CN116110012B - 用于智慧工地的危险违规动作识别方法及*** - Google Patents

用于智慧工地的危险违规动作识别方法及*** Download PDF

Info

Publication number
CN116110012B
CN116110012B CN202310394886.1A CN202310394886A CN116110012B CN 116110012 B CN116110012 B CN 116110012B CN 202310394886 A CN202310394886 A CN 202310394886A CN 116110012 B CN116110012 B CN 116110012B
Authority
CN
China
Prior art keywords
information
equipment
vehicle
construction site
image information
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
Application number
CN202310394886.1A
Other languages
English (en)
Other versions
CN116110012A (zh
Inventor
冷承霖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Petroleum East China
Original Assignee
China University of Petroleum East China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China University of Petroleum East China filed Critical China University of Petroleum East China
Priority to CN202310394886.1A priority Critical patent/CN116110012B/zh
Publication of CN116110012A publication Critical patent/CN116110012A/zh
Application granted granted Critical
Publication of CN116110012B publication Critical patent/CN116110012B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/10Image acquisition
    • G06V10/12Details of acquisition arrangements; Constructional details thereof
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761Proximity, similarity or dissimilarity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20Movements or behaviour, e.g. gesture recognition
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00Television systems
    • H04N7/18Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Alarm Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了用于智慧工地的危险违规动作识别方法及***,涉及违规动作识别领域,包括车辆影像信息采集模块、设备影像信息采集模块、安全设备信息采集模块、工地影像采集模块、数据处理模块、总控模块与信息发送模块;车辆影像信息采集模块用于采集工地内进出车辆的影像信息,设备影像信息采集模块用于采集设备所处位置影像信息,工地影像采集模块用于采集工地内的实时影像信息,安全设备采集模块用于采集工地的安全设备信息;数据处理模块用于对工地内进出车辆的影像信息进行处理生成车辆警示信息,对设备所处位置影像信息进行处理生成设备运行警示信息。本发明能够更加准确的全面的进行危险违规动作识别,满足了不同使用需求。

