CN115190277B - 施工区域的安全监控方法、装置、设备及存储介质 - Google Patents
施工区域的安全监控方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115190277B CN115190277B CN202211095238.8A CN202211095238A CN115190277B CN 115190277 B CN115190277 B CN 115190277B CN 202211095238 A CN202211095238 A CN 202211095238A CN 115190277 B CN115190277 B CN 115190277B
- Authority
- CN
- China
- Prior art keywords
- abnormal
- monitoring
- area
- image
- coordinate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 379
- 238000010276 construction Methods 0.000 title claims abstract description 154
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000002159 abnormal effect Effects 0.000 claims abstract description 367
- 238000009432 framing Methods 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 45
- 238000012806 monitoring device Methods 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims description 39
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 11
- 238000004806 packaging method and process Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 18
- 238000005516 engineering process Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000008676 import Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 6
- 238000011897 real-time detection Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005538 encapsulation Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/50—Safety; Security of things, users, data or systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Emergency Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Computer Security & Cryptography (AREA)
- Primary Health Care (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及建筑监控技术领域,公开了一种施工区域的安全监控方法、装置、设备及存储介质。该方法包括:获取各采集设备对应定向区域的监控区域坐标集,并通过采集设备采集施工区域对应的监控视频;通过IOT平台对监控视频进行图像分帧处理,并通过安全监控模块检测监控图像中的异常区域,以及提取异常区域在监控图像中对应的异常坐标;通过安全监控模块检测异常坐标是否为监控区域坐标集对应的坐标区域,并对异常区域进行网格划分和异常类别概率预测;通过IOT平台对异常区域的异常对象匹配对应告警事件,并通过isPM平台根据告警事件生成告警信息,以及将告警信息推送至对应的监控终端。本发明提高了对施工现场围合进出口的安全监控的预警效率。
Description
技术领域
本发明涉及建筑监控技术领域,尤其涉及一种施工区域的安全监控方法、装置、设备及存储介质。
背景技术
随着我国城市化进程快速推进的同时,建筑行业也进出了发展发展的阶段。以致城市中相关建筑工程数量不断增加,使的建筑施工现场在城市之中随处可见。而施工现场作为建筑施工的主要场所,在施工现场经常能看到许多大型危险的施工设备,且其中的施工人员流动性非常大,导致整个施工现场危险源众多,容易产生安全事故。因此,为了对建筑施工现场的安全隐患进行监督防护,需要对施工现场进行安全监测管理。
现今,对施工现场常常采用围合式管理,通过将对应的施工区域进行围合,并对围合的进出口设置相应的保安亭进行监控,防止外人或其他生物进行施工区域,但是由于这种安全监控缺乏自动化实现,对施工现场在未施工时间段等特殊时间段时,生物意外闯入的安全问题不能及时发现、提前预警。即现有对施工现场围合进出口的安全监控的预警效率较低。
发明内容
本发明的主要目的在于解决现有对施工现场围合进出口的安全监控的预警效率较低的问题。
本发明第一方面提供了一种施工区域的安全监控方法,应用于施工区域的安全监控***,所述安全监控***包括安全监控模块、IOT平台和isPM平台,其中,所述IOT平台包括多个采集设备,所述施工区域的安全监控方法包括:获取各所述采集设备对应定向区域的监控区域坐标集,并通过所述采集设备采集施工区域对应的监控视频;通过所述IOT平台对所述监控视频进行图像分帧处理,得到多个初始监控图像,并通过所述安全监控模块检测所述监控图像中的异常区域,以及提取所述异常区域在所述监控图像中对应的异常坐标;通过所述安全监控模块检测所述异常坐标是否为所述监控区域坐标集对应的坐标区域,并根据坐标检测的结果,对所述异常区域进行网格划分和异常类别概率预测,得到异常识别结果;基于所述异常识别结果,通过所述IOT平台对所述异常区域的异常对象匹配对应告警事件,并通过isPM平台根据所述告警事件生成告警信息,以及将所述告警信息推送至对应的监控终端。
可选的,在本发明第一方面的第一种实现方式中,所述通过所述IOT平台对所述监控视频进行图像分帧处理,得到多个初始监控图像,包括:通过所述IOT平台分别对各所述采集设备的建立单线程分帧通道;利用所述单线程分帧通道对各所述监控视频进行图像分帧,并将分帧后的图像进行数据流封装,得到多个初始监控图像。
