CN109711408B - 一种用于建筑工地的人员识别*** - Google Patents

Abstract

本发明提出一种用于建筑工地的人员识别***，包括安全帽、图像识别设备和信息记录平台，所述图像识别设备中识别人员标识使用的模型包括5个slice层，每个slice层对应一个卷积层、一个全连接层、一个标签和一个eltwise层，每个eltwise层对应一个分类器，5个分类器等比例合成一个总分类器。所述图像识别设备中还设有用于分割人员标识的模型，该模型通过重构DenseNet模型得到，重构时在DenseNet模型中每个包含3*3卷积核的卷积层后增加一个使用1*1卷积核的卷积层。所述信息记录平台包括区块链平台、区块链网关和监控终端，监控终端通过网线与图像识别设备相连，区块链平台用于存储监控终端获取的人员信息，区块链网关用于连通监控终端和区块链平台中的服务器。

Description

一种用于建筑工地的人员识别***

技术领域

本发明属于图像处理领域，尤其是一种用于建筑工地的人员识别***。

背景技术

继2010年正式出现“智慧城市”概念后，包括我国在内的很多国家都提出了符合自身定位的智慧城市实施方案。目前，智慧城市的概念逐渐精准细化，由智慧城市衍生出智慧工地项目水到渠成，成为建筑行业信息化发展的必然趋势。

智慧工地是智慧地球理念在工程领域的行业具现，是一种崭新的工程全生命周期管理理念。智慧工地将更多人工智慧、传感技术、虚拟现实等高科技技术植入到建筑、机械、人员穿戴设施、场地进出关口等各类物体中，并且被普遍互联，形成“物联网”，再与“互联网”整合在一起，实现工程管理干系人与工程施工现场的整合。智慧工地的核心是以一种“更智慧”的方法来改进工程各干系组织和岗位人员相互交互的方式，以便提高交互的明确性、效率、灵活性和响应速度。

目前智慧工地综合管理***主要以互联网云为平台，打造了利用物联网和人脸识别技术的劳务管理***、利用移动终端的现场巡检***、应用唯一性标识的见证取样***、利用物联网等传感技术的塔基和升降机监控、具有智能喷淋功能的环境监测***、针对重大危险源的基坑监测和高支模监测***、以及全天候24H的动态视频监控***。

发明内容

基于此本发明提出一种用于建筑工地的人员识别***，采用的技术方案如下：

一种用于建筑工地的人员识别***，包括安全帽、图像识别设备和信息记录平台，所述安全帽上设有包括5个字符的人员标识，所述图像识别设备中识别人员标识使用的模型包括5个slice层，每个slice层对应一个卷积层、一个全连接层和一个标签和一个eltwise层，每个eltwise层对应一个分类器，5个分类器等比例合成一个总分类器，总分类器用于输出人员标识的置信度。

进一步的，所述图像识别设备中还设有用于分割人员标识的模型，该模型通过重构DenseNet模型得到，重构时在DenseNet模型中每个包含3*3卷积核的卷积层后增加一个使用1*1卷积核的卷积层。

进一步的，安全帽上的人员标识包括一位工种标识信息、一位区域标识信息和三位人员工号。

进一步的，训练用于识别人员标识的模型时，使用的样本集由人工生成，样本集中的字符只包括数字，生成样本集时使用的参数包括人员标识的倾斜角度和图像腐蚀强度。

进一步的，所述信息记录平台包括区块链平台、区块链网关和监控终端，监控终端通过网线与图像识别设备相连，区块链平台用于存储监控终端获取的人员信息，区块链网关用于连通监控终端和区块链平台中的服务器。

进一步的，所述区块链网关的功能包括事件监听、一致性验证。

进一步的，监控终端首次与区块链平台相连时，会向区块链平台发送请求验证信息，包括监控终端唯一串口号，区块链平台中的其他监控终端采用账号密码校验结合授权证书校验方式对该监控终端进行验证。

进一步的，监控终端接收到图像识别设备采集的图像信息时，会生成头信息，头信息包括人员识别编号。

与现有技术相比，本发明的有益效果在于：所述图像识别设备中识别人员标识使用的模型包括5个slice层，每个slice层对应一个卷积层、一个全连接层和一个标签和一个eltwise层，每个eltwise层对应一个分类器，5个分类器等比例合成一个总分类器，总分类器用于输出人员标识的置信度，进行人员标识识别时无需分割，减小了计算时所需的参数，并保证了计算的准确度；使用区块链技术存储人员识别信息，保证了数据的安全性。

