用于监测攀岩墙的防护措施的方法和用于该方法的系统与流程
本发明目的是用于监测攀岩墙的防护措施的方法,适用于为攀岩墙的所有用户确保足够的安全水平。
背景技术:
1、在现有技术中,从kr1020220056967a已知用于评估在人工墙上练习攀岩的人的进展的系统和方法,其基于深度感测相机和利用图像处理的图像评估。该系统目的是精确跟踪存在于攀岩墙上的攀岩者身体的位置和布置,来自至少两个投影仪的图像正被投影到攀岩墙上。由系统实现的主要目标是通过以下方式来确保练习效率并为用户提供娱乐:通过呈游戏形式的在带有攀岩支点的墙上显示图像来显示攀岩路线的屏幕攀岩系统,或通过例如以通过触摸或保持特定位置的支点来累积的得分的形式引入附加的竞赛形式。该系统使用投影仪、深度感测相机和参考相机,其中由投影仪投影的图像可以重叠。特别地,参考相机用于:对准并校正位于来自投影仪的相邻图像重叠的部分中的支点,以及跟踪攀岩者身体在攀岩墙的该部分中的位置和布置。该方法使用位置测量和校正的原理,其由投影仪与深度感测相机之间尺寸上和距离上的差产生。计算使用支点的实际位置、由深度感测相机拍摄的点云、以及重投影纹理图像的位置之间的差的计算。测量数据可以被用于任何停止坐标,也可以使用从投影图像中心任意采集的点云的数据。特定位置(例如待附接到支点中心或墙的螺栓的位置)可以经由图像处理(包括在图像二值化之后的轮廓提取)从来自深度感测相机获取的图像中提取,或者可以使用与支点的颜色不同的任何颜色提取和识别。系统和方法实现真实空间与三维区域之间的精确映射,还确保在识别用户和支点时的高准确度。
2、kr20220056967a公开了在分析攀岩墙上的相机图像时机器学习的应用。图像分析用于提供关于攀岩路线的信息。首先,拍摄人工攀岩墙的照片,使得攀岩墙的所有支点在照片上可见。以此方式收集的照片使用机器学习就存在于攀岩墙上的支点的类型、尺寸和位置进行分析。支点还基于来自用户的关于现有攀岩路线和与其相关联的难度的信息进行分析。收集到的关于攀岩路线的信息可以被分类和分配难度等级,从初学者,到中级,直到高级水平。以此方式收集的数据也可以与特定攀岩中心相关联。在下一步骤中,拍摄在攀爬期间攀岩墙的照片。这些照片也使用机器学习分析。在此分析期间,识别骨架向量,意指攀岩者的手臂、肘部、肩部、膝部和脚的坐标。收集到的关于攀岩者的数据用于评估他们的进展。另一方面,如果在攀岩路线上攀爬时出现困难,攀岩者可以向系统发送适当询问。基于攀岩者的照片和攀岩墙的较早照片,系统借助投影仪显示与接收到的关于人工攀岩墙上的问题的信息相对应的图像。特别地,投影仪可以显示对攀岩路线上存在的问题的编程解决方案,用圆圈标记连续攀岩支点,并显示连接支点的路径。
3、ep4217982a1公开了在攀岩墙上使用的安全系统。安全系统意指监测和检测危险情况,例如超过预定高度而没有安全带。在该系统中,分析基于来自热成像摄像机的图像,以及基于连接到服务器的射频识别技术(rfid)中的读取器和标签的使用。系统监测攀岩墙的需要使用防护措施的区域。监测包括两个步骤。第一步骤是检测指定区域中的人。这由热成像摄像机执行,允许基于温度检测用户进入监测区域。在第二步骤中,检查存在于指定区域中的人是否具有设置有适当标识符的防护装置。因此,攀岩墙使用设置有呈rfid标签形式的标识符的安全装置和这些无线电信号的接收器。例如,被监测的安全装置是自动保护系统的锁扣。安全系统还具有用于发信号通知安全状态的基于光的和声学的装置。在系统检测到攀岩者超过预定高度,并且同时无线电信号接收器正在读取来自自动保护系统的锁扣的信号的情况下,这是安全状态,其由绿光发信号通知。另一方面,如果攀岩者超过预定高度,并且安全装置未被识别,那么这是危险状态,其用红光和声学警告警报发信号通知。警告信号也可以由服务器传输到攀岩墙人员的通信装置,通知他们攀岩者正在危险条件下攀爬。攀岩墙人员可以立即对危险情况作出反应。系统还允许同时监测设置有自动保护系统的众多各种攀岩路线。在这种情况下,每个自动保护系统关联唯一rfid标签。无线电信号接收单元随后被调整以检测任意数量的各种rfid标签,或者它可以确定是否已经检测到与特定攀岩路线不相关联的标签。攀岩墙人员随后可以监测多个点或攀岩路线,另外,人员不必亲自出现在这些地方。
