CN115953267B - 一种智能工地管理*** - Google Patents

Abstract

本发明公开了一种智能工地管理***，包括信息采集模块、信息认证模块、设备监测模块、考勤管理模块和终端管理模块；信息采集模块用于采集施工工地的人员图像、人员信息以及施工设备的实时运行数据；信息认证模块用于匹配人员图像，生成人员异常警告信息；设备监测模块用于监测施工设备的实时运行数据，生成设备异常警告信息；考勤管理模块用于根据人员信息，生成人员考勤异常信息；终端管理模块用于存储人员异常警告信息、设备异常警告信息和人员考勤异常信息，并传输至计算机。该智能工地管理***可以实现对工地的全方位实时监管，保障施工作业安全、有序进行；减少管理人员工作压力，并为管理人员提供异常情况可追溯的数据支撑。

Description

一种智能工地管理***

技术领域

本发明属于工地管理技术领域，具体涉及一种智能工地管理***。

背景技术

随着科技的发展，对施工工地的管理越来越智能化。而建筑施工工地的工作环境复杂多变，经常容易出现安全事故，如何实现实时管理施工工地对于相关单位来说，是一个十分棘手的问题。传统的工地管理通常通过人工实现，仅依靠人工管理无法覆盖全面，加之工地数量较多，巡视周期较长，难以做到对工地的实时监管，存在一定程度的安全漏洞。

发明内容

本发明为了解决以上问题，提出了一种智能工地管理***。

本发明的技术方案是：一种智能工地管理***包括信息采集模块、信息认证模块、设备监测模块、考勤管理模块和终端管理模块；

信息采集模块用于采集施工工地的人员图像、人员信息以及施工设备的实时运行数据；

信息认证模块用于匹配人员图像，生成人员异常警告信息；

设备监测模块用于监测施工设备的实时运行数据，生成设备异常警告信息；

考勤管理模块用于根据人员信息，生成人员考勤异常信息；

终端管理模块用于存储人员异常警告信息、设备异常警告信息和人员考勤异常信息，并传输至计算机。

进一步地，信息采集模块通过安装在施工工地的摄像头采集人员图像；

信息采集模块通过安装在施工设备的温度传感器采集施工设备的运行温度，并将运行温度作为实时运行数据；

信息采集模块通过安装在施工工地的考勤打卡设备采集人员信息。

进一步地，信息认证模块生成人员异常警告信息包括以下步骤：

A1：采集施工工地的人员图像，计算人员图像的环境明暗系数，根据环境明暗系数调整人员图像的明暗值；

A2：对调整明暗值后的人员图像依次进行灰度处理和归一化处理，得到最新人员图像；

A3：将最新人员图像输入至人脸识别模型，进行人脸识别，将与施工人员数据库不匹配的人员图像作为人员异常警告信息。

进一步地，A1中，人员图像的环境明暗系数LS的计算公式为：

式中，β _max表示人员图像的亮度最大值，β _min表示人员图像的亮度最小值，μ表示人员图像的亮度平均值。

进一步地，A3中，人脸识别模型包括图像输入单元、特征提取单元、参数调整单元和结果输出单元；

图像输入单元用于将最新人员图像输入至人脸识别模型；

特征提取单元利用残差网络提取最新人员图像的特征矩阵；

参数调整单元用于根据最新人员图像的特征矩阵调整人脸识别模型的权重参数和偏置参数；

结果输出单元用于在参数调整后，将最新人员图像与施工人员数据库进行匹配，将与施工人员数据库不匹配的人员图像作为人员异常警告信息。

进一步地，参数调整单元中，根据最新人员图像的特征矩阵确定权重参数的缩放比例和偏置参数的缩放比例；利用权重参数的缩放比例调整权重参数；利用偏置参数的缩放比例调整偏置参数；

其中，权重参数的缩放比例s ₁的计算公式为：

式中，v表示最新人员图像的特征矩阵的特征值，u ₁表示权重参数；

偏置参数的缩放比例s ₂的计算公式为：

式中，u ₂表示偏置参数。

进一步地，设备监测模块生成设备异常警告信息包括以下步骤：

B1：采集施工设备各个运行时刻的运行温度，将各个运行时刻的运行温度作为实时运行数据；

B2：将实时运行数据从小到大依次排序，并依次计算每两个实时运行数据的欧式距离，得到距离特征向量；

B3：设定温度上限阈值和温度下限阈值，采用SVM分类器对距离特征向量进行分类，将小于温度下限阈值或大于温度上限阈值对应的实时运行数据作为设备异常警告信息。

进一步地，B3中，SVM分类器的分类函数F的表达式为：

式中，X _max表示温度上限阈值，X _min表示温度下限阈值，x _n 表示第n个距离特征向量值。

进一步地，信息采集模块采集的人员信息包括人员打卡账号、人员打卡时间和人员打卡位置；

考勤管理模块生成人员考勤异常信息的具体方法为：设置工地全勤时间范围、工地工作区域；

若人员打卡位置对应的IP地址不属于工地工作区域，则将人员打卡位置对应的人员打卡账号作为考勤异常信息；

若人员打卡时间不属于工地全勤时间范围，则将人员打卡时间对应的人员打卡账号作为考勤异常信息。

本发明的有益效果是：

（1）该智能工地管理***通过采集施工工地的人员图像、人员信息以及施工设备的实时运行数据，并根据人员图像，生成人员异常警告信息；监测施工设备的实时运行数据，生成设备异常警告信息；根据人员信息，生成人员考勤异常信息；通过人员异常警告信息、设备异常警告信息和人员考勤异常信息，可快速便捷地获取工地运行情况；

