一种保护区内打桩、钻探行为的快速识别方法技术

本发明专利技术为一种保护区内打桩、钻探行为的快速识别方法，主要解决现有隧道、管廊等地下工程的地面保护区内打桩、钻探行为监管不及时、不全面等问题。本发明专利技术技术方案包括保护区监控区域内的视频影像和振动数据采集系统，还包括步骤：S1、基于视频图像和固定图像特征区域进行保护区边界半自动划定；S2、基于视频图像，通过图像目标检测算法对区域内的移动物体进行动态监测，并进行打桩、钻探机械侵入初步判定；S3、基于振动信号快速识别保护区打桩、钻探作业行为；S4、基于视频图像和振动信号的打桩、钻探作业行为综合判定和定位；S5、打桩、钻探行为告警信息远程发送及监控点识别自适应学习进化；S6、重复步骤S1（3）、步骤S2、步骤S3、步骤S4、步骤S5，可实现保护区打桩、钻探行为的持续监测。

【技术实现步骤摘要】
一种保护区内打桩、钻探行为的快速识别方法
本专利技术涉及保护区内打桩、钻探行为的识别，特别是公开一种运营隧道、管廊等地下工程的地面保护区内打桩、钻探行为的快速识别方法，应用于保护区安全监控领域。
技术介绍
为保护隧道、管廊、地下管道等地下隐蔽工程结构的正常使用和安全，常会在其结构及周边的特定范围内设置控制和保护区域，在保护区内严禁从事打桩、钻探、挖掘等大型机械作业活动。尽管有法律条例明文规定，但由于地下工程的隐蔽性，因保护区内打桩、钻探等大型机械作业导致地下结构受损的事件时有发生，给地下工程带来巨大安全隐患，并易造成重大的经济社会影响。目前人工巡查、警示标识、视频监控等传统的监控手段已逐渐满足不了行业需要，迫切需要一种智能化、自动化的监控手段。不少学者也开展了相关研究，中国专利申请公布号CN109272052A提出了一种地下构筑物周边桩基施工防侵入智能识别系统及方法，在待监测的结构上预埋设监测传感器，通过采集的振动信号进行分析识别，判定是否有桩基侵入行为并发出预警，该方法须事先在结构上预埋监测传感器，属离散点被动式监测，不能对一定区域内进行监测，且难以判定侵入行为是否在监控范围内。南开大学闫湖的硕士学位论文《土壤振动信号在线分析与识别技术研究》中提出了基于土壤振动信号分析与识别的周界预警与智能感知方法体系，通过对振动信号处理分析识别振动事件，但存在难以定位或定位不准确问题。此外，还有不少学者基于光纤探测技术，通过信号处理和智能分析，实现地下管道、隧道结构的安全监测，监测参数丰富，但须提前在需保护的结构沿线布设光纤、单根光纤有效监测半径一般不超过4米，整个系统部署困难，维护成本较高，且一些城市轨道交通等保护区本身严禁开挖作业，后期难以增布设光纤，故光纤探测技术难以满足已运营隧道、管廊等工程保护区大范围监测需求。综上，迫切需要一种新型的远程化、自动化、高精度定位的保护区内打桩、钻探行为快速识别方法。
技术实现思路
本专利技术的目的是设计一种保护区内打桩、钻探行为的识别方法，主要解决保护区内打桩、钻探行为监管不及时、难以追踪定位的技术问题。本专利技术能快速准确地识别保护区内打桩、钻探的违规作业行为并及时发出告警信息，实现远程信息化、自动化监测，有效提升保护区监控技术水平。本专利技术是这样实现的：一种保护区内打桩、钻探行为的快速识别方法，包括保护区监控区域内的视频影像和振动数据采集系统，其特征在于，还包括以下步骤：S1、基于视频图像和固定图像特征区域进行保护区边界半自动划定。即利用像素大小为N×M的矩形框，标注截取视频图像中的边界转折点、特征图像的区域，计算截图几何中心并连线，并结合特征图像的自动识别，实现监控点摄像机动态拍摄时基于视频图像和固定图像特征区域的保护区边界半自动划定。