技术实现思路
1、本发明目的是提高人工攀岩墙上的安全性,并确保所有攀岩墙用户的高安全水平,无论他们的训练水平和进阶程度如何,并消除附加的标记攀岩装备的必要性。
2、本发明涉及用于监测攀岩墙的防护措施的方法,其中由至少一个相机监测带有保护位置的攀岩墙,并且将来自该相机的图像传输到与数据库连接的处理和控制单元,随后至少用图像处理算法分析来自相机的图像,并且根据分析的结果,生成消息,该消息选自基于光的、声学的或数字的消息。本发明的实质在于,
3、— 将攀岩墙上的正确和不正确的安全模式存储在数据库中,
4、— 并且处理和控制单元被配置为处理来自相机的图像并通过对模式进行识别和提取以及将它们与数据库中收集的模式进行比较,来评估攀岩墙的用户的安全性。
5、在本说明书中,保护位置应理解为攀岩墙下方的区域,保护攀岩者的人员正站在该区域。
6、关键优势是将安全评估基于图像分析。这允许消除监测安全所需的附加装备,并获得高度可信的关于攀岩墙上安全情况的图像。可以为攀岩墙的所有用户提供安全,无论他们的进阶程度如何。使用相机和图像分析监测安全使得可以从图像提取需要监测的装备的特定元素和行为,这些特定元素和行为构成对攀岩者本人和存在于攀岩墙上的其他人的危险。与专用于攀岩墙的已知解决方案相比,本发明允许非常容易地识别带来最高危险的基本情况,例如缺少安全带,或用衣服覆盖安全带。这通过在数字图像中识别和提取影响攀爬攀岩墙的人的安全的物品及其属性来实现。物品、它们的属性或攀岩墙上的特定行为作为安全模式保存在数据库中:正确和不正确的模式。特别地,图像处理算法可以区分攀岩绳、攀岩绳上的结、安全带及其部件以及锁扣和其他攀岩装备。这还允许防止可能由常规性导致的简单人为错误。所述从数字图像识别和提取允许监测所系和所使用的结的正确性,例如保护结,以及由保护人员持有的绳最末端处的结的系结。还可以检查攀爬期间绳的布置,从而防止由攀爬期间本身失误导致的事故,如绳的不正确重新定位,导致绳延伸到攀岩者小腿后面,这可能导致从墙坠落之后倒置坠落,或防止由保护期间失误导致的事故,例如将双手保持在保护装置上方。
7、优选地,处理和控制单元使用深度机器学习,优选地人工神经网络利用至少选择自以下方法中的一种方法被教导:
8、—基于专家的,其涉及记录的图像的标记和分类,包括来自攀岩墙上攀爬的图像和视频;基于专家的方法的优势包括:
9、o 精度和效率的改进,来自专家的手动标记,确保数据的高质量,这是神经网络成功学习的关键,而精确和详细的标记允许网络更好地理解和解释数据,
10、o利用该领域中的专业知识;专家可以在其领域中提供详细标记,例如关于在保护中使用的不太流行的结和技术的正确性,或关于鲜为人知的保护装置,
11、o噪声和错误的减少,因为专家的精确标记显著减少数据中的噪声和错误数量,这对模型的总体效率重要,
12、o对细微模式的更好识别,因为专家可以识别图像中的细微特征和模式,这些可能被自动标记方法忽略;
13、o对小量数据学习的支持,因为在有限量数据可用的情况中,专家的精确标记可以显著增加学习效率,使得甚至用较小数据集也能有效训练模型,
14、o数据的多样化和质量,因为基于专家的方法允许创建具有高标记质量的多样化数据集,由于这一点,模型可以提供更好的泛化并在各种场景中应对,
