CN117079203A - 一种道路建设监控方法、***及存储介质 - Google Patents
一种道路建设监控方法、***及存储介质 Download PDFInfo
- Publication number
- CN117079203A CN117079203A CN202310718573.7A CN202310718573A CN117079203A CN 117079203 A CN117079203 A CN 117079203A CN 202310718573 A CN202310718573 A CN 202310718573A CN 117079203 A CN117079203 A CN 117079203A
- Authority
- CN
- China
- Prior art keywords
- area
- preset
- value
- acquiring
- position data
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 125
- 238000012544 monitoring process Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000003860 storage Methods 0.000 title claims abstract description 8
- 230000002159 abnormal effect Effects 0.000 claims abstract description 111
- 238000012163 sequencing technique Methods 0.000 claims description 23
- 230000008921 facial expression Effects 0.000 claims description 13
- 238000003745 diagnosis Methods 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 description 141
- 238000010586 diagram Methods 0.000 description 10
- 230000002354 daily effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- 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
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063116—Schedule adjustment for a person or group
-
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Remote Sensing (AREA)
- Human Computer Interaction (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供一种道路建设监控方法、***及存储介质，方法包括：每个区域间隔预设时间段获取一次区域对应的若干个人员位置数据；每得到一个区域的人员位置数据，根据人员位置数据获得区域中人员的最大密度值，判断最大密度值是否超过区域的预设密度值，若超过，获取人员位置数据对应的区域值，基于区域值生成对应的异常获取指令，以得到区域值对应的道路建设现场的异常图像信息，根据异常图像信息获得表征道路建设情况的异常现场信息；若不超过，获取当前时间，判断当前时间是否到达预设的结束时间，若没到达，继续等待获取人员位置数据；若到达，获取区域对应的表征道路建设情况的现场进度信息。本申请可以降低道路监控的投入成本。
Description
技术领域
本申请涉及建设监控技术领域，特别涉及一种道路建设监控方法、***及存储介质。
背景技术
市政建设是城市政府根据市政规划的总体部署所主办的各种公共性实施和实业的建筑，比如道路建设，目的在于方便市民生产生活环境。然而市政建设的现场情况直接关系到市政建设是否可以正常验收，为了保证市政建设能够按照预定的工序和周期安全进行，现有的工程建设都需要配备监控人员，比如项目经理来对建设现场进行考察。监控人员需要每天到达位于该城市不同区域的建设现场，对每个建设现场的建设进度和人员安全问题等现场情况进行记录，并将记录实际进度情况的相关信息与相关对应参考进度情况的相关信息进行比较，以确定当前建设的进度情况，通过分析已记录的表征安全问题的相关信息来确定当前建设现场的安全情况。
目前通过人工手段来对道路建设现场进行考察虽然能够保证现场情况记录的准确性，但是不同区域的道路建设现场之间涉及的距离比较远，且监工人员的精力有限，一个监工人员很难及时全面顾及到多个道路建设现场的考察工作。因此，为了能够更好地全面及时获取道路建设的现场情况，需要减少每个监工人员顾及道路建设现场的数量，这样在短期施工周期会产生较少的监测成本，然而随着施工时间的增加，需要持续不断地支出监测成本，因此采用人工进行道路施工监控工作会增加投入成本。
发明内容
为了降低道路监控的投入成本，本申请实施例提供了一种道路建设监控方法、***及存储介质。
