【技术实现步骤摘要】
本申请涉及数据处理，尤其涉及一种物联网实时监控工程设计方法及系统。
技术介绍
1、随着科技的飞速发展，施工领域也在不断地进行技术革新，以提高施工质量、效率和安全性。在这个过程中，利用神经网络模型对施工行为进行监测和分析的技术逐渐引起了广泛关注。
2、目前，施工领域中的监测技术主要依赖于摄像头的设置。通过在施工区域的关键位置安装摄像头，可以实时获取施工现场的图像数据。然而，传统的图像识别技术在处理大量复杂场景下的视频数据时，其准确性和鲁棒性尚不能满足施工领域的需求。这就需要一种更高效、准确的监测方法来保障施工的安全和质量。神经网络模型作为一种基于人工神经元的计算模型，具有强大的学习和自适应能力。近年来，深度学习技术在图像识别领域取得了显著的进展，尤其是在卷积神经网络(cnn)的发展上。这些技术能够在处理大量数据时自动提取特征，从而实现对图像内容的识别和分类。
3、在施工领域中，通过在不同施工区域设置摄像头，并利用神经网络模型对摄像头采集的视频流进行分析，可以实现对施工行为的实时监测。首先，神经网络模型需要在大量的训练数据中学习和识别各种施工行为，如施工工具的使用、施工人员的操作、施工材料的堆放等。通过对这些数据的学习，神经网络模型可以建立起对施工行为的理解和识别能力。当摄像头采集到施工现场的视频流时，神经网络模型会对视频数据进行处理，从中提取出关键的施工信息。通过对比模型学习到的行为模式，神经网络可以分析被监测区域内的对象的施工行为，并在发现异常或不合规的行为时及时发出告警。这样，施工管理人员可以迅速采取措
4、然而，施工领域在未来可能对安全性和合规性可能会提出更高的要求，目前神经网络分析的准确度和鲁棒性还达不到其需求。
技术实现思路
1、本申请实施例提供一种物联网实时监控工程设计方法及系统，以满足施工领域在未来可能对安全性和合规性可能会提出更高的要求。
2、为达到上述目的，本申请采用如下技术方案：
3、第一方面，提供一种物联网实时监控工程设计方法，应用于电子设备，该方法包括：电子设备通过物联网获取第一监测设备采集的第一施工区域中目标被监测区域的第一监测视频，以及第二监测设备采集的第二施工区域中目标被监测区域的第二监测视频，第一监测视频与第二监测视频是同一时间且时长相同的监测视频，目标被监测区域是第一施工区域与第二施工区域的交叠区域；电子设备通过神经网络模型将第一监测视频与第二监测视频中同一时间帧的图像进行特征融合分析，得到监测结果，监测结果用于指示目标被监测区域中被监测对象的施工行为。
4、可选地，电子设备与第一监测设备之间建立有d2d的第一侧行连接，电子设备与第二监测设备之间也建立有d2d的第二侧行连接，电子设备通过物联网获取第一监测设备采集的第一施工区域中目标被监测区域的第一监测视频，以及第二监测设备采集的第二施工区域中目标被监测区域的第二监测视频，包括：电子设备通过第一侧行连接接收第一监测设备采集的第一施工区域中目标被监测区域的第一监测视频，以及通过第二侧行连接接收第二监测设备采集的第二施工区域中目标被监测区域的第二监测视频。
5、可选地，第一监测视频是第一监测设备以第一拍摄方向对目标被监测区域进行监测拍摄而采集到的监测视频，第二监测视频是第二监测设备以第二拍摄方向对目标被监测区域进行监测拍摄而采集到的监测视频，第一拍摄方向与第二拍摄方向之间的夹角为大于0°且小于90°。