所述步骤S1的具体操作如下：（1）待监控点摄像机安装好后，从采集的视频中提取一帧图像，图像记为，利用像素大小为N×M的矩形框，在图像上于保护区实际边界的转折点上按顺时针或逆时针顺序标出，并截图保存，各边界转点区域截图图集记为；（2）在图像中，分别计算出各截图的中心点像素坐标，各中心点集记为，利用直线段将各中心点依次相连，并与图像的边界一起将图像进行区域分割；（3）利用像素大小为N×M的矩形框在图像中，将位于保护区内的显著图像特征区域标出，并截图保存，各特征图像截图记为，位于保护区内的图像区域记为；（4）保存保护区图像区域边界特征信息，包括边界转点区域截图图集、中心点集坐标及特征图像截图。进一步地，当监控点摄像机拍摄范围变动后，可通过上述的图集和截图进行图像特征自动识别匹配，即可快速重构保护区图像边界和保护区域标定。、基于视频图像，通过图像目标检测算法对区域内的移动物体进行动态监测，并进行打桩、钻探机械侵入初步判定。即基于视频图像，通过图像目标检测算法对区域内的移动物体进行动态监测，计算移动物体区域外接矩形，通过外接矩形的高宽比和宽度与设定阈值的比较，对打桩、钻探机械侵入初步判定。所述步骤S2的具体操作如下：（1）获取视频中的图像帧记为，利用高斯低通滤波进行噪声去除和伽马变换进行图像增强，记为；（2）选用sobel边缘检测垂直算子和水平算子，分别获取图像水平方向和垂直方向的边界，同时利用边缘连接和区域生长将边界图进行填充，分别记为和；（3）对图像进行分割：若采集的图像为灰度图像，则利用基于kmeans聚类的图像分割方法获取目标区域；若采集的图像为彩色图像，则将图像变换到HSV空间，设定打桩、钻探机械设备的H、S分量的阈值[H1,H2]、[S1,S2]……，对图像进行分割，获取目标区域，并计算目标区域的中心点位置，记为；（4）对于图像中包含利用边缘检测算子获取的区域，保留的区域；否则，保留中相关区域，将两个区域进行结合，得到修正的分割图像，记为；（5）对二值图像进行小区域去除后，利用hough直线检测进行检测，对于长度L>、角度的直线进行保留，其他区域进行剔除后的图像，记为；（6）获取图像中的每个区域的外接矩形，计算高度和宽度的比值，若且，则初步判定此区域有打桩、钻探机械侵入，式中、为预设定的阈值，其取值与监控点摄像机安装高度和拍摄范围有关。如果初步判定保护区内有打桩、钻探机械侵入则进入下一步，否则持续步骤S2。、基于快速识别振动信号保护区打桩、钻探作业行为。即利用监控点处时程记录仪及预埋设的加速度传感器对保护区内的振动信号进行采集和分析，通过机器学习方法，对打桩、钻探作业行为快速识别。所述步骤S3的具体操作如下：（1）当通过视频图像初步识别保护区内有打桩或钻探机械作业时，启动监控点处时程记录仪及预埋设的加速度传感器，开始对保护区监控范围的土层振动信号进行采集，采集信号通过线缆传输至监控点主控电脑中；（2）监控点主控电脑自动对采集的信号进行预处理，包括振动信号与非振动信号分割、振动信号去噪与增强等，剔除非振动信号，以减少后续数据处理量；（3）通过经大量正样本训练完成的多层次神经网络结构机器学习模型，对经预处理后的振动信号进行机器学习，对保护区内的打桩、钻探作业行为进一步辨识。、基于视频图像和振动信号的打桩、钻探作业行为综合判定和定位。即基于视频图像和振动信号的打桩、钻探作业行为综合判定和定位，利用振动信号的时长或次数判定打桩、钻探作业行为，通过目标图像区域与实际成像区域的对应关系进行目标物定位。所述步骤S4的具体操作如下：当视频图像识别的打桩、钻探机械位于保护区处于静止状态，且采集到打桩、钻探振动信号持续时长超过15秒或单个完整振动信号次数超过5次，则判定为保护区存在打桩、钻探作业行为。进一步，依据步骤S2（3）中确定的目标区域的中心点位置，并结合图像区域与实际成像区域的对应关系，可精确确定打桩、钻探机械所处位置，定位精度不低于1米。、打桩、钻探行为告警信息远程发送及监控点识别自适应学习进化。所述步骤S5的具体操作如下：打桩、钻探本文档来自技高网...

