建筑工地作业面人数统计方法、系统、存储介质及装置制造方法及图纸

本发明专利技术属于视频监控技术领域，公开了一种建筑工地作业面人数统计方法、系统、存储介质及装置，采集工地作业面图像并发送；对采集的作业面图像进行工人检测；在工地作业面图像上标注出工人所在位置，输出经过标注的图像和工人的数量；输出的经过标注的图像和工人的数量并显示。本发明专利技术实现管理者可以从显示器上可直接获取当前作业面上的情况，直观的看到工人的位置以及数量，有助于管理者进行判断工人是否都正常出勤，方便快捷，免去了管理者亲自去统计施工工人数量的麻烦，为保证工程的顺利进行带来了便利。本发明专利技术降低了假阳的数目，防止其他物体被错判为工人，提高了模型的准确率。

Statistical method, system, storage medium and device for the number of people on the working face of construction site

【技术实现步骤摘要】
建筑工地作业面人数统计方法、系统、存储介质及装置
本专利技术属于视频监控
，尤其涉及一种建筑工地作业面人数统计方法、系统、存储介质及装置。
技术介绍
目前，最接近的现有技术：近年来，随着中国城市化的进程，建筑业的发展也得到了飞速的提升。通常为了保证工程的进度，工地会有一些考勤的机制，比如工人进入工地打卡，或者有专门的人员进行监督，但是打卡的机制不能保证工人们进入工地后会立即投入到工作中去，专人监督会产生额外的开支。随着人工智能的发展，利用机器进行自动的人数统计成为了一种可能，可以将成本控制在一个较低的水平下实现建筑工地作业面上的人数自动统计，确定工人们没有缺勤，保证工程的进度。目前通过人工智能的方式进行人数统计的方法主要有以下三种：第一种，回归方法：该方法主要针对那些使用低级别特征就可以进行区分的物体的检测。首先从图像中裁剪补丁，然后，针对每个补丁，提取低级别的特征。但是在工地这种复杂的环境下，单纯的提取低级别的特征并不能有效的检出工地中的工人，这种方法在工地作业面检测中应用时，误判和漏检的情况很严重。第二种，基于密度估计的方法：首先为要检测的图片创建一个密度图。然后，该算法学习了提取的特征与目标密度映射之间的线性映射。这种方法主要应用与密集人群的检测中，比如演唱会、车站这些场景中的人数统计，只能给出一个大概的人数范围，但是进行工地作业面上工人的检测，是为了统计工人的出勤情况，要求给出的人数必须准确，所以该方法也不适用于本专利技术所应用的场景。第三种，基于CNN的方法：不用看图像的补丁，而是使用可靠的卷积神经网络(CNN)构建一个端到端的回归方法。这将整个图像作为输入，并直接生成人群计数。该方法与第二种方法类似，也是适用于人群密度较大的场景，给出的结果不够精确，不适用本专利技术所应用的场景。第四种，基于检测的方法：首先学习人的特征，然后对视频中的图像进行分析，以回归框的方式输出每个人所在的位置，然后统计回归框的数量。这种方法适用于本专利技术的场景。但是，工地作业面上经常对堆放工人的衣物、废旧的安全帽等，现有的目标检测方法很容易将这些物体检测为工人，导致最终的结果出现偏差。此外，准确率较高的模型往往参数量较大，导致目标检测模型在测试过程中难以达到实时的效果，影响检测的效率。综上所述，现有技术存在的问题是：(1)难以将工地作业上堆放的衣物、安全帽和工人进行有效的区分，导致这些杂物被检测为工人，最终导致结果的偏差。(2)准确率高的模型参数量较大，检测时花费的时间较长，难以达到实时检测的效果。(3)现有技术存在管理者无法直接判断工人是否都正常出勤，管理者亲自去统计施工工人数量工作量大。解决上述技术问题的难度：如何在保证模型对工人的检出率在可接受的情况下，进一步提升准确率，即减少将堆放的衣物和安全帽以及其他异物被误判为工人的情况。此外，还应该在保证现有模型取得的准确率的情况下，进一步的降低模型的参数量，提升模型的检测速度。解决上述技术问题的意义：解决上述技术问题，可以解决目标检测方法在进行工地作业人数统计时容易将工人脱下的衣物以及安全帽误判为一个工人的问题，以获得更为准确的统计结果。并且在保证准确率的情况下，提升模型的检测速度，提升效率。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种建筑工地作业面人数统计方法、系统、存储介质及装置。本专利技术是这样实现的，一种建筑工地作业面人数统计方法，所述建筑工地作业面人数统计方法包括：第一步，采集工地作业面图像并发送；第二步，对采集的作业面图像进行工人检测；在工地作业面图像上标注出工人所在位置，输出经过标注的图像和工人的数量；第三步，输出的经过标注的图像和工人的数量并显示。进一步，所述建筑工地作业面人数统计方法的目标检测模型的训练过程包括：(1)第一阶段的训练，用目标检测模型去检测没有工人的作业面图像，如果有物体被框出来，则认为被框出来的物体是容易被检测模型判成工人的物体，将包含被判错物体的图像保存下来，并给容易判错的物体打上难分样本的标签，组成新的训练数据；(2)第二阶段的训练，训练学习工人的特征和难分样本的特征，捕捉到工人的特征与难分样本的特征之间的差异。进一步，所述建筑工地作业面人数统计方法的目标检测模型采用FPN+FasterRCNN结构，使用FPN+FasterRCNN的结构，在进行预测的时候融合浅层特征的位置信息以及高层特征的语义信息，获得更丰富的特征。进一步，所述建筑工地作业面人数统计方法的采用目标检测的人工神经网络，检测模型的结构为：将图片输入预训练的特征网络，构建自底向上网络。进一步，使用轻量高效特征融合模块对自底向上网络特征进行融合，通过多尺度特征层堆叠后，用步长为2的卷积操作完成特征提取和下采样，连续进行三次，得到三个不同大小的特征图fm1、fm2、fm3；然后对最小的特征图进行两次上采样操作，将fm1、fm2、fm3通过1*1卷积进行降维处理后再与上采样得到的对应卷积层进行元素相加操作，得到特征图fm4，fm5、fm6。进一步，轻量高效特征融合模块取消了侧向连接，通过多尺度特征层堆叠后，用步长为2的卷积操作完成特征提取和下采样的任务。进一步，在特征图fm4，fm5、fm6上面分别进行RPN操作，获得候选ROI；将候选ROI分别输入到特征图fm4，fm5、fm6上进行ROIPool操作，通过操作后，不同大小的候选区域会变成相同大小，以便输入全连接层；连接两个全连接网络层，分两个支路连接对应的分类层和回归层；分类层输出ROI的类型，回归层输出目标所在位置，分类层输出每个候选区域的概率矢量，概率矢量的每个元素位置对应一个类别，每个元素的值代表该候选区域属于对应元素位置类别的概率值，值最大的元素位置所对应的类别即为候选区域类别；回归层输出一个长度为4的矢量，四个位置分别对应候选区域中心点坐标的x值，y值，候选区域的长度以及ROI的宽度；显示器接收并显示来自处理器的经过标注的作业面图像，显示器与摄像头同步显示所述建筑工地作业面图像。本专利技术的另一目的在于提供一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行包括下列步骤：第一步，采集工地作业面图像并发送；第二步，对采集的作业面图像进行工人检测；在工地作业面图像上标注出工人所在位置，输出经过标注的图像和工人的数量；第三步，输出的经过标注的图像和工人的数量并显示。本专利技术的另一目的在于提供一种实施所述建筑工地作业面人数统计方法的建筑工地作业面人数统计系统，所述建筑工地作业面人数统计方法包括：图像采集模块，用于采集工地作业面图像并发送；图像处理模块，用于对采集的作业面图像进行工人检测；在工地作业面图像上标注出工人所在位置，输出经过标注的图像和工人的数量；图像显示模块，用于输出的经过标注的图像和工人的数量并显示。本专利技术的另一目的在于提供一种安装有所述建筑工地作业面人数统计系统的建筑工本文档来自技高网...