Description

用于智慧工地的危险违规动作识别方法及***
技术领域
本发明涉及违规动作识别领域,具体涉及用于智慧工地的危险违规动作识别方法及***。
背景技术
智慧工地是指运用信息化手段,通过三维设计平台对工程项目进行精确设计和施工模拟,围绕施工过程管理,建立互联协同、智能生产、科学管理的施工项目信息化生态圈,并将此数据在虚拟现实环境下与物联网采集到的工程信息进行数据挖掘分析,提供过程趋势预测及专家预案,实现工程施工可视化智能管理,以提高工程管理信息化水平,从而逐步实现绿色建造和生态建造;
在实现智慧工地的过程中,通过动作识别方法及***进行工地违规的动作进行识别,能够有效地保证施工安全。
现有的动作进行识别***,识别准确度较低,并且识别种类较为单一,满足不了实际使用需求,给危险违规动作识别方法及***的使用带来了一定的影响,因此,提出用于智慧工地的危险违规动作识别方法及***。
发明内容
本发明所要解决的技术问题在于:如何解决现有的动作进行识别***,识别准确度较低,并且识别种类较为单一,满足不了实际使用需求,给危险违规动作识别方法及***的使用带来了一定的影响的问题,提供了用于智慧工地的危险违规动作识别方法及***。
本发明是通过以下技术方案解决上述技术问题的,本发明包括车辆影像信息采集模块、设备影像信息采集模块、安全设备信息采集模块、工地影像采集模块、数据处理模块、总控模块与信息发送模块;
所述车辆影像信息采集模块用于采集工地内进出车辆的影像信息,所述设备影像信息采集模块用于采集设备所处位置影像信息,所述工地影像采集模块用于采集工地内的实时影像信息,所述安全设备采集模块用于采集工地的安全设备信息;
所述数据处理模块用于对工地内进出车辆的影像信息进行处理生成车辆警示信息,对设备所处位置影像信息进行处理生成设备运行警示信息,对工地内的实时影像信息进行处理生成工地警示信息,对安全设备信息进行处理生成安全设备警示信息;
所述车辆警示信息、设备运行警示信息、工地警示信息与安全设备警示信息生成后,总控模块控制信息发送模块将上述信息发送到预设接收终端。
进一步在于,所述车辆警示信息的具体处理过程如下:
步骤一:提取出工地内进出车辆的影像信息,对工地内进出车辆的影像信息进行清晰化处理后,对车辆进入到工地时的影像信息进行处理,获取到进入车辆特征;
步骤二;获取到进入车辆特征后,进行特征信息提取获取到进入车辆特征点信息;
步骤三:在车辆离开工地时,再次进行车辆特征采集,之后进行特征信息提取,获取到离开车辆特征点信息;
步骤四:再对进入车辆特征点信息与离开车辆特征点信息进行处理,获取到进入车辆参数与离开车辆参数;
步骤五:对进入车辆参数与离开车辆参数进行计算处理获取到车辆评估参数,当车辆评估参数异常时,即生成车辆警示信息。
进一步在于,所述进入车辆参数、离开车辆参数与车辆评估参数的具体处理过程如下:
S1:提取出采集到进入的车辆的影像信息,将其两个车轮与地面接触点标记为点A1和点A2,再将车辆影像的车斗最高点标记为点A3,以点A3为基准点做一条水平线L1,之后分别以点A1和点A2为端点做一条垂直于水平线的垂线段L2和L3;
S2:将垂线段L2和L3与水平线L1的交点分别标记为A4和A5,其中A4和A1同一侧,A5和A2同一侧;
S3:再将点A1和点A2连线获取到线段L4,将A4和A5连线获取到线段L5,线段L2、L3、L4和L5围成进入车辆参数计算区域M1;
S4:计算出进入车辆参数计算区域M1的面积,即获取到进入车辆参数K1;
S5:在该车辆离开时,再通过S1到S3的过程采集离开车辆参数计算区域M2,之后计算出车辆参数计算区域M2的面积,即获取到离开车辆参数K2;
S6:计算出进入车辆参数K1与离开车辆参数K2之间的差值的绝对值,即获取到车辆评估参数;
