人的不安全行为

摘要： 文章首先阐述了保障建筑施工现场安全的重要性,其次说明了建筑施工现场中人的不安全行为出现的原因及控制对策,最后分析了建筑施工现场中物的不安全状态出现的原因及控制对策。

摘要： 本文重点介绍绍兴公交近年来,在紧密围绕遏制“人的不安全行为”发生为圆心目标,通过系统化搭建事前风险主动防范构架体系,更深层次推进对驾驶员行车安全工作的全程监督、风险评价、主动预警和提前干预管理,推动绍兴公交更高质量安全发展。

摘要： 一、引言2018—2020年,全国共发生电力人身伤亡事故112起,造成127人死亡,具体见表1。人的不安全行为和物的不安全状态是导致人身伤亡的主要和关键因素。而配电自动化作为数字化电网转型的重要组成部分,随着近年来电网数字化转型不断深化,用户对供电可靠性需求的不断提高以及“生命至上”理念的不断深入,配电自动化在实现人身风险管控所起到的作用愈发凸显。

摘要： 笔者所在单位开展“我的安全我负责,他人安全我有责,单位安全我尽责”主题活动,使“我”为安全的主角,成为安全工作的“报警器”和“消防员”,从而筑牢安全生产的“防火墙”。“我”的安全,关乎个人的生命与成长、家庭的美满与幸福、单位的建设与发展、社会的和谐与稳定。对他人的安全“我”有监督和帮助的责任,对他人的不安全行为“我”有提醒和制止的义务,对单位的安全“我”要尽职尽责、建言献策。“我”的安全观念、安全习惯、安全作风、安全行为等构成单位的安全环境。

摘要： 夏天来了,天气炎热、潮湿是常见的特点,同时伴随着雷电、暴雨等极端天气,给安全生产工作带来极大威胁。由于季度气候原因,加上人的不安全行为和精神状态差等不安全因素,容易引发各种安全事故。在夏季做好安全生产工作,应注意防范以下几种安全风险。

摘要： 通过对目前地铁行车设备设施维修施工管理的难点进行研究,以减少人工介入、全业务流程管理为思路,从管理工具、关联关系及相关业务管理等方面提出解决措施,降低人员在重复工作,减少管理中人的不安全行为,提高施工管理自动化措施,最后以佛山地铁行车设备设施施工管理为例进行说明,并对未来管理趋势进行探讨。

摘要： 为了认真贯彻落实国务院安委会安全生产十五条硬措施和山东省委、省政府安全生产“八抓20条”创新措施,严密防控危险化学品重大安全风险,山东省应急厅针对事故致因中人的不安全行为和管理的缺陷,组织制定了《山东省危险化学品生产经营单位重点生产安全行为负面清单》。其中,各市、县(市、区)应急局要将《负面清单》迅速传达到本辖区内所有危险化学品生产企业、经营(带有储存设施)企业和取得危险化学品安全使用许可证的企业,并传达到其他化工企业、医药生产企业。

摘要： 油库紧急事故时有发生,因为航空油料特性,其事故具有紧迫性、发展性、复杂性等。应对事故,应急管理体现在事前、事发、事中、事后,通过致因理论对事故产生机理进行分析。事故通常是因为管理缺陷,导致人的不安全行为、物的不安全状态,使得油料中的能量意外释放。预防与处置都可从人、物、管理等因素进行思考。参考某航空加油站现状,讨论预案与演练的不足,提出加强安全管理与风险控制、提高演练真实度、严防二次事故以及注意部门协调的建议,完善应急管理,实现日常安全平稳运行与紧急情况下正确应急处置。

摘要： 企业实施安全管理的目的在干减少或遏制各类事故的出现,很多企业也将实现“零事故”“零死亡”作为安全管理的终极目标。那么,是否可以用事故发生频率和严重程度作为衡量安全管理水平的标准?要弄清这个问题,首先我们要明白:一起事故的诱因,往往存在着人的不安全行为、物的不安全状态、管理的缺陷、周围环境的影响等多种风险要素。

摘要： 将计算机视觉技术应用在安全生产事故频发的化工企业中,旨在解决生产过程中遇到的人员不安全行为难题.本文首先筛选出化工行业中涉及的5类典型高风险作业活动为研究范围,并进行聚类分析,辨识出具有代表性的几种人员不安全行为;然后通过现场拍摄和公开数据集获得5000张图像数据集,并进行图像预处理和标注;其次基于训练集利用卷积神经网络对算法模型进行训练,获得改进的算法模型,同时提出了自动识别的工作流程;最后,给出工程实践应用的前景和展望,为下一步化工企业安全生产工作的智能化、数字化、信息化提供建议.

