一种船载多机位AI视觉作业安全联动监测方法及系统与流程

摘要: 本发明属于人工智能领域,具体涉及一种船载多机位ai视觉作业安全联动监测方法及系统。背景技术:1、随着船舶行业的快速发展,船舶作业安全监测技术在过去数十年间经历了...
一种船载多机位AI视觉作业安全联动监测方法及系统与流程

本发明属于人工智能领域,具体涉及一种船载多机位ai视觉作业安全联动监测方法及系统。

背景技术:

1、随着船舶行业的快速发展,船舶作业安全监测技术在过去数十年间经历了从人工巡检到视频监控、再到智能化分析的演进历程。当前,船舶安全监测系统广泛采用视频监控技术,通过在船舶关键区域部署摄像头实现对作业现场的实时观察,视频分析技术也逐步应用于人员违规行为识别、火情监测等场景,在一定程度上提升了船舶安全管理的效率。

2、然而,现有船舶安全监测系统在实际应用中面临一个根本性的技术瓶颈:各监测点位的报警信息处于相互割裂的孤立状态。具体而言,船舶甲板、货舱、驾驶台等不同区域安装的摄像头各自独立进行视频分析和事件检测,各系统产生的报警数据无法进行跨点位的时空关联与印证。这种信息孤岛现象导致当同一作业人员在不同监测区域出现连续的违规行为时,系统只能产生多个相互独立的低级别报警,而无法将这些关联事件聚合为反映整体风险态势的复合报警。例如,当人员先进入吊装作业危险区域、随后在甲板边缘出现且未穿戴救生装备时,现有多点位系统只能分别触发两个孤立的报警事件,缺乏将这类具有时间先后和空间关联的风险行为进行综合研判的能力。

3、受限于信息孤岛的影响,现有技术方案难以实现对复合风险行为的准确评估和及时预警,由此造成船舶安全监测系统无法发挥多机位协同监测的优势,在复杂作业环境下的整体可靠性受到显著制约。

技术实现思路

1、本技术实施例在于提供一种船载多机位ai视觉作业安全联动监测方法及系统,旨在克服上述问题或者至少部分地解决上述问题。

2、本技术第一方面提供一种船载多机位ai视觉作业安全联动监测系统,包括:

3、视觉采集模块,其包括多个高清网络摄像机,所述多个高清网络摄像机通过防水防震云台支架分别固定安装在船舶的桅杆、驾驶舱顶部、货舱口四周及甲板关键通道上方,确保各所述高清网络摄像机的视场角相互重叠覆盖整个核心作业区;

4、边缘计算模块,其包括多个ai分析盒子,每个所述ai分析盒子通过网线与至少一个所述高清网络摄像机连接,每个所述ai分析盒子固定安装在邻近的防水电气箱内,各所述ai分析盒子实时运行深度学习模型对对应的高清网络摄像机采集的视频流进行本地分析,识别人员未穿救生衣、闯入吊装禁区、烟火、人员跌倒等基础安全事件,并生成包含事件类型、图像像素坐标、时间戳和置信度的结构化报警数据包;

5、中心服务器模块,其包括一台工业级服务器,安装于船舶集控室内,通过船舶局域网与所有所述边缘计算模块相连,运行多源信息融合与联动分析算法,根据各所述高清网络摄像机的标定参数将来自不同所述高清网络摄像机的报警数据中的图像坐标统一映射到船舶甲板的二维平面地图坐标系中,基于时间窗口和空间距离阈值对不同机位上报的针对同一目标或关联目标的报警事件进行聚类与关联,根据关联后的全局风险等级向预警执行模块发送指令;

6、预警执行模块,其包括声光报警器、广播系统和驾驶员终端显示屏,所述声光报警器分布式安装在作业区各处,所述广播系统扬声器覆盖全船,所述驾驶员终端显示屏安装于驾驶台,所述预警执行模块接收所述中心服务器模块发送的指令后,驱动相应区域的声光报警器闪烁鸣响,通过广播系统播放定向语音警告,并在驾驶员终端显示屏上以突出图标和文字显示风险位置、类型及关联视频画面。