第一方面，本实施例提供了一种道路建设监控方法，所述方法包括：
每个区域间隔预设时间段获取一次所述区域对应的若干个人员位置数据；
每得到一个区域的人员位置数据，根据所述人员位置数据获得所述区域中人员的最大密度值，判断所述最大密度值是否超过所述区域的预设密度值，
若超过，获取所述人员位置数据对应的区域值，基于所述区域值生成对应的异常获取指令，以得到所述区域值对应的道路建设现场的异常图像信息，根据所述异常图像信息获得表征道路建设情况的异常现场信息；
若不超过，获取当前时间，判断所述当前时间是否到达预设的结束时间，若没到达，继续等待获取人员位置数据；
若到达，获取所述区域对应的表征道路建设情况的现场进度信息。
在其中的一些实施例中，根据所述人员位置数据获得所述区域中人员的最大密度值包括：
依次以每个人员位置数据为参考位置数据，获取所述参考位置数据与其它人员位置数据之间的距离数据组，其中，每个距离数据组中包括若干个距离值；
依次统计每个距离数据组中的距离值不大于预设距离值的合格数量，将所有合格数据中的最大合格数据确定为所述区域中人员的最大密度值，其中，每个距离数据组对应一个合格数据。
在其中的一些实施例中，所述最大密度值对应有一个目标子区域，所述目标子区域为最大密度值对应的距离数据组中每个人员所在位置组成的封闭图形，根据所述异常图形信息获得表征道路建设情况的异常现场信息包括：
从所述异常图像信息中获取所述最大密度值对应目标子区域的目标区域图像信息；
获取所述目标区域图像信息中每个人员的面部表情，判断所有面部表情中是否至少存在预设数量个表征惊恐状态的面部表情，若是，生成表征现场存在安全问题的安全信息，从预设进度表中获取所述异常图像信息对应的实际进度信息，其中，所述异常现场信息包括安全信息和实际进度信息；
若否，从预设进度表中获取所述异常图像信息对应的实际进度信息，其中，所述异常现场信息包括实际进度信息。
在其中的一些实施例中，所述方法还包括：
获取每个区域在历史时间段内得到异常现场信息中包含安全信息的实际次数，依次判断每个实际次数是否超过预设次数，若没有超过，所述区域继续每间隔预设时间段获取一次所述区域对应的若干个人员位置数据；
若超过，获取所述实际次数与预设次数之间的差值次数，以及所述实际次数对应的问题区域值，根据所述差值次数调整所述问题区域值对应的预设时间段，以得到新预设时间段，将所述新预设时间段更新为问题区域值对应的预设时间段。
在其中的一些实施例中，根据所述差值次数调整所述问题区域值对应的预设时间段包括：
根据预设的等级表获得所述预设时间段对应的等级值；
获取所述差值次数与所述预设次数之间的比例值，根据预设的比例值调整表获得所述比例值对应的调整等级值；
根据所述调整等级值对所述等级值进行相应的调整，以得到新等级值，根据所述新等级值和所述等级表获得新预设时间段。
在其中的一些实施例中，所述方法还包括：
判断在同一时刻是否会同时生成至少两个异常获取指令，若会，获取同时生成的异常获取指令对应的待处理区域值，根据从小到大依次对所述待处理区域值对应的预设时间段进行排序，以得到排序信息，根据所述排序信息依次获得相应的图像信息。
在其中的一些实施例中，获取所述区域对应的表征道路建设情况的现场进度信息包括：
获取所述人员位置数据对应的区域值，根据所述区域值生成对应的进度获取指令，以得到所述区域值对应的道路建设现场的正常图像信息，根据所述正常图像信息获得表征道路建设情况的现场进度信息，其中，所述现场进度信息包括实际进度信息。
第二方面，本实施例提供了一种道路建设监控***，所述***包括位置获取模块、安全诊断模块、异常监控模块和日常监控模块；其中，
所述位置获取模块，用于每个区域间隔预设时间段获取一次所述区域对应的若干个人员位置数据；
所述安全诊断模块，用于每得到一个区域的人员位置数据，根据所述人员位置数据获得所述区域中人员的最大密度值，判断所述最大密度值是否超过所述区域的预设密度值；
所述异常监控模块，用于若最大密度值超过所述区域的预设密度值，获取所述人员位置数据对应的区域值，基于所述区域值生成对应的异常获取指令，以得到所述区域值对应的道路建设现场的异常图像信息，根据所述异常图像信息获得表征道路建设情况的异常现场信息；
所述日常监控模块，用于若最大密度值不超过所述区域的预设密度值，获取当前时间，判断所述当前时间是否到达预设的结束时间，若没到达，继续等待获取人员位置数据；若到达，获取所述区域对应的表征道路建设情况的现场进度信息。
在其中的一些实施例中，所述***还包括排序模块；其中，
所述排序模块，用于判断在同一时刻是否会同时生成至少两个异常获取指令，若会，获取同时生成的异常获取指令对应的待处理区域值，根据从小到大依次对所述待处理区域值对应的预设时间段进行排序，以得到排序信息，根据所述排序信息依次获得相应的图像信息。
第三方面，本申请实施例提供了一种存储介质，其上存储有能在处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如第一方面所述的一种道路建设监控方法。
通过采用上述方法，本申请每个区间都间隔预设段去获取一次该区域对应的若干个人员位置数据，待得到一个区域的人员位置数据后，就根据获得的人员位置数据来计算该区域中人员的最大密度值，并将该最大密度值与该区域对应的预设密度值进行大小比较。若最大密度值超过对应的预设密度值，表明该区域可能存在安全问题，此时进一步获取人员位置数据对应的区域值，基于区域值生成对应的异常获取指令，根据该异常获取指令借助无人机来得到该区域值对应的道路建设现场的异常图像信息，根据该异常图像信息来获得表征道路建设情况的异常现场信息，从而进一步准确确定该区域是否存在安全问题，同时也可以获得该区域的进度。
