【技术实现步骤摘要】
一种基于视觉的大场景下施工安全智能监控系统方法
本专利技术属于计算机视觉与大场景施工现场安全监控分析交叉领域,涉及一种基于视觉的大场景下施工安全智能监控系统方法，具体涉及通过在大场景的施工现场上方架立多个摄像头实时采集全范围的施工现场视频，制作现场施工机械与人员的图像数据集，使用视觉检测，跟踪，图像-世界坐标转换，和安全规则制定方法来对坝面的施工机械和人员进行安全状态智能判断和预警的方法。
技术介绍
在大坝等大场景施工范围的工程建设中，现场施工安全是首先需要保证的。这涉及到现场机械的行驶安全和人员的生命安全。这就要求对现场的各施工机械和人员有一个有效的感知手段，能够实时确定他们当前的位置，速度和行为。传统方法如GPS，RFID，UWB等都需要对需要监控的机械或人员安装相应的传感器，且通常经济成本较高，难以对大场景施工范围下的数量众多的监控对象进行有效的大规模感知。而视频监控的方式相比于以上感知方法能够有效克服以上不足，适合廉价且大规模地实时感知大场景下存在的监控对象。如今，随着图像识别，机器视觉和计算机视觉等技术的发...
【技术保护点】
1.一种基于视觉的大场景下施工安全智能监控系统方法，其特征在于，包括如下步骤：/n(1)、通过在大场景下施工现场上方的四周架设若干摄像头(或工业相机)，使得所有摄像头(或工业相机)画面覆盖住施工现场全景且相邻摄像头存在部分重叠区域；/n(2)、建立并制作施工现场多类别，大小差异较大的各目标图像数据集；/n(3)、实施并采集施工现场每个摄像头的图像-世界坐标转换数据集；/n(4)、借助机器学习模型，建立图像坐标与真实世界坐标关系模型；/n(5)、采用满足实时要求的目标检测和跟踪方法,并在所有监控画面识别的目标由坐标转换后进行目标匹配融合编号，持续跟踪；/n(6)、建立不同类别...
【技术特征摘要】
1.一种基于视觉的大场景下施工安全智能监控系统方法，其特征在于，包括如下步骤：
(1)、通过在大场景下施工现场上方的四周架设若干摄像头(或工业相机)，使得所有摄像头(或工业相机)画面覆盖住施工现场全景且相邻摄像头存在部分重叠区域；
(2)、建立并制作施工现场多类别，大小差异较大的各目标图像数据集；
(3)、实施并采集施工现场每个摄像头的图像-世界坐标转换数据集；
(4)、借助机器学习模型，建立图像坐标与真实世界坐标关系模型；
(5)、采用满足实时要求的目标检测和跟踪方法,并在所有监控画面识别的目标由坐标转换后进行目标匹配融合编号，持续跟踪；
(6)、建立不同类别机械的不同行驶速度的安全运行预警规则，当出现危险时实时反馈预警信息给对应的司机和后台监控管理者。
2.根据权利要求1所述的方法，其特征在于，所述步骤(1)具体为：
通过在大型施工场景上方四周布设的多个摄像头覆盖住施工现场全景，要保证施工机械目标在从一个摄像头画面出入另一个摄像头画面的阶段能够同时被这两个相邻的摄像头画面所观察到；同时保证某一目标在此画面内被其他目标遮挡时(未形成全角度遮挡情况下)可以由其他角度监控的摄像头画面所观测到。
3.根据权利要求1所述的方法，其特征在于，所述步骤(3)具体为：
(1)、正式监控之前，可以在一辆车上安装GPS设备，通过在施工场区内自由行驶，使得每个摄像头都能捕捉到当前画面内超过一定数量的该车的天线位置；
(2)、提取每个时刻每个摄像头画面内的天线位置的图像坐标与相对应的GPS坐标，制作每个摄像头的图像-世界坐标转换数据集。
4.根据权利要求1所述的方法，其特征在于，所述步骤(4)具体为：
由权利要求1所述的方法的步骤(3)制作的每个摄像头的图像-世界坐标的数据集分成训练集和测试集，通过训练集训练一个回归器。通过对比校核测试集的计算精度，从支持向量机，神经网络或者随机森林等模型中选用测试误差最小的机器学习算法构造回归器，建立从图像坐标到真实世界坐标的关系模型。
5.根据权利要求1所述的方法，其特征在于，所述步骤(5)具体为：
(1)由权利要求1所述的方法的步骤(2)制作的目标检测数据集训练好目标检测深度神经网络
(2)检测过程：输入测试样本(视频帧或图像)；
(3)检测过程：通过YOLOv3网络对第...
【专利技术属性】
技术研发人员：崔博，钟登华，曾拓程，任炳昱，关涛，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。