摘要： 分析了导致矿山事故发生的两大因素，即人的不安全行为和物的不安全状态，认为事故的发生是这两种因素共同作用的结果，为防止事故必须同时消除人的不安全行为和物的不安全状态。

摘要： 本发明提供了一种基于机器视觉的实验室人员不安全行为安全检查方法。该方法首先采用人脸识别系统，判定实验室人员身份和是否符合实验室安全准入条件；采用图像传感器采集实验室内人员的视频图像，经图像处理后，提取人体行为特征集，据此判断实验室人员是否在进行不安全操作或存在不安全行为，若是，则在实验室安全检查标准库数据库中搜索对应的不安全行为条款号，并给出该不安全行为的内容描述；生成实验人员违规行为的安全检查表，发送给管理人员，经确认后，生成正式的安全检查报告，并发送给违规人员和相关管理人员，予以警示并责令整改；在规定的整改期限内，对违规人员的不安全行为进行持续督查，直至整改完毕。

摘要： 本发明公开了一种基于改进YOLOv5的皮带运输区域不安全行为检测与报警方法，包括如下步骤：确定皮带运输区域的危险因素；建立皮带运输区域数据集；采用YOLOv5模型，为其增加小目标检测层，替换其骨干网络为ShuffleNetV2，将其特征融合层由PANET修改为BIFPN，并添加注意力机制，得到改进的YOLOv5模型作为检测模型；利用皮带运输区域数据集训练该检测模型；利用训练好的检测模型进行不安全行为检测，并根据检测结果进行报警。本发明旨在对矿山中尤其是皮带运输机区域的人员的不安全行为进行检测，借助相应图片对一些不安全行为进行预警与限制，以达到安全生产的目的，实现更加高效快速实时有效的监督。

摘要： 本发明公开了一种驾驶员不安全行为检测预警系统及方法，系统设置有辅助控制器，辅助控制器的输入端连接有摄像头，输出端连接有油门信号调整模块和应急灯驱动模块，在辅助控制器上还连接有智能终端，智能终端中配置有疲劳检测模块和分心检测模块，辅助控制器将获取的驾驶员驾驶状态图像上传至智能终端进行疲劳检测和分心检测，智能终端将检测的结果传输至辅助控制器，并由通过油门信号调整模块实现限速控制以及通过应急灯驱动模块实现应急警示控制。其效果是：能够实现驾驶员多种类型的不安全行为检测，核心检测算法移植在智能终端中，充分利用了智能终端快速的数据处理能力，提升了检测速度，检测更为准确，约了系统硬件成本。

摘要： 本发明提供一种基于改进双流卷积神经网络的视频不安全行为识别方法，在原有的双流残差网络结构上，使用Res2Net模块替换原有的残差模块；或/和使用iResNet的方法来改进残差网络结构；利用公式(1)得到不同数量以及不同感受野大小的输出，公式(1)；将四个输出进行融合并经过一个11的卷积。可以促进网络信息的流动和减少信息的损失，模型总的网络结构一致。

摘要： 本发明涉及煤矿安全生产技术领域，且公开了煤矿井下人员不安全行为识别方法，包括以下步骤：步骤一、对入井人员进行酒精检测；步骤二、对入井人员携带的物品及穿戴的衣物进行检查；步骤三、通过人员模拟获取多种预设的不安全行为的多帧连续图像，步骤四、对步骤三的图像信息进行检测，并提取人员在图像中的姿态特征，步骤五、构建提取出能描述人体行为的无向骨架行为特征，步骤六、对步骤五中的行为特征进行分析及分类、步骤七、对井下人员行为图像进行摄取比对，根据比对结果进行后台报警。通过此方法可以对井下人员的不安全行为进行实时识别，识别效果好，减少后台监控人员需求，有效提高煤矿生产的安全性。

