基于目标检测算法的工地违规行为实时预警方法及系统技术方案

本发明专利技术公开了一种基于目标检测算法的工地违规行为实时预警方法及系统，所述方法包括：获取工地现场的图像，并将其输入训练好的目标检测模型中，得到预测结果；其中，所述预测结果包括小型目标、中型目标、大型目标；对目标检测结果进行非极大值抑制处理，得到检测结果；其中，所述检测结果为工地的违规行为；针对每种检测结果，分别匹配不同的预警方案。本发明专利技术能够在系统检测到出现违规行为时，对违规类别和位置信息立刻预警，并联动现场音柱语音广播提醒，进一步提高了现场安全作业监督效率。进一步提高了现场安全作业监督效率。进一步提高了现场安全作业监督效率。

【技术实现步骤摘要】
基于目标检测算法的工地违规行为实时预警方法及系统


[0001]本专利技术涉及目标检测
，特别是一种基于目标检测算法的工地违规行为实时预警方法及系统。

技术介绍

[0002]经济的发展促进了建筑工程规模不断扩张，但是由此引发的安全事故却呈现出逐年递增的趋势。由工程施工一般为立体交叉作业，室外作业占比较大。整个工程的作业管理工作包含诸多领域，人员管理作为一个重要的部门备受关注。因为作业人员的安全意识、作业流程章程的执行严重影响着施工安全。一旦发生违章作业行为就会造成比较严重的后果，威胁工作人员的人身安全和工程的财产安全。为此，必须要建立完善的建筑工地安全管理系统，营造安全的施工环境。
[0003]现存方案如下：方案一、在视觉行为识别过程中需要考虑光照变化、场景变化、功能高低、行为夸张、拍摄角度等，进行不同组合来抓取行为视频数据。也就是说，视觉行为识别主要是通过摄像头采集作业人员的某一个动作数据通过软件加以分析并输出、对比已预设的动作数据来判断是否符合预先的要求。方案二、人体动作识别主要是识别人体骨骼关节的关键点(关键点包括头、颈、肩、肘、手、臀、膝、脚等部位。)及位置的移动的信息进行分析，进而识别相应的肢体动作的一种方式。在员工工作中，特别对于繁重、重复性的工作很容易引发疲劳，特定的工业生产、加工等场景中，人一旦出现疲劳的情况不但影响工作质量也可能会酿成巨大的事故。根据视觉进行人体动作识别，识别人是否在一定阶段内有趴桌子、长时间闭眼、长时间靠椅背等动作进而来确认是否出现疲劳状态，进行实时预警。同理，对于重要岗位的员工离岗情况也可以通过该项技术来实现，识别出岗位和区域内是否有人在工作，这就是离岗识别。最常见的应用就是利用人工智能技术辅助值班室管理，确保厂房生产期间值班室内始终有人在岗且正常在岗，保障安全生产。
[0004]现存方案存在如下问题：
[0005]针对方案一，视觉识别最大的难点就是施工现场不仅仅是单人跟踪，一般为多人跟踪，拍摄的遮挡、工人服装的统一、重叠、违规动作幅度的大小等都是巨大的挑战。
[0006]二是针对动作识别，动作识别只能识别人员相对应的违规行为，无法对物、环境方面的违规行为进行识别。

