一种机器视觉的监管系统、方法及客户机、存储介质技术方案

本发明专利技术涉及一种机器视觉的监管系统、方法及客户机、存储介质，包括：至少一个监管装置和客户机；监管装置用于监控工程现场情况；客户机用于手动自定义进行标注学习；通过训练后，客户机用于自动进行标注学习；客户机采用对抗生成网络进行混合训练；通过原子模型、分子模型的组合，客户机生成复杂场景报警项；针对报警准确信息客户机生成报警信息；针对报警不准确项，客户机生成标注信息，用于再训练。从而实现低成本、快速学习；极大的降低智能单机学习的成本，使得计算能力可以更有效的利用；为用户节省成本，提高工作效率，从而最终实现机器视觉监管。

Machine vision supervision system, method, client and storage medium

The invention relates to a monitoring system, method, client and storage medium for machine vision, comprising at least one monitoring device and client, a monitoring device for monitoring engineering site conditions, a client for manual customization of annotation learning, a client for automatic annotation learning after training, and a client for automatic annotation learning. The computer uses the confrontation generation network for hybrid training; through the combination of atomic model and molecular model, the client generates complex scene alarm items; for the accurate alarm information, the client generates alarm information; for the inaccurate alarm items, the client generates annotation information for retraining. In order to achieve low-cost, fast learning; greatly reduce the cost of intelligent single-machine learning, making more effective use of computing power; for users to save costs, improve efficiency, and ultimately achieve machine vision supervision.

【技术实现步骤摘要】
一种机器视觉的监管系统、方法及客户机、存储介质
本专利技术涉及建筑工程
，特别涉及一种机器视觉的监管系统、方法及客户机、存储介质。
技术介绍
当前在建筑工程施工过程中都需要使用到许多工具或设备，例如塔吊、脚手架、起重机等。其中塔吊具有塔身高、吊臂长、抬吊重量大、覆盖范围广、工作效率高等结构技术特点。脚手架可以用来搭建建筑工人的操作平台。起重机的作业空间大，主要用于房屋建筑施工中物料的垂直和水平输送及建筑构件的安装。建筑工程中存在大量高空作业或深基坑作业，存在危险源多，稍有不慎就可能发生人员伤亡事故。需要检查点多，通常需要对下列项进行分别检查：1、文明施工检查。2、基坑工程检查。3、施工用电检查。4、各种脚手架检查。5、高空作业吊篮检查。6、塔式起重机检查。7、起重吊装检查。8、施工升降机检查。9、物料提升机检查。10、模板支架检查。11、高处作业检查。12、施工机具检查。13、施工现场消防检查。14、路桥工程安全检查。15、有限空间作业检查。16、安全管理检查。17、悬挑式钢平台检测等。18、落地式卸料平台检查等等。由于上述建筑工程现场设置的各种工具或设备占地面积大，自身的高度高，会存在很多安全隐患，由建筑工程现场的各种工具或设备引起的人员伤亡和设备损毁事故屡屡发生，建筑工程现场的各种工具或设备的安全问题引起了社会的广泛重视。现有通常的解决方法是在这些建筑工程现场使用的工具或设备上安装有监控摄像头，来监控建筑工程的安全、进度和质量。随着摄像头安装的越来越多，由此带来一系列的新问题，摄像头安装好后由谁来监管，当摄像头监控到安全隐患或危险时，如何能够及时针对存在的问题进行报警和故障解除，这是亟待解决的问题。目前，对于建筑工程现场安装的监控摄像头大多为人员直接查看，即使有机器视觉检测，也停留在固定单一场景。且目前市场上存在的机器视觉监管方法需要大量的人员手工标注，浪费了极大的人力物力，存在用户需求调研困难，智能监管生成的成本较高等问题。
技术实现思路
为了解决上述现有技术中存在的问题，本专利技术提出了一种机器视觉的监管系统、方法及客户机、存储介质，可以将用户视频监控、人员手工标注、机器智能标注、对抗生成网络及智能自动训练和标注与监管融合在一起。实现低成本、快速学习，极大的降低了智能监管的成本，快速提高学习效率。本专利技术创新性的提出了一种机器视觉的监管系统，包括：客户机和至少一台监管装置；所述监管装置用于采集监管内容，并将采集的监管内容传送给所述客户机；所述客户机针对所述监管内容上的标注结果，进行训练和学习，生成初步检测模型；并利用初步检测模型对标注任务进行学习、训练，生成训练结果；所述客户机基于训练结果，生成报警信息并进行报警，实现对监控现场的检测报警。其中，所述监管内容的标注结果，包括：用户对所述监管内容的标注结果和/或所述客户机对所述监管内容进行自动标注的标注结果。其中，标注过程中，采用局部内容放大标注和/或分类集中标注。其中，所述客户机利用人工智能的深度学习算法针对标注结果进行学习，并通过对抗生成网络GAN和检测模型阈值调整方法，生成初步检测模型；利用初步生成的检测模型，并通过在线学习的方式收集与检测任务相关的训练数据，进行标注结果复查及数据训练。其中，在标注与检测过程中，通过将多个识别模型以并联、串联或串并混合的方式组合后进行标注或检测，来对复杂场景进行标注或生成检测报警项。本专利技术加提供一种机器视觉的监管方法，包括：采集监管内容，并将采集的监管内容传送给所述客户机；所述客户机针对所述监管内容上的标注结果，进行训练和学习，生成初步检测模型；并利用初步检测模型对标注任务进行学习、训练，生成训练结果；所述客户机基于训练结果，生成报警信息并进行报警，实现对监控现场的检测报警。本专利技术加提供一种客户机，所述客户机包括存储器和处理器，处理器通过调用存储在存储器上的程序或指令，以实现机器视觉的学习和监管，其中所述程序或指令用于实现以下流程：接收所述监管装置采集的监管内容；针对所述监管内容上的标注结果，进行训练和学习，生成初步检测模型；并利用初步检测模型对标注任务进行学习、训练，生成训练结果；所述客户机基于训练结果，生成报警信息并进行报警，实现对监控现场的检测报警。其中，所述程序或指令还用于实现以下流程：利用人工智能的深度学习算法针对标注结果进行学习，并通过对抗生成网络GAN和检测模型阈值调整方法，生成初步检测模型；利用初步生成的检测模型，并通过在线学习的方式收集与检测任务相关的训练数据，进行标注结果复查及数据训练。其中，所述程序或指令还用于实现以下流程：在标注与检测过程中，通过将多个识别模型以并联、串联或串并混合的方式组合后进行标注或检测，来对复杂场景进行标注或生成检测报警项。本专利技术还提供一种可读程序存储介质，存储介质中存储的程序或指令，用于：接收所述监管装置采集的监管内容；针对所述监管内容上的标注结果，进行训练和学习，生成初步检测模型；并利用初步检测模型对标注任务进行学习、训练，生成训练结果；所述客户机基于训练结果，生成报警信息并进行报警，实现对监控现场的检测报警。本专利技术的有益效果在于：通过本专利技术的机器视觉的监管系统和方法，将监控、标注、训练、检测几个部分单独使用，采用循环训练提高检测报警精度。可以极大降低检测算法的生成成本，用以满足建筑工程现场动态、多样性的现场监管与检测问题，节省大量现场监管人力资源，提升工程建设的工作效率。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。附图说明以下将参照附图对根据本专利技术的优选实施方式进行描述。图中：图1是根据示例性实施例示出的监控方法流程图。图2是根据示例性实施例示出的监控方法原理图。图3是根据示例性实施例示出的监控系统框图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本专利技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本专利技术的一些方面相一致的装置和方法的例子。在进行实施例描述之前，需要说明的是，为了说明的方便及具体化，本组实施例针对的是监控系统及方法，但并不仅限于实施例中列举所限定的范围。以下示例性实施例中的监控系统仅仅是示例性描述，与监控系统具有类似属性的其他设备也同样适用。参见图1、图2，本专利技术示例性采用的技术方案如下：本专利技术提供了一种机器视觉的监管方法，具体的实现方法如下：步骤一：用户通过监管装置监控工程现场情况；建筑工地中包括至少一个监管装置，示例性的，该监管装置中包括至少一个摄像头，用来监控工程现场情况的情况，例如对建筑物、建筑设备、建筑工人进行摄像，从而生成对建筑工地中的建筑物、建筑设备、建筑工人进行监管的图片或视频。监管装置生成的图片或视频传送给用户的客户机。用户可以通过客户机对监管装置进行远程控制，监控工程现场情况。优选的实施例，用户可以自定义标注方式标注内容，标注的内容可以包括任何建筑工地中涉及的内容，例如，建筑工地中某个局部区域的完成进度情况，某个危险区域是否有建筑工人，建筑工人在进入建筑工地时是否佩戴安全帽、建筑工人在进入建筑工地时是否吸烟、高空本文档来自技高网...