（2）该智能工地管理***可以实现对工地的全方位实时监管，保障施工作业安全、有序进行；减少管理人员工作压力，并为管理人员提供异常情况可追溯的数据支撑。

附图说明

图1为智能工地管理***的结构图。

实施方式

下面结合附图对本发明的实施例作进一步的说明。

如图1所示，本发明提供了一种智能工地管理***，包括信息采集模块、信息认证模块、设备监测模块、考勤管理模块和终端管理模块；

信息采集模块用于采集施工工地的人员图像、人员信息以及施工设备的实时运行数据；

信息认证模块用于匹配人员图像，生成人员异常警告信息；

设备监测模块用于监测施工设备的实时运行数据，生成设备异常警告信息；

考勤管理模块用于根据人员信息，生成人员考勤异常信息；

终端管理模块用于存储人员异常警告信息、设备异常警告信息和人员考勤异常信息，并传输至计算机。

在本发明实施例中，信息采集模块通过安装在施工工地的摄像头采集人员图像；信息采集模块通过安装在施工设备的温度传感器采集施工设备的运行温度，并将运行温度作为实时运行数据；

信息采集模块通过安装在施工工地的考勤打卡设备采集人员信息。

在本发明实施例中，信息认证模块生成人员异常警告信息包括以下步骤：

A1：采集施工工地的人员图像，计算人员图像的环境明暗系数，根据环境明暗系数调整人员图像的明暗值；在实际运行中，可根据施工工地当天的环境设置明暗阈值；若环境明暗系数小于明暗阈值，则增强人员图像的亮度；若环境明暗系数大于或等于明暗阈值，则降低人员图像的亮度。

A2：对调整明暗值后的人员图像依次进行灰度处理和归一化处理，得到最新人员图像；

A3：将最新人员图像输入至人脸识别模型，进行人脸识别，将与施工人员数据库不匹配的人员图像作为人员异常警告信息。将在施工工地人员的身份证照片或实时拍摄的照片录入计算机***，作为施工人员数据库。

在本发明实施例中，A1中，人员图像的环境明暗系数LS的计算公式为：

式中，β _max表示人员图像的亮度最大值，β _min表示人员图像的亮度最小值，μ表示人员图像的亮度平均值。

在本发明实施例中，A3中，人脸识别模型包括图像输入单元、特征提取单元、参数调整单元和结果输出单元；

图像输入单元用于将最新人员图像输入至人脸识别模型；

特征提取单元利用残差网络提取最新人员图像的特征矩阵；

参数调整单元用于根据最新人员图像的特征矩阵调整人脸识别模型的权重参数和偏置参数；

结果输出单元用于在参数调整后，将最新人员图像与施工人员数据库进行匹配，将与施工人员数据库不匹配的人员图像作为人员异常警告信息。

在本发明实施例中，参数调整单元中，根据最新人员图像的特征矩阵确定权重参数的缩放比例和偏置参数的缩放比例；利用权重参数的缩放比例调整权重参数；利用偏置参数的缩放比例调整偏置参数；缩放比例若大于或等于1，则对权重参数或偏置参数进行放大；缩放比例若小于1，则对权重参数或偏置参数进行缩小；

其中，权重参数的缩放比例s ₁的计算公式为：

式中，v表示最新人员图像的特征矩阵的特征值，u ₁表示权重参数；

偏置参数的缩放比例s ₂的计算公式为：

式中，u ₂表示偏置参数。

在本发明实施例中，设备监测模块生成设备异常警告信息包括以下步骤：

B1：采集施工设备各个运行时刻的运行温度，将各个运行时刻的运行温度作为实时运行数据；

B2：将实时运行数据从小到大依次排序，并依次计算每两个实时运行数据的欧式距离，得到距离特征向量；

B3：设定温度上限阈值和温度下限阈值，采用SVM分类器对距离特征向量进行分类，将小于温度下限阈值或大于温度上限阈值对应的实时运行数据作为设备异常警告信息。SVM分类器根据距离特征向量将实时运行数据分为三类，第一类为小于温度下限阈值，第二类为大于或等于温度下限阈值且小于或等于温度上限阈值，第三类为大于温度上限阈值。

