【技术实现步骤摘要】
本申请涉及智能监控，尤其涉及到一种基于远程监控的工程现场智能安全预警方法。
技术介绍
1、伴随着信息化技术的发展，移动技术、人工智能、传感技术、虚拟现实、智能穿戴及工具在工程工程阶段的应用不断提高，工程现场建设应运而生。
2、工程现场视频分析是一种利用先进的技术手段对工地进行实时监测和分析的安全生产方法。目前工程现场视频分析在建筑工地、道路工程场地等需要严格安全措施的场所已经广泛应用，通过ai视频分析技术，能够对工地的实时情况进行精确的监测和分析，以确保工地安全生产有序进行。工程现场视频分析的核心技术是人工智能技术，通过对视频图像的处理和分析，工程现场视频分析系统能够识别工地上的各种工人和设备，包括工人的行为和动作，设备的运行状态等，从而实现对工地环境的全面了解和监测。在实时监测的基础上，工程现场ai分析还能够对工地进行安全评估和预警，及时发现潜在的安全问题，以便采取相应的措施进行处理。
3、然而目前的安全预警方法对于现场数据利用均不充分，维度较为单一，通常是对现场图像进行随机采集或者重点区域采集，并不能从全局进行安全问题挖掘，得到的结果准确性较差，预警的内容不能全面覆盖工程安全和预警要求。
技术实现思路
1、基于上述存在的技术问题，本专利技术提供了一种基于远程监控的工程现场智能安全预警方法，具体包含如下处理步骤：
2、步骤1，对工程现场采用上述多角度图像传感器进行周期性采集，获取工程现场多角度的图像数据，对图像数据进行预处理以及归一化；本专利技
3、对第一图像和第二图像、第二图像和第三图像、第三图像和第四图像以及第四图像和第一图像分别进行拼接得到第一至第四拼接图像，将以上第五图像以及四个拼接图像作为训练样本，并对其每一采集时刻对应的安全问题类别进行多类别标注。本专利技术中相邻相机采集得到的图像拼接算法不做特别限定，如基于harris角点检测器的拼接、基于fast角点检测器的拼接、基于sift特征检测器的拼接。
4、步骤2，对步骤1中得到的五个方向的图像样本数据输入至工程安全深度分析的多层次模型中，训练得到工程安全深度分析多层次模型，基于该模型得到安全问题类别的结果输出；
5、由于工程现场通常存在多个不同的区域和视角，因此本专利技术提出采集五个方向工程现场图像，并提出一种针对多角度图像的残差框架及残差模块工程安全深度分析的多层次模型，采用级联卷积残差模块后输入全连接层进行结果输出作为基础框架；
6、具体本专利技术将获取工程现场多角度的图像数据分别作为卷积残差模块的各层输入，具体第五图像作为第一级深度卷积模块输入，具体由两层卷积层构成，第一拼接图像作为第一级残差模块输入，第二拼接图像作为第二级残差模块输入，第三拼接图像作为第三级残差模块输入，第四拼接图像作为第四级残差模块输入；每个卷积残差模通过将输入经过1×1卷积得到的卷积特征与块依次包含第一扩张卷积层、第一归一化权值层以及relu层、dropout层、第二扩张卷积层、第二归一化权值层、relu层以及dropout层处理后的深度特征进行融合；融合输出后的深度特征作为下一级残差模块输入，最后输入至全连接层进行工程安全问题类别输出；
7、本专利技术中优选四级残差模块，可选地。本专利技术工程安全深度分析的多层次模型采用交叉熵损失函数，对于深度卷积神经网络的训练为本领域熟知内容，在此不做赘述。同时，将训练好的多层次模型部署于远程服务器中。
8、步骤3，基于历史工程现场安全巡查记录的记录数据构建工程安全问题库，首先对记录数据进行分词和去噪得到文本的关键词，将每个关键词通过tf-idf映射为特征向量，记为向量t(i)；根据文本分词结果自动提取关键词并赋予权重，最后，计算第i个关键词特征的权重向量f(i)，具体采用如下公式：
9、f(i)＝t(i)·w(i)
