【技术实现步骤摘要】
本申请涉及图像数据处理领域，特别涉及一种高空作业生命线预警方法。
技术介绍
1、随着建筑工程规模的不断扩大和施工技术的日益复杂，高空作业已成为建筑施工中的常态。高空作业环境复杂多变，施工过程中存在诸多安全隐患，传统的人工巡查和监管方式效率低下，难以满足日益提高的安全管理需求。为了有效防范高空坠落事故，提升施工安全管控水平，亟需引入先进的技术手段，实现高空作业安全的智能化监管。
2、当前，高空作业安全管理主要依赖于人工巡查和视频监控等传统方式。人工巡查耗时耗力，难以做到全天候、全覆盖的监管，容易出现疏漏和盲区。传统的视频监控系统虽然能够实时记录作业现场的情况，但缺乏智能化的分析和预警功能，需要安全管理人员人工查看视频画面，效率低下且准确性难以保证。
3、近年来，随着计算机视觉和人工智能技术的发展，智能化的安全监管方案受到越来越多的关注。基于视频分析的行为识别技术能够自动检测作业人员的行为，判断是否存在违规操作或安全隐患。但是，受限于高空作业环境的复杂性和多变性，现有的行为识别算法在实际应用中面临诸多挑战。首先，高空作业场景下的视频图像质量往往较差，受光照、雾霾、遮挡等因素影响，图像中的人体和安全带区域难以准确定位和提取。其次，不同施工阶段和工种面临的风险各不相同，作业人员的行为模式和安全带佩戴要求也有所差异，现有的识别模型难以适应多变的场景需求。
技术实现思路
1、针对现有技术中存在的高空作业环境复杂多变，作业人员安全带佩戴监管效率低的问题，本申请提供了一种高
2、本申请的目的通过以下技术方案实现。
3、本申请提供一种高空作业生命线预警方法，包括：s1，获取包含作业人员图像和建筑施工区域图像的图像数据；s2，采用图像分割算法对图像数据进行分割处理，提取出图像数据中的人体区域和包含安全带的生命线区域；
4、s3，提取图像数据的时间戳和位置信息作为元数据，根据元数据构建图像数据的时空索引；具体的，从步骤s1获取的图像数据中提取拍摄时间信息，将拍摄时间信息格式化为时间戳数据，时间戳数据包括年、月、日、时、分、秒等时间维度；从图像数据的exif元数据中提取gps定位信息，将gps定位信息转换为空间坐标数据，空间坐标数据包括经度、纬度、高度等空间维度；将时间戳数据和空间坐标数据进行关联，生成图像数据的时空元数据，时空元数据包含图像数据的时间标签和空间标签；利用时空元数据构建图像数据的时空索引，采用geohash算法对空间坐标数据进行编码，生成唯一的geohash码，geohash码表示图像数据的空间位置；采用时间树算法对时间戳数据进行编码，生成唯一的时间树码，时间树码表示图像数据的时间位置；将geohash码和时间树码进行组合，生成图像数据的时空码，时空码唯一标识图像数据的时空位置；基于时空码构建图像数据的时空索引，采用倒排索引结构组织图像数据和时空码的映射关系，支持根据时间段和空间区域进行快速检索。
5、s4，构建基于卷积神经网络的安全带佩戴识别模型，用于识别作业人员的安全带佩戴状态；在构建的安全带佩戴识别模型中，设置空间注意力机制和通道注意力机制；其中，空间注意力机制中嵌入建筑边缘和脚手架区域的先验信息以引导模型关注相应区域；在通道注意力机制中设置安全带颜色和反光条的权重；s5，获取不同施工阶段和不同工种的作业人员的安全带小样本数据，并根据施工阶段和工种对小样本数据进行场景划分，构建小样本数据集；将小样本数据集与对应的元数据相结合，得到带有时空标签的小样本数据集；s6，利用带有时空标签的小样本数据集对构建的安全带佩戴识别模型进行few-shotlearning和元学习的训练；将提取的人体区域和生命线区域输入训练后的安全带佩戴识别模型中进行预测，识别出安全带佩戴状态。