6、可选地，电子设备通过神经网络模型将第一监测视频与第二监测视频中同一时间帧的图像进行特征融合分析，得到监测结果，包括：电子设备根据第一施工区域与第二施工区域的安全级别，以安全级别对应的处理比例，将第一监测视频与第二监测视频中同一时间帧的图像通过神经网络模型将特征融合分析，得到监测结果。
7、可选地，若第一施工区域的安全级别大于第二施工区域的安全级别，则电子设备根据第一施工区域与第二施工区域的安全级别，以安全级别对应的处理比例，将第一监测视频与第二监测视频中同一时间帧的图像通过神经网络模型将特征融合分析，得到监测结果，包括：电子设备根据第一监测视频或第二监测视频的时长，将第一监测视频对应分割成k个第一监测视频段，以及将第二监测视频对应分割成k个第二监测视频段；其中；k为大于1的整数，且k的取值与时长正相关，对于k个第一监测视频段中的第i个第一监测视频段，以及k个第二监测视频段中的第i个第二监测视频段，i为遍历1至k的整数，第i个第一监测视频段与第i个第二监测视频段各自均包含m帧图像，m为大于1的整数；电子设备根据第一施工区域的安全级别大于第二施工区域的安全级别，将第i个第二监测视频段中的n帧第一图像与第i个第一监测视频段中的m帧第二图像通过神经网络模型将特征融合分析，得到监测结果，n为大于或等于1且小于m的整数。
8、可选地，电子设备根据第一施工区域的安全级别大于第二施工区域的安全级别，将第i个第二监测视频段中的n帧第一图像与第i个第一监测视频段中的m帧第二图像通过神经网络模型将特征融合分析，得到监测结果，包括：电子设备根据第一施工区域的安全级别大于第二施工区域的安全级别，将第i个第二监测视频段的m帧第一图像均分为n份，得到第i个第二监测视频段的n个第一图像集，从第i个第二监测视频段的n个第一图像集中各自抽取出一帧第一图像，得到第i个第二监测视频段中的n帧第一图像；电子设备将第i个第一监测视频段的m帧第二图像均分为n份，得到第i个第一监测视频段的n个第二图像集；j为遍历1至n的整数，电子设备将n帧第一图像中的第j帧第一图像与第i个第一监测视频段的n个第二图像集中的第j个第二图像集通过神经网络模型将特征融合分析，得到监测结果。
9、可选地，电子设备将n帧第一图像中的第j帧第一图像与第i个第一监测视频段的n个第二图像集中的第j个第二图像集通过神经网络模型将特征融合分析，得到监测结果，包括：电子设备通过神经网络模型的卷积层对第j帧第一图像进行卷积，得到特征向量集#j，以及通过神经网络模型的卷积层对第j个第二图像集中的每帧第二图像进行卷积，得到多个特征向量集；电子设备通过神经网络模型的特征处理层，将特征向量集#j分别融合到多个特征向量集中，得到融合后的多个特征向量集，并通过神经网络模型的全连接层处理融合后的多个特征向量集，得到监测结果；其中，特征向量集#j融合到多个特征向量集中的每个特征向量集是指：特征向量集#j中的至少部分特征向量均匀地插入到每个特征向量集中的各个特征向量之间，得到一个融合后的特征向量集；对于多个特征向量集中任一个特征向量集，若该特征向量集在第j个第二图像集中对应的第二图像的帧号/时间越接近于第j帧第一图像的帧号/时间，则特征向量集#j融合到该特征向量集中的特征向量越多，在帧号/时间相同的情况下，特征向量集#j的全部特征向量均融合到该特征向量集中。
10、可选地，若第一施工区域的安全级别等于第二施工区域的安全级别，则电子设备根据第一施工区域与第二施工区域本文档来自技高网...
