一种建筑工人高坠事故预警方法及装置制造方法及图纸

本发明专利技术提供了一种建筑工人高坠事故预警方法及装置。其中，一种建筑工人高坠事故预警方法，包括建立数据集，采用迁移学习方法分别训练目标检测网络和行为检测网络；获取预设区域的监控视频并输入至训练完成的目标检测网络，标定出作业工人、安全帽及安全带，根据安全帽及安全带的有无情况及佩戴位置，判断是否输出设备异常报警信息；将目标检测网络检测到的作业工人目标彩色图像输入到训练完成的行为检测网络，提取作业工人骨骼关键点序列，进而连接关节，评估出骨骼关键点之间的相关性，根据预设的工人动作类别及其相应作业人员不安全姿态，对作业人员进行姿态估计，当检测作业工人行为异常时进行报警。

【技术实现步骤摘要】
一种建筑工人高坠事故预警方法及装置
本专利技术属于建筑工人高坠事故预警领域，尤其涉及一种建筑工人高坠事故预警方法及装置。
技术介绍
本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。高处作业在建筑行业的各类项目中普遍存在，工作量大，作业环境复杂多变，经常需要多工种交叉作业，但高处作业人员由于安全意识淡薄，心存侥幸心理等问题，事故发生率极高，据2009—2018年我国建筑施工安全事故统计分析，高坠事故导致死亡的人数在建筑施工生产事故中占有最高比例，高坠事故一直以来被人们列为建筑施工四大伤害(高处坠落、物体打击、触电、机械伤害)之首，被称为建筑施工“第一杀手”。从事故统计数据来看，发生事故的原因大多是人的不安全行为所致，其比例高达70％～80％。如果能够对人的异常行为进行识别，采取有效的预防措施,及时发出警报，避免安全事故发生，能够减少甚至杜绝高坠事故的发生，有力保障建筑工地施工安全。异常主要包括以下两种：设备异常以及行为异常。目前没有专门针对高处施工建筑工人的安全隐患相关预防的科学方法。现有相关技术主要有基于传感器的方法和基于图像的方法。基于加速度计判定建筑工人行为主要是通过采集工人手腕处的加速度数据将钢筋工行为分类，通过机器学习进行判别，实现实时监控。专利技术人发现，基于传感器的方法识别精度较低，精度容易随传感器精度变化，实际操作中容易出现误判。基于图像的建筑工地工人异常识别方法主要集中于研究工人人脸识别，人员是否穿戴安全帽的二分类检测等，专利技术人发现，存在的缺点如下：对于高处施工安全隐患的分析不够全面，不仅需要判别人员是否穿戴安全帽，还需要检测人员是否规范佩戴安全帽、安全带、防滑鞋。针对工人的行为异常分析方面分析不全面，需要从工人的规范操作，人群行为，摔倒，危险地带作业等方面进行检测。同时目前基于人体姿态估计的方法在建筑行业应用较少，其他行业的相关研究有，煤矿井下人员的人体姿态估计行为识别方法，采用基于生成对抗训练的困难样本挖掘沙漏网络(HourglassNetworkswithHardMining)提取煤矿井下人员的姿态信息，根据姿态信息在监控视频中的运行轨迹判断人员是否行为异常。旅客异常行为检测通过提取行人骨架信息获取行人姿态，根据行人的运动轨迹进行行为判断异常。专利技术人发现，人体姿态估计技术在实际应用中效果不好主要是因为作业场所环境比较复杂，而人体姿态估计模型常常需要被检测对象较明显，如果有检测场景中人物较多，或者检测环境较复杂，容易出现误检漏检的问题。
技术实现思路
为了解决上述问题，本专利技术提供一种建筑工人高坠事故预警方法及装置，其能够准确检测工人姿态，并通过工人姿态分析危险行为，及时预防高处施工事故，填补了建筑工地高处施工事故预防的空白。为了实现上述目的，本专利技术采用如下技术方案：本专利技术的第一方面提供了一种建筑工人高坠事故预警方法，其包括：建立数据集，采用迁移学习方法分别训练目标检测网络和行为检测网络；获取预设区域的监控视频并输入至训练完成的目标检测网络，标定出作业工人、安全帽及安全带，根据安全帽及安全带的有无情况及佩戴位置，判断是否输出设备异常报警信息；将目标检测网络检测到的作业工人目标彩色图像输入到训练完成的行为检测网络，提取作业工人骨骼关键点序列，进而连接关节，评估出骨骼关键点之间的相关性，根据预设的工人动作类别及其相应作业人员不安全姿态，对作业人员进行姿态估计，当检测作业工人行为异常时进行报警。本专利技术的第二方面提供了一种建筑工人高坠事故预警装置，其包括：网络训练模块，其用于建立数据集，采用迁移学习方法分别训练目标检测网络和行为检测网络；设备异常报警模块，其用于获取预设区域的监控视频并输入至训练完成的目标检测网络，标定出作业工人、安全帽及安全带，根据安全帽及安全带的有无情况及佩戴位置，判断是否输出设备异常报警信息；行为异常报警模块，其用于将目标检测网络检测到的作业工人目标彩色图像输入到训练完成的行为检测网络，提取作业工人骨骼关键点序列，进而连接关节，评估出骨骼关键点之间的相关性，根据预设的工人动作类别及其相应作业人员不安全姿态，对作业人员进行姿态估计，当检测作业工人行为异常时进行报警。本专利技术的第三方面提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的建筑工人高坠事故预警方法中的步骤。本专利技术的第四方面提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的建筑工人高坠事故预警方法中的步骤。本专利技术的有益效果是：本专利技术解决了当前建筑工地高坠事故预防手段缺失，对于工人施工安全隐患排查不够全面具体，在施工人员异常行为识别方面，由于环境复杂常常会出现漏检误检的问题，结合目标检测网络与姿态估计预测网络，提出一种更加实用全面的建筑工人高坠事故预警方法；本专利技术利用目标检测网络标定出作业工人、安全帽及安全带，根据安全帽及安全带的有无情况及佩戴位置，判断是否输出设备异常报警信息；将目标检测网络检测到的作业工人目标彩色图像输入到训练完成的行为检测网络，提取作业工人骨骼关键点序列，进而连接关节，评估出骨骼关键点之间的相关性，根据预设的工人动作类别及其相应作业人员不安全姿态，对作业人员进行姿态估计，当检测作业工人行为异常时进行报警，能够准确检测工人姿态，并通过工人姿态分析危险行为，及时预防高处施工事故，填补了建筑工地高处施工事故预防的空白。附图说明构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。图1是本专利技术实施例的一种建筑工人高坠事故预警方法流程图；图2是本专利技术实施例的一种建筑工人高坠事故预警方法具体流程图；图3是本专利技术实施例的YOLOV3网络的训练过程；图4是本专利技术实施例的YOLOV3网络结构；图5是本专利技术实施例的训练行为检测网络的过程；图6是本专利技术实施例的正态曲线；图7是本专利技术实施例的标注结果；图8(a)是本专利技术实施例的作业工人目标彩色图像中的关键点检测；图8(b)是本专利技术实施例的作业工人目标彩色图像；图8(c)是本专利技术实施例的作业工人目标彩色图像对应连接的关节。具体实施方式下面结合附图与实施例对本专利技术作进一步说明。应该指出，以下详细说明都是例示性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们本文档来自技高网...