若最大密度值不超过对应的预设密度值，表明该区域不存在安全问题，继续获取当前时间，判断当前时间是否到达预设的结束时间，若也没有达到预设的结束时间，为了减少无人机没必要的拍摄，继续等待获取人员位置数据，并不生成相应的指令去触发无人机运动。若达到预设的结束时间，才使用无人机去获取该区域对应的表征道路建设情况的现场进度信息。使得仅使用相应的设备就可以完成道路建设监控工作，实现对进度和安全的监控，降低道路监控的投入成本。
附图说明
图1是本实施例提供的一种道路建设监控方法框图。
图2是本申请实施例提供的根据人员位置数据获得区域中人员的最大密度值框图。
图3是本申请实施例提供的根据异常图形信息获得表征道路建设情况的异常现场信息框图。
图4是本申请实施例提供的根据差值次数调整问题区域值对应的预设时间段框图。
图5是本实施例提供的一种道路建设监控***框架图。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点，下面结合附图和实施例，对本申请进行了描述和说明。然而，本领域的普通技术人员应该明白，可以在没有这些细节的情况下实施本申请。对于本领域的普通技术人员来说，显然可以对本申请所公开的实施例作出各种改变，并且在不偏离本申请的原则和范围的情况下，本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此，本申请不限于所示的实施例，而是符合与本申请所要求保护的范围一致的最广泛范围。
下面结合说明书附图对本申请实施例作进一步详细描述。
图1是本实施例提供的一种道路建设监控方法框图。如图1所示，一种道路建设监控方法包括以下步骤：
步骤S100，每个区域间隔预设时间段获取一次该区域对应的若干个人员位置数据。
一个公司所承担的每个道路建设工作都对应有一个区域，为了便于管理所有道路建设工作，公司会安排一个项目经理来负责若干个区域。本实施例以某一个项目经理负责的若干个区域为例进行说明。在若干个区域中的每个区域都会根据该区域的实际需要完成的工作来安排相应的工作人员及工作人员的数量。可通过使用GPS定位技术或者RFID定位技术来得到人员位置数据，这里不对获取人员位置数据的方式做进一步限定。本实施例以RFID定位技术为例进行详细说明。
上述中的人员位置数据为世界坐标系下的一个位置坐标。在每个区域的某个核心设备上安装有一个RFID读写器，该核心设备会随着道路施工进度进行相应的位置移动，使得RFID读写器可以实时有效识别到该区域中每个工作人员所佩戴的RFID标识，从而RFID读写器可以读取到该区域中每个工作人员的人员位置数据。每个区域都对应有各自的上班时间和预设时间段，每个区域对应的上班时间可根据该区域的实际地理位置或者工作习惯来确定，这里不对上班时间做进一步限定。每个区域的上班时间为该区域获取人员位置数据的参考时间，以该参考时间为起始时间，每间隔预设时间段，道路建设监控***就从RFID读写器中获取最近一次得到的关于该区域的人员位置数据，从而每间隔预设时间段就获取一次该区域对应的若干个人员位置数据。这样通过使用每个区域中安装的RFID读写器，可以每间隔预设时间段获得一次每个区域对应若干个人员位置信息数据。
其中，每个区域都对应有一个初始的预设时间段，每个区域对应的初始的预设时间段与该区域认定的施工难度呈负相关。本实施例不对每个初始的预设时间段的具体时间做进一步限定。
步骤S200，每得到一个区域的人员位置数据，根据人员位置数据获得区域中人员的最大密度值，判断最大密度值是否超过该区域的预设密度值。
图2是本申请实施例提供的根据人员位置数据获得区域中人员的最大密度值框图。如图2所示，根据人员位置数据获得区域中人员的最大密度值包括以下步骤：
步骤S201，依次以每个人员位置数据为参考位置数据，获取参考位置数据与其它人员位置数据之间的距离数据值，其中，每个距离数据组中包括若干个距离值。
步骤S202，依次统计每个距离数据组中的距离值不大于预设距离值的合格数据，将所有合格数据中的最大合格数据确定为区域中人员的最大密度值，其中，每个距离数据组对应一个合格数据。
道路建设监控***在获取人员位置数据时，会同时获取某一个区域对应的所有人员位置数据，并对接收到人员位置数据进行后续的处理。获取到某一个区域对应的所有人员位置数据会组成一个人员位置数据组，每一个人员位置数据组中只包括一个区域中的所有人员位置数据。对于一个人员位置数据组，先将这个人员位置数据组中的某一个人员位置数据作为参考位置数据，然后将参考位置数据和其它人员位置数据中的任意一个人员位置数据，导入到两点之间的距离公式，就可以得到这个参考位置数据与这个人员位置数据之间的距离值。同理依次更换上述的其它人员位置数据中的人员位置数据，并代入到两点之间的距离公式，待该人员位置数据组中的除了参考位置数据的人员位置数据都代入过两点之间的距离公式，就可以得到一个距离数据组，该距离数据组中包括属于同一个参考位置数据的所有距离值。
待得到一个距离数据组后，继续将这个人员位置数据组中的另一个人员位置数据作为参考位置数据，同理得到一个新的距离数据组。这样这个人员位置数据组中的每一个人员位置数据都作为一次参考位置数据后，就得到了该区域中所有的距离数据组。一个区域对应的距离数据组的组数与该区域中工作人员的数量相同。