当车辆评估参数大于预设值时,即生成车辆警示信息。
进一步在于,所述设备运行警示信息的具体处理过程如下:
提取出采集到的设备所处位置影像信息,设备所处位置影像信息为起吊设备所处位置的实时影像信息;
对起吊设备所处位置的实时影像信息进行处理,获取到起吊设备吊臂的长度信息,将其标记为E,之后以起吊设备的中点为中点以E为半径绘制圆获取到警示区域;
当起吊设备运行时,即对起吊设备所处位置的实时影像信息进行处理,识别人体模型信息与安全帽模型信息;
当在警示区域内的起吊设备所处位置的实时影像信息中发现人体模型信息与安全帽模型信息时,即生成设备运行警示信息。
进一步在于,所述识别人体模型信息与安全帽模型信息的具体过程如下:采集施工工地的人员身高信息,计算出所有人员的身高均值信息,将身高信息导入到互联网,从中获取到与身高信息相似度最高的人体模型信息,再拍摄工地内的安全帽影像,对安全帽影像信息进行处理获取到安全帽模型信息;
之后将人体模型信息与安全帽模型信息导入到起吊设备所处位置的实时影像信息进行相似模型识别,当人体模型信息与安全帽模型信息任意一个被识别出现时,即生成设备运行警示信息。
进一步在于,所述工地警示信息包括工地人员警示信息、工地车辆警示信息与工地设备警示信息的具体处理过程如下:
步骤a:提取出采集到的工地内的影像信息,从工地内的影像信息中提取出出现的人体影像信息;
步骤b:先监测该人员行动路径信息,当该人员行动路径异常时,生成工地人员警示信息,同时导入预设模型与安全帽模型,对人体影像信息进行预设模型识别与安全帽模型识别,识别出预设模型时,生成工地人员警示,未识别到安全帽模型时,也生成工地人员警示;
步骤c:从工地内的影像信息中提取出出现的车辆影像信息,对车辆影像信息进行处理,获取到车辆速度信息,当车辆速度信息大于预设值时,即生成工地车辆警示信息;
步骤d:从工地内的影像信息中提取出出现的工地设备影像信息,对工地设备影像信息进行处理获取到其实时位置信息,再从数据库中采集该设备的标准存放位置,当实时位置信息与标准存放位置之间的偏差大于预设值时,即生成工地设备警示信息。
进一步在于,所述安全设备警示信息的具体处理过程如下:提取出采集到安全设备信息,安全设备信息包括安全设备数量信息、单个安全设备的覆盖面积与实时安全设备影像,之后提取施工工地的总面积信息与安全设备原始影像信息;
将安全设备数量信息标记为Q1,将单个安全设备的覆盖面积标记为Q2,将提取施工工地的总面积信息标记为Q3,通过公式Q1*Q2-Q3=Qq,获取到安全设备评估参数Qq,当安全设备评估参数Qq小于预设值时,即生成安全设备警示信息;
提取出实时安全设备影像与安全设备原始影像信息,将实时安全设备影像与安全设备原始影像信息进行比对,当实时安全设备影像与安全设备原始影像信息之间的相似度差值大于预设值时,即生成安全设备警示信息。
一种用于智慧工地的危险违规动作识别方法,包括以下步骤:
步骤一:通过车辆影像信息采集模块采集工地内进出车辆的影像信息;
步骤二:设备影像信息采集模块用于采集设备所处位置影像信息;
步骤三;工地影像采集模块采集工地内的实时影像信息;
步骤四:安全设备采集模块用于采集工地的安全设备信息;
步骤五:数据处理模块用于对工地内进出车辆的影像信息进行处理生成车辆警示信息,对设备所处位置影像信息进行处理生成设备运行警示信息,对工地内的实时影像信息进行处理生成工地警示信息,对安全设备信息进行处理生成安全设备警示信息;
步骤六:车辆警示信息、设备运行警示信息、工地警示信息与安全设备警示信息生成后,总控模块控制信息发送模块将上述信息发送到预设接收终端。
