CN115953815A - 基建现场的监测方法及装置 - Google Patents
基建现场的监测方法及装置 Download PDFInfo
- Publication number
- CN115953815A CN115953815A CN202211659693.6A CN202211659693A CN115953815A CN 115953815 A CN115953815 A CN 115953815A CN 202211659693 A CN202211659693 A CN 202211659693A CN 115953815 A CN115953815 A CN 115953815A
- Authority
- CN
- China
- Prior art keywords
- information
- image information
- construction site
- monitoring
- capital construction
- 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.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Alarm Systems (AREA)
Abstract
本申请提供一种基建现场的监测方法及装置,所述方法包括接收目标对象的图像信息;对所述图像信息进行识别,得到识别结果;基于所述识别结果,生成并发送监测信息,解决了现有技术中对基建现场的人员管理效率低的技术问题,实现了对人员的安全进行监测的目的。
Description
技术领域
本申请涉及基建现场监测技术领域,尤其涉及一种基建现场的监测方法及装置。
背景技术
开放的施工场景、错综复杂的空间结构以及大量的人员构成,使得基建现场容易出现安全隐患。基建现场主要采用以现场监督为主的传统安全管理模式。随着新型电力***的建设,新能源发电场站、储能站等建设数量的快速增长,对电力基础设施建设和人员安全提出更高要求,以现场监督为主的传统人员管理模式不再满足当前电网规模、机构设置和生产活动数量的要求。
基建现场环境和人员复杂,基建现场的人员管理是安全管理工作中的一个薄弱环节,管理人员很难通过现场巡查方式来对基建现场的人员进行管理。现场监督为主的传统管理模式效率低下,存在对基建现场的人员的异常状况反馈不及时的问题,造成基建现场管理上存在管理不到位、出现违规操作和不文明施工等安全隐患的现象。
发明内容
有鉴于此,本申请的目的在于提出一种基建现场的监测方法及装置,以克服现有技术中全部或部分不足。
基于上述目的,本申请提供了一种基建现场的监测方法,应用于监测端,包括:接收目标对象的图像信息;对所述图像信息进行识别,得到识别结果;基于所述识别结果,生成并发送监测信息。
可选地,所述图像信息包括基建现场门禁处图像信息;对所述图像信息进行识别,得到识别结果,包括:对所述基建现场门禁处图像信息进行人脸识别,得到人脸识别结果;响应于所述人脸识别结果为人脸识别成功,将所述基建现场门禁处图像信息与预存的人脸信息进行匹配,得到所述识别结果。
可选地,对所述基建现场门禁处图像信息进行人脸识别,得到人脸识别结果,包括:对所述基建现场门禁处图像信息进行关键点和特征点提取;基于所述关键点和所述特征点,将所述基建现场入口处图像信息转变为所述基建现场入口处图像信息对应的矩阵;计算所述矩阵中的数值的距离;基于所述距离与距离阈值的大小关系,得到所述人脸识别结果。
可选地,在接收目标对象的图像信息之前,所述方法包括:响应于接收到注册指令,获取所述目标对象的身份信息与人脸信息,将所述身份信息与所述人脸信息进行关联性存储。
可选地,所述图像信息包括基建现场施工处图像信息;对所述图像信息进行识别,得到识别结果,包括:采用经过预训练的图像识别模型对所述基建现场施工处图像信息中是否存在安全帽信息进行识别,得到所述识别结果。
可选地,所述图像识别模型为YOLO模型,所述图像识别模型的预训练方法包括:获取多个历史基建现场施工处图像信息,其中,所述历史基建现场施工处图像信息包括所述目标对象佩戴安全帽的历史图像信息和所述目标对象未佩戴安全帽的历史图像信息;对所述目标对象佩戴安全帽的历史图像信息中的安全帽进行标注;将所述历史基建现场施工处图像信息划分为训练集和测试集;初始化所述图像识别模型的权重,采用所述训练集对所述图像识别模型进行迭代训练;基于所述测试集对经过迭代训练的所述图像识别模型进行测试,得到测试评估参数,当所述测试评估参数大于预设评估阈值时,得到训练完成的图像识别模型。