预设距离值用于区分两个工作人员之间是否属于聚集状态。该预设距离值可根据实际情况进行确定，一般为0.45-1.2米之间，本实施例优选将预设距离值确定为0.8米。对于同一个区域来说，先将该区域中的一个距离数据组中的每一个距离值减去该区域对应的预设距离值，来得到相应的距离差值，将距离差值不属于正数的个数记为合格数据。这样该区域中的每一个距离数据组都采用上述的方法，可以得到该距离数据组对应的合格数据，每一个距离数据组对应有一个合格数据。然后从同一个区域中的所有合格数据中选择出一个数值最大的最大合格数据，该最大合格数据就是该区域中人员的最大密度值。同理，每个区域都采用上述的方法，就可以得到每个区域中人员的最大密度值。
上述预设密度值用于区分该区域中是否存在集中聚集。一个区域对应有一个预设密度值，预设密度值与该区域中工作人员的总数量呈正相关。预设密度值一般为该区域中工作人员总数量的60%-90%，考虑到每个区域面积较大，且道路建设过程中有些工作必须安排对应的工作人员进行处理。本实施例优选将每个区域对应的预设密度值确定为该区域中工作人员总数量的75%。若通过将该区域中工作人员总数量乘以75%无法得到一个整数，遵循四舍五入原则，确定该区域最终对应的预设密度值。依次将每个区域对应的最大密度值减去该区域对应的预设密度值，以得到相应的密度差值，根据该密度差值的符号来判断该区域的最大密度值是否超过该区域的预设密度值，从而判断该区域中是否存在工作人员集中聚集情况。
步骤S300，若超过，获取人员位置数据对应的区域值，基于区域值生成对应的异常获取指令，以得到区域值对应的道路建设现场的异常图像信息，根据异常图像信息获得表征道路建设情况的异常现场信息。
每个区域都对应有唯一确定的区域值，道路建设监控***在获取某一个区域对应的所有人员位置数据时，一同获取该区域对应的预设值，使得每个区域值对应有一个人员位置数据组。若密度差值的符号为正，表明该区域最大密度值超过该区域对应的预设密度值。由于出现安全问题时一般才会导致人员出现集中聚集，因此表明此时该区域存在集中聚集这种情况，该区域的施工现场可能存在异常，此时道路建设监控***可以根据存在异常的区域的人员位置数据，获得该人员位置数据对应的区域值。
待确定最大密度值超过对应的预设密度值，根据该最大密度值对应的区域值生成一个用于触发无人机处于工作状态的异常获取指令，该异常获取指令与该区域值一一对应，这样使得道路监控***知道有哪些区域使用了无人机进行现场巡查，便于后续对施工现场出现异常情况的追溯。待生成异常获取指令后，将该异常获取指令发送给无人机，且同时将该异常获取指令对应的最后一次获取到的人员位置数据发送给无人机，使得无人机根据自己所在的位置，以及接收到的人员位置数据自动生成相应的路径规划，无人机根据生成的路径规划到达人员位置数据所对应的位置区域中，从而对该片区域进行拍照，并自动发送给道路建设监控***，使得该道路建设监控***接收到区域值对应的道路建设现场的异常图像信息。异常图像信息表征该区域值对应的一个无人机从上空拍摄的一张图片。
图3是本申请实施例提供的根据异常图形信息获得表征道路建设情况的异常现场信息框图。如图3所示，根据异常图形信息获得表征道路建设情况的异常现场信息包括以下步骤：
步骤S301，从异常图像信息中获取最大密度值对应目标子区域的目标区域图像信息。
步骤S302，获取目标区域图像信息中每个人员的面部表情，判断所有面部表情中是否至少存在预设数量个表征惊恐状态的面部表情。
步骤S303，若是，生成表征现场存在安全问题的安全信息，从预设进度表中获取异常图像信息对应的实际进度信息，其中，异常现场信息包括安全信息和实际进度信息。
步骤S304，若否，从预设进度表中获取异常图像信息对应的实际进度信息，其中，异常现场信息包括实际进度信息。
每个区域的最大密度值都对应有一个参考位置数据，以该参考位置数据为中心，与该参考位置数据之间的距离不大于该参考位置数据对应的预设距离值的人员位置数据都是辅助人员位置数据，该区域中能够包含所有辅助人员位置数据和参考位置数据的最小封闭图形就是最大密度值对应的目标子区域，该区域中所有辅助人员位置数据对应的位置和参考位置数据对应的位置都没有在目标子区域的外侧。由于无论是参考位置数据还是辅助人员位置数据本质上都是世界坐标系下的坐标值，这样可以得到该目标子区域外边框所对应的目标子区域坐标。
上述得到的异常图像信息也带有图像所对应的世界坐标系下的图像坐标，通过将目标子区域坐标与图像坐标按照水平方向上的坐标值一一进行比对，来得到目标子区域坐标与图像坐标之间的对应关系，即目标子区域坐标所对应的目标子区域与异常图像信息表征图像侧边的图像距离值。这样根据图像距离值，将异常图像信息进行裁剪处理，来得到最大密度值对应子区域的目标区域图像信息。该目标区域图像信息本质上也是一个图像。
道路建设监控***在得到目标区域图像信息后，可使用面部识别算法或者表情识别算法来得到目标区域图像信息中每个人员的面部表情。其中，采用面部识别算法可以通过检测人员脸部区域并提取关键特征点的方式来确定人脸的位置和方向，这样特征点包括眼睛、鼻子、嘴巴等，根据他们在图像上的位置可以判断人员的头部表情。采用表情识别算法可以通过训练深度学习模型来实现，该模块可以在输入目标区域图像信息中检测出人员脸部并预测出其表情。通常情况下，表情识别模型需要大量的输入信息和对应的输出信息来进行训练和优化。
