(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 202210241397.8 (22)申请日 2022.03.11 (71)申请人 平安国际智慧城市科技股份有限公 司 地址 518000 广东省深圳市前海深港合作 区妈湾兴海 大道3048号前海自贸大厦 1-34层 (72)发明人 袁承志　 (74)专利代理 机构 深圳国新 南方知识产权代理 有限公司 4 4374 专利代理师 周纯 (51)Int.Cl. G06V 20/52(2022.01) G06V 40/20(2022.01) G06V 10/26(2022.01)G06V 10/40(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种危废储存仓储预警方法、 装置、 电子设 备及存储介质 (57)摘要 本发明提供了一种危废储存仓储预警方法、 装置、 电子设备及计算机存储介质。 本发明提供 的危废储存仓储预警方法， 包括如下步骤： 获取 危废储存仓储的设备状态 图像数据及人员 行为 图像数据； 将所述设备状态图像数据输入至所述 基于设备状态的图像识别模型中， 获得设备状 态； 将所述人员行为图像数据输入至所述基于人 员行为的图像识别模型， 获得人员行为状态； 若 所述设备状态以及所述人员 行为状态至少一个 为非正常状态， 则进行预警。 本发明的危废储存 仓储预警方法， 实现了对危废储存仓储内的设备 状态及人员行为状态的预警， 以便规范危废储存 仓储中危废的处 理过程。 权利要求书2页 说明书11页 附图2页 CN 114639069 A 2022.06.17 CN 114639069 A 1.一种危废储 存仓储预警方法， 其特 征在于， 包括如下步骤： 获取危废储 存仓储的设备状态图像数据及人员行为图像数据； 将所述设备状态图像数据输入至所述基于设备状态的图像识别模型中， 获得设备状 态， 其中， 所述基于设备状态的图像识别模型的构建过程为， 获取设备状态的样本图像， 将 所述设备状态的样本图像输入至构建后的神经网络模型中， 对该神经网络模型的参数进 行 更新， 得到所述基于设备状态的图像识别模型； 将所述人员行为图像数据输入至所述基于人员行为的图像识别模型， 获得人员行为状 态， 其中， 所述基于人员行为的图像识别模型的构建过程为， 获取人员行为的图像数据集， 将所述人员行为的图像数据集输入至构建后的神经网络模型中， 对该神经网络模型进 行训 练， 得到所述基于设备状态的图像识别模型； 若所述设备状态以及所述人员行为状态至少一个为非正常状态， 则进行 预警。 2.根据权利要求1所述的危废储存仓储预警方法， 其特征在于， 所述获取设备状态的样 本图像， 包括： 根据所述设备状态图像数据构建注意行为图谱， 根据所述注意行为图谱构建注意行为 图像特征库， 从所述图像特征库中获取样本图像， 利用所述样本图像构建所述基于设备状 态的图像识别模型。 3.根据权利要求1所述的危废储存仓储预警方法， 其特征在于， 所述神经网络模型的构 建步骤， 包括： 获取卷积层中卷积核的大小以及最大池化层中滤波核的大小， 根据所述卷积核的大小 及所述滤波 核的大小， 构建神经网络模型。 4.根据权利要求1所述的危废储存仓储预警方法， 其特征在于， 所述对该神经网络模型 的参数进行 更新， 得到所述基于设备状态的图像识别模型， 包括： 通过对所述神经网络模型进行梯度反向传播， 对所述神经网络模型的参数进行 更新； 当所述神经网络模型的误差在预设范围内时， 得到所述基于设备状态的图像识别模 型。 5.根据权利要求4所述的危废储存仓储预警方法， 其特征在于， 所述梯度反 向传播的第 l层梯度表达式为 yl＝wlxl+bl xl＝f(yl‑1) Δyl＝f'(yl)Δxl+1 其中， 所述wl为第l层梯度的滤波权值参数， xl为第l层的样本图像， bl是第l层梯度的偏 置， yl是第l层梯度输出 特征图像， f( ·)是激活函数， f'是f的梯度。 6.根据权利要求4所述的危废储存仓储预警方法， 其特征在于， 对所述神经网络模型的 参数进行更新还包括， 根据参数更新 公式对所述第l层梯度的滤波权值参数及第l层梯度的 偏置进行 更新， 所述 参数更新公式为 权　利　要　求　书 1/2 页 2 CN 114639069 A 2其中， i为迭代次数， μ为动量变量， α 为动量因子， η为学习率， 为权重延时， ω为激活函 数的权值偏重， 为第l层梯度在第i+1次迭代下的动量变量， 为第l层梯度在第i次迭 代下激活函数的权值偏重， Di为第i次迭代下的样本图像， 是第l层梯度在第i次迭代下的 偏置， 为样本图像的单一梯度， L 为目标函数。 7.根据权利要求1所述的危废储存仓储预警方法， 其特征在于， 将所述人员行为图像数 据输入至所述基于人员行为的图像识别模型， 获得 人员行为状态， 包括： 将所述人员行为图像数据输入至所述基于人员行为的图像识别模型， 对所述人员行为 图像数据进行图像分割以及特征提取， 得到图像特征， 通过度量所述图像特征与所述待识 别的人员行为图像数据之间的距离获取 特征向量， 根据所述特 征向量获取 人员行为状态。 8.一种危废储存仓储预警装置， 其特征在于， 包括数据获取模块、 第一图像识别模块、 第二图像识别模块及预警模块； 所述数据获取模块， 用于获取危废储存仓储的设备状态图像数据及人员行为图像数 据； 所述第一图像识别模块， 用于将所述设备状态图像数据输入至所述基于设备状态的图 像识别模型中， 获得设备状态， 其中， 所述基于设备状态的图像识别模型的构建过程为， 获 取设备状态的样本图像， 将所述设备状态的样本图像输入至构建后的神经网络模型中， 对 该神经网络模型的参数进行 更新， 得到所述基于设备状态的图像识别模型； 所述第二图像识别模块， 用于将所述人员行为图像数据输入至所述基于人员行为的图 像识别模型， 获得人员行为状态， 其中， 所述基于人员行为的图像识别模型的构建过程为， 获取人员行为的图像数据集， 将所述人员行为的图像数据集输入至构建后的神经网络模型 中， 对该神经网络模型进行训练， 得到所述基于设备状态的图像识别模型； 所述预警模块， 用于在所述设备状态以及所述人员行为状态至少一个为非正常状态 时， 进行预警。 9.一种电子设备， 包括存储器、 处理器， 所述存储器存储有可被所述处理器执行的计算 机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述 的危废储 存仓储预警方法。 10.一种计算机存储介质， 所述计算机存储介质存储有计算机程序， 其特征在于， 所述 计算机程序被处 理器执行时实现如权利要求1至7任一项所述的危废储 存仓储预警方法。权　利　要　求　书 2/2 页 3 CN 114639069 A 3