【技术保护点】
1.一种建筑工人高坠事故预警方法，其特征在于，包括：/n建立数据集，采用迁移学习方法分别训练目标检测网络和行为检测网络；/n获取预设区域的监控视频并输入至训练完成的目标检测网络，标定出作业工人、安全帽及安全带，根据安全帽及安全带的有无情况及佩戴位置，判断是否输出设备异常报警信息；/n将目标检测网络检测到的作业工人目标彩色图像输入到训练完成的行为检测网络，提取作业工人骨骼关键点序列，进而连接关节，评估出骨骼关键点之间的相关性，根据预设的工人动作类别及其相应作业人员不安全姿态，对作业人员进行姿态估计，当检测作业工人行为异常时进行报警。/n

【技术特征摘要】
1.一种建筑工人高坠事故预警方法，其特征在于，包括：
建立数据集，采用迁移学习方法分别训练目标检测网络和行为检测网络；
获取预设区域的监控视频并输入至训练完成的目标检测网络，标定出作业工人、安全帽及安全带，根据安全帽及安全带的有无情况及佩戴位置，判断是否输出设备异常报警信息；
将目标检测网络检测到的作业工人目标彩色图像输入到训练完成的行为检测网络，提取作业工人骨骼关键点序列，进而连接关节，评估出骨骼关键点之间的相关性，根据预设的工人动作类别及其相应作业人员不安全姿态，对作业人员进行姿态估计，当检测作业工人行为异常时进行报警。


2.如权利要求1所述的建筑工人高坠事故预警方法，其特征在于，建立数据集的过程为：
获取建筑工地高处施工工人员图片，对图片中施工人员安全帽、安全带和作业工人进行标定，形成数据集；
通过数据扩增操作来扩增数据集，以提高目标检测网络和行为检测网络的泛化能力。


3.如权利要求2所述的建筑工人高坠事故预警方法，其特征在于，数据扩增操作包括：使用翻转矩阵分别将图片进行左右和上下翻转，对图片进行不同尺度的仿射变换以及对图片进行高斯模糊。


4.如权利要求1所述的建筑工人高坠事故预警方法，其特征在于，目标检测网络采用YOLOV3网络，YOLOV3网络采用Darknet-53的网络结构，借鉴残差网络residualnetwork的做法，在预设层之间设置快捷链路，采用256*256*3作为输入，最左侧列的数字表示多少个重复的残差组件，每个残差组件有两个卷积层和一个快捷链路，采用3个不同尺度的特征图来进行对象检测。


5.如权利要求1所述的建筑工人高坠事故预警方法，其特征在于，行为检测网络采用OPENPOSE网络。


6.如权利要求1所述的建筑工人高坠事...

【专利技术属性】
技术研发人员：马晓静，饶颖露，张恒，张源民，阎震，贾磊，马思乐，陈纪旸，栾义忠，姜向远，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37