本发明相比现有技术具有以下优点:该用于智慧工地的危险违规动作识别方法及***,对工地内进出车辆的影像信息进行处理生成车辆警示信息,及时的发出车辆警示信息,能够让工地管理人员和车辆驾驶人员了解到车辆是否存在超高或者超重的问题,及时的发出警示提示其整改,能够减少工地车辆驶出后发生的交通事故等,更好保证工地车辆驾驶人员的安全,通过对设备所处位置影像信息进行处理生成设备运行警示信息,在起吊设备运行时,监控器起吊范围内是否存在施工人员,发现施工人员时,及时的发出警示驱离施工人员,从而减少施工事故的发生,提升了施工安全,通过对工地内的实时影像信息进行处理生成工地警示信息,多种不同类型的工地警示信息,实现更加全面的化的综合化的工地违规动作识别,满足了不用的使用需求,有效提升了工地的施工安全,让该***及方法更加值得推广使用。
附图说明
图1是本发明的***框图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,本实施例提供一种技术方案:用于智慧工地的危险违规动作识别***,包括车辆影像信息采集模块、设备影像信息采集模块、安全设备信息采集模块、工地影像采集模块、数据处理模块、总控模块与信息发送模块;
所述车辆影像信息采集模块用于采集工地内进出车辆的影像信息,所述设备影像信息采集模块用于采集设备所处位置影像信息,所述工地影像采集模块用于采集工地内的实时影像信息,所述安全设备采集模块用于采集工地的安全设备信息;
所述数据处理模块用于对工地内进出车辆的影像信息进行处理生成车辆警示信息,对设备所处位置影像信息进行处理生成设备运行警示信息,对工地内的实时影像信息进行处理生成工地警示信息,对安全设备信息进行处理生成安全设备警示信息;
所述车辆警示信息、设备运行警示信息、工地警示信息与安全设备警示信息生成后,总控模块控制信息发送模块将上述信息发送到预设接收终端;
本发明对工地内进出车辆的影像信息进行处理生成车辆警示信息,及时的发出车辆警示信息,能够让工地管理人员和车辆驾驶人员了解到车辆是否存在超高或者超重的问题,及时的发出警示提示其整改,能够减少工地车辆驶出后发生的交通事故等,更好保证工地车辆驾驶人员的安全,通过对设备所处位置影像信息进行处理生成设备运行警示信息,在起吊设备运行时,监控器起吊范围内是否存在施工人员,发现施工人员时,及时的发出警示驱离施工人员,从而减少施工事故的发生,提升了施工安全,通过对工地内的实时影像信息进行处理生成工地警示信息,多种不同类型的工地警示信息,实现更加全面的化的综合化的工地违规动作识别,满足了不同的使用需求,有效提升了工地的施工安全。
所述车辆警示信息的具体处理过程如下:
步骤一:提取出工地内进出车辆的影像信息,对工地内进出车辆的影像信息进行清晰化处理后,对车辆进入到工地时的影像信息进行处理,获取到进入车辆特征;
对车辆的影像信息进行清晰化处理过程的方法包括:锐化算法、去噪算法、图像放大算法与边缘检测算法中的一种或多种的组合;
锐化算法通过增加图像边缘的对比度来提高图像的清晰度。常用的锐化算法包括高斯拉普拉斯算法、Laplacian算法等。
去噪算法通过消除图像中的噪声来提高图像的清晰度。常用的去噪算法包括高斯滤波算法、中值滤波算法、线性滤波算法等。
图像放大算法通过对图像的分辨率进行调整来提高图像的清晰度。常用的图像放大算法包括双线性插值算法、双三次插值算法等。
边缘检测算法通过检测图像中的边缘信息来提高图像的清晰度。常用的边缘检测算法包括Canny边缘检测算法、Sobel算法等;
步骤二:获取到进入车辆特征后,进行特征信息提取获取到进入车辆特征点信息;
步骤三:在车辆离开工地时,再次进行车辆特征采集,之后进行特征信息提取,获取到离开车辆特征点信息;
步骤四:再对进入车辆特征点信息与离开车辆特征点信息进行处理,获取到进入车辆参数与离开车辆参数,特征点信息包括点A1、点A2、点A3、线段L1、L2、L3、L4和L5;
