结合区块链与深度学习的通道阻塞检测方法技术

本发明专利技术公开了一种结合区块链与深度学习的通道阻塞检测方法，包括：构建通道阻塞检测深度神经网络，网络的输入为采集的监控区域图像，网络的输出结果为通道是否阻塞的检测结果；在服务器集群上加载训练好的通道阻塞检测深度神经网络所需参数，针对通道阻塞检测深度神经网络推理请求，配置通道阻塞检测深度神经网络推理区块链私链，并执行通道阻塞检测深度神经网络推理。利用本发明专利技术，在工地通道阻塞情况监测中，提高了通道阻塞检测精度、检测效率以及数据处理传输过程中的安全性、保密性。

【技术实现步骤摘要】
结合区块链与深度学习的通道阻塞检测方法
本专利技术涉及人工智能、区块链、CIM
，具体涉及一种结合区块链与深度学习的通道阻塞检测方法。
技术介绍
随着我国社会经济和科学技术的迅捷发展，施工场地里以人力资源为主的传统检测和管理方法已经出现许多局限性，例如行人进行检测和管理工作成本过高，检测和管理的工作效率低下，检测的准确性不高易受到主观因素的影响，人力资源的缺乏导致对管理的不力等问题。施工场地内存在例如施工场地内通道被施工用料或机器设备阻碍道路等问题，会导致施工效率受影响，或者阻碍行人正常通行，但依靠人力进行实时监督成本过高，且效率低下，会受到监督行人主观因素以及如环境、视线遮挡等客观因素的影响。而且，目前的工地各种环境因素检测通常只返回异常结果，结果反馈单一。并且，用于计算的计算集群，信息易被泄露、安全性能较低。因此，现有通道阻塞检测技术存在检测精度和检测效率低下、结果反馈单一、数据处理及传输过程中安全性能低的问题。
技术实现思路
本专利技术提供了一种结合区块链与深度学习的通道阻塞检测方法，不仅结果反馈多元，而且提高了检测精度、检测效率和数据处理传输过程中的安全性、保密性。一种结合区块链与深度学习的通道阻塞检测方法，该方法包括：构建通道阻塞检测深度神经网络，网络的输入为采集的监控区域图像，网络的输出结果为通道是否阻塞的检测结果；在服务器集群上加载训练好的通道阻塞检测深度神经网络所需参数，针对通道阻塞检测深度神经网络推理请求，配置通道阻塞检测深度神经网络推理区块链私链，并执行通道阻塞检测深度神经网络推理；其中，通道阻塞检测深度神经网络由多个模块组成，包括：行人关键点编码器，用于对监控区域图像进行编码，提取行人关键点特征图；行人关键点解码器，用于对行人关键点特征图进行解码表征，得到行人关键点热图；行人移动轨迹获取单元，用于对滑动时间窗口内的行人关键点热图进行叠加，得到行人移动轨迹热图；第一编码器、第二编码器权重共享，构成孪生神经网络，用于对行人移动轨迹热图进行特征提取，得到行人轨迹特征向量；距离衡量单元，用于将孪生神经网络输出的特征向量之间的距离与设定阈值进行比较，输出通道是否阻塞的检测结果。在模拟器分别不同视角下模拟有障碍物、无障碍物情境下使用寻路算法生成人员移动轨迹，根据人员移动轨迹生成行人轨迹热力图，作为训练样本集，并进行是否有障碍物的标记，训练所述孪生神经网络。生成通道阻塞检测深度神经网络推理区块链私链包括：从服务器集群中选择多个可用节点，将分别分布于不同可用节点的行人关键点编码器、行人关键点解码器、行人移动轨迹获取单元、第一编码器、第二编码器、距离衡量单元所需参数作为对应节点的区块数据，按照通道阻塞检测深度神经网络推理顺序将节点区块连接，生成通道阻塞检测深度神经网络推理区块链私链。区块链私链中的区块对其要传输至下一区块的神经网络推理中间结果数据进行加密，对其从上一区块接收到的神经网络推理中间结果数据进行解密。采用RSA加密机制进行加密、解密操作。从服务器集群中选择多个可用节点包括：利用随机数种子根据线性同余法生成随机数序列；根据随机数序列中随机数数值的大小索引依次选取对应索引的可用节点。基于CIM技术构建城市工地信息模型，城市工地信息模型包括：城市工地三维建模信息、监控区域信息、通道阻塞检测结果信息；结合WebGIS技术对城市工地信息模型进行渲染，展示在前台页面。对行人关键点编码器、行人关键点解码器、行人移动轨迹获取单元、第一编码器、第二编码器、距离衡量单元分别进行适当细分，将分别分布于不同节点的细分后的每一模块的参数作为区块数据，按照通道阻塞检测深度神经网络推理顺序，生成通道阻塞检测深度神经网络推理区块链私链。本专利技术的有益效果在于：1.本专利技术采用深度神经网络对监控通道区域的行人图像进行分析，相比于人工监督，具有更准确的结果响应和更高的检测效率。2.本专利技术的深度神经网络结构包括两个部分，其中通道阻塞判断子网络的训练数据在模拟器中产生，不仅可以获得大量的训练样本，而且与第一部分的行人轨迹检测子网络的训练可以相互做到工况隔离，提高网络的整体训练效率。3.本专利技术基于区块链技术，对通道阻塞检测深度神经网络进行合理划分，针对每个网络推理请求，动态生成区块链私链，相比于传统的单机执行，不仅提高了系统的并行性能，而且由于区块链私链是动态的，当某一节点出现故障，系统能够及时感知，不会影响其他推理请求的计算，具有更好的容错性能。4.本专利技术的区块链私链根据服务器集群中可用节点实时生成，相比于传统的固定分配，不易被攻击破解，提高了系统数据的保密性能。5.本专利技术对网络推理区块链私链之间的数据进行加密，防止区块链私链区块之间传输数据的泄露，保证传输数据的保密性。6.本专利技术基于CIM技术设计城市工地信息模型存储通道阻塞检测结果，并对城市工地信息模型进行可视化，相比于传统的结果反馈，本专利技术的反馈结果更加多元化，包括工地区域三维展示、警示标记、监控区域图像，能够使监管行人更加清晰明确地了解工地的通道阻塞情况。附图说明图1为本专利技术方法的通道阻塞检测深度神经网络结构图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图以及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术提供一种结合区块链与深度学习的通道阻塞检测方法。图1为本专利技术方法的深度神经网络结构图。下面通过具体实施例来进行说明。实施例一：一种结合区块链与深度学习的通道阻塞检测方法，该方法包括：构建通道阻塞检测深度神经网络，网络的输入为采集的监控区域图像，网络的输出结果为监控区域的通道是否阻塞的检测结果。本专利技术的主要目的为实现施工场地内通道阻塞的检测。基于计算机视觉检测技术具有非接触、高效性和经济性等显著优势，在施工场地各类检测管理应用方面有着广泛的应用前景。终端集群为工地中具有采集图像功能的终端互连组成的集群。在本实施例中，终端为具有一定计算能力的相机，可以采集监控区域的图像，得到施工行人图像。通道阻塞检测深度神经网络由多个模块组成，包括：行人关键点编码器、行人关键点解码器、行人移动轨迹获取单元、第一编码器、第二编码器、距离衡量单元。行人关键点编码器用于对监控区域图像进行编码，提取行人关键点特征图。行人关键点解码器，用于对行人关键点特征图进行解码表征，得到行人关键点热图。行人移动轨迹获取单元，用于对滑动时间窗口内的行人关键点热图进行叠加，得到行人移动轨迹热力图。第一编码器、第二编码器权重共享，构成孪生神经网络，用于对行人轨迹热力图进行特征提取，得到行人轨迹特征向量。距离衡量单元，用于根据孪生神经网络输出的特征向量之间的距离，输出通道是否阻塞的检测结果。需要说明的是，本文档来自技高网...