本申请还提供了一种基建现场的监测方法,应用于云平台端,包括:接收目标对象的位置信息;基于所述位置信息和预先存储的基建现场的地图信息,将所述位置信息和所述地图信息建立对应关系,基于所述对应关系生成并发送对应关系图。
可选地,还包括:接收并发送监测信息和所述目标对象进入预设区域的预警信息。
基于同一发明构思,本申请还提供了一种基建现场的监测装置,应用于监测端,包括第一接收模块,被配置为接收目标对象的图像信息;识别模块,被配置为对所述图像信息进行识别,得到识别结果;第一发送模块,被配置为基于所述识别结果,生成并发送监测信息。
基于同一发明构思,本申请还提供了一种基建现场的监测装置,应用于云平台端,包括第二接收模块,被配置为接收目标对象的位置信息;第二发送模块,被配置为基于所述位置信息和预先存储的基建现场的地图信息,将所述位置信息和所述地图信息建立对应关系,基于所述对应关系生成并发送对应关系图。
从上面所述可以看出,本申请提供的基建现场的监测方法及装置,通过接收目标对象的图像信息,实现了获取基建现场的人员的状况。对所述图像信息进行识别,得到识别结果,提升了获取基建现场的人员的异常状况的效率,有利于对人员的异常状况进行及时处理。基于所述识别结果,生成并发送监测信息,提升了对基建现场的人员的管理效率,实现了对人员的人身安全进行监测的目的。
附图说明
为了更清楚地说明本申请或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例的基建现场的监测方法的流程示意图;
图2为本申请另一实施例的基建现场的监测方法的流程示意图;
图3为本申请实施例的基建现场的监测装置的结构示意图;
图4为本申请另一实施例的基建现场的监测装置的结构示意图;
图5为本申请实施例电子设备硬件结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本申请进一步详细说明。
需要说明的是,除非另外定义,本申请实施例使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
如背景技术部分所述,随着基建工程规模的不断扩大,针对基建现场工作人员多、物料分散、管理流程复杂等特点,采用传统的人工巡视和手工填报的工作方式已经无法满足基建现场管控的要求,容易在基建过程中发生人员安全事故。传统基建现场缺乏信息化手段,管理效率低下,在人员管理中存在异常状况反馈不及时,无法实时分析各个信息并及时进行反馈,造成基建现场管理上存在管理不到位、出现违规操作和不文明施工等安全隐患的现象。
有鉴于此,本申请实施例提出了一种基建现场的监测方法,参考图1,应用于监测端,包括以下步骤:
步骤101,接收目标对象的图像信息。
在该步骤中,目标对象包括基建现场的工作人员和非基建现场的人员。图像信息为摄像头对人员进行拍摄获取,监测端接收摄像头发送的图像信息。图像信息来源于基建现场的不同位置的摄像头,基建现场具有多个摄像头,示例性的,基建现场门禁处设置有摄像头,在人员处于门禁处且面部处于摄像头的拍摄范围的情况下,摄像头对人员的面部进行自动拍摄,将拍摄到的图像信息发送至监测端,即图像信息来源于基建现场门禁处的摄像头。基建现场施工处设置有摄像头,在人员处于施工处且头部处于摄像头的拍摄范围的情况下,摄像头对人员的头部进行自动拍摄,将拍摄到的图像信息发送至监测端,即图像信息来源于基建现场工作处的摄像头。通过图像信息,实现了获取基建现场的人员的状况。响应于监测端接收到图像信息,触发对图像信息的识别。需要说明的是,监测端采用高配置版本的主控、主频以及图形处理器(GPU,graphics processing unit),为监测端提供了强大的监测处理能力,且监测端还集成了高效能人工智能(AI,Artificial Intelligence)加速器,提供强大的AI计算能力。
步骤102,对所述图像信息进行识别,得到识别结果。
在该步骤中,监测端对图像信息进行识别,根据图像信息来源于基建现场的不同位置,对图像信息使用不同的识别技术并且得到不同的识别结果。示例性的,在图像信息来源于基建现场的门禁处的情况下,识别技术为人脸识别技术,识别结果为人像匹配成功和人像匹配不成功。在图像信息来源于基建现场的施工处的情况下,识别技术为针对安全帽的识别技术,识别结果为工作人员佩戴安全帽和工作人员未佩戴安全帽。在本实施例中,人像匹配不成功和工作人员未佩戴安全帽视为人员的异常状况。提升了获取基建现场的人员的异常状况的效率,有利于对人员的异常状况进行及时处理。