10、其中上述t(i)为第个关键词的特征映射函数，w(i)为第i个关键词权重。并使其标准化得到工程安全问题库；具体根据权重向量计算安全问题记录文本之间的余弦相似度距离，对具有较短的余弦相似度对应的安全问题文本进行合并，获得工程安全问题库；
11、步骤4，采集当前工程现场安全巡查记录的记录数据以当前工程现场采集的多角度图像数据，将上述数据发送至远程服务器进一步进行处理，远程服务器接收上述待处理数据，依据分析结果进行安全预警；本专利技术中远程服务器可以为部署在云上的共有或私有服务器，也可以是远端的部署的本地服务器。远程服务器对接收的待处理数据分别进行如下处理和分析：
12、步骤4.1，基于步骤3工程安全深度分析的多层次模型判断当前基于多角度图像的分析是否存在安全问题，如果存在则向工程管理端进行安全预警；本专利技术中预警方式通过前端网页进行突出显示，或将安全类别通过文字转语音功能向工程现场进行声音提示；
13、步骤4.2，若当前基于多角度图像的分析不存在安全问题，则对当日巡查记录数据基于安全问题库进行语义分析，具体包含：
14、步骤4.3，在服务器端基于工程安全问题库，对当前工程现场安全巡查记录的记录数据进行分词，从中选取高频关键词作为安全问题特征；
15、进一步计算安全问题特征的共现矩阵并将其转换为距离矩阵，然后基于距离矩阵对安全问题特征进行类别聚合挖掘；
16、将同时发现安全问题特征i和j的工程现场安全巡查次数记为矩阵r(i，j)，将矩阵r(i,j)除以工程现场安全巡查的总次数n，得到安全问题特征的共现矩阵r′(i,j)；定义与r′(i,j)矩阵相同大小的矩阵f，全部元素赋值为1，将矩阵f与中减去c′可获得相似度矩阵s(i,j)，
17、本专利技术中，由于工程过程确定安全工程现场安全巡查次数和文本非常庞大，为了进一步消除聚类可能出现的过拟合和发散，本专利技术确定安全问题特征i和j关联度值p(i|j)，依据的关联度值大小进行安全问题特征的关联性解耦与关联，以此减少聚合挖掘中共现矩阵和相似度矩阵的计算量，实现快速收敛。其中特征对的关联值可根据条件概率计算，如下式所示，p(i|j)表示发现j的同时发现i的条件概率，即j指向i的相关关联的强度，p(i|j)＝n(i，j)/n(j)，其中n(i，j)表示在一次工程现场安全巡查中同时发现i和j的次数总和，n(j)表示发现j的工程现场安全巡查次数总和。
18、当有n个样本需要被聚类时，每个样本最初都被归为单独的一类，然后将小于预设距离阈值的类别合并为一类并重新计算新产生的类别与其他类别之间的距离，更新相似度矩阵矩阵，重复以上步骤直到聚类变化小于预设误差阈值或者数目达到预期时中止；依据聚类结果得到工程安全问题类别。
19本文档来自技高网...
【技术保护点】
1.一种基于远程监控的工程现场智能安全预警方法，其特征在于包含如下步骤：
2.据权利要求1所述的基于远程监控的工程现场智能安全预警方法，其特征在于：所述相邻相机采集得到的图像拼接算法基于Harris角点检测器、基于FAST角点检测器或基于SIFT特征检测器。
3.根据权利要求2所述的基于远程监控的工程现场智能安全预警方法，其特征在于：所述工程安全深度分析多层次模型通过如下步骤构建：获取工程现场多角度的图像数据分别作为卷积残差模块的各层输入，具体第五图像作为第一级深度卷积模块输入，具体由两层卷积层构成，第一拼接图像作为第一级残差模块输入，第二拼接图像作为第二级残差模块输入，第三拼接图像作为第三级残差模块输入，第四拼接图像作为第四级残差模块输入；每个卷积残差模通过将输入经过1×1卷积得到的卷积特征与块依次包含第一扩张卷积层、第一归一化权值层以及RELU层、Dropout层、第二扩张卷积层、第二归一化权值层、RELU层以及Dropout层处理后的深度特征进行融合；融合输出后的深度特征作为下一级残差模块输入，最后输入至全连接层进行工程安全问题类别输出。
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。