15、o由于精确标记可以加速神经网络的学习过程,模型可以更快地理解数据中的依赖关系,因此学习中更快的收敛,
16、o模型的更好的可解释性和可诊断性;由于精确标记,更容易理解为什么模型做出某些决定。
17、— 自动的,其涉及通过图像以及由模拟系统生成的教学模式的描述来教导模型,在攀岩墙上创建各种攀岩和保护场景,包括考虑相机各种视角的那些场景;自动方法的优势包括:
18、o 数据的可扩展性和可用性,因为自动方法可以生成大量教学数据,这在训练深度神经网络中至关重要,而模拟系统可以创建无限数量的场景和图像,
19、o 对特定要求的调整,因为模拟系统可以被编程以生成精确适合模型特定需求和要求的数据,使得教学数据能够根据该任务的特定情况调整,
20、o 数据的多样化和复杂性,因为模拟系统可以创建复杂和多样化的场景(这些场景在现实中可能不经常发生),帮助模型更好地应对各种不可预测情况,例如攀岩墙上的假设安全威胁的情况,由于安全本身而无法在真实条件下重现,
21、o 学习过程的加速,因为数据生成过程的自动化可以显著加速学习过程,因为它不需要耗时的数据人工标记,
22、o 人为错误的减少,因为数据的自动生成降低在人工标记期间可能发生的人为错误的风险,
23、o 模型的测试和验证,由于模拟使得能够在受控但多样化的条件下执行密集测试和验证模型,这在评估模型的效率和可靠性中至关重要,
24、o 快速迭代和优化,因为快速生成各种数据的能力允许频繁迭代和优化模型,这加速神经网络的开发和效率改进,
25、o 成本降低,因为数据的自动生成比收集和标记真实数据更便宜,特别是在训练高级模型所需的规模上。
26、—半自动的,其涉及动作捕捉方法或对来自其他相机的图像的重投影方法。半自动的方法的优势包括:
27、o通过使用动作捕捉获得的现实数据,确保数据高度真实,这对于反映攀岩者和保护人的动作特别有用,
28、o细节的丰富,从而允许获取细节丰富的数据,这些数据可以包括动作和交互的细微方面,而当使用传统自动数据生成方法时无法获得,
29、o改进的精度,因为来自各相机的图像的重投影可以显著改善数据精度和透视,这在精确识别和分析攀岩墙上的情况中至关重要,
30、o与完整模拟相比减少成本和时间,因为半自动方法与完整模拟相比更便宜且实施更快,同时对数据的控制比完全自动方法更多,
31、o用人的视角补充数据;动作捕捉允许在数据生成过程中包含人的视角和直觉,这对于建模攀岩者和保护人之间的交互可能特别有用,
32、o在各种条件下更好的泛化,因为使用来自各种相机和视角的数据允许更好地训练模型,使它们可以在各种环境和照明条件中应对,
33、o直接来自真实世界的高质量数据,因为以此方式获取的数据是现实的直接反映,这确保它们在学习过程中的高质量和有用性。
34、由于这一点,基于真实情况和在自动和半自动方法中模拟的情况,可以拓宽识别和提取影响攀爬攀岩墙的人的安全的物品及其属性的可能性。为此目的使用基本无人类参与工作的图像处理算法允许确保在相机监视下的攀岩墙的所有用户的安全。特别地,基于专家的方法为每个负责安全的重要分析元素记录和分类超过几百个图像,特别是呈在通过攀岩墙时记录的视频的形式。这使得能够基于可替代地或补充地使用的学习模型对人工神经网络进行确保安全的教导。
35、特别有利的是,处理和控制单元识别和提取选自包括以下项的组的至少一个物品:带有中央连接器的攀岩安全带、保护装置、保护点、顶部保护站、以及自动保护带锁扣。与这些物品相关联的安全模式的分析确保安全的基本控制,无论所练习的攀岩类型如何。每个打算攀爬到超过3米高度的攀岩者必须穿戴保护安全带。显然,保护装置的不正确使用或与绳不正确紧固构成对攀岩者的非常高的风险。监测与保护装置相关联的动作的正确性显著限制攀岩墙上的事故风险。在底部保护的情况中,遗漏将绳紧固到保护点中会导致从攀岩墙坠落时发生长距离坠落的风险,这显著增加受伤或创伤的风险。对这些点的监测增加了安全性,而快速检测这些事件和同样快速地提供关于它们的信息,例如通过声学或视觉警告,则允许立即纠正错误和不期望的行为。这些物品的识别和提取还允许检测它们的过度磨损的症状,特别是诸如不当闭合的锁扣或攀岩安全带和带的磨损。