在得到目标区域图像信息中每个人员的面部表情后，统计该目标区域图像信息中所有面部表情中表征惊恐状态的面部表情的惊恐数量，然后将该惊恐数据与预设数量进行大小比较，若惊恐数量不小于预设数量，则表明该区域中存在安全问题；若惊恐数量小于预设数量，则表明该区域中不存在安全问题。
若确定该区域中存在安全问题，使用相应的图像信息识别软件，来对目标区域图像信息进行图像识别，并将识别到的图像进行相应的文字转换，来得到描述该目标区域图像信息表征的现场存在安全问题的安全信息，该安全信息就是一段文字。
另外，每个区域对应的道路建设都预先采用BIM技术来生成每个区域对应的整个施工过程模拟操作和相应的预设进度表。从异常图像信息中获取到实际工程阶段。每次获取人员位置数据都对应有时间，因此可以得到该异常图像信息对应的时间，这样根据时间从预设进度表中匹配出该时间所应该处于的理论工程阶段，通过比较理论工程阶段与实际工程阶段是否相同，来得到异常图像信息对应的实际进度信息。若理论工程阶段与实际工程阶段相同，则实际进度信息表征正常施工；若理论工程阶段超前于实际工程阶段，则实际进度信息表征延迟施工；若理论工程阶段滞后于实际工程阶段，则实际进度信息表征超前施工。由于区域中存在安全问题，因此通过无人机获取到的异常图像信息中得到的异常现场信息包括安全信息和实际进度信息。
若确定该区域中不存在安全问题，只需要借助预设进度表和异常图像信息对应的时间，从预设进度表中获取异常图像信息对应的实际进度信息，即通过无人机获取到的异常图像信息中得到的异常现场信息只包括实际进度信息。这样通过人员位置数据判断出区域可能存在安全问题的情况下，派出无人机去进行相应的现场拍照，并由道路建设监控***进行图像处理，来进一步确定区域是否存在安全问题，从而根据图像准确现场的安全情况，且在确定出现安全问题时，也可以通过异常图像信息准确获知安全问题，减少项目经理巡视区域的次数，降低人工检测成本，相较于随着项目进行持续支出人工成本，从而降低道路监控的投入成本。另外，通过图像也可以得到当前时间该区域的实际施工阶段，这样将实际施工阶段与理论施工阶段进行比较，可以得到该区域当前施工的进度情况。在核查安全问题的同时，顺便了解该区域的施工进度，不需要额外派出无人机进行监控施工进度，减少无人机飞行带来的成本。
另外，本实施例还包括：获取每个区域在历史时间段内得到异常现场信息中包含安全信息的实际次数，依次判断每个实际次数是否超过预设次数，若没有超过，该区域继续每间隔预设时间段获取一次区域对应的若干个人员位置数据；若超过，获取实际次数与预设次数之间的差值次数，以及实际次数对应的问题区域值，根据差值次数调整问题区域值对应的预设时间段，以得到新预设时间段，将新预设时间段更新为问题区域值对应的预设时间段。
上述历史时间段表征以该区域开始施工时间为起始时间，到现在时间为终止时间的这段时间段。每获取一次该区域的人员位置数据，就获取接收到该区域包含安全信息的异常现场信息的实际次数。将该实际次数与预设次数进行大小比较，若实际次数不大于预设次数，该区域就继续按照当前预设时间来获取该区域对应的若干个人员位置数据。其中，预设次数用于区分该区域是否存在安全问题过多，可根据工程标准进行设定。
若实际次数大于预设次数，表明该区域存在安全问题过多，需要将实际次数减去预设次数来得到差值次数，根据差值次数调整该区域获取人员位置数据的频率，以便于及时根据人员所在的位置了解该区域的施工安全问题，并将该区域标记为问题区域，该问题区域对应的区域值为问题区域值。调整后的预设时间段更新为问题区域值对应的预设时间段，后续根据调整后的预设时间段进行人员位置数据的获取频率。图4是本申请实施例提供的根据差值次数调整问题区域值对应的预设时间段框图。如图4所示，根据差值次数调整问题区域对应的预设时间段包括以下步骤：
步骤S305，根据预设的等级表获得预设时间段对应的等级值。
步骤S306，获取差值次数与预设次数之间的比例值，根据预设的比例值调整表获得比例值对应的调整等级值。
步骤S307，根据调整等级值对等级值进行相应的调整，以得到新等级值，根据新等级值和等级表获得新预设时间段。
预设的等级表表征每个等级值对应的预设时间段，预设的比例值调整表表征不同比例值对应的等级值变化的数值，可根据行业规则进行确定。将预设时间段代入到预设的等级表中可以得到该预设时间段对应的等级值。将差值次数除以预设次数可以得到两者之间的比例值，将得到的比例值代入到预设的比例值调整表中可以得到该比例值对应的调整等级值。将上述等级值进行调整等级值表征的调整后，可以得到新等级值，然后将新等级值再代入到预设的等级表中，就可以得到新等级值对应的新预设时间段。
另外，本实施例还包括：判断在同一时刻是否会同时生成至少两个异常获取指令，若会，获取同时生成的异常获取指令对应的待处理区域值，根据从小到大依次对待处理区域值对应的预设时间段进行排序，以得到排序信息，根据排序信息依次获得相应的图像信息。