技术实现思路

[0007]鉴于此，本专利技术提供一种基于目标检测算法的工地违规行为实时预警方法及系统，当系统检测到出现违规行为时，对违规类别和位置信息立刻预警，并联动现场音柱语音广播提醒，进一步提高现场安全作业监督效率。
[0008]本专利技术公开了一种基于目标检测算法的工地违规行为实时预警方法，其包括：
[0009]步骤1：获取工地现场的图像，并将其输入训练好的目标检测模型中，得到预测结果；其中，所述预测结果包括小型目标、中型目标、大型目标；
[0010]步骤2：对目标检测结果进行非极大值抑制处理，得到检测结果；其中，所述检测结果为工地的违规行为；
[0011]步骤3：针对每种检测结果，分别匹配不同的预警方案。
[0012]进一步地，所述目标检测模型的训练过程为：
[0013]步骤21：截取采集的工地现场的视频，以得到多个视频片段；
[0014]步骤22：基于多个所述视频片段和目标检测网络，得到目标检测结果。
[0015]进一步地，所述步骤21包括：
[0016]步骤211：摄像头安装与网络连接；
[0017]步骤212：对采集的工地现场的视频进行RTSP取流，截取视频片段，得到多个视频片段。
[0018]进一步地，所述目标检测网络包括依次连接的Backbone网络、Neck网络、Detect网络。
[0019]进一步地，所述步骤22包括：
[0020]步骤221：对多个所述视频片段进行采样，以得到对应的图像，并按VOC格式标注；
[0021]步骤222：将图像送入Backbone网络进行特征提取；
[0022]步骤223：将Backbone网络的特征提取结果输入到Neck网络，以得到特征图；
[0023]步骤224：将Neck网络输出的特征图输入到Detect网络中，以得到小型目标、中型目标、大型目标的预测结果；
[0024]步骤225：将预测结果与真实结果进行损失计算；
[0025]步骤226：在计算损失后，进行反向传播，更新权重参数。
[0026]进一步地，所述步骤2包括：
[0027]分别对小型目标、中型目标、大型目标的预测结果进行非极大值抑制，最后输出检测结果。
[0028]进一步地，所述步骤3包括：
[0029]针对每种检测结果，分别匹配不同的预警方案，联动现场音柱语音广播提醒。
[0030]本专利技术还公开了一种基于目标检测算法的工地违规行为实时预警系统，其包括：
[0031]预测模块，用于获取工地现场的图像，并将其输入训练好的目标检测模型中，得到预测结果；其中，所述预测结果包括小型目标、中型目标、大型目标；
[0032]检测模块，用于对目标检测结果进行NMS处理，得到检测结果；其中，所述检测结果为工地的违规行为；
[0033]预警模块，用于针对个检测结果分别匹配不同的预警方案。
[0034]由于采用了上述技术方案，本专利技术具有如下的优点：
[0035](1)施工作业经常没有及时发现预警，事后查找视频繁琐复杂。依据机器视觉+边缘计算分析，本专利技术基于目标检测算法，对工地人、物、环境实时检测分析、联动预警，从处于被动监管到主动识别分析，充分反映了预警信息、正常的和检测规范化管理。
[0036](2)本专利技术实时分析施工作业现场的人员违规不安全的行为，识别现场明火烟雾情况，鉴别人员的工作状态。依据深度学习和视频分析算法，识别现场人员是不是按规定采用安全防范措施，降低安全问题发生的几率，规范现场安全作业行为，遵循安全规定。
附图说明
[0037]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0038]图1为本专利技术实施例的一种基于目标检测算法的工地违规行为实时预警方法的流程示意图；
[0039]图2为本专利技术实施例的一种目标检测模型训练过程示意图。
具体实施方式
[0040]结合附图和实施例对本专利技术作进一步说明，显然，所描述的实施例仅是本专利技术实施例一部分实施例，而不是全部的实施例。本领域普通技术人员所获得的所有其他实施例，都应当属于本专利技术实施例保护的范围。
[0041]为了解决现有方案存在的问题，本专利技术针对工地人、物、环境等进行检测和识别分析，包括：口罩识别、安全帽佩戴识别、反光衣穿戴识别、抽烟识别、打电话识别、睡岗离岗识别、安全带佩戴识别、区域入侵识别、玩手机识别、烟雾明火识别等，当系统检测到出现违规行为时，对违规类别和位置信息立刻预警，并联动现场音柱语本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于目标检测算法的工地违规行为实时预警方法，其特征在于，包括：步骤1：获取工地现场的图像，并将其输入训练好的目标检测模型中，得到预测结果；其中，所述预测结果包括小型目标、中型目标、大型目标；步骤2：对目标检测结果进行非极大值抑制处理，得到检测结果；其中，所述检测结果为工地的违规行为；步骤3：针对每种检测结果，分别匹配不同的预警方案。2.根据权利要求1所述的方法，其特征在于，所述目标检测模型的训练过程为：步骤21：截取采集的工地现场的视频，以得到多个视频片段；步骤22：基于多个所述视频片段和目标检测网络，得到目标检测结果。3.根据权利要求2所述的方法，其特征在于，所述步骤21包括：步骤211：摄像头安装与网络连接；步骤212：对采集的工地现场的视频进行RTSP取流，截取视频片段，得到多个视频片段。4.根据权利要求2所述的方法，其特征在于，所述目标检测网络包括依次连接的Backbone网络、Neck网络、Detect网络。5.根据权利要求4所述的方法，其特征在于，所述步骤22包括：步骤221：对多个所述视频片段进行采样，以得到对应的图像，并按VOC格式标注；步...

【专利技术属性】
技术研发人员：方能炜，谭启涛，谭董，王开业，敬龙儿，周家樑，吴海平，孙广栋，
申请(专利权)人：成都航天科工大数据研究院有限公司，
类型：发明
国别省市：