本发明涉及区域安全监控，具体是一种基于深度学习的健身器械安全视觉识别方法。

　　1、健身房是大量人员聚集的场所，用户和员工在使用和管理健身房设施时可能面临潜在风险，如设备故障等，因此，提高安全意识和采取相应的预防措施对于保障健身房安全至关重要；健身房安全风险预警系统是一种旨在提高健身房用户和员工安全的技术解决方案，这种系统旨在识别和减轻潜在的安全风险，以确保健身房的正常运营和用户的健康与安全；

　　2、如何实现对健身区域内不同的健身器械进行分别监控，从而使得当健身区域存在人员时，能够及时预警可能存在的风险，是我们所需要解决的问题，为此，现提供一种基于深度学习的健身器械安全视觉识别方法。

　　2、本发明的目的可以通过以下技术方案实现：一种基于深度学习的健身器械安全视觉识别方法，包括以下步骤：

　　3、步骤s1：收集各个健身器械的基础参数，并根据健身器械的基础参数对各个健身器械设置对应的器械区域；

　　4、步骤s2：布置视频采集终端，通过视频采集终端对各个器械区域进行图像采集，并对所采集的图像进行处理，获得各个器械区域的待识别图像；

　　5、步骤s3：根据所获得的待识别图像对各个器械区域进行安全识别，判断器械区域内是否存在安全隐患。

　　6、进一步的，收集各个健身器械的基础参数，并根据健身器械的基础参数对各个健身器械设置对应的器械区域的过程包括：

　　8、根据各个健身器械在健身区域内的所在位置，在区域平面图内对应的位置生成对应的器械图标；

　　9、获取每个健身器械的基础参数，其中，所述健身器械的基础参数包括重量、长度、宽度以及高度；

　　12、则根据各个健身器械的占地面积以及器械影响系数，对各个健身器械设置对应的器械区域，并获得器械区域的区域面积；

　　13、将所获得的器械区域映射至区域平面图内对应的器械图标处，根据映射结果，并获得区域平面图内各个器械区域的相对位置关系，所述相对位置关系包括相交关系、包含关系以及相离关系；

　　14、将存在包含关系的器械区域所对应的健身器械进行汇总，long8-龙8(国际)唯一官方网站获得对应的器械集合，并将其中面积最大的器械区域标记为与器械集合相对应的合并区域。

　　15、进一步的，布置视频采集终端，通过视频采集终端对各个器械区域进行图像采集的过程包括：

　　16、在健身区域内布置若干个视频采集终端，每个视频采集终端根据器械区域的所在位置，调整拍摄范围，使得每个视频采集终端的拍摄范围至少覆盖一个器械区域，在对所拍摄的各个器械区域的画面内，对各个器械区域进行框选标记，记为画面数据源；

　　18、根据各个合并区域的关注度，设置拍摄范围覆盖该合并区域的视频采集终端内的画面数据源的图像采样频率f1；

　　19、对相对位置关系为相离关系的器械区域，则设置拍摄范围覆盖对应器械区域的视频采集终端内的画面数据源的图像采样频率为f2；

　　20、对相对位置关系为相交关系的器械区域，则设置拍摄范围覆盖对应器械区域的视频采集终端内的画面数据源的图像采样频率为f3；

　　22、进一步的，对所采集的图像进行处理，获得各个器械区域的待识别图像的过程包括：

　　23、根据各个器械区域所对应的健身器械构建对应的视频数据存储空间，根据各个健身器械的器械区域所对应的画面数据源所在的视频采集终端所获得的图像数据导入至对应的视频数据存储空间内；

　　24、对每个器械区域构建对应的时间轴，并将视频数据存储空间内所获得的图像数据映射至时间轴内；

　　25、对映射至时间轴内的图像数据以图像采样频率f3进行图像采样，根据采样结果获得对应的图像帧，将所获得的图像帧进行栅格化处理，并对栅格化处理后的图像帧进行灰度处理，获得对应的灰度图像；