在本发明实施例中，B3中，SVM分类器的分类函数F的表达式为：

式中，X _max表示温度上限阈值，X _min表示温度下限阈值，x _n 表示第n个距离特征向量值。

在本发明实施例中，信息采集模块采集的人员信息包括人员打卡账号、人员打卡时间和人员打卡位置；

考勤管理模块生成人员考勤异常信息的具体方法为：设置工地全勤时间范围、工地工作区域；

若人员打卡位置对应的IP地址不属于工地工作区域，则将人员打卡位置对应的人员打卡账号作为考勤异常信息；

若人员打卡时间不属于工地全勤时间范围，则将人员打卡时间对应的人员打卡账号作为考勤异常信息。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (8)

1.一种智能工地管理***，其特征在于，包括信息采集模块、信息认证模块、设备监测模块、考勤管理模块和终端管理模块；

所述信息采集模块用于采集施工工地的人员图像、人员信息以及施工设备的实时运行数据；

所述信息认证模块用于匹配人员图像，生成人员异常警告信息；

所述设备监测模块用于监测施工设备的实时运行数据，生成设备异常警告信息；

所述考勤管理模块用于根据人员信息，生成人员考勤异常信息；

所述终端管理模块用于存储人员异常警告信息、设备异常警告信息和人员考勤异常信息，并传输至计算机；

所述设备监测模块生成设备异常警告信息包括以下步骤：

B1：采集施工设备各个运行时刻的运行温度，将各个运行时刻的运行温度作为实时运行数据；

B2：将实时运行数据从小到大依次排序，并依次计算每两个实时运行数据的欧式距离，得到距离特征向量；

B3：设定温度上限阈值和温度下限阈值，采用SVM分类器对距离特征向量进行分类，将小于温度下限阈值或大于温度上限阈值对应的实时运行数据作为设备异常警告信息；SVM分类器根据距离特征向量将实时运行数据分为三类，第一类为小于温度下限阈值，第二类为大于或等于温度下限阈值且小于或等于温度上限阈值，第三类为大于温度上限阈值。

2.根据权利要求1所述的智能工地管理***，其特征在于，所述信息采集模块通过安装在施工工地的摄像头采集人员图像；

所述信息采集模块通过安装在施工设备的温度传感器采集施工设备的运行温度，并将运行温度作为实时运行数据；

所述信息采集模块通过安装在施工工地的考勤打卡设备采集人员信息。

3.根据权利要求1所述的智能工地管理***，其特征在于，所述信息认证模块生成人员异常警告信息包括以下步骤：

A1：采集施工工地的人员图像，计算人员图像的环境明暗系数，根据环境明暗系数调整人员图像的明暗值；

A2：对调整明暗值后的人员图像依次进行灰度处理和归一化处理，得到最新人员图像；

A3：将最新人员图像输入至人脸识别模型，进行人脸识别，将与施工人员数据库不匹配的人员图像作为人员异常警告信息。

4.根据权利要求3所述的智能工地管理***，其特征在于，所述步骤A1中，人员图像的环境明暗系数LS的计算公式为：

式中，β_max表示人员图像的亮度最大值，β_min表示人员图像的亮度最小值，μ表示人员图像的亮度平均值。

5.根据权利要求3所述的智能工地管理***，其特征在于，所述步骤A3中，人脸识别模型包括图像输入单元、特征提取单元、参数调整单元和结果输出单元；

所述图像输入单元用于将最新人员图像输入至人脸识别模型；

所述特征提取单元利用残差网络提取最新人员图像的特征矩阵；

所述参数调整单元用于根据最新人员图像的特征矩阵调整人脸识别模型的权重参数和偏置参数；

所述结果输出单元用于在参数调整后，将最新人员图像与施工人员数据库进行匹配，将与施工人员数据库不匹配的人员图像作为人员异常警告信息。

6.根据权利要求5所述的智能工地管理***，其特征在于，所述参数调整单元中，根据最新人员图像的特征矩阵确定权重参数的缩放比例和偏置参数的缩放比例；利用权重参数的缩放比例调整权重参数；利用偏置参数的缩放比例调整偏置参数；

其中，权重参数的缩放比例s₁的计算公式为：

式中，v表示最新人员图像的特征矩阵的特征值，u₁表示权重参数；

偏置参数的缩放比例s₂的计算公式为：

式中，u₂表示偏置参数。

7.根据权利要求1所述的智能工地管理***，其特征在于，所述步骤B3中，SVM分类器的分类函数F的表达式为：

式中，X_max表示温度上限阈值，X_min表示温度下限阈值，x_n表示第n个距离特征向量值。

8.根据权利要求1所述的智能工地管理***，其特征在于，所述信息采集模块采集的人员信息包括人员打卡账号、人员打卡时间和人员打卡位置；

所述考勤管理模块生成人员考勤异常信息的具体方法为：设置工地全勤时间范围、工地工作区域；

若人员打卡位置对应的IP地址不属于工地工作区域，则将人员打卡位置对应的人员打卡账号作为考勤异常信息；

若人员打卡时间不属于工地全勤时间范围，则将人员打卡时间对应的人员打卡账号作为考勤异常信息。

Images