步骤103,基于所述识别结果,生成并发送监测信息。
在该步骤中,监测端将监测信息发给云平台端,监测信息为与基建现场的人员相关的信息。通过监测信息,可以获知人员的状况,从而确定人员的异常状况。管理人员根据人员的异常状况采取相应措施,便于对人员进行管理。示例性的,在图像信息为基建现场门禁处图像信息,识别结果为人像匹配成功和人像匹配不成功的情况下,监测信息可以为人像匹配成功,工作人员进入基建现场;监测信息可以为人像匹配不成功,有人试图进入基建现场。在图像信息为基建现场施工处图像信息,识别结果为工作人员佩戴安全帽和工作人员未佩戴安全帽的情况下,监测信息可以为XX(人名)未带安全帽,监测信息可以为XX(人名)已带安全帽。在获取到的监测信息表征为人员的异常状况信息的情况下,例如,监测信息为人像匹配不成功,有人试图进入基建现场;监测信息为XX(人名)未带安全帽,管理人员根据人员的异常状况采取相应措施,提升了对基建现场的人员的管理效率,实现了对人员的人身安全进行监测的目的。
通过上述方案,接收目标对象的图像信息,实现了获取基建现场的人员的状况。对所述图像信息进行识别,得到识别结果,提升了获取基建现场的人员的异常状况的效率,有利于对人员的异常状况进行及时处理。基于所述识别结果,生成并发送监测信息,提升了对基建现场的人员的管理效率,实现了对人员的人身安全进行监测的目的。
在一些实施例中,所述图像信息包括基建现场门禁处图像信息;对所述图像信息进行识别,得到识别结果,包括:对所述基建现场门禁处图像信息进行人脸识别,得到人脸识别结果;响应于所述人脸识别结果为人脸识别成功,将所述基建现场门禁处图像信息与预存的人脸信息进行匹配,得到所述识别结果。
在本实施例中,基建现场环境复杂,禁止外来人员进入,以预防安全事故的发生。基建现场门禁处的摄像头在人员处于门禁处且面部处于摄像头的拍摄范围的情况下,对人员的面部进行自动拍摄,但拍摄的面部可能存在不清晰的问题,因此,需要对拍摄的面部图像进行人脸识别。在人脸识别结果为人脸识别成功的情况下,才与预存的人脸信息进行匹配,通过清晰的面部图像,确保了匹配的准确度。识别结果为人像匹配成功或人像匹配不成功。需要说明的是,在识别结果为人像匹配成功的情况下,监测端还会发出打开门禁的指令,门禁处接收到上述指令,控制门禁打开,杜绝了外来人员进入基建现场的可能性,确保了基建现场的施工安全,也保证了人员的人身安全。人脸识别技术是基于人的面部特征信息进行身份识别的一种生物识别技术,用摄像头采集含有人员的面部图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行识别。预存的人脸信息为提前存储的工作人员的人脸信息,与人脸信息进行关联性存储的还有工作人员的身份信息。
在一些实施例中,对所述基建现场门禁处图像信息进行人脸识别,得到人脸识别结果,包括:对所述基建现场门禁处图像信息进行关键点和特征点提取;基于所述关键点和所述特征点,将所述基建现场入口处图像信息转变为所述基建现场入口处图像信息对应的矩阵;计算所述矩阵中的数值的距离;基于所述距离与距离阈值的大小关系,得到所述人脸识别结果。
在本实施例中,基建现场门禁处图像信息为人员的面部信息,关键点提取为对面部的关键区域位置,包括眉毛、眼睛、鼻子、嘴巴、脸部等进行提取,特征点提取为对面部的关键区域位置提取出具有鉴别性的点。将基建现场入口处图像信息用数值表示,形成与图像信息有关的矩阵,将图像信息数值化,便于对抽象的图像信息进行具体的数值分析。通过欧氏距离计算矩阵中的数值距离,欧氏距离为通过两个嵌套的循环遍历计算数值之间的距离。距离阈值根据基建现场门禁处的摄像头对应的参数设定,在摄像头对应的参数相对良好的情况下,距离阈值可以相对大,在摄像头对应的参数相对差的情况下,距离阈值可以相对小。在数值距离大于距离阈值的情况下,人脸识别结果为人脸识别成功,在数值距离小于等于距离阈值的情况下,人脸识别结果为人脸识别失败。通过上述大小关系,可以确定拍摄出的人员的面部较为清晰的图像信息,有利于提升人脸识别结果的准确性。
在一些实施例中,在接收目标对象的图像信息之前,所述方法包括:响应于接收到注册指令,获取所述目标对象的身份信息与人脸信息,将所述身份信息与所述人脸信息进行关联性存储。