　　26、根据画面数据源对所获得的灰度图像进行截取，只保留画面数据源所对应的图像部分，记为待识别图像。

　　27、进一步的，根据所获得的待识别图像对各个器械区域进行安全识别的过程包括：

　　28、将所获得的待识别图像输入至训练好的卷积神经网络模型内，通过所述卷积神经网络模型对待识别图像进行特征提取，根据特征提取结果对待识别图像内的健身器械进行识别，并判断器械区域内是否有人员进入；

　　30、若有人员进入，则根据该器械区域的相对位置关系重新设置所对应的画面数据源的图像采样频率；

　　31、根据所识别到的待识别图像内的健身器械的变化，对各个器械区域进行安全识别。long8-龙8(国际)唯一官方网站

　　32、进一步的，根据所识别到的待识别图像内的健身器械的变化，long8-龙8(国际)唯一官方网站对各个器械区域进行安全识别的过程包括：

　　34、对所获得的二值图像进行像素点标记，确定属于健身器械的像素点并汇总，记为器械连通区域；

　　37、根据待识别图像所对应的拍摄时间，将相邻的待识别图像中的器械连通区域的外接矩形区域相同位置的边界端点进行关联，并对比关联的边界端点的位移偏差；

　　41、当qa≥q，且器械区域内有人员进入时，则表示器械区域内存在人员安全隐患，并生成人员安全预警信息，并将人员安全预警信息发送至管理人员终端；

　　42、当qa≥q，且器械区域内无人员进入时，则表示器械区域内存在设备安全隐患，并生成设备维护预警信息，并将设备维护预警信息发送至管理人员终端；

　　45、通过对健身区域内的不同的健身器械划分不同的器械区域，根据所划分的器械区域界定视频采集终端所获得的图像数据的画面数据源，根据所界定的画面数据源对每个器械区域内有人员进入和无人员进入的不同情况下分别进行风险分析，从而使得能够对各个器械区域进行安全识别，并且能够在存在安全风险时，及时发出相应的预警，减少出现危险或安全隐患的发生，大大提高了健身区域的安全程度。

　　1.一种基于深度学习的健身器械安全视觉识别方法，其特征在于，包括以下步骤：

　　2.根据权利要求1所述的一种基于深度学习的健身器械安全视觉识别方法，其特征在于，收集各个健身器械的基础参数，并根据健身器械的基础参数对各个健身器械设置对应的器械区域的过程包括：

　　3.根据权利要求2所述的一种基于深度学习的健身器械安全视觉识别方法，其特征在于，布置视频采集终端，通过视频采集终端对各个器械区域进行图像采集的过程包括：

　　4.根据权利要求3所述的一种基于深度学习的健身器械安全视觉识别方法，其特征在于，对所采集的图像进行处理，获得各个器械区域的待识别图像的过程包括：

　　5.根据权利要求4所述的一种基于深度学习的健身器械安全视觉识别方法，其特征在于，根据所获得的待识别图像对各个器械区域进行安全识别的过程包括：

　　6.根据权利要求5所述的一种基于深度学习的健身器械安全视觉识别方法，其特征在于，根据所识别到的待识别图像内的健身器械的变化，对各个器械区域进行安全识别的过程包括：

　　本发明公开了一种基于深度学习的健身器械安全视觉识别方法，涉及区域安全监控技术领域，收集各个健身器械的基础参数，并根据健身器械的基础参数对各个健身器械设置对应的器械区域；布置视频采集终端，通过视频采集终端对各个器械区域进行图像采集，并对所采集的图像进行处理，获得各个器械区域的待识别图像；根据所获得的待识别图像对各个器械区域进行安全识别，判断器械区域内是否存在安全隐患；通过对健身区域内的不同的健身器械划分不同的器械区域，根据所界定的画面数据源对每个器械区域风险分析，使得能够对各个器械区域进行安全识别，并且能够在存在安全风险时，及时发出相应的预警，减少出现危险或安全隐患的发生。

　　1.计算机视觉 2.无线.计算机仿线.网络安全；物联网安全 、大数据安全 2.安全态势感知、舆情分析和控制 3.区块链及应用