可选的,在本发明第一方面的第二种实现方式中,所述通过所述安全监控模块检测所述监控图像中的异常区域,包括:通过所述安全监控模块,选取同一所述采集设备中预置数量的所述监控图像,得到多组初级监控图像集,并对各所述初级监控图像集进行图像数据增强处理,得到增强后的多组监控图像集;对各所述监控图像集进行要素切片,并对要素切片的结果进行预设像素尺寸的加权平均处理,得到多个监控特征图;对各所述监控特征图进行图像网格划分,并对划分后各个网格的监控特征图进行异常特征识别,得到异常识别结果;分别计算所述异常识别结果中对应图像网格的异常概率,并选择超过预设异常概率的所述图像网格,生成异常区域。
可选的,在本发明第一方面的第三种实现方式中,所述提取所述异常区域在所述监控图像中对应的异常坐标,包括:确定所述异常区域对应的多个异常图像网格;基于预设的特征图像坐标轴,识别各所述异常图像网格的多个网格坐标点;选取所述网格坐标点中的区域边界的坐标点,得到异常坐标。
可选的,在本发明第一方面的第四种实现方式中,所述根据坐标检测的结果,对所述异常区域进行网格划分和异常类别概率预测,得到异常识别结果,包括:根据坐标检测的结果,计算所述异常区域中各个网格的边界框预测值;利用预设施工监控模型中的全连接层对所述异常区域中各个网格中的物体进行坐标计算,并检测坐标计算的结果是否属于边界框预测值;若属于,则对坐标计算的结果与各所述边界框预测值进行置信度计算,得到对应异常类别准确率的异常识别结果。
可选的,在本发明第一方面的第五种实现方式中,所述基于所述异常识别结果,通过所述IOT平台对所述异常区域的异常对象匹配对应告警事件,包括:若所述异常识别结果包含异常对象,则根据所述异常识别结果,对所述监控图像中的异常对象进行标注;根据标注后的监控图像生成告警图像集,将所述告警图像集回调至所述IOT平台,并通过所述IOT平台,根据回调的告警图像集,生成对应异常类型的告警事件。
可选的,在本发明第一方面的第六种实现方式中,所述通过isPM平台根据所述告警事件生成告警信息,以及将所述告警信息推送至对应的监控终端,包括:所述isPM平台根据所述告警事件对应的监控场景,选取对应的数据格式类型,对所述告警事件执行预处理;根据预处理的结果,生成对应的告警内容,并利用预置监控对象模板,采用所述告警内容生成多个告警信息;将各所述告警信息推送至对应的监控终端。
本发明第二方面提供了一种施工区域的安全监控装置,应用于施工区域的安全监控***,所述安全监控***包括安全监控模块、IOT平台和isPM平台,其中,所述IOT平台包括多个采集设备,所述施工区域的安全监控装置包括:视频采集模块,用于获取各所述采集设备对应定向区域的监控区域坐标集,并通过所述采集设备采集施工区域对应的监控视频;坐标提取模块,用于通过所述IOT平台对所述监控视频进行图像分帧处理,得到多个初始监控图像,并通过所述安全监控模块检测所述监控图像中的异常区域,以及提取所述异常区域在所述监控图像中对应的异常坐标;异常识别模块,用于通过所述安全监控模块检测所述异常坐标是否为所述监控区域坐标集对应的坐标区域,并根据坐标检测的结果,对所述异常区域进行网格划分和异常类别概率预测,得到异常识别结果;告警推送模块,用于基于所述异常识别结果,通过所述IOT平台对所述异常区域的异常对象匹配对应告警事件,并通过isPM平台根据所述告警事件生成告警信息,以及将所述告警信息推送至对应的监控终端。
可选的,在本发明第二方面的第一种实现方式中,所述坐标提取模块包括:通道建立单元,用于通过所述IOT平台分别对各所述采集设备的建立单线程分帧通道;图像分帧单元,用于利用所述单线程分帧通道对各所述监控视频进行图像分帧,并将分帧后的图像进行数据流封装,得到多个初始监控图像。
可选的,在本发明第二方面的第二种实现方式中,所述坐标提取模块还包括:图像增强单元,用于通过所述安全监控模块,选取同一所述采集设备中预置数量的所述监控图像,得到多组初级监控图像集,并对各所述初级监控图像集进行图像数据增强处理,得到增强后的多组监控图像集;加权平均单元,用于对各所述监控图像集进行要素切片,并对要素切片的结果进行预设像素尺寸的加权平均处理,得到多个监控特征图;特征识别单元,用于对各所述监控特征图进行图像网格划分,并对划分后各个网格的监控特征图进行异常特征识别,得到异常识别结果;概率计算单元,用于分别计算所述异常识别结果中对应图像网格的异常概率,并选择超过预设异常概率的所述图像网格,生成异常区域。
可选的,在本发明第二方面的第三种实现方式中,所述坐标提取模块还包括:网格确定单元,用于确定所述异常区域对应的多个异常图像网格;坐标识别单元,用于基于预设的特征图像坐标轴,识别各所述异常图像网格的多个网格坐标点;坐标选取单元,用于选取所述网格坐标点中的区域边界的坐标点,得到异常坐标。
可选的,在本发明第二方面的第四种实现方式中,所述异常识别模块包括:边界预测单元,用于根据坐标检测的结果,计算所述异常区域中各个网格的边界框预测值;坐标计算单元,用于利用预设施工监控模型中的全连接层对所述异常区域中各个网格中的物体进行坐标计算,并检测坐标计算的结果是否属于边界框预测值;异常识别单元,用于若属于,则对坐标计算的结果与各所述边界框预测值进行置信度计算,得到对应异常类别准确率的异常识别结果。
可选的,在本发明第二方面的第五种实现方式中,所述告警推送模块包括:异常标注单元,用于若所述识别结果包含异常施工区域,则根据所述识别结果,对所述监控图像中的异常施工区域进行标注;图像回调单元,用于根据标注后的监控图像生成告警图像集,将所述告警图像集回调至所述IOT平台,并通过所述IOT平台,根据回调的告警图像集,生成对应异常类型的告警事件。
可选的,在本发明第二方面的第六种实现方式中,所述告警推送模块还包括:类型选择单元,用于所述isPM平台根据所述告警事件对应的监控场景,选取对应的数据格式类型,对所述告警事件执行预处理;信息生成单元,用于根据预处理的结果,生成对应的告警内容,并利用预置监控对象模板,采用所述告警内容生成多个告警信息;告警推送单元,用于将各所述告警信息推送至对应的监控终端。
本发明第三方面提供了一种施工区域的安全监控设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述施工区域的安全监控设备执行上述的施工区域的安全监控方法的各个步骤。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的施工区域的安全监控方法的各个步骤。
本发明提供的技术方案中,该方法应用于施工区域的安全监控***,获取各采集设备对应定向区域的监控区域坐标集,并通过采集设备采集施工区域对应的监控视频;通过IOT平台对监控视频进行图像分帧处理,得到多个初始监控图像,并通过安全监控模块检测监控图像中的异常区域,以及提取异常区域在监控图像中对应的异常坐标;通过安全监控模块检测异常坐标是否为监控区域坐标集对应的坐标区域,并根据坐标检测的结果,对异常区域进行网格划分和异常类别概率预测,得到异常识别结果;基于异常识别结果,通过IOT平台对异常区域的异常对象匹配对应告警事件,并通过isPM平台根据告警事件生成告警信息,以及将告警信息推送至对应的监控终端。相比于现有技术,本申请通过利用采集设备采集相应进出口区域的视频,进而对采集的视频进行分帧和异常坐标匹配,进而通过对异常区域进行异常类别的识别,从而根据异常识别结果生成相应的预警信息并进行推送。实现了对施工进出口区域中的定点采集区域的实时检测,并将存在异常闯入的异常类型生成相应的预警信息并进行推送,提高了对施工现场围合进出口的安全监控的预警效率。