【技术保护点】
1.一种机器视觉的监管系统，包括：客户机和至少一台监管装置；其特征在于：所述监管装置用于采集监管内容，并将采集的监管内容传送给所述客户机；所述客户机针对所述监管内容上的标注结果，进行训练和学习，生成初步检测模型；并利用初步检测模型对标注任务进行学习、训练，生成训练结果；所述客户机基于训练结果，生成报警信息并进行报警，实现对监控现场的检测报警。

【技术特征摘要】
1.一种机器视觉的监管系统，包括：客户机和至少一台监管装置；其特征在于：所述监管装置用于采集监管内容，并将采集的监管内容传送给所述客户机；所述客户机针对所述监管内容上的标注结果，进行训练和学习，生成初步检测模型；并利用初步检测模型对标注任务进行学习、训练，生成训练结果；所述客户机基于训练结果，生成报警信息并进行报警，实现对监控现场的检测报警。2.如权利要求1所述的系统，其特征在于：所述监管内容的标注结果，包括：用户对所述监管内容的标注结果和/或所述客户机对所述监管内容进行自动标注的标注结果。3.如权利要求1或2所述的系统，其特征在于：标注过程中，采用局部内容放大标注和/或分类集中标注。4.如权利要求1或2所述的系统，其特征在于：所述客户机利用人工智能的深度学习算法针对标注结果进行学习，并通过对抗生成网络GAN和检测模型阈值调整方法，生成初步检测模型；利用初步生成的检测模型，并通过在线学习的方式收集与检测任务相关的训练数据，进行标注结果复查及数据训练。5.如权利要求1或2所述的系统，其特征在于：在标注与检测过程中，通过将多个识别模型以并联、串联或串并混合的方式组合后进行标注或检测，来对复杂场景进行标注或生成检测报警项。6.一种机器视觉的监管方法，其特征在于：包括：采集监管内容，并将采集的监管内容传送给所述客户机；所述客户机针对所述监管内容上的标注结果，进行训练和学习，生成初步检测模型；并利用初步检测模型对标注任务进行学习、训练，生成训练结果；所...

【专利技术属性】
技术研发人员：路志宏，
申请(专利权)人：路志宏，
类型：发明
国别省市：河北,13