若通过调整预设时间段后，使得道路建设监控***会同时至少获取两个区域的人员位置数据，且至少两个区域中人员位置数据的最大密度值超过该区域的预设密度值，则表明会在同一时刻生成至少两个异常获取指令；否则，表明不会在同一时刻生成至少两个异常获取指令。若不会在同一时刻生成至少两个异常获取指令，此时无人机继续按照接收异常获取指令的先后顺序执行工作。若在同一时刻生成至少两个异常获取指令，可获取每个异常获取指令对应的待处理区域值，以及每个待处理区域值对应的预设时间段，将每个待处理区域值对应的预设时间段按照从小到大，对该预设时间段进行排序，以得到关于预设时间段从小到大的排序信息，使无人机根据预设时间段从小到大的顺序，依次到达对应待处理区域值的区域中进行拍摄工作，来得到相应的图像信息。毕竟小的预设时间段对应的区域出现安全问题的次数较多，因此优先安排无人机去到出现安全问题次数较多的区域中进行拍摄，优先排查大概率会出现安全问题的区域是否真的存在安全问题，在优先能力下，尽块找到真实发生安全问题的区域。
步骤S400，若不超过，获取当前时间，判断当前时间是否到达预设的结束时间，若没到达，继续等待获取人员位置数据。
若密度差值的符号不为正，表明该区域最大密度值没有超过该区域对应的预设密度值，此时该区域不存在集中聚集这种情况，认为该区域正在正常进行道路施工工作。道路施工是一个长周期工作，无需实时获取道路的施工进度，每天在某个时间使用无人机到每个区域中获取现场图像即可。上述预设的结束时间表征无人机每天设定到每个区域中获取现场图像的时间，本实施例优选将预设的结束时间设定为下班时间，便于了解每个区域当前的工作量。这样若最大密度值不超过区域的预设密度值，且当前时间没有到达预设的结束时间，表明该区域正在正常进行工作，无需派出无人机工作，只需等待下一次获取人员位置数据即可。
步骤S500，若到达，获取区域对应的表征道路建设情况的现场进度信息。
若最大密度值不超过区域的预设密度值，且当前时间到达预设的结束时间，表明需要派出无人机来获取当天每个区域的工作成果，即获取区域对应的表征道路建设情况的现场进度信息。其中，获取区域对应的表征道路建设情况的现场进度信息包括：获取人员位置数据对应的区域值，根据区域值生成对应的进度获取指令，以得到区域值对应的道路建设现场的正常图像信息，根据正常图像信息获得表征道路建设情况的现场进度信息，其中，现场进度信息包括实际进度信息。
这里道路建设监控***根据每个区域对应下班时间的先后顺序，依次生成对应的进度获取指令，以使无人机根据进度获取指令进行相应的正常图像信息的获取工作，这样道路建设监控***对现场进度信息进行分析处理，以得到每个实际进度信息表征道路建设情况的现场进度信息，该现场进度信息包括实际进度信息。使用无人机设备来完成每个区域中道路建设进度的核查，降低道路监控的投入成本。其中，道路建设监控***对现场进度信息进行分析处理的过程与分析异常图像信息原理相同，这里就不再进行赘述。
图5是本实施例提供的一种道路建设监控***框架图。如图5所示，一种道路建设监控***包括位置获取模块、安全诊断模块、异常监控模块、日常监控模块和排序模块。
位置获取模块，用于每个区域间隔预设时间段获取一次区域对应的若干个人员位置数据。安全诊断模块，用于每得到一个区域的人员位置数据，根据人员位置数据获得区域中人员的最大密度值，判断最大密度值是否超过区域的预设密度值。异常监控模块，用于若最大密度值超过区域的预设密度值，获取人员位置数据对应的区域值，基于区域值生成对应的异常获取指令，以得到区域值对应的道路建设现场的异常图像信息，根据异常图像信息获得表征道路建设情况的异常现场信息。日常监控模块，用于若最大密度值不超过区域的预设密度值，获取当前时间，判断当前时间是否到达预设的结束时间，若没到达，继续等待获取人员位置数据；若到达，获取区域对应的表征道路建设情况的现场进度信息。排序模块，用于判断在同一时刻是否会同时生成至少两个异常获取指令，若会，获取同时生成的异常获取指令对应的待处理区域值，根据从小到大依次对待处理区域值对应的预设时间段进行排序，以得到排序信息，根据排序信息依次获得相应的图像信息。
上述位置获取模块、安全诊断模块、异常监控模块、日常监控模块和排序模块所执行的其它功能以及各个功能的技术细节均与前面描述的道路建设监控方法中对应的特征相同或相似，故在此不再赘述。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相关内容。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确地说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。
以上所述仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种道路建设监控方法，其特征在于，所述方法包括：
每个区域间隔预设时间段获取一次所述区域对应的若干个人员位置数据；
每得到一个区域的人员位置数据，根据所述人员位置数据获得所述区域中人员的最大密度值，判断所述最大密度值是否超过所述区域的预设密度值，
若超过，获取所述人员位置数据对应的区域值，基于所述区域值生成对应的异常获取指令，以得到所述区域值对应的道路建设现场的异常图像信息，根据所述异常图像信息获得表征道路建设情况的异常现场信息；
若不超过，获取当前时间，判断所述当前时间是否到达预设的结束时间，若没到达，继续等待获取人员位置数据；
若到达，获取所述区域对应的表征道路建设情况的现场进度信息。
2.根据权利要求1所述的方法，其特征在于，根据所述人员位置数据获得所述区域中人员的最大密度值包括：
依次以每个人员位置数据为参考位置数据，获取所述参考位置数据与其它人员位置数据之间的距离数据组，其中，每个距离数据组中包括若干个距离值；
依次统计每个距离数据组中的距离值不大于预设距离值的合格数量，将所有合格数据中的最大合格数据确定为所述区域中人员的最大密度值，其中，每个距离数据组对应一个合格数据。