附图说明
图1为本发明实施例中施工区域的安全监控方法的第一个实施例示意图;
图2为本发明实施例中施工区域的安全监控方法的第二个实施例示意图;
图3为本发明实施例中施工区域的安全监控方法的第三个实施例示意图;
图4为本发明实施例中施工区域的安全监控装置的一个实施例示意图;
图5为本发明实施例中施工区域的安全监控装置的另一个实施例示意图;
图6为本发明实施例中施工区域的安全监控设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种施工区域的安全监控方法、装置、设备及存储介质,该方法包括:通过所述IOT平台获取施工区域的监控视频,并对所述监控视频进行分帧处理,得到多个监控图像;通过所述安全监控模块,利用预置的场景监控模型对各所述监控图像进行数据增强和抽象特征点提取,并根据提取的抽象特征点,对各所述监控图像进行异常施工区域识别,得到识别结果;若所述识别结果包含异常施工区域,则根据所述识别结果,触发所述IOT平台中对异常施工区域的对应异常类型的告警事件;所述isPM平台根据所述告警事件生成告警信息,并推送至对应的监控终端。本发明提高了对施工现场安全监控的预警效率。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中施工区域的安全监控方法的第一个实施例包括:
101、获取各采集设备对应定向区域的监控区域坐标集,并通过采集设备采集施工区域对应的监控视频;
可以理解的是,本发明的执行主体可以为施工区域的安全监控装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本实施例中,这里的采集设备,指的是能用来采集相应视频的设备,包括各种功能类型的摄像头;这里的监控区域坐标集,指的是相应进出口或者其他施工区域中需要特别监控的区域,将这些区域在采集设备中相应的坐标位置进行标记,从而得到监控区域坐标集。
在实际应用中,通过IOT平台中连接的多个采集设备,调用后台中的监控区域的设置参数数据,从而获取各采集设备对应定向区域的监控区域坐标集,并利用物联网技术连接各个采集设备,控制各个采集设备采集所在施工工作区域的监控视频数据。
102、通过IOT平台对监控视频进行图像分帧处理,得到多个初始监控图像,并通过安全监控模块检测监控图像中的异常区域,以及提取异常区域在监控图像中对应的异常坐标;
本实施例中,这里的IOT平台,指的是物联网平台,指通过各种摄像头等传感器设备采集、监控物体状态信息,并通过多样的网络连接手段将物体状态信息与互联网连通,实现对物品和过程的智能化感知、监控和管理;通过利用IOT平台来获取联网监控摄像设备所拍摄的监控视频,进而对监控视频进行图像分帧处理,从而实现实时监控相应的施工区域;这里的异常区域,指的是施工进出口区域存在异常对象(如人或者其他生物)异常进出的对应区域,其中这里对施工进出口进行异常监控,即可以在施工阶段也可在非施工阶段的进出口的异常监控;这里的异常坐标,指的是监控区域出现异常生物在整个画面中的相对坐标位置。
在实际应用中,通过IOT平台分别对各采集设备的建立对应的数据处理的单线程分帧通道;利用单线程分帧通道对各监控视频进行图像分帧,并将分帧后的图像利用数据传输方式(如json数据流)进行数据流封装,得到多个初始监控图像;进而通过安全监控模块,选取同一采集设备中预置数量的监控图像组合成对应的图像集合,得到多组初级监控图像集,并对各初级监控图像集进行图像数据增强处理,如通过对各初级监控图像集中的图像进行随机缩放、随机裁剪、随机排布的方式进行拼接,从而得到增强后的多组监控图像集;进而对各监控图像集进行要素切片,如对图像中各种非空白区域进行切分,并对要素切片的结果进行预设像素尺寸的加权平均处理,将其中的像素特征进行卷积计算,得到多个监控特征图;进而对各监控特征图进行图像网格划分,并对划分后各个网格的监控特征图进行异常特征识别,得到异常识别结果;进而分别计算异常识别结果中对应图像网格的异常概率,并选择超过预设异常概率的图像网格,将这些图像网格进行组合生成异常区域;进而确定异常区域对应的多个异常图像网格;进而基于预设的特征图像坐标轴,识别各异常图像网格的多个网格坐标点;从而选取网格坐标点中的区域边界的坐标点,得到异常坐标。
103、通过安全监控模块检测异常坐标是否为监控区域坐标集对应的坐标区域,并根据坐标检测的结果,对异常区域进行网格划分和异常类别概率预测,得到异常识别结果;
本实施例中,这里的异常类别概率,指的是对存在监控异常的中非常进出生活类型或者其他异常情况的类型对应判断的准确率。
在实际应用中,通过安全监控模块检测当前异常坐标是否为该监控区域坐标集中对应的坐标区域中的一部分坐标,即该异常坐标及其构成的区域是否属于监控区域坐标集子集或者交集的一部分,进而根据上述坐标检测的结果,若上述异常坐标符合要求,则根据坐标检测的结果,计算异常区域中各个网格的边界框预测值;进而利用预设施工监控模型中的全连接层对异常区域中各个网格中的物体进行坐标计算,并检测坐标计算的结果是否属于边界框预测值;若属于,则对坐标计算的结果与各边界框预测值进行置信度计算,将其中异常生物进出的情况以及对应的生物类型识别出来,得到对应异常类别准确率的异常识别结果。此外若不属于,则对该异常坐标对应异常监控区域,利用施工监控模型对其进行异常情况分析处理,分析当前的异常情况是否属于其他额外异常施工状态(如施工建材掉落、工作人员不按规定施工、施工休息阶段发生火灾、***等异常情况),并生成相应的相应异常类型识别结果。
104、基于异常识别结果,通过IOT平台对异常区域的异常对象匹配对应告警事件,并通过isPM平台根据告警事件生成告警信息,以及将告警信息推送至对应的监控终端。
本实施例中,这里的告警事件,指的是对监控图像进行分析过后,对存在异常区域的所对应的施工违规违法情况进行分析,得到施工违规违法情况对应的施工告警事件;通过施工异常区域进行分析,可知得知当前监控施工区域中存在异常情况所对应的施工告警事件,从而可以根据相应的告警事件来生成对应的告警信息,从而提醒相应工作人员进行巡检以及改进。这里的isPM平台(智慧工程项目管理平台),指的是针对单项目实现业务功能的平台,其具有过程控制台账的功能(工程全过程控制台账,清晰可视)、工程报审工作流表单(工程在线报审,灵活方便)、多个参建单位协同工作表单(在线多方协同,高效便捷)、isPM档案中心(在线文件管理,易存易查)、全套建筑工程项目表单(可直接套用,提升效率)的优势。实现了对相应告警事件来生成对应的告警信息,利用isPM平台来对告警信息进行存档以及发送给相应工作人员进行处理。