在本实施例中,基建现场新来的工作人员还未在监测端存储有相关信息,需要将工作人员的身份信息与人脸信息进行关联性注册,其中,工作人员的身份信息至少包括工作人员的姓名信息,以便工作人员能顺利进入基建现场,以及能准确确定具体工作人员的异常状况。
在一些实施例中,所述图像信息包括基建现场施工处图像信息;对所述图像信息进行识别,得到识别结果,包括:采用经过预训练的图像识别模型对所述基建现场施工处图像信息中是否存在安全帽信息进行识别,得到所述识别结果。
在本实施例中,安全帽为基建现场的工作人员提供了安全保护,因此,工作人员安全帽的佩戴尤为重要。在人员处于施工处且头部处于摄像头的拍摄范围的情况下,对人员的头部进行自动拍摄,摄像头将拍摄到的基建现场施工处图像信息发送至监测端。预训练的图像识别模型首先提取基建现场施工处图像的特征,利用图像识别模型的卷积层和池化层组成的卷积神经网络进行处理,以产生卷积特征图。使用图像识别模型的检测层对特征图以及提取出的特征进行分类,从而识别相应的基建现场施工处图像中是否包含未佩戴安全帽的工作人员。基于预训练的图像识别模型,管理人员无需在基建现场进行巡视也能发现未佩戴安全帽的工作人员,提高了管理人员发现未佩戴安全帽的工作人员的效率。
在一些实施例中,所述图像识别模型为YOLO模型,所述图像识别模型的预训练方法包括:获取多个历史基建现场施工处图像信息,其中,所述历史基建现场施工处图像信息包括所述目标对象佩戴安全帽的历史图像信息和所述目标对象未佩戴安全帽的历史图像信息;对所述目标对象佩戴安全帽的历史图像信息中的安全帽进行标注;将所述历史基建现场施工处图像信息划分为训练集和测试集;初始化所述图像识别模型的权重,采用所述训练集对所述图像识别模型进行迭代训练;基于所述测试集对经过迭代训练的所述图像识别模型进行测试,得到测试评估参数,当所述测试评估参数大于预设评估阈值时,得到训练完成的图像识别模型。
在本实施例中,YOLO(you only look once)模型意思是只需要浏览一次就可以识别出图中的物体的类别和位置的模型,是一种实时图像检测模型,将分类与目标定位的回归问题结合起来,从而做到了高效、灵活以及比较好的泛化性能。YOLO模型能够识别图像中的特定目标,具有准确的识别能力。在使用YOLO模型识别图像中的特定目标之前,需要先对YOLO模型的识别能力进行训练。
获取大量的历史基建现场施工处图像信息。使用图像标注工具对目标对象佩戴安全帽的历史图像信息中的安全帽进行标注,生成符合YOLO规范的txt文件。将数据集可以划分为80%训练集和20%验证集,初始化图像识别模型的权重,使用训练集对YOLO模型进行训练,使得YOLO模型中的卷积神经网络层和检测层具备相应的工作参数和特征提取能力以及分类能力。通过训练集对YOLO模型进行迭代训练以及通过测试集对经过迭代训练的YOLO模型进行测试,得到测试评估参数,当测试评估参数大于预设评估阈值时,最终得到预训练的YOLO模型。YOLO模型为每个检测到的图像提供置信度值。置信度值为所识别的关键帧含有未佩戴安全帽人员的概率。例如,置信度值为0.9表示所识别的图像包含未佩戴安全帽人员的概率是90%。当置信度值高于置信度阈值时,识别为可信样本。本实施例中可以选择0.8作为YOLO模型的置信度阈值,在保证了YOLO模型识别准确性的情况下,有利于确定出未佩戴安全帽的工作人员,保证了工作人员的人身安全。
本申请实施例还提出了一种基建现场的监测方法,参考图2,应用于云平台端,包括以下步骤:
步骤201,接收目标对象的位置信息。
在该步骤中,工作人员佩戴有手环,手环利用卫星实现定位技术,考虑到室内定位信号弱,手环内置有高精度定位算法的芯片,实现基建现场对工作人员的高精度定位,其中,高精度定位算法可以为超宽带(UWB,Ultra Wide Band)室内定位算法。手环将工作人员的位置信息发送给监测端,监测端再转发给云平台端,云平台端实现了对工作人员的位置信息的存储。
步骤202,基于所述位置信息和预先存储的基建现场的地图信息,将所述位置信息和所述地图信息建立对应关系,基于所述对应关系生成并发送对应关系图。
在该步骤中,云平台将位置信息进行转换后展示在预先存储的基建现场的地图上,方便管理人员实时查看工作人员的位置信息,在工作人员进入基建现场的敏感区域或离开指定区域时,管理人员可以通过工作人员所处位置的广播使其离开基建现场的敏感区域或进入指定区域,保证了基建现场的施工秩序,便于对工作人员的管理。
通过上述方案,接收目标对象的位置信息,实现了对工作人员的位置信息的存储。基于所述位置信息和预先存储的基建现场的地图信息,将所述位置信息和所述地图信息建立对应关系,基于所述对应关系生成并发送对应关系图,保证了基建现场的施工秩序,便于对工作人员的管理。