36、同样适当的是,数据库收集并存储以下正确模式:用于系绳的保护结、将绳系入安全带的上下连接物、将绳紧固到保护装置中、握住保护装置、将绳紧固到连续保护点中、将绳系入顶部保护站,并且处理和控制单元被调整以从来自相机的数字图像中识别和提取这些模式。这允许监测与安全相关的关键方面。例如,可以提取和识别保护结的正确模式,同时检查是否使用了正确系结的结,例如8字环,以及这样的结是否如它应该的那样到达安全带连接器,以及绳的末端是否具有适当的最小长度。还可以监测绳是否已被系入安全带的上下连接物,而不是仅系入它们中的一个,或者攀岩者是否没有遗漏他们应该将绳紧固到的保护点。所有这些模式都可以在来自监测攀岩墙的相机的图像中被识别,这显著提高了安全性,因为这些基本模式应始终由攀岩伙伴监测。
37、以下情况同样是适当的:
38、— 从来自攀岩墙上和保护位置处的相机所获取的数字图像中,提取并识别将绳系入攀岩安全带或将绳紧固到保护装置中的正确性;
39、—从相机所获取的数字图像中提取并识别攀岩者的身形,同时,随着攀岩者沿攀岩墙高度前进,从相机在攀岩墙的整个高度上获取的数字图像中提取并识别将绳紧固到连续保护点中的正确性;
40、—从相机所获取的数字图像中提取并识别保护人的身形,并连续提取和识别握住保护装置的正确性。
41、由于这样的动作,攀岩墙上的安全监测可以考虑附加方面,如时间、地点和情况。其结果是,例如,在攀爬开始之前就能够监测将绳系入攀岩安全带或将绳紧固到保护装置中的正确性,并能够防止防护措施存在不规范的人员进行攀爬,而在攀爬期间,则能够监测攀岩者紧固到连续保护点中的情况。此外,可以始终监测保护人的行为。
42、优选地,如果检测到不正确安全模式,处理和控制单元保存检测该不正确安全模式的地点、时间和背景。来自检测到的不正确安全模式的图像的收集连同它们的情况允许更好地理解危险事件,并允许引入进一步改进,限制在人工墙上练习攀岩时的风险。图像识别算法可以被应用于收集的图像,例如检查外部因素是否促成了危险事件,比如保护人被电话或其他移动装置分心。在这样的情况中,图像识别算法可以容易地检查收集的数据以搜索特定物品,在此特定情况下为电话。
43、同样优选地,处理和控制单元将攀岩墙和用户的图像传输到远程服务器,其中在远程服务器上附加地分析模式,并且特别是提取和识别攀岩墙用户的身形以及影响攀爬攀岩墙的人的安全的物品及其属性。正确和不正确的安全模式在远程服务器上收集,并用于持续改进数据库的模式。由于这样的操作模式,可以从众多不同的攀岩墙全局地收集和分析数据。这显著增加可用数据的集合,机器学习算法可以用其工作。随时间推移,这可以显著简化操作和自动系统对危险情况的响应。这也导致可以基于全局收集的数据更新各个攀岩墙的本地数据库。被评估为安全和危险的物品、情况或行为的模式可以在远程服务器上生成。
44、同样适当的是处理和控制单元实时将攀岩墙和用户的图像传输到远程服务器,并且远程服务器被补充地配置为处理来自相机的图像并评估攀爬攀岩墙的人的安全。作为具有更高计算能力的单元,远程服务器可以更快地分析实时传输的图像。然而,由远程服务器确保的更快计算需要恒定的互联网连接和数据传输。当分析特定攀岩墙的图像时,处理和控制单元保证其安全,无论互联网连接的状态以及到远程服务器的连接如何。因此,通过处理和控制单元的基本操作,这样的配置使得能够持续评估攀岩墙用户的安全,并具有借助远程服务器加速图像分析的能力。
