一种基于作业票的施工安全违章识别方法及系统技术方案

本发明专利技术提供了一种基于作业票的施工安全违章识别方法及系统，获取与视频采集设备或者图像采集设备关联的施工作业票数据；根据采集到的视频数据或者图像数据以及预设识别模型，得到违章数据；将违章数据与施工作业票数据中的安全风险数据进行对比，得到违章识别结果；本发明专利技术提高了违章识别效率，在尽量少的资源消耗下实现了基于图像或视频智能分析识别以及作业票的现场违规行为自动识别与主动预警度。作业票的现场违规行为自动识别与主动预警度。作业票的现场违规行为自动识别与主动预警度。

【技术实现步骤摘要】
一种基于作业票的施工安全违章识别方法及系统


[0001]本专利技术涉及违章识别
，特别涉及一种基于作业票的施工安全违章识别方法及系统。

技术介绍

[0002]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
，并不必然构成现有技术。
[0003]基建输变电工程具有安全风险大、作业点多面广、分包人员众多且流动性强等特点，现场安全管控难度大。面对严峻安全生产形势，单纯依靠人力安全督查来进行现场安全管控，存在监管效率低，人力成本高，监管有盲区等问题，现场情况难以全面及时掌控，安全风险难以严格把控，对于基建安全管控及违章识别尤为关键。
[0004]随着图像识别技术的飞速发展，并逐渐成为人工智能领域中重要的组成部分，图像智能识别技术是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术，已广泛地运用于面部识别、自然资源分析、环境监测、生理病变研究等许多领域。
[0005]专利技术人发现，在电力行业也开展了基于图像、视频的安全违章智能识别探索，可以有效提高安全管理工作效率，减少人身安全事故的发生，提升施工安全违章的管理水平。但人工智能识别技术对服务器资源的占用极大，输变电施工现场点多面广，全量推广违章智能识别技术将占用海量服务器资源，投入巨大。