3.根据权利要求2所述的方法，其特征在于，所述最大密度值对应有一个目标子区域，所述目标子区域为最大密度值对应的距离数据组中每个人员所在位置组成的封闭图形，根据所述异常图形信息获得表征道路建设情况的异常现场信息包括：
从所述异常图像信息中获取所述最大密度值对应目标子区域的目标区域图像信息；
获取所述目标区域图像信息中每个人员的面部表情，判断所有面部表情中是否至少存在预设数量个表征惊恐状态的面部表情，若是，生成表征现场存在安全问题的安全信息，从预设进度表中获取所述异常图像信息对应的实际进度信息，其中，所述异常现场信息包括安全信息和实际进度信息；
若否，从预设进度表中获取所述异常图像信息对应的实际进度信息，其中，所述异常现场信息包括实际进度信息。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
获取每个区域在历史时间段内得到异常现场信息中包含安全信息的实际次数，依次判断每个实际次数是否超过预设次数，若没有超过，所述区域继续每间隔预设时间段获取一次所述区域对应的若干个人员位置数据；
若超过，获取所述实际次数与预设次数之间的差值次数，以及所述实际次数对应的问题区域值，根据所述差值次数调整所述问题区域值对应的预设时间段，以得到新预设时间段，将所述新预设时间段更新为问题区域值对应的预设时间段。
5.根据权利要求4所述的方法，其特征在于，根据所述差值次数调整所述问题区域值对应的预设时间段包括：
根据预设的等级表获得所述预设时间段对应的等级值；
获取所述差值次数与所述预设次数之间的比例值，根据预设的比例值调整表获得所述比例值对应的调整等级值；
根据所述调整等级值对所述等级值进行相应的调整，以得到新等级值，根据所述新等级值和所述等级表获得新预设时间段。
6.根据权利要求4所述的方法，其特征在于，所述方法还包括：
判断在同一时刻是否会同时生成至少两个异常获取指令，若会，获取同时生成的异常获取指令对应的待处理区域值，根据从小到大依次对所述待处理区域值对应的预设时间段进行排序，以得到排序信息，根据所述排序信息依次获得相应的图像信息。
7.根据权利要求1所述的方法，其特征在于，获取所述区域对应的表征道路建设情况的现场进度信息包括：
获取所述人员位置数据对应的区域值，根据所述区域值生成对应的进度获取指令，以得到所述区域值对应的道路建设现场的正常图像信息，根据所述正常图像信息获得表征道路建设情况的现场进度信息，其中，所述现场进度信息包括实际进度信息。
8.一种道路建设监控***，其特征在于，所述***包括：位置获取模块、安全诊断模块、异常监控模块和日常监控模块；其中，
所述位置获取模块，用于每个区域间隔预设时间段获取一次所述区域对应的若干个人员位置数据；
所述安全诊断模块，用于每得到一个区域的人员位置数据，根据所述人员位置数据获得所述区域中人员的最大密度值，判断所述最大密度值是否超过所述区域的预设密度值；
所述异常监控模块，用于若最大密度值超过所述区域的预设密度值，获取所述人员位置数据对应的区域值，基于所述区域值生成对应的异常获取指令，以得到所述区域值对应的道路建设现场的异常图像信息，根据所述异常图像信息获得表征道路建设情况的异常现场信息；
所述日常监控模块，用于若最大密度值不超过所述区域的预设密度值，获取当前时间，判断所述当前时间是否到达预设的结束时间，若没到达，继续等待获取人员位置数据；若到达，获取所述区域对应的表征道路建设情况的现场进度信息。
9.根据权利要求8所述的***，其特征在于，所述***还包括排序模块；其中，
所述排序模块，用于判断在同一时刻是否会同时生成至少两个异常获取指令，若会，获取同时生成的异常获取指令对应的待处理区域值，根据从小到大依次对所述待处理区域值对应的预设时间段进行排序，以得到排序信息，根据所述排序信息依次获得相应的图像信息。
10.一种计算机可读存储介质，其上存储有能在处理器上运行的计算机程序，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1至7中任意一项所述的一种道路建设监控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310718573.7A CN117079203A (zh) | 2023-06-16 | 2023-06-16 | 一种道路建设监控方法、***及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310718573.7A CN117079203A (zh) | 2023-06-16 | 2023-06-16 | 一种道路建设监控方法、***及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117079203A true CN117079203A (zh) | 2023-11-17 |
Family
ID=88715911
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310718573.7A Pending CN117079203A (zh) | 2023-06-16 | 2023-06-16 | 一种道路建设监控方法、***及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117079203A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118052414A (zh) * | 2024-04-09 | 2024-05-17 | 中建安装集团有限公司 | 一种基于模块化的机电施工数据管理***及方法 |