附图说明

图1是识别***结构示意图；

图2是安全帽结构示意图；

图3是闸机整体结构示意图；

图4是识别设备结构示意图；

图5是识别设备俯视图；

图6是拍照开关结构示意图；

图7是另一视角拍照开关结构示意图；

图8是按压臂结构示意图。

附图标记说明：

识别设备-1，安装部-11，摄像头-12，六角螺栓-13，插接孔-14，拍照开关-2，防水部-201，导向环-202，滑柱-203，弹簧-204，微动盘-205，导向柱-206，圆柱体-207，固定台-208，导电柱-209，弹片-210，支撑片-211，下触点-212，上触点-213，按压臂-3，卡接部-31。

具体实施方式

如图1所示，本发明实施例中，提出的用于建筑工地的人员识别***，包括服务器和图像识别设备，图像识别设备包括识别设备1和监控终端，服务器之间相互连接构成区块链平台，监控终端通过网线与区块链网关相连，识别设备1连接监控终端和显示屏。其中区块链平台采用联盟链架构，通过区块链网关与监控终端相连的服务器为信任的记账节点。其中区块链网关的主要功能为作为服务器和监控终端信息交互的通道，此外区块链网关的功能还包括事件监听、一致性验证。搭建***时，监控终端首次与区块链平台相连时，会向区块链平台发送请求验证信息，包括监控终端唯一串口号，区块链平台中的其他监控终端采用账号密码校验结合授权证书校验方式对该监控终端进行验证。

本发明实施例中，识别设备1采集的图像为带有安全帽的人员头部图像，如图2所示，安全帽上设有包括5个字符的人员标识，5位人员标识包括一位工种标识信息、一位区域标识信息和三位人员工号。

其中工种标识为：泥工-泥，钢筋工-钢，混凝土工-混，油漆工-漆，玻璃工-玻，起重工-重，吊车司机-吊，电焊工-焊，维修电工-修，测量工-测，防水工-水，架子工-架，电工-电，杂工-杂。

本发明实施例中，监控终端用于处理识别设备1采集的图像，所述监控终端中识别人员标识使用的模型包括5个slice层，每个slice层对应一个卷积层、一个全连接层和一个标签和一个eltwise层，每个eltwise层对应一个分类器，5个分类器等比例合成一个总分类器，总分类器用于输出人员标识的置信度。所述图像识别设备中还设有用于分割人员标识的模型，该模型通过重构DenseNet模型得到，重构时在DenseNet模型中每个包含3*3卷积核的卷积层后增加一个使用1*1卷积核的卷积层。

在本发明实施例中，模型的实现和训练使用了caffe框架，搭建训练分割人员标识模型的***并进行训练的步骤包括：

S1.人工生成8万张人员标识的(各种角度，光线，位置等，体现样本的多样性)图片，按3：1的笔记生成训练集和测试集，人为利用标记工具框出人员标识信息所在的矩形框，利用caffe框架生成.xml文件，再生成训练模型可用的.lmbd格式样本文件；

此步骤中为了简化识别过程，使用映射关系可以把识别汉字、英文、***数字3类标签统一为一类数字标签，具体是将每个人员标识修改为诸如0_31_17_17_17的形式，其中的5位数字即为该人员标识。映射关系如下：汉字、10个***数字24个大写英文字母(除I、O)按下面顺序排号{"泥":0,"钢":1,"混":2,"漆":3,"玻":4,"重":5,"吊":6,"焊":7,"修":8,"测":9,"水":10,"架":11,"电":12,"杂":13,"0":14,"1":15,"2":16,"3":17,"4":18,"5":19,"6":20,"7":21,"8":22,"9":23,"A":24,"B":25,"C":26,"D":27,"E":28,"F":29,"G":30,"H":31,"J":32,"K":33,"L":34,"M":35,"N":36,"P":37,"Q":38,"R":39,"S":40,"T":41,"U":42,"V":43,"W":44,"X":45,"Y":46,"Z":47}。

S2.修改train_test.prototxt网络模型文件和deploy.prototxt网络模型文件中卷积层，生成分割模型，然后利用训练集训练该模型；

S3.用测试集测试训练好的模型，以检测效果，根据训练效果调整solver.prototxt超参数文件，调整的参数包括学习率、最大迭代次数和梯度权重，保留最后生成的.caffemodel文件。