在实际应用中,基于异常识别结果,对监控图像中的异常施工区域中的非法生物进行异常进出标注;进而根据标注后的监控图像生成告警图像集,将告警图像集回调至IOT平台,并通过IOT平台,根据回调的告警图像集,生成对应异常进出类型的告警事件;进而通过isPM平台根据异常进出告警事件对应的监控场景,选取对应的数据格式类型,对告警事件执行预处理;根据预处理的结果,将其中异常进出的人员或者生物及其对应的预测情况来生成对应的告警内容,并利用预置监控对象模板,采用告警内容生成多个告警信息;将各告警信息推送至对应的监控终端。
本发明实施例中,该方法应用于施工区域的安全监控***,获取各采集设备对应定向区域的监控区域坐标集,并通过采集设备采集施工区域对应的监控视频;通过IOT平台对监控视频进行图像分帧处理,得到多个初始监控图像,并通过安全监控模块检测监控图像中的异常区域,以及提取异常区域在监控图像中对应的异常坐标;通过安全监控模块检测异常坐标是否为监控区域坐标集对应的坐标区域,并根据坐标检测的结果,对异常区域进行网格划分和异常类别概率预测,得到异常识别结果;基于异常识别结果,通过IOT平台对异常区域的异常对象匹配对应告警事件,并通过isPM平台根据告警事件生成告警信息,以及将告警信息推送至对应的监控终端。相比于现有技术,本申请通过利用采集设备采集相应进出口区域的视频,进而对采集的视频进行分帧和异常坐标匹配,进而通过对异常区域进行异常类别的识别,从而根据异常识别结果生成相应的预警信息并进行推送。实现了对施工进出口区域中的定点采集区域的实时检测,并将存在异常闯入的异常类型生成相应的预警信息并进行推送,提高了对施工现场围合进出口的安全监控的预警效率。
请参阅图2,本发明实施例中施工区域的安全监控方法的第二个实施例包括:
201、获取各采集设备对应定向区域的监控区域坐标集,并通过采集设备采集施工区域对应的监控视频;
202、通过IOT平台分别对各采集设备的建立单线程分帧通道;
本实施例中,这里的单线程分帧通道,指的是对各个采集设备建立相应的单线程处理程序通道,来实现每个采集设备的采集数据的单独初步处理,加快整体数据的处理效率,从而后端控制***可以仅对存在异常的监控区域进行异常识别处理。
在实际应用中,通过IOT平台对每个采集设备进行单线程绑定,从而对各采集设备的建立单线程分帧通道。
203、利用单线程分帧通道对各监控视频进行图像分帧,并将分帧后的图像进行数据流封装,得到多个初始监控图像;
本实施例中,这里图像分帧,指的是按照预设时间间隔对视频进行图像截取;这里的数据流封装,指的是截取到的图片利用相应的数据传输方式进行传输处理,生成对应传输数据流。
在实际应用中,按照预设的图像截取时间间隔,利用单线程分帧通道对对应的监控视频进行图像分帧处理,并将截图得到的同个采集设备到的图片利用json技术进行数据流打包,得到多个初始监控图像;
204、通过安全监控模块,选取同一采集设备中预置数量的监控图像,得到多组初级监控图像集,并对各初级监控图像集进行图像数据增强处理,得到增强后的多组监控图像集;
本实施例中,这里的数据增强,指的是将原来不清晰的图像变得清晰或强调某些感兴趣的特征或者增加图片的数量,扩大图像中不同物体特征之间的差别,抑制不感兴趣的特征,使之改善图像质量、丰富信息量,加强图像判读和识别效果,满足某些特殊分析的需要。
在实际应用中,通过安全监控模块,按照预设选取数量(如4张图片),对监控图像集中的监控图像进行选取,组成多组初级监控图像集,进而对各初级监控图像集进行图像数据增强处理,通过对初级监控图像集进行随机缩放、随机裁剪、随机排布的方式进行拼接,从而丰富了数据集,得到增强后的多组监控图像集。
205、对各监控图像集进行要素切片,并对要素切片的结果进行预设像素尺寸的加权平均处理,得到多个监控特征图;
本实施例中,这里的要素切片,指的是将图片中非空白区域给切分出来,这里的加权平均处理,指的是利用卷积核进行多次卷积计算。
在实际应用中,根据上述处理的到监控图像集,识别各个监控图像集非空白对应区域,进而将不同非空白区域进行切分处理,进而对要素切片的结果利用32个卷积核进行卷积计算,例如原始监控图像608*608*3的图像输入卷积层结构中,先变成304*304*12的特征图,再经过一次32个卷积核的卷积操作,最终变成304*304*32的特征图,得到多个监控特征图。
206、对各监控特征图进行图像网格划分,并对划分后各个网格的监控特征图进行异常特征识别,得到异常识别结果;
本实施例中,将上述处理得到的各监控特征图进行图像网格划分,通过全连接层对监控特征图分成预设数量的网格,进而对划分后各个网格的监控特征图进行异常特征识别,通过将其中不属于正常监控图像的要素识别出来,得到异常识别结果。其中,这里的网格是对应的卷积网格。
207、分别计算异常识别结果中对应图像网格的异常概率,并选择超过预设异常概率的图像网格,生成异常区域;
本实施例中,分别计算异常识别结果中对应图像网格的异常概率,即分别计算异常识别结果中是否是异常要素所对应的异常概率,进而选择超过预设异常概率的图像网格,将这些网格图像组合合并成异常区域。
208、确定异常区域对应的多个异常图像网格;
本实施例中,通过确定异常区域在整体监控图像中对应的多个异常图像网格,其中这里的异常图像网格是对应的坐标轴的网格。
209、基于预设的特征图像坐标轴,识别各异常图像网格的多个网格坐标点;
本实施例中,基于预设的特征图像坐标轴,识别各异常图像网格在整体特征图像坐标轴中的相对值位置,得到多个网格坐标点。
210、选取网格坐标点中的区域边界的坐标点,得到异常坐标;
本实施例中,通过选取上述网格坐标点中的对应区域边界的坐标点,将这些边界坐标点作为整体异常区域的坐标点,得到异常坐标。
211、通过安全监控模块检测异常坐标是否为监控区域坐标集对应的坐标区域,并根据坐标检测的结果,对异常区域进行网格划分和异常类别概率预测,得到异常识别结果;
212、基于异常识别结果,通过IOT平台对异常区域的异常对象匹配对应告警事件,并通过isPM平台根据告警事件生成告警信息,以及将告警信息推送至对应的监控终端。
本发明实施例中,该方法应用于施工区域的安全监控***,获取各采集设备对应定向区域的监控区域坐标集,并通过采集设备采集施工区域对应的监控视频;通过IOT平台对监控视频进行图像分帧处理,得到多个初始监控图像,并通过安全监控模块检测监控图像中的异常区域,以及提取异常区域在监控图像中对应的异常坐标。相比于现有技术,本申请通过利用采集设备采集相应进出口区域的视频,进而对采集的视频进行分帧和异常坐标匹配,进而通过对异常区域进行异常类别的识别,从而根据异常识别结果生成相应的预警信息并进行推送。实现了对施工进出口区域中的定点采集区域的实时检测,并将存在异常闯入的异常类型生成相应的预警信息并进行推送,提高了对施工现场围合进出口的安全监控的预警效率。
请参阅图3,本发明实施例中施工区域的安全监控方法的第三个实施例包括:
301、获取各采集设备对应定向区域的监控区域坐标集,并通过采集设备采集施工区域对应的监控视频;
302、通过IOT平台对监控视频进行图像分帧处理,得到多个初始监控图像,并通过安全监控模块检测监控图像中的异常区域,以及提取异常区域在监控图像中对应的异常坐标;
303、根据坐标检测的结果,计算异常区域中各个网格的边界框预测值;
本实施例中,这里的边界框预测值,指的是Yolov5s算法中的bounding box值,其中这里的bounding box包含5个预测值。
在实际应用中,通过安全监控模块检测异常坐标是否为监控区域坐标集对应的坐标区域,进而根据坐标检测的结果,分别计算异常区域中各个网格的对应数量边界框的预测值。
304、利用预设施工监控模型中的全连接层对异常区域中各个网格中的物体进行坐标计算,并检测坐标计算的结果是否属于边界框预测值;
本实施例中,这里的施工监控模型,指的是利用Yolov5s等相关算法构成的特征卷积计算的模型,该模型通过相关数据库或者网页收集网上与现有工地现场视频拍摄的图像,从而获取施工区域的历史监控图像,进而将获取的历史监控图像中相同的图像进行剔除,并对其中与施工区域预警无关的图片进行清洗处理,从而得到清洗后的历史监控图像;进而对清洗后的历史监控图片利用标注工具自动(或者通过人工辅助)对图片进行标注形成“施工作业规范”、“人员着装行为规范”、“管控区域”、“环境”、“异常生物进入”等监控场景类型进行分类和场景标注,从而得到图像训练集;进而通过利用监控场景训练集对预置预训练模型进行训练以及更新,通过反复训练预训练模型算法提高其场景类型的识别精度,从而得到所需的场景监控模型。
在实际应用中,通过利用预设施工监控模型中的全连接层对异常区域中各个网格中的物体进行坐标计算,即利用全连接层将各个网格中的各个物体的坐标值计算出来,并检测坐标计算的结果是否属于边界框预测值。
305、若属于,则对坐标计算的结果与各边界框预测值进行置信度计算,得到对应异常类别准确率的异常识别结果;
本实施例中,若属于,则利用YOLOV5算法全连接计算公式将坐标计算的结果分别与各边界框预测值进行卷积计算,从而得到对应异常类别准确率的异常识别结果。即通过利用施工监控模型中的全连接层,根据上述的抽象特征点,利用全连接层来预测目标对应的场景类型,进而对该场景类型进行问题区域的分析和生物类型的概率计算,从而得到各监控图像对应类型的监控生物类型和监控区域,进而根据上述各监控场景类型,对各监控区域进行异常生物识别,通过利用施工监控模型识别各监控区域是否存在异常进出的特征,将存在异常进出的特征作为异常进出区域,不存在异常施工的特征作为正常进出区域,从而得到对应异常类别准确率的异常识别结果,其中识别结果包括异常进出区域和正常进出区域。
306、若异常识别结果包含异常对象,则根据异常识别结果,对监控图像中的异常对象进行标注;
本实施例中,若识别结果为包含异常生物进出区域或者其他施工异常情况区域,则根据该识别结果,对监控图像中的异常异常区域进行异常标注。
307、根据标注后的监控图像生成告警图像集,将告警图像集回调至IOT平台,并通过IOT平台,根据回调的告警图像集,生成对应异常类型的告警事件;
本实施例中,将上述的异常施工标注后的监控图像进行提取分类,并将分类后的监控图像进行图片集生成,得到对应的告警图像集,进而将告警图像集回调至IOT平台,通过HTTP网页接口等方式将告警图像集回传至iot平台的告警台账展示,并通过IOT平台,根据回调的告警图像集,生成对应异常类型的告警事件。实现对施工区域的智能安全监测功能。
308、isPM平台根据告警事件对应的监控场景,选取对应的数据格式类型,对告警事件执行预处理;
本实施例中,这里的数据局格式类型,指的是不同监控终端对应发送信息的格式类型。
在实际应用中,isPM平台根据告警事件对应的监控场景,所要发送监控信息所对应监控终端,进而根据监控终端选取对应的数据格式类型,从而对对告警事件执行信息的预处理。通过对告警事件预处理,可以实现根据告警事件,对不同监控终端来生成对应的监控信息。
309、根据预处理的结果,生成对应的告警内容,并利用预置监控对象模板,采用告警内容生成多个告警信息;
本实施例中,这里的监控对象模板,指的是不同监控终端或者平台发送信息对应的信息生成模板。
在实际应用中,根据预处理的结果,生成对应的告警内容,并利用预置监控对象模板,采用告警内容生成多个告警信息。
310、将各告警信息推送至对应的监控终端。
本实施例中,将上述生成的告警信息推送至对应的监控终端。
其中,isPM平台处理过程一个较佳的实现方式是,isPM在接收到IOT平台的告警数据后,isPM会对告警事件进行预处理生成对应的告警信息,自动根据不同告警类型通过短信、公众号消息、***内部消息通知到预先设置的相应负责人。负责人可以登录***在告警台账页面查看,或者在APP、微信小程序也可查看相关的告警数据。进而负责人可针对未处理的告警事件并根据实际情况通过小程序对接的工地现场广播***,实时发送语音警告相关施工人员,或者通过APP、微信小程序快速发起整改单并附上告警图片责令其相关人员处理、又或者在工地isPM智慧大屏通报批评并责令其缴纳处罚金。
本发明实施例中,本申请通过利用场景监控模型对监控图像进行异常施工区域识别,进而根据识别结果,将其中的异常施工区域进行标记,以生成对应的告警事件,进而利用isPM平台来对告警事件进行分析,根据不同的监控终端生成对应的告警信息以进行信息推送。实现了对监控图像的分析和告警推送,通过结合isPM***的PC、APP、小程序不同的终端,让安全员快速处理安全告警事件,并且实现文件留痕,数据快速整合,流程闭环的功能,此外通过对需要特殊监控的图像区域进行特殊标记,从而对特殊场景加强监控。提高了对施工监控的识别效率和特殊场景的监控力度。
上面对本发明实施例中施工区域的安全监控方法进行了描述,下面对本发明实施例中施工区域的安全监控装置进行描述,请参阅图4,本发明实施例中施工区域的安全监控装置一个实施例包括:
视频采集模块401,用于获取各所述采集设备对应定向区域的监控区域坐标集,并通过所述采集设备采集施工区域对应的监控视频;
坐标提取模块402,用于通过所述IOT平台对所述监控视频进行图像分帧处理,得到多个初始监控图像,并通过所述安全监控模块检测所述监控图像中的异常区域,以及提取所述异常区域在所述监控图像中对应的异常坐标;
异常识别模块403,用于通过所述安全监控模块检测所述异常坐标是否为所述监控区域坐标集对应的坐标区域,并根据坐标检测的结果,对所述异常区域进行网格划分和异常类别概率预测,得到异常识别结果;
告警推送模块404,用于基于所述异常识别结果,通过所述IOT平台对所述异常区域的异常对象匹配对应告警事件,并通过isPM平台根据所述告警事件生成告警信息,以及将所述告警信息推送至对应的监控终端。
