机器视觉的多机监管系统、方法及客户机、服务器、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及监管方法，使得单机学习到的内容可以方便的被其他机器学习到。从而实现低成本、快速学习；极大的降低智能多机学习的成本，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。

Multi machine monitoring system, method and client, server and storage medium for machine vision

The invention relates to a monitoring system and a monitoring method for machine vision, so that the contents learned by a single machine can be easily learned by other machines. In order to achieve low-cost, fast learning; greatly reduce the cost of intelligent multi-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】
机器视觉的多机监管系统、方法及客户机、服务器、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多机监管系统、方法及客户机、服务器、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，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，现有的机器学习方法大多采用多机群集的学习方式。学习的过程中需要多台机器分配一定的资源进行机器与机器之间的协同。这无形中会耗费很大的计算资源。也可以采用分布式深度学习系统，但通过分布式并行训练后，新算法收敛时很难达到最优值；收敛与单机上跑出来的最优值存在很大差异。采用分布式机器学习的系统会遇到模型一致性、容错性、通讯拥塞、资源管理等问题。同时，现有的机器学习算法成本较高，需要大量的需求调研人员、手工图片标注人员和智能算法工程师做后期处理，才能完成功能单一的机器视觉监管任务。很难适应建筑工程现场的多样性和临时增加新智能检测与监管的需求。
技术实现思路
为了解决上述现有技术中存在的问题，本专利技术提供一种机器视觉的多机监管系统、方法及客户机、服务器、存储介质，使得单机学习到的内容可以方便的被共享，以让其他机器学习到。从而实现低成本、快速学习；极大的降低智能多机学习的成本，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。本专利技术提供一种机器视觉的多机监管系统，包括：至少一台客户机、至少一台监装置和至少一台服务器；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；所述客户机获取对所述监管内容的标注结果，形成标注文件后上传至服务器；所述服务器针对接收到的标注文件进行集中训练，将训练成的模型识别器和模型生成器分发至所述客户机；所述客户机基于接收到的模型识别器和模型生成器进行再学习，对所述监管装置用于采集的监管内容进行监管。其中，对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，所述服务器汇总各个客户机上传的用户标注的标注结果，和/或汇总各个客户机上传的客户机自动标注的标注结果，得到学习数据；采用对抗生成网络GAN生成的数据进行混合训练。本专利技术还提供一种机器视觉的多机监管方法，包括以下步骤：采集监管内容，并将采集的监管内容传送给客户机；所述客户机获取对所述监管内容的标注结果，形成标注文件后上传至服务器；所述服务器针对接收到的标注文件进行集中训练，将训练成的模型识别器和模型生成器分发至所述客户机；所述客户机基于接收到的模型识别器和模型生成器进行再学习，对所述监管装置用于采集的监管内容进行监管。本专利技术还提供一种客户机，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；获取对所述监管内容的标注结果，形成标注文件后上传至服务器；以及，接收服务器下发的模型识别器和模型生成器，并进行再学习，对所述监管装置用于采集的监管内容进行监管。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。本专利技术还提供一种服务器，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，以实现机器视觉监管的的数据训练和模型生产，其中所述程序或指令用于实现以下流程：汇总各个客户机上传的用户标注的标注结果，和/或汇总各个客户机上传的客户机自动标注的标注结果，得到学习数据；采用对抗生成网络GAN生成的数据进行混合训练；将训练成的模型识别器和模型生成器分发至所述客户机。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；获取对所述监管内容的标注结果，形成标注文件后上传至服务器；以及，接收服务器下发的模型识别器和模型生成器，并进行再学习，对所述监管装置用于采集的监管内容进行监管。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：汇总各个客户机上传的用户标注的标注结果，和/或汇总各个客户机上传的客户机自动标注的标注结果，得到学习数据；采用对抗生成网络GAN生成的数据进行混合训练；将训练成的模型识别器和模型生成器分发至所述客户机。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，可以以多机学习训练的方式来解决建筑工程现场的视频监管问题，汇总各现场的标注结果，进行集中训练与分发，实现信息共享，可以有效减少传统多机学习方法对多机协同资源的浪费，以节省工程现场监管人力资源，提升建筑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系统结构框图。图2是根据示例性实施例示出的监控系统原理框图。图3是根据示例性实施例示出的监控方法框图。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本文档来自技高网...

【技术保护点】
1.一种机器视觉的多机监管系统，包括：至少一台客户机、至少一台监装置和至少一台服务器；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；所述客户机获取对所述监管内容的标注结果，形成标注文件后上传至服务器；所述服务器针对接收到的标注文件进行集中训练，将训练成的模型识别器和模型生成器分发至所述客户机；所述客户机基于接收到的模型识别器和模型生成器进行再学习，对所述监管装置用于采集的监管内容进行监管。

【技术特征摘要】
1.一种机器视觉的多机监管系统，包括：至少一台客户机、至少一台监装置和至少一台服务器；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；所述客户机获取对所述监管内容的标注结果，形成标注文件后上传至服务器；所述服务器针对接收到的标注文件进行集中训练，将训练成的模型识别器和模型生成器分发至所述客户机；所述客户机基于接收到的模型识别器和模型生成器进行再学习，对所述监管装置用于采集的监管内容进行监管。2.如权利要求1所述的系统，对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，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。4.如权利要求1或2所述的系统，所述服务器汇总各个客户机上传的用户标注的标注结果，和/或汇总各个客户机上传的客户机自动标注的标注结果，得到学习数据；采用对抗生成网络GAN生成的数据进行混合训练。5.一种机器视觉的多机监管方法，包括以下步骤：采集监管内容，并将采集的监管内容传送给客户机；所述客户机获取对所述监管内容的标注结果，形成标注文件后上传至服务器；所述服务器针对接收到的标注文件进行集中训练，将训练成的模型识别器和模型生成器分发至所述客户机；所述客户机基于接收到的模型识别器和模型生成器进行再学习，对所述监管装置用于采集的监管内容进行监管。6.一种客户机，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...

【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