步骤五:对进入车辆参数与离开车辆参数进行计算处理获取到车辆评估参数,当车辆评估参数异常时,即生成车辆警示信息;
通过上述过程,获取到施工车辆进入时和离开时的影像信息,获取到车辆评估参数,能够了解到车辆是否存在超载或者超高等状况,从而及时的发出警示信息进行警示,提示其进行整改,从而保证行车安全。
所述进入车辆参数、离开车辆参数与车辆评估参数的具体处理过程如下:
S1:提取出采集到进入的车辆的影像信息,将其两个车轮与地面接触点标记为点A1和点A2,再将车辆影像的车斗最高点标记为点A3,以点A3为基准点做一条水平线L1,之后分别以点A1和点A2为端点做一条垂直于水平线的垂线段L2和L3;
S2:将垂线段L2和L3与水平线L1的交点分别标记为A4和A5,其中A4和A1同一侧,A5和A2同一侧;
S3:再将点A1和点A2连线获取到线段L4,将A4和A5连线获取到线段L5,线段L2、L3、L4和L5围成进入车辆参数计算区域M1;
S4:计算出进入车辆参数计算区域M1的面积,即获取到进入车辆参数K1;
S5:在该车辆离开时,再通过S1到S3的过程采集离开车辆参数计算区域M2,之后计算出车辆参数计算区域M2的面积,即获取到离开车辆参数K2;
该采集过程中,选定的点的位置和车辆进入过程中采集的点A1、点A2和点A3的位置相同;
S6:计算出进入车辆参数K1与离开车辆参数K2之间的差值的绝对值,即获取到车辆评估参数;
当车辆评估参数大于预设值时,即生成车辆警示信息;
通过上述过程能够获取到更加准确的进入车辆参数、离开车辆参数与车辆评估参数,从而保证了车辆警示信息生成的准确性,避免了误发警示的信息的状况发生,车辆参数的获取过程如下,对车辆进行图像化处理,即获取到车辆进入时的车体高度信息与离开时的车体高度信息,通过对车体高度的分析能够了解到车辆的大致载重信息,当车辆载重过大时,因为车辆轮胎受力会存在部分形变和车辆承重结构也会发生形变,因此在载重过大时,其进入时的车辆高度和离开时的车辆高度会存在明显的偏差,因此通过更加准确的进入车辆参数、离开车辆参数与车辆评估参数能够保证分析车辆状态载重状态和超高状态。
所述设备运行警示信息的具体处理过程如下:
提取出采集到的设备所处位置影像信息,设备所处位置影像信息为起吊设备所处位置的实时影像信息;
对起吊设备所处位置的实时影像信息进行处理,获取到起吊设备吊臂的长度信息,将其标记为E,之后以起吊设备的中点为中点以E为半径绘制圆获取到警示区域;
当起吊设备运行时,即对起吊设备所处位置的实时影像信息进行处理,识别人体模型信息与安全帽模型信息;
起吊设备所处位置的实时影像信息由设置在预设位置的单个或者多个摄像头采集,预设位置包括起吊设备的中点位置和警示区域的边缘位置,影像采集设备的安装高度为预设高度,预设高度根据实际需求进行确定,影像采集设备采集的影像方式包括俯拍、仰拍和平行拍摄;
当在警示区域内的起吊设备所处位置的实时影像信息中发现人体模型信息与安全帽模型信息时,即生成设备运行警示信息;
通过上述过程,能够在工地内的起吊设备运行时,监控警示区域内是否存在施工人员,在发现施工人员时,及时的发出警示信息,驱离人员,减少生产事故的发生。
所述识别人体模型信息与安全帽模型信息的具体过程如下:采集施工工地的人员身高信息,计算出所有人员的身高均值信息,将人员身高信息导入到互联网,从中获取到与身高信息相似度最高的人体模型信息,即将人员身高信息导入到预设的互联网数据库,在互联网数据库中进行相似的人体模型信息比对识别,之后将识别出的人体模型信息导出即获取到本案所需的人体模型信息,再拍摄工地内的安全帽影像,对安全帽影像信息进行处理获取到安全帽模型信息;