45、优选的是,在安全识别期间,从数字图像中提取并识别保护人的身形,以及表示存在于攀岩墙底部的保护位置中的保护人疲劳或缺乏专注的特征。这允许快速识别逐渐疲劳,逐渐疲劳可能特别危险,因为通常伴随注意力问题。这直接导致正确保护出现问题,而正确的保护应跟随攀岩者的动作。保护人对快速响应缺乏准备可能具有灾难性影响。这一点尤其如此,因为除了持续观察攀岩者之外,保护人还必须注意适当稳定的位置、对绳的抓握和保护装置的操作。检测到保护人逐渐加重的疲劳,应致使在攀岩墙上发出适当信号,并使攀岩团队休息。
46、同样适当的是,如果检测到不正确安全模式,则处理和控制单元向攀岩墙人员的移动装置传输数字信息。这通过攀岩墙上的附加防护水平来实现。攀岩墙人员可以通过显示在几乎任何移动装置上的消息得到通知,例如电话和智能手表,或者通过专用于攀岩墙的装置得到通知,遵循相同的原理。
47、同样优选的是,处理和控制单元控制分配给攀岩路线的照明和声源,并且如果:
48、— 检测到不正确安全模式,处理和控制单元至少将照明切换为红色并生成声学警告,
49、— 检测到正确安全模式,处理和控制单元至少将照明切换为绿色,或切换为不同于红色的另一预定颜色。
50、这允许实现与攀岩墙用户的非常简单和清晰的通信。特别地,使用尤其在道路交通中遇到的信号颜色为用户实现清晰的信号。
51、适当的是,人工神经网络:
52、—首先被教导识别:保护位置、保护人、攀岩者、保护人的安全带、攀岩者的安全带、绳、保护人的装置、保护人的安全带的中央连接器、攀岩者的安全带的用于系绳的环、攀岩者的安全带的用于紧固自动保护带锁扣的中央连接器、沿攀岩路线的保护点连同快挂和/或锁扣,
53、—并且随后它们被教导安全模式以及用于保障攀岩墙上攀爬的物品之间的相互依赖关系。
54、神经网络的这样的学习系统具有以下优势:
55、—从基础逐步学习;从识别特定元素开始,神经网络逐渐学习分别理解和识别每个组件,这是理解更复杂模式和关系的基础,
56、—复杂分析的坚实基础;理解各个元素对于分析复杂安全模式是必要的,因为在没有关于各个组件的精确知识的情况下,将难以识别它们的正确或不正确使用,
57、—在识别元素方面高精度,因为各个元素的精确识别增加系统的总体精度,这在攀岩墙安全的背景下至关重要,
58、—更好地理解相互依赖关系,其中,已经学会识别特定元素之后,网络可以更好地理解这些元素如何彼此协作,这在评估整个保护系统的安全中至关重要,
59、—通过早期识别不正确之处避免错误,因为在特定组件中早期识别不正确之处可以帮助在更复杂的条件、情况和攀岩墙事件场景下避免错误,
60、—促进实时监测和安全评估,并且以此方式训练的人工神经网络可以用于实时监测和安全评估,快速识别潜在威胁或装备的不正确使用,
61、—与其他安全系统集成的能力;在此特定领域训练网络之后,它可以与攀岩墙上的其他安全系统集成,从而创建更全面和高效的解决方案。
62、本发明还涉及被配置为执行根据所述特征的用于攀岩墙的防护措施监测方法的系统。它是被调整以实施该方法的系统。
63、优选地,该系统具有:带有hd质量的最低记录标准的至少一个相机,构成处理和控制单元的一部分的处理器,构成数据库的硬盘驱动器,以及包括光源、扬声器和显示器的一组警告装置。这样的装置提供使用根据本发明的方法的可能性,另外,这组装置在购买和服务期间不产生额外成本。
64、有利的是该系统具有用于数字信号的通信和传输的手段,特别是用于与其他装置、特别是移动装置无线通信的手段。由于这一点,这些装置可以构成更大系统的一部分并与其他装置通信。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com