【技术保护点】
1.一种结合区块链与深度学习的通道阻塞检测方法，其特征在于，该方法包括：/n构建通道阻塞检测深度神经网络，网络的输入为采集的监控区域图像，网络的输出结果为通道是否阻塞的检测结果；/n针对通道阻塞检测深度神经网络推理请求，生成通道阻塞检测深度神经网络推理区块链私链，并执行通道阻塞检测深度神经网络推理，得到通道阻塞检测结果；/n其中，通道阻塞检测深度神经网络由多个模块组成，包括：/n行人关键点编码器，用于对监控区域图像进行编码，提取行人关键点特征图；/n行人关键点解码器，用于对行人关键点特征图进行解码表征，得到行人关键点热图；/n行人移动轨迹获取单元，用于对滑动时间窗口内的行人关键点热图进行叠加，得到行人移动轨迹热图；/n第一编码器、第二编码器权重共享，构成孪生神经网络，用于对行人移动轨迹热图进行特征提取，得到行人轨迹特征向量；/n距离衡量单元，用于将孪生神经网络输出的特征向量之间的距离与设定阈值进行比较，输出通道是否阻塞的检测结果。/n

【技术特征摘要】
1.一种结合区块链与深度学习的通道阻塞检测方法，其特征在于，该方法包括：
构建通道阻塞检测深度神经网络，网络的输入为采集的监控区域图像，网络的输出结果为通道是否阻塞的检测结果；
针对通道阻塞检测深度神经网络推理请求，生成通道阻塞检测深度神经网络推理区块链私链，并执行通道阻塞检测深度神经网络推理，得到通道阻塞检测结果；
其中，通道阻塞检测深度神经网络由多个模块组成，包括：
行人关键点编码器，用于对监控区域图像进行编码，提取行人关键点特征图；
行人关键点解码器，用于对行人关键点特征图进行解码表征，得到行人关键点热图；
行人移动轨迹获取单元，用于对滑动时间窗口内的行人关键点热图进行叠加，得到行人移动轨迹热图；
第一编码器、第二编码器权重共享，构成孪生神经网络，用于对行人移动轨迹热图进行特征提取，得到行人轨迹特征向量；
距离衡量单元，用于将孪生神经网络输出的特征向量之间的距离与设定阈值进行比较，输出通道是否阻塞的检测结果。


2.如权利要求1所述的方法，其特征在于，在模拟器分别不同视角下模拟有障碍物、无障碍物情境下使用寻路算法生成人员移动轨迹，根据人员移动轨迹生成行人轨迹热力图，作为训练样本集，并进行是否有障碍物的标记，训练所述孪生神经网络。


3.如权利要求1所述的方法，其特征在于，所述生成通道阻塞检测深度神经网络推理区块链私链包括：
在服务器集群上加载训练好的通道阻塞检测深度神经网络所需参数；
从服务器集群中选择多个...

【专利技术属性】
技术研发人员：于珂，任琼，
申请(专利权)人：于珂，
类型：发明
国别省市：北京;11