本发明实施例中,该方法应用于施工区域的安全监控***,获取各采集设备对应定向区域的监控区域坐标集,并通过采集设备采集施工区域对应的监控视频;通过IOT平台对监控视频进行图像分帧处理,得到多个初始监控图像,并通过安全监控模块检测监控图像中的异常区域,以及提取异常区域在监控图像中对应的异常坐标;通过安全监控模块检测异常坐标是否为监控区域坐标集对应的坐标区域,并根据坐标检测的结果,对异常区域进行网格划分和异常类别概率预测,得到异常识别结果;基于异常识别结果,通过IOT平台对异常区域的异常对象匹配对应告警事件,并通过isPM平台根据告警事件生成告警信息,以及将告警信息推送至对应的监控终端。相比于现有技术,本申请通过利用采集设备采集相应进出口区域的视频,进而对采集的视频进行分帧和异常坐标匹配,进而通过对异常区域进行异常类别的识别,从而根据异常识别结果生成相应的预警信息并进行推送。实现了对施工进出口区域中的定点采集区域的实时检测,并将存在异常闯入的异常类型生成相应的预警信息并进行推送,提高了对施工现场围合进出口的安全监控的预警效率。
请参阅图5,本发明实施例中施工区域的安全监控装置的另一个实施例包括:
视频采集模块401,用于获取各所述采集设备对应定向区域的监控区域坐标集,并通过所述采集设备采集施工区域对应的监控视频;
坐标提取模块402,用于通过所述IOT平台对所述监控视频进行图像分帧处理,得到多个初始监控图像,并通过所述安全监控模块检测所述监控图像中的异常区域,以及提取所述异常区域在所述监控图像中对应的异常坐标;
异常识别模块403,用于通过所述安全监控模块检测所述异常坐标是否为所述监控区域坐标集对应的坐标区域,并根据坐标检测的结果,对所述异常区域进行网格划分和异常类别概率预测,得到异常识别结果;
告警推送模块404,用于基于所述异常识别结果,通过所述IOT平台对所述异常区域的异常对象匹配对应告警事件,并通过isPM平台根据所述告警事件生成告警信息,以及将所述告警信息推送至对应的监控终端。
进一步的,所述坐标提取模块402包括:
通道建立单元4021,用于通过所述IOT平台分别对各所述采集设备的建立单线程分帧通道;
图像分帧单元4022,用于利用所述单线程分帧通道对各所述监控视频进行图像分帧,并将分帧后的图像进行数据流封装,得到多个初始监控图像。
进一步的,所述坐标提取模块402还包括:
图像增强单元4023,用于通过所述安全监控模块,选取同一所述采集设备中预置数量的所述监控图像,得到多组初级监控图像集,并对各所述初级监控图像集进行图像数据增强处理,得到增强后的多组监控图像集;
加权平均单元4024,用于对各所述监控图像集进行要素切片,并对要素切片的结果进行预设像素尺寸的加权平均处理,得到多个监控特征图;
特征识别单元4025,用于对各所述监控特征图进行图像网格划分,并对划分后各个网格的监控特征图进行异常特征识别,得到异常识别结果;
概率计算单元4026,用于分别计算所述异常识别结果中对应图像网格的异常概率,并选择超过预设异常概率的所述图像网格,生成异常区域。
进一步的,所述坐标提取模块402还包括:
网格确定单元4027,用于确定所述异常区域对应的多个异常图像网格;
坐标识别单元4028,用于基于预设的特征图像坐标轴,识别各所述异常图像网格的多个网格坐标点;
坐标选取单元4029,用于选取所述网格坐标点中的区域边界的坐标点,得到异常坐标。
进一步的,所述异常识别模块403包括:
边界预测单元4031,用于根据坐标检测的结果,计算所述异常区域中各个网格的边界框预测值;
坐标计算单元4032,用于利用预设施工监控模型中的全连接层对所述异常区域中各个网格中的物体进行坐标计算,并检测坐标计算的结果是否属于边界框预测值;
异常识别单元4033,用于若属于,则对坐标计算的结果与各所述边界框预测值进行置信度计算,得到对应异常类别准确率的异常识别结果。
进一步的,所述告警推送模块404包括:
异常标注单元4041,用于若所述识别结果包含异常施工区域,则根据所述识别结果,对所述监控图像中的异常施工区域进行标注;
图像回调单元4042,用于根据标注后的监控图像生成告警图像集,将所述告警图像集回调至所述IOT平台,并通过所述IOT平台,根据回调的告警图像集,生成对应异常类型的告警事件。
进一步的,所述告警推送模块404还包括:
类型选择单元4043,用于所述isPM平台根据所述告警事件对应的监控场景,选取对应的数据格式类型,对所述告警事件执行预处理;
信息生成单元4044,用于根据预处理的结果,生成对应的告警内容,并利用预置监控对象模板,采用所述告警内容生成多个告警信息;
告警推送单元4045,用于将各所述告警信息推送至对应的监控终端。
本发明实施例中,该方法应用于施工区域的安全监控***,获取各采集设备对应定向区域的监控区域坐标集,并通过采集设备采集施工区域对应的监控视频;通过IOT平台对监控视频进行图像分帧处理,得到多个初始监控图像,并通过安全监控模块检测监控图像中的异常区域,以及提取异常区域在监控图像中对应的异常坐标;通过安全监控模块检测异常坐标是否为监控区域坐标集对应的坐标区域,并根据坐标检测的结果,对异常区域进行网格划分和异常类别概率预测,得到异常识别结果;基于异常识别结果,通过IOT平台对异常区域的异常对象匹配对应告警事件,并通过isPM平台根据告警事件生成告警信息,以及将告警信息推送至对应的监控终端。相比于现有技术,本申请通过利用采集设备采集相应进出口区域的视频,进而对采集的视频进行分帧和异常坐标匹配,进而通过对异常区域进行异常类别的识别,从而根据异常识别结果生成相应的预警信息并进行推送。实现了对施工进出口区域中的定点采集区域的实时检测,并将存在异常闯入的异常类型生成相应的预警信息并进行推送,提高了对施工现场围合进出口的安全监控的预警效率。
上面图4和图5从模块化功能实体的角度对本发明实施例中的施工区域的安全监控装置进行详细描述,下面从硬件处理的角度对本发明实施例中施工区域的安全监控设备进行详细描述。
图6是本发明实施例提供的一种施工区域的安全监控设备的结构示意图,该施工区域的安全监控设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)610(例如,一个或一个以上处理器)和存储器620,一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中,存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对施工区域的安全监控设备600中的一系列指令操作。更进一步地,处理器610可以设置为与存储介质630通信,在施工区域的安全监控设备600上执行存储介质630中的一系列指令操作。