获取到安全帽模型信息的过程如下:安全帽上设置了多个预设图案,当预设图案导入到安全帽影像信息中,从安全帽影像信息中提取出各个预设图案的位置,选定预设图案的几何中心,将各个几何中心按照从左到右的顺序进行连线处理即获取到安全帽模型信息;
之后将人体模型信息与安全帽模型信息导入到起吊设备所处位置的实时影像信息进行相似模型识别,当人体模型信息与安全帽模型信息任意一个被识别出现时,即生成设备运行警示信息;
通过上述过程,使得该***能够适用于不同类型的工地,进行更加精准的人员识别,保证识别准确度。
所述工地警示信息包括工地人员警示信息、工地车辆警示信息与工地设备警示信息的具体处理过程如下:
步骤a:提取出采集到的工地内的影像信息,从工地内的影像信息中提取出出现的人体影像信息;
步骤b:先监测该人员行动路径信息,当该人员行动路径异常时,生成工地人员警示信息,同时导入预设模型与安全帽模型,对人体影像信息进行预设模型识别与安全帽模型识别,识别出预设模型时,生成工地人员警示,未识别到安全帽模型时,也生成工地人员警示;
预设模型为拖鞋模型、洞洞鞋模型与短裤模型等,预设模型的识别过程可通过深度学习等方法构建出模型并进行识别;
深度学习进行模型识别的过程能够从大量的数据中自动提取特征和规律,从而实现复杂的任务,如图像识别。图像识别是指让计算机理解并分析图像中的内容,如物体、人脸、场景等。使用深度学习进行图像识别的通常方法是:构建一个以图像为输入,以类别或标签为输出的神经网络模型,然后利用大量的带有标注的图像数据来训练这个模型,使其能够在新的图像上做出正确的预测。
步骤c:从工地内的影像信息中提取出出现的车辆影像信息,对车辆影像信息进行处理,获取到车辆速度信息,当车辆速度信息大于预设值时,即生成工地车辆警示信息;
步骤d:从工地内的影像信息中提取出出现的工地设备影像信息,对工地设备影响信息进行处理获取到其实时位置信息,再从数据库中采集该设备的标准存放位置,当实时位置信息与标准存放位置之间的偏差大于预设值时,即生成工地设备警示信息。
所述安全设备警示信息的具体处理过程如下:提取出采集到安全设备信息,安全设备信息包括安全设备数量信息、单个安全设备的覆盖面积与实时安全设备影像,之后提取施工工地的总面积信息与安全设备原始影像信息;
将安全设备数量信息标记为Q1,将单个安全设备的覆盖面积标记为Q2,将提取施工工地的总面积信息标记为Q3,通过公式Q1*Q2-Q3=Qq,获取到安全设备评估参数Qq,当安全设备评估参数Qq小于预设值时,即生成安全设备警示信息;
提取出实时安全设备影像与安全设备原始影像信息,将实时安全设备影像与安全设备原始影像信息进行比对,当实时安全设备影像与安全设备原始影像信息之间的相似度差值大于预设值时,即生成安全设备警示信息;
通过上述过程能够了解施工工地的安全设备状态,在安全设备数量异常或者状态异常时,及时的生成警示信息进行警示。
一种用于智慧工地的危险违规动作识别方法,包括以下步骤:
步骤一:通过车辆影像信息采集模块采集工地内进出车辆的影像信息;
步骤二:设备影像信息采集模块用于采集设备所处位置影像信息;
步骤三;工地影像采集模块采集工地内的实时影像信息;
步骤四:安全设备采集模块用于采集工地的安全设备信息;
步骤五:数据处理模块用于对工地内进出车辆的影像信息进行处理生成车辆警示信息,对设备所处位置影像信息进行处理生成设备运行警示信息,对工地内的实时影像信息进行处理生成工地警示信息,对安全设备信息进行处理生成安全设备警示信息;
步骤六:车辆警示信息、设备运行警示信息、工地警示信息与安全设备警示信息生成后,总控模块控制信息发送模块将上述信息发送到预设接收终端。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变形。