搭建训练识别人员标识模型的***并进行训练的步骤与上述步骤基本相同，其中区别在于人工生成样本时，人员标识为原始字符。

本发明实施例中，对caffe框架所做的修改还包括：修改caffe源码中的caffe.proto文件中标签的属性，修改io.hpp文件中ReadImageToDatum函数定义、重载io.cpp文件中的ReadImageToDatum函数，修改data_layer.cpp文件中与人员标识处理相关的语句。

本发明实施例中，识别设备1安装在闸机上，识别设备1设有环形的安装部11，安装部11的底面设有六角螺栓13，识别设备1上还设有摄像头12，安装部11上设有插接孔14，插接孔14用于安装按压臂3。

闸机上还设有拍照开关2，拍照开关2包括壳体，壳体内部设有导向柱202和微动盘205，微动盘205设有导向部，微动盘205通过导向部套接在导向柱202上，壳体内部还设有固定平板，微动盘205通过弹簧204与固定平板连接。壳体的底部设有固定台208和；两个导电柱209，每个导电柱209的顶端设有一个上触点213，固定台208内设有弹片210，弹片210的两端各设有一个下触点212，弹片210上左右对称的设有支撑片211，支撑片211的一端与弹片210固定连接，支撑片211的另一端卡接在固定台208上的卡槽内。所述壳体的顶部设有导向环206。所述拍照开关2还包括滑柱203，滑柱203穿过导向环206后与微动盘205固定连接。滑柱203与外壳顶面之间还设有防水部201。所述微动盘205上还设有圆柱体207，圆柱体207用于下压弹片210。

按压臂3设有卡接部31，按压臂3的主体设有弧形折弯，按压臂3的末端位于拍照开关2上方。

本发明实施例中识别***的工作过程包括步骤：

步骤1.工人佩戴带有人员标识的安全帽，进入图像识别处，通过按压臂3控制识别设备1进行拍照，监控终端接收识别设备1采集的图像信息并生成与之对应的头信息；

步骤2.监控终端处理识别设备1采集的图像，包括监控终端检测人员标识是否存在，当检测到人员标识时分割人员标识所在区域，输出5位人员标识和人员标识对应的置信度得分；

步骤3.监控终端将人员标识、置信度得分和头信息打包形成数据帧；

步骤4.服务器接收监控终端发送的数据帧，并进行加密，将加密后的数据帧存储到区块链中。

以上所述仅为本发明创造的较佳实施例而已，并不用以限制本发明创造，凡在本发明创造的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明创造的保护范围之内。

Claims (5)

1.一种用于建筑工地的人员识别***，包括安全帽、图像识别设备和信息记录平台，其特征在于，所述安全帽上设有包括5个字符的人员标识，所述图像识别设备中识别人员标识使用的模型包括5个slice层，每个slice层对应一个卷积层、一个全连接层、一个标签和一个eltwise层，每个eltwise层对应一个分类器，5个分类器等比例合成一个总分类器，总分类器用于输出人员标识的置信度；

所述图像识别设备中还设有用于分割人员标识的模型，该模型通过重构DenseNet模型得到，重构时在DenseNet模型中每个包含3*3卷积核的卷积层后增加一个使用1*1卷积核的卷积层；

安全帽上的人员标识包括一位工种标识信息、一位区域标识信息和三位人员工号；

所述信息记录平台包括区块链平台、区块链网关和监控终端，监控终端通过网线与图像识别设备相连，区块链平台用于存储监控终端获取的人员信息，区块链网关用于连通监控终端和区块链平台中的服务器。

2.如权利要求1所述一种用于建筑工地的人员识别***，其特征在于，训练用于分割人员标识的模型时，使用的样本集由人工生成，样本集中的字符只包括数字，生成样本集时使用的参数包括人员标识的倾斜角度和图像腐蚀强度。

3.如权利要求1所述一种用于建筑工地的人员识别***，其特征在于，所述区块链网关的功能包括事件监听、一致性验证。

4.如权利要求1所述一种用于建筑工地的人员识别***，其特征在于，监控终端首次与区块链平台相连时，会向区块链平台发送请求验证信息，包括监控终端唯一串口号，区块链平台中的其他监控终端采用账号密码校验结合授权证书校验方式对该监控终端进行验证。

5.如权利要求1所述一种用于建筑工地的人员识别***，其特征在于，监控终端接收到图像识别设备采集的图像信息时，会生成头信息，头信息包括人员识别编号。

Images