【技术保护点】
1.一种物联网实时监控工程设计方法，其特征在于，应用于电子设备，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述电子设备与所述第一监测设备之间建立有D2D的第一侧行连接，所述电子设备与所述第二监测设备之间也建立有D2D的第二侧行连接，所述电子设备通过物联网获取第一监测设备采集的第一施工区域中目标被监测区域的第一监测视频，以及第二监测设备采集的第二施工区域中所述目标被监测区域的第二监测视频，包括：
3.根据权利要求2所述的方法，其特征在于，所述第一监测视频是所述第一监测设备以第一拍摄方向对所述目标被监测区域进行监测拍摄而采集到的监测视频，所述第二监测视频是所述第二监测设备以第二拍摄方向对所述目标被监测区域进行监测拍摄而采集到的监测视频，所述第一拍摄方向与所述第二拍摄方向之间的夹角为大于0°且小于90°。
4.根据权利要求1所述的方法，其特征在于，所述电子设备通过神经网络模型将所述第一监测视频与所述第二监测视频中同一时间帧的图像进行特征融合分析，得到监测结果，包括：
5.根据权利要求4所述的方法，其特征在于，若所述第一施工
6.根据权利要求5所述的方法，其特征在于，所述电子设备根据所述第一施工区域的安全级别大于所述第二施工区域的安全级别，将所述第i个第二监测视频段中的N帧第一图像与所述第i个第一监测视频段中的M帧第二图像通过所述神经网络模型将特征融合分析，得到所述监测结果，包括：
7.根据权利要求6所述的方法，其特征在于，所述电子设备将所述N帧第一图像中的第j帧第一图像与所述第i个第一监测视频段的N个第二图像集中的第j个第二图像集通过所述神经网络模型将特征融合分析，得到所述监测结果，包括：
8.根据权利要求4所述的方法，其特征在于，若所述第一施工区域的安全级别等于所述第二施工区域的安全级别，则所述电子设备根据所述第一施工区域与所述第二施工区域的安全级别，以所述安全级别对应的处理比例，将所述第一监测视频与所述第二监测视频中同一时间帧的图像通过所述神经网络模型将特征融合分析，得到所述监测结果，包括：
9.根据权利要求8所述的方法，其特征在于，所述电子设备根据所述第一施工区域的安全级别等于所述第二施工区域的安全级别，将所述第i个第二监测视频段中的M帧第一图像与所述第i个第一监测视频段中的M帧第二图像一一对应地通过所述神经网络模型将特征融合分析，得到所述监测结果，包括：
10.一种物联网实时监控工程设计系统，其特征在于，所述系统包括电子设备，所述系统被配置为：
...【技术特征摘要】
1.一种物联网实时监控工程设计方法，其特征在于，应用于电子设备，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述电子设备与所述第一监测设备之间建立有d2d的第一侧行连接，所述电子设备与所述第二监测设备之间也建立有d2d的第二侧行连接，所述电子设备通过物联网获取第一监测设备采集的第一施工区域中目标被监测区域的第一监测视频，以及第二监测设备采集的第二施工区域中所述目标被监测区域的第二监测视频，包括：
3.根据权利要求2所述的方法，其特征在于，所述第一监测视频是所述第一监测设备以第一拍摄方向对所述目标被监测区域进行监测拍摄而采集到的监测视频，所述第二监测视频是所述第二监测设备以第二拍摄方向对所述目标被监测区域进行监测拍摄而采集到的监测视频，所述第一拍摄方向与所述第二拍摄方向之间的夹角为大于0°且小于90°。
4.根据权利要求1所述的方法，其特征在于，所述电子设备通过神经网络模型将所述第一监测视频与所述第二监测视频中同一时间帧的图像进行特征融合分析，得到监测结果，包括：
5.根据权利要求4所述的方法，其特征在于，若所述第一施工区域的安全级别大于所述第二施工区域的安全级别，则所述电子设备根据所述第一施工区域与所述第二施工区域的安全级别，以所述安全级别对应的处理比例，将所述第一监测视频与所述第二监测视频中同一时间帧的图像通过所述神经网络模型将特征融合分析，得到所...
【专利技术属性】
技术研发人员：张晓涛，肖谨晗，郭健聪，陈睿，郭志坤，蔡诗燕，
申请(专利权)人：广东中科建设工程有限公司，
类型：发明
国别省市：
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。