Claims (5)

1.用于智慧工地的危险违规动作识别***,其特征在于:包括车辆影像信息采集模块、设备影像信息采集模块、安全设备信息采集模块、工地影像采集模块、数据处理模块、总控模块与信息发送模块;
所述车辆影像信息采集模块用于采集工地内进出车辆的影像信息,所述设备影像信息采集模块用于采集设备所处位置的影像信息,所述工地影像采集模块用于采集工地内的实时影像信息,所述安全设备采集模块用于采集工地的安全设备信息;
所述数据处理模块用于对工地内进出车辆的影像信息进行处理生成车辆警示信息,对设备所处位置影像信息进行处理生成设备运行警示信息,对工地内的实时影像信息进行处理生成工地警示信息,对安全设备信息进行处理生成安全设备警示信息;
所述车辆警示信息、设备运行警示信息、工地警示信息与安全设备警示信息生成后,总控模块控制信息发送模块将上述信息发送到预设接收终端;
所述车辆警示信息的具体处理过程如下:
步骤一:提取出工地内进出车辆的影像信息,对工地内进出车辆的影像信息进行清晰化处理后,对车辆进入到工地时的影像信息进行处理,获取到进入车辆特征;
步骤二;获取到进入车辆特征后,进行特征信息提取获取到进入车辆特征点信息;
步骤三:在车辆离开工地时,再次进行车辆特征采集,之后进行特征信息提取,获取到离开车辆特征点信息;
步骤四:再对进入车辆特征点信息与离开车辆特征点信息进行处理,获取到进入车辆参数与离开车辆参数;
步骤五:对进入车辆参数与离开车辆参数进行计算处理获取到车辆评估参数,当车辆评估参数异常时,即生成车辆警示信息;
所述进入车辆参数、离开车辆参数与车辆评估参数的具体处理过程如下:
S1:提取出采集到进入的车辆的影像信息,将其两个车轮与地面接触点标记为点A1和点A2,再将车辆影像的车斗最高点标记为点A3,以点A3为基准点做一条水平线L1,之后分别以点A1和点A2为端点做一条垂直于水平线的垂线段L2和L3;
S2:将垂线段L2和L3与水平线L1的交点分别标记为A4和A5,其中A4和A1同一侧,A5和A2同一侧;
S3:再将点A1和点A2连线获取到线段L4,将A4和A5连线获取到线段L5,线段L2、L3、L4和L5围成进入车辆参数计算区域M1;
S4:计算出进入车辆参数计算区域M1的面积,即获取到进入车辆参数K1;
S5:在该车辆离开时,再通过S1到S3的过程采集离开车辆参数计算区域M2,之后计算出车辆参数计算区域M2的面积,即获取到离开车辆参数K2;
S6:计算出进入车辆参数K1与离开车辆参数K2之间的差值的绝对值,即获取到车辆评估参数;
当车辆评估参数大于预设值时,即生成车辆警示信息;
所述安全设备警示信息的具体处理过程如下:提取出采集到安全设备信息,安全设备信息包括安全设备数量信息、单个安全设备的覆盖面积与实时安全设备影像,之后提取施工工地的总面积信息与安全设备原始影像信息;
将安全设备数量信息标记为Q1,将单个安全设备的覆盖面积标记为Q2,将提取施工工地的总面积信息标记为Q3,通过公式Q1*Q2-Q3=Qq,获取到安全设备评估参数Qq,当安全设备评估参数Qq小于预设值时,即生成安全设备警示信息;
提取出实时安全设备影像与安全设备原始影像信息,将实时安全设备影像与安全设备原始影像信息进行比对,当实时安全设备影像与安全设备原始影像信息之间的相似度差值大于预设值时,即生成安全设备警示信息。
2.根据权利要求1所述的用于智慧工地的危险违规动作识别***,其特征在于:所述设备运行警示信息的具体处理过程如下:
提取出采集到的设备所处位置影像信息,设备所处位置影像信息为起吊设备所处位置的实时影像信息;
对起吊设备所处位置的实时影像信息进行处理,获取到起吊设备吊臂的长度信息,将其标记为E,之后以起吊设备的中点为中点以E为半径绘制圆获取到警示区域;
当起吊设备运行时,即对起吊设备所处位置的实时影像信息进行处理,识别人体模型信息与安全帽模型信息;
当在警示区域内的起吊设备所处位置的实时影像信息中发现人体模型信息与安全帽模型信息时,即生成设备运行警示信息。
3.根据权利要求2所述的用于智慧工地的危险违规动作识别***,其特征在于:所述识别人体模型信息与安全帽模型信息的具体过程如下:采集施工工地的人员身高信息,计算出所有人员的身高均值信息,将身高信息导入到互联网,从中获取到与身高信息相似度最高的人体模型信息,再拍摄工地内的安全帽影像,对安全帽影像信息进行处理获取到安全帽模型信息;
之后将人体模型信息与安全帽模型信息导入到起吊设备所处位置的实时影像信息进行相似模型识别,当人体模型信息与安全帽模型信息任意一个被识别出现时,即生成设备运行警示信息。
4.根据权利要求1所述的用于智慧工地的危险违规动作识别***,其特征在于:所述工地警示信息包括工地人员警示信息、工地车辆警示信息与工地设备警示信息的具体处理过程如下:
步骤a:提取出采集到的工地内的影像信息,从工地内的影像信息中提取出出现的人体影像信息;
步骤b:先监测该人员行动路径信息,当该人员行动路径异常时,生成工地人员警示信息,同时导入预设模型与安全帽模型,对人体影像信息进行预设模型识别与安全帽模型识别,识别出预设模型时,生成工地人员警示,未识别到安全帽模型时,也生成工地人员警示;
步骤c:从工地内的影像信息中提取出出现的车辆影像信息,对车辆影像信息进行处理,获取到车辆速度信息,当车辆速度信息大于预设值时,即生成工地车辆警示信息;
步骤d:从工地内的影像信息中提取出出现的工地设备影像信息,对工地设备影像信息进行处理获取到其实时位置信息,再从数据库中采集该设备的标准存放位置,当实时位置信息与标准存放位置之间的偏差大于预设值时,即生成工地设备警示信息。
5.一种用于智慧工地的危险违规动作识别方法,所述方法基于权利要求1-4任一所述的识别***,其特征在于:包括以下步骤:
步骤一:通过车辆影像信息采集模块采集工地内进出车辆的影像信息;
步骤二:设备影像信息采集模块用于采集设备所处位置影像信息;
步骤三;工地影像采集模块采集工地内的实时影像信息;
步骤四:安全设备采集模块用于采集工地的安全设备信息;
步骤五:数据处理模块用于对工地内进出车辆的影像信息进行处理生成车辆警示信息,对设备所处位置影像信息进行处理生成设备运行警示信息,对工地内的实时影像信息进行处理生成工地警示信息,对安全设备信息进行处理生成安全设备警示信息;
步骤六:车辆警示信息、设备运行警示信息、工地警示信息与安全设备警示信息生成后,总控模块控制信息发送模块将上述信息发送到预设接收终端。
CN202310394886.1A 2023-04-14 2023-04-14 用于智慧工地的危险违规动作识别方法及*** Active CN116110012B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310394886.1A CN116110012B (zh) 2023-04-14 2023-04-14 用于智慧工地的危险违规动作识别方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310394886.1A CN116110012B (zh) 2023-04-14 2023-04-14 用于智慧工地的危险违规动作识别方法及***

