一种基于安全帽的多维定位与安全检测方法及系统与流程

本发明涉及定位与调节，特别是一种基于安全帽的多维定位与安全检测方法及系统。

背景技术：

1、随着工业化进程的加快，工人安全保护技术得到了广泛的发展。传统的安全防护措施通常依赖于个人防护装备（ppe）和现场监督，但这些方法在快速变化的工作环境中显得不够有效。近年来，基于物联网（iot）和大数据分析技术的发展，许多企业开始探索将智能传感器和定位技术集成到安全帽等个人防护装备中，以提升工人的安全防护能力。这些技术的应用使得实时监控工人位置、环境数据以及潜在的安全隐患成为可能，从而为安全管理提供了新的思路。然而，现有的技术在数据整合、实时响应和精确预测等方面仍存在不足。例如，许多现有系统仅能够收集位置信息或环境参数，而缺乏对数据的深度分析和动态预测能力，导致无法及时识别和应对潜在的安全威胁。

2、虽然一些系统能够实时监控工人的位置，但对环境风险的动态评估和预测仍然不足，不能及时提供预警信息。此外，现有技术通常无法结合工人的历史移动数据与实时位置信息，导致在发生突发危险时缺乏有效的应对方案。这些不足不仅降低了安全检测的准确性，还可能延误对潜在危险的反应时间，增加了工人面临的安全风险。

技术实现思路

1、鉴于上述背景存在的问题，提出了本发明。

2、因此，本发明所要解决的问题在于如何结合动态危险度预测与工人历史移动路径分析，实现更为精准和全面的安全监控。

3、为解决上述技术问题，本发明提供如下技术方案：

4、第一方面，本发明实施例提供了一种基于安全帽的多维定位与安全检测方法，其包括，通过安全帽上的定位模块实时采集工人的位置信息，并将采集的数据上传至控制中心；采集各个区域的传感器数据，利用各传感器的实时数据，预测区域危险度的变化趋势；基于工人的历史移动数据、当前位置及工作任务，预测工人在未来时间段内的移动路径；将工人的预测路径与各区域的动态危险度评估相结合，并进行多级预警。

5、作为本发明所述基于安全帽的多维定位与安全检测方法的一种优选方案，其中：所述预测区域危险度的变化趋势包括以下步骤：对处理后的传感器数据进行时间序列特征提取，分析各类危险源的时间变化规律，采用滑动窗口方法，提取特征值，形成各区域的实时特征矩阵；结合传感器的历史数据，对过去的区域危险变化进行统计分析；构建危险度变化趋势预测模型；根据所述危险度变化趋势预测的结果，对区域内的实时危险度评估进行动态调整；基于所述危险度变化趋势预测的结果与区域危险度变化趋势，自动生成预警提示。

6、作为本发明所述基于安全帽的多维定位与安全检测方法的一种优选方案，其中：所述构建危险度变化趋势预测模型包括：基于历史数据和实时特征矩阵，使用lstm模型构建危险度预测模型；所述lstm模型的预测公式为：

7、，

8、其中，为激活函数，通常为sigmoid函数或tanh函数，为lstm单元的隐藏状态，和为模型权重，为预测的危险度变化趋势，和为模型参数，为误差项，为时间步长，为lstm单元的偏置向量；为lstm输出层的偏置向量。

9、作为本发明所述基于安全帽的多维定位与安全检测方法的一种优选方案，其中：根据所述危险度变化趋势预测的结果，对区域内的实时危险度评估进行动态调整包括：根据预测出的未来危险度变化和当前实时危险度，进行动态调整评估：

10、，

11、其中，为调整后的危险度评估结果，是调整权重系数。

12、作为本发明所述基于安全帽的多维定位与安全检测方法的一种优选方案，其中：所述预测工人在未来时间段内的移动路径包括以下步骤：控制中心采集并存储工人的历史移动数据，通过所述历史移动数据，识别工人的常规移动模式和异常行为；通过定位确定工人当前所在的具体位置和所处区域，与历史数据关联，形成工人的当前状态；自动调取工人当前的工作任务和操作指令，根据任务的优先级、紧急程度和工人应到达的工作区域，将任务需求与工人的当前状态相结合，评估任务执行的可能路径。