7、优选的,所述高清网络摄像机选用200万像素以上的星光级或黑光级球机,支持h.265编码,具备ip67防护等级。

8、优选的,所述ai分析盒子选用搭载英伟达jetson xavier nx或同等算力边缘计算芯片的工控设备。

9、优选的,所述中心服务器选用配置intel xeon处理器、64gb以上内存、具备多千兆网口的加固型工控服务器。

10、优选的,所述声光报警器选用24v直流供电、声音响度不低于110db的防爆型产品。

11、优选的,所述系统还包括移动视觉采集单元,包括超广角摄像头和uwb定位标签,封装在抗冲击外壳内,安装于船舶的关键移动设备上,通过5g cpe或wi-fi 6回传视频流;所述系统还包括uwb定位基站网络,用于获取移动设备的精确位置信息;所述中心服务器模块将移动视觉采集单元视为动态机位,将其视频流同样送由边缘计算节点进行分析,实现对吊装作业钩头下方、叉车行进路径前端等动态盲区的监测。

12、本技术第二方面提供一种船载多机位ai视觉作业安全联动监测方法,包括以下步骤:

13、s1,在船舶的桅杆、驾驶舱顶部、货舱口四周及甲板关键通道上方安装多个高清网络摄像机,通过防水防震云台支架固定,确保各所述高清网络摄像机的视场角相互重叠覆盖整个核心作业区;

14、s2,将多个ai分析盒子通过网线与至少一个所述高清网络摄像机连接,固定安装在邻近的防水电气箱内;

15、s3,各所述ai分析盒子实时运行深度学习模型对对应的高清网络摄像机采集的视频流进行本地分析,识别基础安全事件,生成包含事件类型、图像像素坐标、时间戳和置信度的结构化报警数据包;

16、s4,将各所述ai分析盒子生成的报警数据包通过船舶局域网上传至安装于船舶集控室内的中心服务器;

17、s5,所述中心服务器根据各所述高清网络摄像机的标定参数将报警数据中的图像坐标统一映射到船舶甲板的二维平面地图坐标系中;

18、s6,所述中心服务器基于时间窗口和空间距离阈值对不同机位上报的针对同一目标或关联目标的报警事件进行聚类与关联;

19、s7,所述中心服务器根据关联后的全局风险等级向预警执行模块发送指令;

20、s8,所述预警执行模块驱动相应区域的声光报警器闪烁鸣响,通过广播系统播放定向语音警告,并在驾驶员终端显示屏上显示风险信息。

21、优选的,步骤s5具体包括:根据各所述高清网络摄像机的内外参数,将报警事件对应的图像像素坐标转换为其在船舶甲板平面地图上的世界坐标,其中内参数包括焦距和主点坐标,外参数包括摄像机的安装位置和朝向角度。

22、优选的,步骤s6具体包括:设定时间窗口宽度为t秒,空间距离阈值为d米,将时间差小于t且空间距离小于d的来自不同机位的报警事件判定为关联事件,同一关联事件序列中的多个报警事件按照时间顺序排列形成行为轨迹。

23、优选的,步骤s7具体包括:根据预设的风险权重表对关联事件序列中的各基础安全事件分配风险权重,将各风险权重累加得到综合风险评分,当综合风险评分大于或等于预设风险阈值时,生成不同级别的联动预警指令。

24、与现有技术相比,本发明的优点和积极效果在于:

25、本发明通过在船舶各关键位置部署多个高清视觉传感器构成覆盖作业全区域的多机位视觉网络,结合边缘计算节点的本地实时分析能力,有效消除了传统单点监测带来的盲区问题,实现了船舶作业全区域的动态覆盖。各边缘计算节点将识别结果实时上传至中心服务器,由中心服务器进行多源信息的时空对齐、数据融合与关联分析,将原本孤立的信息孤岛进行有机整合,通过风险关联规则对复合风险进行综合评估,显著降低了误报率并提升了风险评估的准确性。同时,本发明建立了从风险识别到联动预警的完整响应链路,中心服务器在综合判断全局风险等级后自动触发多通道预警机制,实现了从单点智能到多点联动的跨越,有效解决了现有方案响应滞后的缺陷。此外,本发明可选地采用双光谱摄像机应对夜间或恶劣天气环境,可替换的边缘计算芯片方案和工业无线网桥设计增强了系统的环境适应性和部署灵活性。本发明系统地解决了船舶安全监测中面临的盲区大、信息孤岛、响应滞后和环境适应性不足等技术问题,显著提升了复杂环境下安全监测的准确性、实时性和可靠性。