基于AI技术的建筑临边危险区域越界识别方法和系统技术方案

本发明专利技术提供了基于AI技术的建筑临边危险区域越界识别方法和系统，属于危险区域越界识别技术领域，该基于AI技术的建筑临边危险区域越界识别方法包括：确定预设危险区域内是否存在移动对象；识别所述移动对象是否为人形特征；确定所述人形特征的实时位置信息；根据所述实时位置信息计算所述人形特征与所述预设危险区域的边界的实际距离；判断所述实际距离是否大于第一预设距离；其中，若所述实际距离大于第一预设距离，则执行下一步骤；判断所述实际距离是否大于第二预设距离；在基于预设危险区域边界提前设置两道警戒区，利用提示和警示两种方式对施工人员起到防范的作用，有效的保证了施工人员的安全。保证了施工人员的安全。保证了施工人员的安全。

【技术实现步骤摘要】
基于AI技术的建筑临边危险区域越界识别方法和系统


[0001]本专利技术属于危险区域越界识别
，具体而言，涉及基于AI技术的建筑临边危险区域越界识别方法和系统。

技术介绍

[0002]目前，越来越多的大型建筑企业聚焦工程施工现场，综合运用BIM技术、物联网、云计算、大数据、移动和智能设备等软硬件信息化技术，提高工地现场的生产效率、管理效率和决策能力等，实现工地的数字化、精细化和智慧化管理。其中，智能视频分析技术已发展的比较成熟，在建筑工地也开始逐步得到应用，例如工地的人员管理，安全帽佩戴检测，工地的防火防盗等。但是这些大多基于已有的基础算法，经过AI算法训练后应用于相对简单的场景，距离代替人工检查还有相当长的路要走。
[0003]然而，工程施工现场灵活多变，且危险区域较多，如何避免施工人员越界是目前工程施工现场亟待解决的问题。