在一些实施例中,还包括:接收并发送监测信息和所述目标对象进入预设区域的预警信息。
在本实施例中,云平台端接收监测端发送的监测信息,监测信息可以分为异常监测信息和正常监测信息。云平台会将异常监测信息自动发送给监控设备端,响应于接收到监控设备发送的获取正常监测信息指令,云平台也会将正常监测信息发送给监控设备端,管理人员可以通过监控设备端查看监测信息。示例性的,在监测信息为异常监测信息的情况下,异常监测信息可以为人像匹配不成功,有人试图进入基建现场;异常监测信息还可以为XX(人名)未带安全帽。管理人员根据接收到的异常监测信息采取相应的管理手段。在异常监测信息为人像匹配不成功,有人试图进入基建现场的情况下,管理人员可以查看基建现场门禁处的摄像头,以判断此人是否可以进入基建现场。在异常监测信息为XX(人名)未带安全帽的情况下,管理人员可以通过呼叫XX(人名)所在区域的安全员,通过安全员提醒XX(人名)佩戴安全帽。在监测信息为正常监测信息的情况下,管理人员可以发出指令主动获取正常监测信息,在监测信息为基建现场门禁处监测信息的情况下,管理人员可以查看工作人员的出勤情况。通过监测信息,实现了对人员的高效管理。
手环中设置有电子围栏功能,一旦佩戴工作人员未经报备进入敏感区域或离开指定区域,手环会警告佩戴者,并将预警信息发送至云平台。云平台对预警信息进行存储,在具体工作人员接收到超过预定数量的预警信息的情况下,管理人员可以对工作人员进行相应的安全教育。智能定位手环还具备紧急通话功能,当工作人员需要紧急帮助时可以长按SOS键,从而一键呼叫监控设备端。
需要说明的是,本申请实施例的方法可以由单个设备执行,例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下,由多台设备相互配合来完成。在这种分布式场景的情况下,这多台设备中的一台设备可以只执行本申请实施例的方法中的某一个或多个步骤,这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是,上述对本申请的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
基于同一发明构思,与上述任意实施例方法相对应的,本申请还提供了一种基建现场的监测装置。
参考图3,所述基建现场的监测装置,应用于监测端,包括:
第一接收模块10,被配置为接收目标对象的图像信息。
识别模块20,被配置为对所述图像信息进行识别,得到识别结果。
第二确定模块30,被配置为依据所述修正后的初始剩余电量以及多个预设修正因子,确定所述电池的剩余电量。
通过上述装置,接收目标对象的图像信息,实现了获取基建现场的人员的状况。对所述图像信息进行识别,得到识别结果,提升了获取基建现场的人员的异常状况的效率,有利于对人员的异常状况进行及时处理。基于所述识别结果,生成并发送监测信息,提升了对基建现场的人员的管理效率,实现了对人员的人身安全进行监测的目的。
在一些实施例中,所述识别模块20,还被配置为所述图像信息包括基建现场门禁处图像信息;对所述基建现场门禁处图像信息进行人脸识别,得到人脸识别结果;响应于所述人脸识别结果为人脸识别成功,将所述基建现场门禁处图像信息与预存的人脸信息进行匹配,得到所述识别结果。
在一些实施例中,所述识别模块20,还被配置为对所述基建现场门禁处图像信息进行关键点和特征点提取;基于所述关键点和所述特征点,将所述基建现场入口处图像信息转变为所述基建现场入口处图像信息对应的矩阵;计算所述矩阵中的数值的距离;基于所述距离与距离阈值的大小关系,得到所述人脸识别结果。
在一些实施例中,还包括获取模块40,所述获取模块40被配置为在接收目标对象的图像信息之前,响应于接收到注册指令,获取所述目标对象的身份信息与人脸信息,将所述身份信息与所述人脸信息进行关联性存储。
在一些实施例中,所述识别模块20,还被配置为所述图像信息包括基建现场施工处图像信息;采用经过预训练的图像识别模型对所述基建现场施工处图像信息中是否存在安全帽信息进行识别,得到所述识别结果。