【技术保护点】
1.一种保护区内打桩、钻探行为的快速识别方法，包括地下工程的地面保护区监控区域内的视频影像和振动数据采集系统，其特征在于，还包括以下步骤：/nS1、利用像素大小为N×M的矩形框，标注截取视频图像中的边界转折点、特征图像的区域，计算截图几何中心并连线，并结合特征图像的自动识别，实现监控点摄像机动态拍摄时基于视频图像和固定图像特征区域的保护区边界半自动划定；/nS2、基于视频图像，通过图像目标检测算法对区域内的移动物体进行动态监测，计算移动物体区域外接矩形，通过外接矩形的高宽比和宽度与设定阈值的比较，对打桩、钻探机械侵入初步判定；/nS3、利用监控点处时程记录仪及预埋设的加速度传感器对保护区内的振动信号进行采集和分析，通过机器学习方法，对打桩、钻探作业行为快速识别；/nS4、基于视频图像和振动信号的打桩、钻探作业行为综合判定和定位，利用振动信号的时长或次数判定打桩、钻探作业行为，通过目标图像区域与实际成像区域的对应关系进行目标物定位；/nS5、打桩、钻探行为告警信息远程发送及监控点智能识别自适应学习进化；/nS6、重复步骤S1的标注截取视频图像中特征图像的区域、步骤S2、步骤S3、步骤S4、步骤S5，可实现保护区打桩、钻探行为的持续监测。/n...

【技术特征摘要】
1.一种保护区内打桩、钻探行为的快速识别方法，包括地下工程的地面保护区监控区域内的视频影像和振动数据采集系统，其特征在于，还包括以下步骤：
S1、利用像素大小为N×M的矩形框，标注截取视频图像中的边界转折点、特征图像的区域，计算截图几何中心并连线，并结合特征图像的自动识别，实现监控点摄像机动态拍摄时基于视频图像和固定图像特征区域的保护区边界半自动划定；
S2、基于视频图像，通过图像目标检测算法对区域内的移动物体进行动态监测，计算移动物体区域外接矩形，通过外接矩形的高宽比和宽度与设定阈值的比较，对打桩、钻探机械侵入初步判定；
S3、利用监控点处时程记录仪及预埋设的加速度传感器对保护区内的振动信号进行采集和分析，通过机器学习方法，对打桩、钻探作业行为快速识别；
S4、基于视频图像和振动信号的打桩、钻探作业行为综合判定和定位，利用振动信号的时长或次数判定打桩、钻探作业行为，通过目标图像区域与实际成像区域的对应关系进行目标物定位；
S5、打桩、钻探行为告警信息远程发送及监控点智能识别自适应学习进化；
S6、重复步骤S1的标注截取视频图像中特征图像的区域、步骤S2、步骤S3、步骤S4、步骤S5，可实现保护区打桩、钻探行为的持续监测。


2.根据权利要求1所述一种保护区内打桩、钻探行为的快速识别方法，其特征在于，所述步骤S1的具体操作如下：
（1）待监控点摄像机安装好后，从采集的视频中提取一帧图像，图像记为，利用像素大小为N×M的矩形框，在图像上于保护区实际边界的转折点上按顺时针或逆时针顺序标出，并截图保存，各边界转点区域截图图集记为；
（2）在图像中，分别计算出各截图的中心点像素坐标，各中心点集记为，利用直线段将各中心点依次相连，并与图像的边界一起将图像进行区域分割；
（3）利用像素大小为N×M的矩形框在图像中，将位于保护区内的显著图像特征区域标出，并截图保存，各特征图像截图记为，位于保护区内的图像区域记为；
（4）保存保护区图像区域边界特征信息，包括边界转点区域截图图集、中心点集坐标及特征图像截图。


3.根据权利要求2所述一种保护区内打桩、钻探行为的快速识别方法，其特征在于，当监控点摄像机拍摄范围变动后，通过图集和截图进行图像特征自动识别匹配，即可快速重构保护区图像边界和保护区域标定。


4.根据权利要求1所述一种保护区内打桩、钻探行为的快速识别方法，其特征在于，所述步骤S2的具体操作如下：
（1）获取视频中的图像帧记为，利用高斯低通滤波进行噪声去除和伽马变换进行图像增强，记为；
（2）选用sobel边缘检测垂直算子和水平算子，分别获取图像水平方向和垂直方向的边界，同时利用边缘连接和区域生长将边界图进行填充，分别记为和；
（3）对图像进行分割：若采集的图像为灰度图像，则利用基于kmeans聚类的图像分割方法...

【专利技术属性】
技术研发人员：刘学增，刘新根，陈莹莹，赵大伟，刘笑娣，
申请(专利权)人：上海同岩土木工程科技股份有限公司，
类型：发明
国别省市：上海;31