受力数据构建的载荷姿态耦合特征向量输入至预设风险识别模型，识别出了高空作业人员的安全带状态是否处于虚挂状态，并在判定为虚挂状态时进行预警，解决了现有技术中无法进行虚挂状态检测的问题。