【技术保护点】
1.一种建筑工地作业面人数统计方法，其特征在于，所述建筑工地作业面人数统计方法包括：/n第一步，采集工地作业面图像并发送；/n第二步，对采集的作业面图像进行工人检测；在工地作业面图像上标注出工人所在位置，输出经过标注的图像和工人的数量；/n第三步，输出的经过标注的图像和工人的数量并显示。/n

【技术特征摘要】
1.一种建筑工地作业面人数统计方法，其特征在于，所述建筑工地作业面人数统计方法包括：
第一步，采集工地作业面图像并发送；
第二步，对采集的作业面图像进行工人检测；在工地作业面图像上标注出工人所在位置，输出经过标注的图像和工人的数量；
第三步，输出的经过标注的图像和工人的数量并显示。


2.如权利要求1所述的建筑工地作业面人数统计方法，其特征在于，所述建筑工地作业面人数统计方法的目标检测模型的训练过程包括：
(1)第一阶段的训练，用目标检测模型去检测没有工人的作业面图像，如果有物体被框出来，则认为被框出来的物体是容易被检测模型判成工人的物体，将包含被判错物体的图像保存下来，并给容易判错的物体打上难分样本的标签，组成新的训练数据；
(2)第二阶段的训练，训练学习工人的特征和难分样本的特征，捕捉到工人的特征与难分样本的特征之间的差异。


3.如权利要求2所述的建筑工地作业面人数统计方法，其特征在于，所述建筑工地作业面人数统计方法的目标检测模型采用FPN+FasterRCNN结构，使用FPN+FasterRCNN的结构，在进行预测的时候融合浅层特征的位置信息以及高层特征的语义信息，获得更丰富的特征。


4.如权利要求1所述的建筑工地作业面人数统计方法，其特征在于，所述建筑工地作业面人数统计方法的采用目标检测的人工神经网络，检测模型的结构为：将图片输入预训练的特征网络，构建自底向上网络。


5.如权利要求4所述的建筑工地作业面人数统计方法，其特征在于，使用轻量高效特征融合模块对自底向上网络特征进行融合，通过多尺度特征层堆叠后，用步长为2的卷积操作完成特征提取和下采样，连续进行三次，得到三个不同大小的特征图fm1、fm2、fm3；然后对最小的特征图进行两次上采样操作，将fm1、fm2、fm3通过1*1卷积进行降维处理后再与上采样得到的对应卷积层进行元素相加操作，得到特征图fm4，fm5、fm6。


6.如权利要求5所述的建筑工地作业面人数统计方法，其特征在于，轻量高效特征融合模块取消了侧向连接，通过多尺度特...

【专利技术属性】
技术研发人员：高圣哲，
申请(专利权)人：西安咏圣达电子科技有限公司，
类型：发明
国别省市：陕西;61