在一些实施例中,还包括预训练模块50,所述预训练模块50被配置为所述图像识别模型为YOLO模型,获取多个历史基建现场施工处图像信息,其中,所述历史基建现场施工处图像信息包括所述目标对象佩戴安全帽的历史图像信息和所述目标对象未佩戴安全帽的历史图像信息;对所述目标对象佩戴安全帽的历史图像信息中的安全帽进行标注;将所述历史基建现场施工处图像信息划分为训练集和测试集;初始化所述图像识别模型的权重,采用所述训练集对所述图像识别模型进行迭代训练;基于所述测试集对经过迭代训练的所述图像识别模型进行测试,得到测试评估参数,当所述测试评估参数大于预设评估阈值时,得到训练完成的图像识别模型。
基于同一发明构思,与上述任意实施例方法相对应的,本申请还提供了一种基建现场的监测装置。
参考图4,所述基建现场的监测装置,应用于云平台端,包括:
第二接收模块60,被配置为接收目标对象的位置信息。
第二发送模块70,被配置为基于所述位置信息和预先存储的基建现场的地图信息,将所述位置信息和所述地图信息建立对应关系,基于所述对应关系生成并发送对应关系图。
通过上述装置,接收目标对象的位置信息,实现了对工作人员的位置信息的存储。基于所述位置信息和预先存储的基建现场的地图信息,将所述位置信息和所述地图信息建立对应关系,基于所述对应关系生成并发送对应关系图,保证了基建现场的施工秩序,便于对工作人员的管理。
在一些实施例中,还包括第三发送模块80,所述第三发送模块80被配置为接收并发送监测信息和所述目标对象进入预设区域的预警信息。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的装置用于实现前述任一实施例中相应的基建现场的监测方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,与上述任意实施例方法相对应的,本申请还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上任意一实施例所述的基建现场的监测方法。
图5示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图,该设备可以包括:处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器1020可以存储操作***和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1020中,并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块,以实现信息输入及输出。输入/输出模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路,在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本说明书实施例方案所必需的组件,而不必包含图中所示的全部组件。
上述实施例的电子设备用于实现前述任一实施例中相应的基建现场的监测方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,与上述任意实施例方法相对应的,本申请还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行如上任一实施例所述的基建现场的监测方法。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的基建现场的监测方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本申请的范围(包括权利要求)被限于这些例子;在本申请的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本申请实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本申请实施例难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本申请实施例难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本申请实施例的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本申请的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本申请实施例。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本申请的具体实施例对本申请进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本申请实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本申请实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基建现场的监测方法,其特征在于,应用于监测端,包括:
接收目标对象的图像信息;
对所述图像信息进行识别,得到识别结果;
基于所述识别结果,生成并发送监测信息。
2.根据权利要求1所述的方法,其特征在于,所述图像信息包括基建现场门禁处图像信息;
对所述图像信息进行识别,得到识别结果,包括:
对所述基建现场门禁处图像信息进行人脸识别,得到人脸识别结果;
响应于所述人脸识别结果为人脸识别成功,将所述基建现场门禁处图像信息与预存的人脸信息进行匹配,得到所述识别结果。
3.根据权利要求2所述的方法,其特征在于,对所述基建现场门禁处图像信息进行人脸识别,得到人脸识别结果,包括:
对所述基建现场门禁处图像信息进行关键点和特征点提取;
基于所述关键点和所述特征点,将所述基建现场入口处图像信息转变为所述基建现场入口处图像信息对应的矩阵;
计算所述矩阵中的数值的距离;
基于所述距离与距离阈值的大小关系,得到所述人脸识别结果。
4.根据权利要求1所述的方法,其特征在于,在接收目标对象的图像信息之前,所述方法包括:
响应于接收到注册指令,获取所述目标对象的身份信息与人脸信息,将所述身份信息与所述人脸信息进行关联性存储。
5.根据权利要求1所述的方法,其特征在于,所述图像信息包括基建现场施工处图像信息;
对所述图像信息进行识别,得到识别结果,包括:
采用经过预训练的图像识别模型对所述基建现场施工处图像信息中是否存在安全帽信息进行识别,得到所述识别结果。
6.根据权利要求5所述的方法,其特征在于,所述图像识别模型为YOLO模型,所述图像识别模型的预训练方法包括:
获取多个历史基建现场施工处图像信息,其中,所述历史基建现场施工处图像信息包括所述目标对象佩戴安全帽的历史图像信息和所述目标对象未佩戴安全帽的历史图像信息;
对所述目标对象佩戴安全帽的历史图像信息中的安全帽进行标注;
将所述历史基建现场施工处图像信息划分为训练集和测试集;
初始化所述图像识别模型的权重,采用所述训练集对所述图像识别模型进行迭代训练;
基于所述测试集对经过迭代训练的所述图像识别模型进行测试,得到测试评估参数,当所述测试评估参数大于预设评估阈值时,得到训练完成的图像识别模型。
7.一种基建现场的监测方法,其特征在于,应用于云平台端,包括:
接收目标对象的位置信息;
基于所述位置信息和预先存储的基建现场的地图信息,将所述位置信息和所述地图信息建立对应关系,基于所述对应关系生成并发送对应关系图。
8.根据权利要求7所述的方法,其特征在于,还包括:
接收并发送监测信息和所述目标对象进入预设区域的预警信息。
9.一种基建现场的监测装置,其特征在于,应用于监测端,包括:
第一接收模块,被配置为接收目标对象的图像信息;
识别模块,被配置为对所述图像信息进行识别,得到识别结果;
第一发送模块,被配置为基于所述识别结果,生成并发送监测信息。
10.一种基建现场的监测装置,其特征在于,应用于云平台端,包括:
第二接收模块,被配置为接收目标对象的位置信息;
第二发送模块,被配置为基于所述位置信息和预先存储的基建现场的地图信息,将所述位置信息和所述地图信息建立对应关系,基于所述对应关系生成并发送对应关系图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211659693.6A CN115953815A (zh) | 2022-12-22 | 2022-12-22 | 基建现场的监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211659693.6A CN115953815A (zh) | 2022-12-22 | 2022-12-22 | 基建现场的监测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115953815A true CN115953815A (zh) | 2023-04-11 |
Family
ID=87296255