-
2023
- 2023-06-16 CN CN202310718573.7A patent/CN117079203A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118052414A (zh) * | 2024-04-09 | 2024-05-17 | 中建安装集团有限公司 | 一种基于模块化的机电施工数据管理***及方法 |
| CN118052414B (zh) * | 2024-04-09 | 2024-06-14 | 中建安装集团有限公司 | 一种基于模块化的机电施工数据管理***及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Khan et al. | Utilizing safety rule correlation for mobile scaffolds monitoring leveraging deep convolution neural networks | |
| CN111275923B (zh) | 施工现场的人机碰撞预警方法及*** | |
| CN117172414A (zh) | 一种基于bim技术的建筑幕墙施工管理*** | |
| CN112396017B (zh) | 一种基于图像识别的工程安全隐患识别方法及*** | |
| CN117079203A (zh) | 一种道路建设监控方法、***及存储介质 | |
| Ahmadian Fard Fini et al. | Using existing site surveillance cameras to automatically measure the installation speed in prefabricated timber construction | |
| CN117035419B (zh) | 企业项目实施智能管理***及方法 | |
| KR20200017594A (ko) | 딥 러닝과 멀티 에이전트를 활용한 대규모 개체 식별 및 추적 방법 | |
| CN110543866A (zh) | 一种基建工程施工人员的安全管理***及方法 | |
| CN112819306A (zh) | 基于计算机视觉的工作效率评价方法、***、设备及介质 | |
| CN113158849A (zh) | 一种基于5g的工业设备通信微处理器以及方法 | |
| CN113569682A (zh) | 一种智能捕捉矿井识别要素的视频监测方法及装置 | |
| CN111177468A (zh) | 一种基于机器视觉的实验室人员不安全行为安全检查方法 | |
| CA3198669A1 (en) | Risk assessment techniques based on images | |
| CN112435240B (zh) | 一种面向工人违规使用手机的深度视觉手机检测*** | |
| CN114429247A (zh) | 车间规划及检验监督方法、装置、设备和存储介质 | |
| CN114694008A (zh) | 一种远程人脸识别*** | |
| Lee et al. | A System Model for Analyzing and Accumulating Construction Work Crew′ s Productivity Data Using Image Processing Technologies | |
| JP2018041295A (ja) | 管理業務品質評価システムおよび方法 | |
| Enegbuma et al. | Real-Time Construction Waste Reduction Using Unmanned Aerial Vehicle | |
| CN117830686B (zh) | 一种智慧工地个人防护装备穿戴智能管控平台***及方法 | |
| CN118097198B (zh) | 一种基于人工智能的自动着装合规性管控***及方法 | |
| Chen et al. | A novel system for automated proper use identification of personal protective equipment in decommissioning site of fukushima daiichi nuclear power station | |
| CN118070019B (zh) | 一种基于人工智能的消防值班人员值岗智能识别方法 | |
| Park et al. | Transforming Construction Site Safety with iSAFE: An Automated Safety Management Platform |
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 |