6、s7，根据构建的时空索引获取图像数据的位置坐标，结合识别出的安全带佩戴状态，通过决策树进行风险评估，触发相应的预警级别。具体的，根据图像数据的时间戳信息，在b+树时空索引上进行时间范围查询，获取时间戳邻近的叶子节点，提取叶子节点中存储的与输入图像对应的空间位置坐标数据；将输入图像中人体区域的像素坐标映射到施工现场的空间坐标系，得到作业人员在施工现场的实际位置坐标；将作业人员的位置坐标与s71提取的图像位置坐标进行欧氏距离计算，若欧氏距离小于设定阈值，则判定二者位置匹配，确认作业人员的空间位置；根据s6中安全带佩戴识别模型的预测结果，获取作业人员安全带佩戴状态的置信度得分，将置信度得分划分为高、中、低三个等级，分别表示佩戴合格、佩戴不规范和未佩戴三种状态；将作业人员的空间位置坐标和安全带佩戴状态置信度得分输入到预设的决策树模型中，决策树模型通过分析位置和佩戴状态之间的关联规则，评估作业人员在当前位置的安全风险等级；其中，决策树模型基于大量历史事故数据和专家经验构建，通过信息熵和基尼指数等指标选择最优划分属性，生成树型结构化的风险判定规则；决策树的非叶子节点表示划分属性，如位置高度、水平距离、佩戴状态等，叶子节点表示安全风险等级，分为安全、提示、警告、危险四个等级；对于输入的位置坐标和佩戴状态数据，决策树模型从根节点开始，递归地将数据实例划分到不同的子节点，直到到达叶子节点，将实例划分到对应的安全风险等级；根据决策树模型评估的风险等级，结合预设的预警规则，自适应地触发相应等级的预警提示；其中，预警规则可基于施工现场的安全管理要求和人员应急响应能力等因素动态设置，针对不同风险等级设置不同的预警方式，如语音提醒、闪光警示、短信通知、现场告警等；当决策树评估的风险等级为安全时，不触发预警；当风险等级为提示时，通过语音提醒佩戴状态；当风险等级为警告时，通过闪光警示和短信通知提醒佩戴状态和位置危险；当风险等级为危险时，触发现场高亮告警，通知现场安全员进行应急处置。
7、进一步的，s2，采用图像分割算法对图像数据进行分割处理，提取出图像数据中的人体区域和包含安全带的生命线区域，包括：针对图像数据中的椒盐噪声和高斯噪声，采用中值滤波算法进行去噪处理；中值滤波通过滑动窗口计算窗口内像素的中值来替代中心像素，能有效消除椒盐噪声和高斯噪声的影响；对去噪后的图像采用直方图均衡化算法进行增强处理；直方图均衡化通过拉伸像素灰度值的分布范围，增加图像的对比度和清晰度，使图像特征更加明显，为后续语义分割提供更好的输入数据。采用预训练的全卷积网络(fcn)模型对预处理后的图像数据进行语义分割；fcn通过卷积和池化操作提取图像的多尺度特征，并通过反卷积操作将特征图上采样到原始分辨率，实现端到端的像素级分类；通过fcn模型将图像数据中的每个像素划分为前景或背景两类，其中前景包含人体和安全带区域，背景包含建筑物等其他区域；语义分割得到前景区域的像素级掩码，为后续区域分割提供候选区域。在语义分割得到的前景图像数据上，采用分水岭算法进行区域分割；分水岭算法通过将图像看作地形表面，并从局部极小值开始淹没，将像本文档来自技高网...
【技术保护点】
1.一种高空作业生命线预警方法，包括：
2.根据权利要求1所述的高空作业生命线预警方法，其特征在于：
3.根据权利要求2所述的高空作业生命线预警方法，其特征在于：
4.根据权利要求3所述的高空作业生命线预警方法，其特征在于：
5.根据权利要求3所述的高空作业生命线预警方法，其特征在于：
6.根据权利要求3所述的高空作业生命线预警方法，其特征在于：
7.根据权利要求2至6任一所述的高空作业生命线预警方法，其特征在于：
8.根据权利要求7所述的高空作业生命线预警方法，其特征在于：
9.根据权利要求8所述的高空作业生命线预警方法，其特征在于：
10.根据权利要求9所述的高空作业生命线预警方法，其特征在于：
【技术特征摘要】
1.一种高空作业生命线预警方法，包括：
2.根据权利要求1所述的高空作业生命线预警方法，其特征在于：
3.根据权利要求2所述的高空作业生命线预警方法，其特征在于：
4.根据权利要求3所述的高空作业生命线预警方法，其特征在于：
5.根据权利要求3所述的高空作业生命线预警方法，其特征在于：
6.根据权...
【专利技术属性】
技术研发人员：徐汉锋，许涛，张超，郑江恒，张少伟，
申请(专利权)人：深圳市建安集团股份有限公司，
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。