13、作为本发明所述基于安全帽的多维定位与安全检测方法的一种优选方案，其中：所述将任务需求与工人的当前状态相结合，评估任务执行的可能路径包括以下步骤：工人的任务需求包括，分别为任务目标位置的坐标，任务的优先级和任务的紧急程度；基于工人的当前状态和任务需求评估工人执行任务的可能路径集，对于每条路径定义路径代价函数：

14、，

15、其中，为路径的长度，为工人当前状态与任务目标之间的距离，、、和为代价函数的权重参数，用于平衡路径长度、任务优先级、紧急程度和当前位置到目标的距离的影响；通过路径规划算法，生成一组可能路径集，并根据路径代价函数计算每条路径的代价，选择任务的最优路径公式如下：

16、。

17、作为本发明所述基于安全帽的多维定位与安全检测方法的一种优选方案，其中：所述工人的当前状态包括：；其中，为工人历史移动路径模式，为当前移动速度，为工人当前的具体位置坐标，为工人的身份标识；任务需求包括：；其中，为任务目标位置的坐标，为任务的优先级，为任务的紧急程度。

18、第二方面，本发明实施例提供了基于安全帽的多维定位与安全检测系统，其包括定位模块，通过安装在安全帽上的gps或无线信号定位装置，实时采集工人的位置信息，并将位置信息发送到控制中心；数据采集模块，用于采集各个区域的传感器数据，并将采集的数据上传至控制中心；危险度评估模块，用于根据传感器数据的动态变化，结合历史数据与算法模型，计算各区域的危险度，并预测未来发生的危险级别变化；移动路径预测模块，用于根据工人的历史移动轨迹数据、当前任务优先级、紧急程度及工人当前位置，预测工人未来的移动路径。

19、第三方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述计算机程序指令被处理器执行时实现如本发明第一方面所述的基于安全帽的多维定位与安全检测方法的步骤。

20、第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序指令被处理器执行时实现如本发明第一方面所述的基于安全帽的多维定位与安全检测方法的步骤。

21、本发明有益效果为：本发明综合利用安全帽的定位模块和多维传感器数据，可以实现对工人活动的精确监控和动态安全评估，在提高工人安全、增强现场安全管理、优化应急响应等方面具有显著的有益效果。

1.一种基于安全帽的多维定位与安全检测方法，其特征在于：包括，

2.如权利要求1所述的基于安全帽的多维定位与安全检测方法，其特征在于：所述预测区域危险度的变化趋势包括以下步骤：

3.如权利要求2所述的基于安全帽的多维定位与安全检测方法，其特征在于：所述构建危险度变化趋势预测模型包括：

4.如权利要求3所述的基于安全帽的多维定位与安全检测方法，其特征在于：根据所述危险度变化趋势预测的结果，对区域内的实时危险度评估进行动态调整包括：

5.如权利要求4所述的基于安全帽的多维定位与安全检测方法，其特征在于：所述预测工人在未来时间段内的移动路径包括以下步骤：

6.如权利要求5所述的基于安全帽的多维定位与安全检测方法，其特征在于：所述将任务需求与工人的当前状态相结合，评估任务执行的可能路径包括以下步骤：

7.如权利要求6所述的基于安全帽的多维定位与安全检测方法，其特征在于：所述工人的当前状态包括：

8.一种基于安全帽的多维定位与安全检测系统，基于权利要求1~7任一所述的基于安全帽的多维定位与安全检测方法，其特征在于：还包括，

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1~7任一所述的基于安全帽的多维定位与安全检测方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1~7任一所述的基于安全帽的多维定位与安全检测方法的步骤。