Publications (2)

Publication Number Publication Date
CN116110012A CN116110012A (zh) 2023-05-12
CN116110012B true CN116110012B (zh) 2023-07-04

Family

ID=86260155

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310394886.1A Active CN116110012B (zh) 2023-04-14 2023-04-14 用于智慧工地的危险违规动作识别方法及***

Country Status (1)

Country Link
CN (1) CN116110012B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117130332A (zh) * 2023-08-29 2023-11-28 西安速度时空大数据科技有限公司 一种基于数据分析的军工企业产线智能监管***
CN117372197B (zh) * 2023-12-08 2024-03-22 深圳市磐锋精密技术有限公司 基于大数据的自动化组装整线安全监控***

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115474022A (zh) * 2022-08-01 2022-12-13 安徽鸿杰威尔停车设备有限公司 一种基于智慧城市的户外停车监管***

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018510373A (ja) * 2015-02-10 2018-04-12 モービルアイ ビジョン テクノロジーズ リミテッド 自律車両ナビゲーションのための疎な地図
US9998713B2 (en) * 2015-07-22 2018-06-12 Che Wei Lin Device and system for security monitoring
CN110782214A (zh) * 2019-10-29 2020-02-11 深圳慧格科技服务咨询有限公司 应用于建筑废弃物回收处理的智慧监管***
CN112802305B (zh) * 2021-03-22 2021-07-16 潍坊市三建集团有限公司 一种基于光电控制的建筑工地安全监测预警***
KR102561656B1 (ko) * 2021-05-12 2023-07-31 유에프엠시스템즈 주식회사 딥-러닝 기반 객체 감응을 활용한 차량 흐름 제어 시스템
CN113573019A (zh) * 2021-07-13 2021-10-29 广东晋华建设工程有限公司 一种基于建筑工程施工用安全管控***
CN113869629A (zh) * 2021-08-13 2021-12-31 广东电网有限责任公司广州供电局 一种基于激光点云的输电线路安全风险分析判断评估方法
CN115393993B (zh) * 2022-08-24 2023-09-29 上海氿鱼实业有限公司 一种基于视频监控的工程运输车辆进出场智能监测管理***

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115474022A (zh) * 2022-08-01 2022-12-13 安徽鸿杰威尔停车设备有限公司 一种基于智慧城市的户外停车监管***

Also Published As

Publication number Publication date
CN116110012A (zh) 2023-05-12

Similar Documents

Publication Publication Date Title
CN116110012B (zh) 用于智慧工地的危险违规动作识别方法及***
CN112347916B (zh) 基于视频图像分析的电力现场作业安全监控方法及装置
CN106373426A (zh) 基于计算机视觉的停车位及违规占道停车监控方法
CN110602449A (zh) 一种基于视觉的大场景下施工安全智能监控***方法
JP2023527265A (ja) 交通異常を検出する方法および装置、電子機器、記憶媒体並びにコンピュータプログラム
CN112883948B (zh) 一种语义分割与边缘检测模型建立及护栏异常监测方法
CN111583592B (zh) 一种基于多维卷积神经网络的实验环境安全预警方法
CN113240682B (zh) 用于履带式起重机的防倾覆施工驾驶地图生成方法及***
CN113658427A (zh) 基于视觉与雷达的路况监控方法及***、设备
CN113393442A (zh) 列车零部件异常检测方法、***、电子设备及存储介质
CN112488995A (zh) 列车自动化检修的智能判伤方法及***
CN113505638A (zh) 车流量的监测方法、监测装置及计算机可读存储介质
DE102019200407A1 (de) Teileerkennung und schadencharakterisierung durch deep-learning
CN116228131A (zh) 一种基于工地bim监控辅助方法
CN115271612A (zh) 物流园区安全监控方法、装置、设备及存储介质
WO2020210960A1 (zh) 交通道路的数字化全景重建的方法和***
CN116682264B (zh) 一种港口车辆主动安全防控***
CN116342651A (zh) 一种基于人工智能的行车安全智能检测***及方法
CN114581863A (zh) 车辆危险状态识别方法及***
CN113869407A (zh) 一种基于单目视觉的车长测量方法和装置
CN116822929A (zh) 一种告警方法、装置、电子设备及存储介质
CN109214390B (zh) 基于机器视觉原理的栅栏状态检测方法及***
CN112861701A (zh) 违章停车识别方法、装置、电子设备以及计算机可读介质
CN104657741A (zh) 一种基于视频图像的目标分类方法
CN113128540A (zh) 非机动车盗车行为的检测方法、装置及电子设备

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
GR01 Patent grant
GR01 Patent grant