技术实现思路

[0006]为了解决现有技术的不足，本专利技术提供了一种基于作业票的施工安全违章识别方法及系统，提高了违章识别效率，在尽量少的资源消耗下实现了基于图像或视频智能分析识别技术以及作业票的现场违规行为自动识别与主动预警度。
[0007]为了实现上述目的，本专利技术采用如下技术方案：
[0008]本专利技术第一方面提供了一种基于作业票的施工安全违章识别方法。
[0009]一种基于作业票的施工安全违章识别方法，包括以下过程：
[0010]获取与视频采集设备或者图像采集设备关联的施工作业票数据；
[0011]根据采集到的视频数据或者图像数据以及预设识别模型，得到违章数据；
[0012]将违章数据与施工作业票数据中的安全风险数据进行对比，得到违章识别结果。
[0013]进一步的，施工作业票数据至少包括作业内容、作业部位和安全风险。
[0014]进一步的，预设识别模型为tensorflow算法模型。
[0015]进一步的，根据预设识别模型对视频数据进行动态标注，得到标注后的违章视频数据。
[0016]进一步的，根据预设识别模型和图像数据，根据违章类别生成违章图像数据。
[0017]进一步的，违章识别结果至少包括：未正确佩戴安全帽、跨越围栏和吊钩下站人。
[0018]进一步的，预设识别模型对视频数据或图像数据的纹理特征、形状特征和空间关
系特征进行提取，根据提取到的特征，得到违章类型。
[0019]本专利技术第二方面提供了一种基于作业票的施工安全违章识别系统。
[0020]一种基于作业票的施工安全违章识别系统，包括以下过程：
[0021]数据获取模块，被配置为：获取与视频采集设备或者图像采集设备关联的施工作业票数据；
[0022]违章数据处理模块，被配置为：根据采集到的视频数据或者图像数据以及预设识别模型，得到违章数据；
[0023]违章识别模块，被配置为：将违章数据与施工作业票数据中的安全风险数据进行对比，得到违章识别结果。
[0024]本专利技术第三方面提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本专利技术第一方面所述的基于作业票的施工安全违章识别方法中的步骤。
[0025]本专利技术第四方面提供了一种电子设备，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程序，所述处理器执行所述程序时实现如本专利技术第一方面所述的基于作业票的施工安全违章识别方法中的步骤。
[0026]与现有技术相比，本专利技术的有益效果是：
[0027]1、本专利技术实现了施工现场视频与违章模型参数的自动比对分析，根据违章类别生成违章图片或对视频画面进行违章行为动态标注，与相关联的作业票中的风险进行匹配，实现了安全风险的自动识别和告警，如果有多类违章同时同地发生，可实现同时识别和预警，将违章智能识别系统与施工作业票相融合，极大的提高了违章识别准确度。
[0028]2、本专利技术采用tensorflow算法对目标违章行为的纹理特征、形状特征和空间关系特征进行提取，形成了可识别各类目标违章行为的检测模型，根据标定的素材不断优化模型特征参数，迭代形成了高可用的分析模型，进一步的提高了违章识别准确度。
[0029]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0030]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。
[0031]图1为本专利技术实施例1提供的基于作业票的施工安全违章识别方法的流程示意图。
具体实施方式
[0032]下面结合附图与实施例对本专利技术作进一步说明。
[0033]应该指出，以下详细说明都是示例性的，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。
[0034]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/或它们的组合。
[0035]在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0036]实施例1：
[0037]如图1所示，本专利技术实施例1提供了一种基于作业票的施工安全违章识别方法，包括以下过程：
[0038]S1：构建违章样本库
[0039]依据基建安全管理模块典型风险库，梳理总结典型违章类型，明确典型违章的判别规则，进行违章照片采集，经过数据标注和训练最终形成违章模型。
[0040](1)根据历史违章视频、照片，或营造真实违章场景，完成违章样本采集；
[0041](2)对搜集到的目标图像进行分类，将图像中的违章行为通过不同的矩形框标注，如未正确佩戴安全帽、跨越围栏、吊钩下站人等；
[0042](3)利用tensorflow算法将目标违章行为的纹理特征、形状特征、空间关系特征进行提取，并对提取出来的特征信息进行分类训练，输出形成可识别各类目标违章行为的检测模型，根据标定的素材进行重新训练，不断优化模型特征参数，通过不断迭代形成高可用的分析模型。
[0043]S2：关联施工作业票
[0044]基建施工现场采用安全施工作业票制度对施工作业进行管控，作业票内容包括作业内容、作业部位、安全本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于作业票的施工安全违章识别方法，其特征在于：包括以下过程：获取与视频采集设备或者图像采集设备关联的施工作业票数据；根据采集到的视频数据或者图像数据以及预设识别模型，得到违章数据；将违章数据与施工作业票数据中的安全风险数据进行对比，得到违章识别结果。2.如权利要求1所述的基于作业票的施工安全违章识别方法，其特征在于：施工作业票数据至少包括作业内容、作业部位和安全风险。3.如权利要求1所述的基于作业票的施工安全违章识别方法，其特征在于：预设识别模型为tensorflow算法模型。4.如权利要求1所述的基于作业票的施工安全违章识别方法，其特征在于：根据预设识别模型对视频数据进行动态标注，得到标注后的违章视频数据。5.如权利要求1所述的基于作业票的施工安全违章识别方法，其特征在于：根据预设识别模型和图像数据，根据违章类别生成违章图像数据。6.如权利要求1所述的基于作业票的施工安全违章识别方法，其特征在于：违章识别结果至少包括：未正确佩戴安全帽、跨越围栏和吊钩下站人。7.如权利要求1所述...

【专利技术属性】
技术研发人员：王轶群，张学凯，单波，张廷，黄秀芝，张浩，李倩，武传奇，卢愿，张云鹏，陈军，黄鹏，石毅，孙梓航，李洋，刘诚，张凯，韩欣澄，韩延峰，柴沛，程剑，孙伟兵，于青涛，张成，韩义成，张松，
申请(专利权)人：山东鲁软数字科技有限公司，
类型：发明
国别省市：