施工区域的安全监控设备600还可以包括一个或一个以上电源640,一个或一个以上有线或无线网络接口650,一个或一个以上输入输出接口660,和/或,一个或一个以上操作***631,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图6示出的施工区域的安全监控设备结构并不构成对施工区域的安全监控设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种施工区域的安全监控设备,所述计算机设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述施工区域的安全监控方法的各个步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述施工区域的安全监控方法的各个步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请可用于众多通用或专用的计算机***环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种施工区域的安全监控方法,应用于施工区域的安全监控***,其特征在于,所述安全监控***包括安全监控模块、IOT平台和isPM平台,其中,所述IOT平台包括多个采集设备,所述施工区域的安全监控方法包括:
获取各所述采集设备对应定向区域的监控区域坐标集,并通过所述采集设备采集施工区域对应的监控视频;
通过所述IOT平台对所述监控视频进行图像分帧处理,得到多个初始监控图像,并通过所述安全监控模块检测所述监控图像中的异常区域,以及提取所述异常区域在所述监控图像中对应的异常坐标;
通过所述安全监控模块检测所述异常坐标是否为所述监控区域坐标集对应的坐标区域,并若是,对所述异常区域进行异常类别概率预测,得到异常识别结果;
基于所述异常识别结果,通过所述IOT平台对所述异常区域的异常对象匹配对应告警事件,并通过isPM平台根据所述告警事件生成告警信息,以及将所述告警信息推送至对应的监控终端。
2.根据权利要求1所述的施工区域的安全监控方法,其特征在于,所述通过所述IOT平台对所述监控视频进行图像分帧处理,得到多个初始监控图像,包括:
通过所述IOT平台分别对各所述采集设备的建立单线程分帧通道;
利用所述单线程分帧通道对各所述监控视频进行图像分帧,并将分帧后的图像进行数据流封装,得到多个初始监控图像。
3.根据权利要求1所述的施工区域的安全监控方法,其特征在于,所述通过所述安全监控模块检测所述监控图像中的异常区域,包括:
通过所述安全监控模块,选取同一所述采集设备中预置数量的所述监控图像,得到多组初级监控图像集,并对各所述初级监控图像集进行图像数据增强处理,得到多组增强后的监控图像集;
对各所述增强后的监控图像集进行要素切片,并对要素切片的结果进行预设像素尺寸的加权平均处理,得到多个监控特征图;
对各所述监控特征图进行图像网格划分,并对划分后各个网格的监控特征图进行异常特征识别,得到多个异常图像网格;
分别计算出各所述异常图像网格对应的异常概率,并基于异常概率计算的结果,选择超过预设异常概率的异常图像网格,生成异常区域。
4.根据权利要求3所述的施工区域的安全监控方法,其特征在于,所述提取所述异常区域在所述监控图像中对应的异常坐标,包括:
确定所述异常区域对应的多个异常图像网格;
基于预设的特征图像坐标轴,识别各所述异常图像网格的多个网格坐标点;
选取所述网格坐标点中的属于异常区域的边界的坐标点,得到异常坐标。
5.根据权利要求3所述的施工区域的安全监控方法,其特征在于,所述若是,对所述异常区域进行异常类别概率预测,得到异常识别结果,包括:
若是,计算所述异常区域中各个异常图像网格的边界框预测值;
利用预设施工监控模型中的全连接层对所述异常区域中各个异常图像网格中的物体进行坐标计算,并检测坐标计算的结果是否属于边界框预测值;
若属于,则对坐标计算的结果与各所述边界框预测值进行置信度计算,得到对应异常类别准确率的异常识别结果。
6.根据权利要求1所述的施工区域的安全监控方法,其特征在于,所述基于所述异常识别结果,通过所述IOT平台对所述异常区域的异常对象匹配对应告警事件,包括:
若所述异常识别结果包含异常对象,则根据所述异常识别结果,对所述监控图像中的异常对象进行标注;
根据标注后的监控图像生成告警图像集,将所述告警图像集回调至所述IOT平台,并通过所述IOT平台,根据回调的告警图像集,生成对应异常类型的告警事件。
7.根据权利要求1所述的施工区域的安全监控方法,其特征在于,所述通过isPM平台根据所述告警事件生成告警信息,以及将所述告警信息推送至对应的监控终端,包括:
所述isPM平台根据所述告警事件对应的监控场景,选取对应的数据格式类型,对所述告警事件执行预处理;
根据预处理的结果,生成对应的告警内容,并利用预置监控对象模板,采用所述告警内容生成多个告警信息;
将各所述告警信息推送至对应的监控终端。
8.一种施工区域的安全监控装置,应用于施工区域的安全监控***,其特征在于,所述安全监控***包括安全监控模块、IOT平台和isPM平台,其中,所述IOT平台包括多个采集设备,所述施工区域的安全监控装置包括:
视频采集模块,用于获取各所述采集设备对应定向区域的监控区域坐标集,并通过所述采集设备采集施工区域对应的监控视频;
坐标提取模块,用于通过所述IOT平台对所述监控视频进行图像分帧处理,得到多个初始监控图像,并通过所述安全监控模块检测所述监控图像中的异常区域,以及提取所述异常区域在所述监控图像中对应的异常坐标;
异常识别模块,用于通过所述安全监控模块检测所述异常坐标是否为所述监控区域坐标集对应的坐标区域,并若是,对所述异常区域进行异常类别概率预测,得到异常识别结果;
告警推送模块,用于基于所述异常识别结果,通过所述IOT平台对所述异常区域的异常对象匹配对应告警事件,并通过isPM平台根据所述告警事件生成告警信息,以及将所述告警信息推送至对应的监控终端。
9.一种施工区域的安全监控设备,其特征在于,所述施工区域的安全监控设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述施工区域的安全监控设备执行如权利要求1-7中任一项所述的施工区域的安全监控方法的各个步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-7中任一项所述施工区域的安全监控方法的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211095238.8A CN115190277B (zh) | 2022-09-08 | 2022-09-08 | 施工区域的安全监控方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211095238.8A CN115190277B (zh) | 2022-09-08 | 2022-09-08 | 施工区域的安全监控方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115190277A CN115190277A (zh) | 2022-10-14 |
CN115190277B true CN115190277B (zh) | 2022-12-13 |
Family