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211659693.6A Pending CN115953815A (zh) | 2022-12-22 | 2022-12-22 | 基建现场的监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115953815A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117492408A (zh) * | 2024-01-03 | 2024-02-02 | 建龙西林钢铁有限公司 | 一种基于plc和图像识别的电子围栏安全***及其控制方法 |
-
2022
- 2022-12-22 CN CN202211659693.6A patent/CN115953815A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117492408A (zh) * | 2024-01-03 | 2024-02-02 | 建龙西林钢铁有限公司 | 一种基于plc和图像识别的电子围栏安全***及其控制方法 |
CN117492408B (zh) * | 2024-01-03 | 2024-04-02 | 建龙西林钢铁有限公司 | 一种基于plc和图像识别的电子围栏安全***及其控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10812761B2 (en) | Complex hardware-based system for video surveillance tracking | |
CN109117827B (zh) | 基于视频的工服工帽穿戴状态自动识别方法与报警*** | |
CN111222423B (zh) | 基于作业区域的目标识别方法、装置、计算机设备 | |
CN109657592B (zh) | 一种智能挖掘机的人脸识别方法 | |
CN112396658B (zh) | 一种基于视频的室内人员定位方法及定位*** | |
CN108319926A (zh) | 一种工地现场的安全帽佩戴检测***及检测方法 | |
CN113516076B (zh) | 一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法 | |
CN112560745B (zh) | 一种电力作业现场人员甄别方法及相关装置 | |
CN106951889A (zh) | 井下高危区域动目标监测和管理*** | |
CN109672863A (zh) | 一种基于图像识别的施工人员安全装备智能监测方法 | |
CN109544870B (zh) | 用于智能监控***的报警判断方法与智能监控*** | |
CN115471865A (zh) | 作业现场数字化安全管控方法、装置、设备和存储介质 | |
CN115953815A (zh) | 基建现场的监测方法及装置 | |
CN115170059A (zh) | 户外工地智能安全监测***及工作方法 | |
CN111652128A (zh) | 一种高空电力作业安全监测方法、***和存储装置 | |
CN113505704B (zh) | 图像识别的人员安全侦测方法、***、设备及存储介质 | |
KR20230068809A (ko) | 이종 데이터 분석을 통한 인공지능 기반 위험 상황 인지 방법 및 장치 | |
CN114067396A (zh) | 基于视觉学习的居配工程现场试验数字化管理***及方法 | |
CN113627321A (zh) | 基于人工智能的图像识别方法、装置及计算机设备 | |
CN113314230A (zh) | 基于大数据的智能防疫方法、装置、设备及存储介质 | |
CN114758286B (zh) | 基于工作票事件的边缘智能安全监测方法和装置 | |
CN112949606B (zh) | 工服穿戴状态检测方法、装置、存储介质及电子装置 | |
CN115830294A (zh) | 一种应用于基建作业现场人员管控的识别方法及装置 | |
CN116597501A (zh) | 视频分析算法及边缘设备 | |
CN114973135A (zh) | 一种基于头肩的时序视频睡岗识别方法、***及电子设备 |
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 |