技术实现思路

[0004]本专利技术实施例提供了基于AI技术的建筑临边危险区域越界识别方法和系统，其目的在于解决现有的工程施工现场施工人员越界的问题。
[0005]鉴于上述问题，本专利技术提出的技术方案是：
[0006]第一方面，基于AI技术的建筑临边危险区域越界识别方法，包括：
[0007]确定预设危险区域内是否存在移动对象；
[0008]识别所述移动对象是否为人形特征；
[0009]确定所述人形特征的实时位置信息；
[0010]根据所述实时位置信息计算所述人形特征与所述预设危险区域的边界的实际距离；
[0011]判断所述实际距离是否大于第一预设距离；其中，若所述实际距离大于第一预设距离，则执行下一步骤；
[0012]判断所述实际距离是否大于第二预设距离；其中，若所述实际距离大于第二预设距离，则输出警报。
[0013]作为本专利技术的一种优选技术方案，所述确定预设危险区域内是否存在移动对象之前，还包括：
[0014]通过监控采集装置获取目标区域的监控视频图像；
[0015]将所述监控视频图像的拆分成多张单帧图片；
[0016]根据多张所述单帧图片提取黄线警戒区域的像素点；
[0017]依据所述像素点的坐标值确定所述黄线警戒区域的端点值；
[0018]基于所述端点值确定预设危险区域。
[0019]作为本专利技术的一种优选技术方案，所述确定预设危险区域内是否存在移动对象，
具体包括：
[0020]对多张所述单帧图片进行扫描得到多个目标对象图片，并根据多个所述目标对象图片计算多个目标对象的位移量；
[0021]根据多个所述目标对象的位移量确定所述预设危险区域内是否存在移动对象。
[0022]作为本专利技术的一种优选技术方案，所述识别所述移动对象是否为人形特征，具体包括：
[0023]依据所述移动对象的图片进行轮廓检测得到轮廓边缘图片；
[0024]对所述轮廓边缘图片进行肢体姿态关键点识别得到肢体姿态关键图片；
[0025]提取所述肢体姿态关键图片与预设肢体姿态模型匹配近似度；
[0026]判断所述近似度是否大于预设阀值；其中，若所述近似度大于所述预设阀值，则确定所述移动对象为所述人形特征。
[0027]作为本专利技术的一种优选技术方案，所述确定所述人形特征的实时位置信息，具体包括：
[0028]对所述人形特征进行标记并提取其位置坐标值；
[0029]根据所述位置坐标值确定所述人形特征的实时位置信息。
[0030]作为本专利技术的一种优选技术方案，所述根据所述实时位置信息计算所述人形特征与所述预设危险区域的边界的实际距离，具体包括：
[0031]提取所述人形特征距离所述预设危险区域最近边界的所述像素点的坐标值；
[0032]计算所述预设危险区域最近边界的所述像素点的坐标值与所述实时位置信息之间的差值得到所述实际距离。
[0033]作为本专利技术的一种优选技术方案，所述第一预设距离为距离所述预设危险区域边界的范围为0.5m～1m。
[0034]作为本专利技术的一种优选技术方案，所述第二预设距离为距离所述预设危险区域边界的范围为0.1m～0.49m。
[0035]第二方面，本专利技术实施例还提供了基于AI技术的建筑临边危险区域越界识别系统，包括：
[0036]第一确定模块，用于确定预设危险区域内是否存在移动对象；
[0037]识别模块，用于识别所述移动对象是否为人形特征；
[0038]第二确定模块，用于确定所述人形特征的实时位置信息；
[0039]计算模块，用于根据所述实时位置信息计算所述人形特征与所述预设危险区域的实际距离；
[0040]第一判断模块，用于判断所述实际距离是否大于第一预设距离；其中，若所述实际距离大于第一预设距离，则执行下一步骤；
[0041]第二判断模块，用于判断所述实际距离是否大于第二预设距离；其中，若所述实际距离大于第二预设距离，则输出警报。
[0042]本专利技术实施例提供的上述技术方案的有益效果至少包括：
[0043](1)通过确定预设危险区域内是否存在移动对象，有效的对静态和动态物体进行筛分，并去除静态物体，能够对静态的物体进行过滤，避免检测任务过于繁重，从而保证了处理的流畅性。
[0044](2)通过识别所述移动对象是否为人形特征，通过对移动对象的检测得到轮廓边缘图片，并识别肢体姿态关键图片，能够有效的去除与人形特征无关的动态物体，从而避免重复处理。
[0045](3)通过判断所述实际距离是否大于第一预设距离以及判断所述实际距离是否大于第二预设距离，在基于预设危险区域边界提前设置两道警戒区，利用提示和警示两种方式对施工人员起到防范的作用，有效的保证了施工人员的安全。
[0046]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0047]图1是本专利技术所公开的基于AI技术的建筑临边危险区域越界识别方法的流程图；
[0048]图2是本专利技术所公开的基于AI技术的建筑临边危险区域越界识别系统的结构示意图。
[0049]附图标记说明：100、第一确定模块；200、识别模块；300、第二确定模块；400、计算模块；500、第一判断模块；600、第二判断模块。
具体实施方式
[0050]为使本专利技术实施方式的目的、技术方案和优点更加清楚，下面将结合本专利技术实施方式中的附图，对本专利技术实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本专利技术一部分实施方式，而不是全部的实施方式。基于本专利技术中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本专利技术保护的范围。
[0051]因此，以下对在附图中提供的本专利技术的实施方式的详细描述并非旨在限制要求保护的本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于AI技术的建筑临边危险区域越界识别方法，其特征在于，包括：确定预设危险区域内是否存在移动对象；识别所述移动对象是否为人形特征；确定所述人形特征的实时位置信息；根据所述实时位置信息计算所述人形特征与所述预设危险区域的边界的实际距离；判断所述实际距离是否大于第一预设距离；其中，若所述实际距离大于第一预设距离，则执行下一步骤；判断所述实际距离是否大于第二预设距离；其中，若所述实际距离大于第二预设距离，则输出警报。2.根据权利要求1所述的基于AI技术的建筑临边危险区域越界识别方法，其特征在于，所述确定预设危险区域内是否存在移动对象之前，还包括：通过监控采集装置获取目标区域的监控视频图像；将所述监控视频图像的拆分成多张单帧图片；根据多张所述单帧图片提取黄线警戒区域的像素点；依据所述像素点的坐标值确定所述黄线警戒区域的端点值；基于所述端点值确定预设危险区域。3.根据权利要求2所述的基于AI技术的建筑临边危险区域越界识别方法，其特征在于，所述确定预设危险区域内是否存在移动对象，具体包括：对多张所述单帧图片进行扫描得到多个目标对象图片，并根据多个所述目标对象图片计算多个目标对象的位移量；根据多个所述目标对象的位移量确定所述预设危险区域内是否存在移动对象。4.根据权利要求1所述的基于AI技术的建筑临边危险区域越界识别方法，其特征在于，所述识别所述移动对象是否为人形特征，具体包括：依据所述移动对象的图片进行轮廓检测得到轮廓边缘图片；对所述轮廓边缘图片进行肢体姿态关键点识别得到肢体姿态关键图片；提取所述肢体姿态关键图片与预设肢体姿态模型匹配近似度；判断所述近似度是否大于预设阀值；其中，若所述近似度大于所述预设阀值，则确定所述移动对象为所述人形...

【专利技术属性】
技术研发人员：许岳峰，李伟，田宝吉，梁斌，王立彬，冷东天，王保栋，李泽政，侯庆敏，孙风彬，王立业，
申请(专利权)人：中建八局发展建设有限公司，
类型：发明
国别省市：