摘要： 本申请实施例提供一种钻井作业人员的不安全行为识别方法和装置，涉及数据分析技术领域，包括：通过眼动数据传感器获取钻井作业人员的眼动数据信息，对眼动数据信息进行处理，获得眼动数据信息对应的眼动特征参数，将眼动特征参数输入至识别模型中，获取识别模型的输出结果；根据输出结果确定作业人员的作业行为，并在作业行为不安全作业行为时，向作业人员发出警示。通过实时分析钻井作业人员的眼动数据信息，可以判断钻井作业人员的作业行为是否符合规定，实现对钻井作业人员的不安全作业行为的实时监测与识别。

摘要： 本发明提供一种基于yolo‑v4的船员驾驶台不安全行为识别方法，包括：根据事故报告、IMO规则、船公司体系文件和船长的经验，确定船员驾驶台不安全行为的类别；以“育鲲”轮和“长江叁号”邮轮的驾驶台以及航海模拟器作为采样地点，采用摄像头采集三个采样地点船员工作状态的视频数据；将采集的视频数据分别成图片，获取不安全行为图像数据；制作船员驾驶台不安全行为数据集；构建YOLOv4‑ghostnet网络模型；将制作的数据集放到构建的YOLOv4‑ghostnet网络模型中进行训练，选取并保存损失值最低的权值文件；将构建的模型和保存的权值文件集成到船员预警平台中，模型将检测出船员的不安全行为，并发出预警信号。本发明可以对船员进行实时的提醒，降低海事事故的发生概率，保障船舶安全。

摘要： 本发明提供一种地铁施工作业人员不安全行为自动识别方法及装置，涉及地铁施工作业技术领域，以有效降低作业人员不安全行为发生次数，提高施工场所人员安全保障。该方法包括：基于检测传感器获取地铁施工作业人员第一类不安全行为；基于人工智能图像处理方法获取地铁施工作业人员第二类不安全行为；基于第一类不安全行为和第二类不安全行为构建地铁施工作业人员不安全行为评价模型，并对评价模型进行训练，形成训练好的识别模型；基于训练好的识别模型自动识别新的不安全行为并进行预警。所述地铁施工作业人员不安全行为自动识别装置应用于地铁施工作业人员不安全行为自动识别方法。

摘要： 本发明公开一种校园内不规范不安全行为检测系统，包括检测处理系统和警示系统，所述检测处理系统包括数据采集模块、数据处理模块和网络更新模块，所述警示系统包括警示模块、展示模块和存储模块；本发明通过外置移动调节摄像头便捷式特性设置在任意需要监督的场所，增加监控检测范围，实现无死角实时监控，同时通过行为检测模型对获取的视频图像数据进行检测判断，获取学生的不规范行为和不安全行为并进行预警警示和通报批评，帮助学生提升自我监督的习惯和平行，且基于神经网络模型更新行为检测模型，有效提升检测结果的可信性，智能化程度高，避免了出现安全事故，同时降低了老师巡查的劳动强度。

摘要： 本发明公开一种人的不安全行为识别方法及系统，所述方法包括：分别对场景、防护用品、人三类因素进行多级因子划分，进行人的不安全行为归类分组；对每个标准安全行为，分别配置标准安全图像，形成标准图像库；通过双目相机采集作业现场第一图像、第二图像，对作业现场进行三维重构，确定场景、防护用品和人的三维位置信息；对所述第一图像、第二图像按照基础因子进行图像分割；确定不同场景的安全作业范围，建立每个场景与防护用品、人之间的关联关系；将分割后的子图像按照所述关联关系分组，每组子图像分别与标准图像库中的图像进行匹配，分别识别出各种场景下人的不安全行为。本发明可实现复杂场景下不安全行为精细化识别，避免一刀切。