ID=83523372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211095238.8A Active CN115190277B (zh) | 2022-09-08 | 2022-09-08 | 施工区域的安全监控方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115190277B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116502897B (zh) * | 2023-06-26 | 2023-10-27 | 中兴软件技术(南昌)有限公司 | 一种基于图像识别的基建安全监控方法及*** |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07288802A (ja) * | 1994-04-18 | 1995-10-31 | Nippon Telegr & Teleph Corp <Ntt> | 侵入物体監視装置 |
JP2004234324A (ja) * | 2003-01-30 | 2004-08-19 | Nisshin Steel Co Ltd | 設備監視方法 |
JP6016295B2 (ja) * | 2012-08-10 | 2016-10-26 | 株式会社日立国際電気 | 監視システム |
CN107230310A (zh) * | 2017-06-26 | 2017-10-03 | 地壳机器人科技有限公司 | 接力式监控方法及无人驾驶汽车 |
CN109784672A (zh) * | 2018-12-25 | 2019-05-21 | 上海交通大学 | 一种针对电网异常的实时监测报警***及方法 |
CN110866908B (zh) * | 2019-11-12 | 2021-03-26 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、服务器及存储介质 |
CN111191631A (zh) * | 2020-01-08 | 2020-05-22 | 哈尔滨融智爱科智能科技有限公司 | 基于图像域模板匹配的视频监控监管区域多设备联动方法 |
CN111444854B (zh) * | 2020-03-27 | 2021-03-02 | 科大讯飞(苏州)科技有限公司 | 异常事件检测方法、相关设备及可读存储介质 |
CN111680556B (zh) * | 2020-04-29 | 2024-06-07 | 平安国际智慧城市科技股份有限公司 | 交通卡口车辆类型的识别方法、装置、设备及存储介质 |
US11887358B2 (en) * | 2020-06-10 | 2024-01-30 | Ancestry.Com Operations Inc. | Systems and methods for identifying and segmenting objects from images |
CN113837001A (zh) * | 2021-08-18 | 2021-12-24 | 中国科学院自动化研究所 | 监控场景下的异常闯入物实时检测方法及装置 |
CN114390260A (zh) * | 2022-01-26 | 2022-04-22 | 中煤科工集团重庆智慧城市科技研究院有限公司 | 应用于智慧城市的危险区域和重要场所监控平台 |
CN114973140A (zh) * | 2022-06-10 | 2022-08-30 | 广西北投公路建设投资集团有限公司 | 基于机器视觉的危险区域人员闯入监测方法及*** |
-
2022
- 2022-09-08 CN CN202211095238.8A patent/CN115190277B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115190277A (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113807240A (zh) | 基于非配合式人脸识别的变电站人员着装智能监控方法 | |
CN112819068A (zh) | 一种基于深度学习的船舶作业违章行为实时侦测方法 | |
CN115190277B (zh) | 施工区域的安全监控方法、装置、设备及存储介质 | |
CN113989711B (zh) | 一种配电施工安全工器具使用识别方法及*** | |
CN110889339A (zh) | 基于头肩检测的危险区域分级预警方法与*** | |
CN115099724A (zh) | 施工场景的监控预警方法、装置、设备及存储介质 | |
CN116311081B (zh) | 一种基于图像识别的医学实验室监控图像分析方法和*** | |
CN111652128B (zh) | 一种高空电力作业安全监测方法、***和存储装置 | |
CN111860187A (zh) | 一种高精度的佩戴口罩识别方法及*** | |
CN114926778A (zh) | 一种生产环境下的安全帽与人员身份识别*** | |
Sharadhi et al. | Face mask recogniser using image processing and computer vision approach | |
CN111191498A (zh) | 行为识别方法和相关产品 | |
CN117523806A (zh) | 火灾预警方法、***、设备及存储介质 | |
CN113505709A (zh) | 一种用于实时监测人体危险行为的方法以及*** | |
CN113239766A (zh) | 基于深度神经网络的行为识别方法及智能报警装置 | |
CN116665419B (zh) | 电力生产作业中基于ai分析的故障智能预警***及方法 | |
CN112528825A (zh) | 一种基于图像识别的车站乘客招援服务方法 | |
CN116403162B (zh) | 一种机场场面目标行为识别方法、***及电子设备 | |
CN114764895A (zh) | 异常行为检测装置和方法 | |
CN111582183A (zh) | 一种公共场所的口罩识别方法及*** | |
CN110751125A (zh) | 穿戴检测方法及装置 | |
CN111723725A (zh) | 一种基于视频ai多维分析*** | |
CN115578731A (zh) | 安全管控信息的生成方法、装置、电子设备及存储介质 | |
CN115240277A (zh) | 安检行为的监控方法、装置、电子设备及存储介质 | |
CN114387564A (zh) | 一种基于YOLOv5的磕头机停抽检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |