一种基于图像识别的工程安全隐患识别方法及系统技术方案

本发明专利技术涉及一种基于图像识别的工程安全隐患识别方法及系统。该方法包括：根据固定摄像头和无人机获取工地图像的视频流数据；对所述视频流数据进行预处理，得到预处理后的视频流数据；根据所述预处理后的视频流数据，构建图像特征提取骨干网络模型；根据所述图像特征提取骨干网络模型，提取图像特征；根据所述图像特征和所述人工标注的安全隐患，训练图像检测识别模型；获取待预测的工地图像；对所述工地图像预处理，得到预处理后的工地图像；根据所述预处理后的工地图像和所述图像检测识别模型进行识别，得到工地安全隐患结果。本发明专利技术能够提高监理人员生产效率，降低成本。降低成本。降低成本。

【技术实现步骤摘要】
一种基于图像识别的工程安全隐患识别方法及系统


[0001]本专利技术涉及工程安全隐患识别领域，特别是涉及一种基于图像识别的工程安全隐患识别方法及系统。

技术介绍

[0002]现有的图像识别技术发展速度较快，但尚未应用在传统工程监理行业，传统监理业务工作量大，施工现场工作面广，监理人员难以到达的死角多。

技术实现思路

[0003]本专利技术的目的是提供一种基于图像识别的工程安全隐患识别方法及系统，能够提高监理人员生产效率，降低成本。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种基于图像识别的工程安全隐患识别方法，包括：
[0006]根据固定摄像头和无人机获取工地图像的视频流数据；
[0007]对所述视频流数据进行预处理，得到预处理后的视频流数据；
[0008]根据所述预处理后的视频流数据，构建图像特征提取骨干网络模型；
[0009]根据所述图像特征提取骨干网络模型，提取图像特征；
[0010]根据所述图像特征和所述人工标注的安全隐患，训练图像检测识别模型；
[0011]获取待预测的工地图像；
[0012]对所述工地图像预处理，得到预处理后的工地图像；
[0013]根据所述预处理后的工地图像和所述图像检测识别模型进行识别，得到工地安全隐患结果。
[0014]可选地，所述对所述视频流数据进行预处理，得到预处理后的视频流数据，具体包括：
[0015]对所述视频流数据进行解码操作，得到RGB图像数据；
[0016]对所述RGB图像数据进行高斯滤波、图像归一化及图像特定尺寸缩放处理，得到预处理后的视频流数据。
[0017]可选地，所述根据所述预处理后的视频流数据，构建图像特征提取骨干网络模型，具体包括：
[0018]基于深度残差卷积神经网络构建深度学习网络模型，根据所述预处理后的视频流数据对构建的深度学习网络模型进行训练，得到图像特征提取的骨干网络模型。
[0019]可选地，所述安全隐患包括临边防护缺失和工人安全帽未佩戴。
[0020]一种基于图像识别的工程安全隐患识别系统，包括：
[0021]视频流数据获取模块，用于根据固定摄像头和无人机获取工地图像的视频流数据；
[0022]第一预处理模块，用于对所述视频流数据进行预处理，得到预处理后的视频流数
据；
[0023]图像特征提取骨干网络模型构建模块，用于根据所述预处理后的视频流数据，构建图像特征提取骨干网络模型；
[0024]图像特征提取模块，用于根据所述图像特征提取骨干网络模型，提取图像特征；
[0025]图像检测识别模型识别模块，用于根据所述图像特征和所述人工标注的安全隐患，训练图像检测识别模型；
[0026]待预测的工地图像获取模块，用于获取待预测的工地图像；
[0027]第二预处理模块，用于对所述工地图像预处理，得到预处理后的工地图像；
[0028]识别模块，用于根据所述预处理后的工地图像和所述图像检测识别模型进行识别，得到工地安全隐患结果。
[0029]可选地，所述第一预处理模块，具体包括：
[0030]解码单元，用于对所述视频流数据进行解码操作，得到RGB图像数据；
[0031]处理单元，用于对所述RGB图像数据进行高斯滤波、图像归一化及图像特定尺寸缩放处理，得到预处理后的视频流数据。
[0032]可选地，所述图像特征提取骨干网络模型构建模块，具体包括：
[0033]图像特征提取骨干网络模型构建单元，用于基于深度残差卷积神经网络构建深度学习网络模型，根据所述预处理后的视频流数据对构建的深度学习网络模型进行训练，得到图像特征提取的骨干网络模型。
[0034]可选地，所述安全隐患包括临边防护缺失和工人安全帽未佩戴。
[0035]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0036]本专利技术提供一种基于图像识别的工程安全隐患识别方法及系统。根据固定摄像头和无人机获取工地图像的视频流数据；对视频流数据进行预处理，得到预处理后的视频流数据；根据预处理后的视频流数据，构建图像特征提取骨干网络模型；根据图像特征提取骨干网络模型，提取图像特征；根据图像特征和人工标注的安全隐患，训练图像检测识别模型；获取待预测的工地图像；对工地图像预处理，得到预处理后的工地图像；根据预处理后的工地图像和图像检测识别模型进行识别，得到工地安全隐患结果。通过使用摄像头和无人机拍摄等手段获取现场施工作业照片后利用深度学习进行判定，并输出相应的现场安全隐患结果供给监理人员参考，从而达到提高监理人员生产效率，降低成本的目的。
附图说明
[0037]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0038]图1为本专利技术基于图像识别的工程安全隐患识别方法流程图；
[0039]图2为本专利技术基于图像识别的工程安全隐患识别系统结构图。
具体实施方式
[0040]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0041]本专利技术的目的是提供一种基于图像识别的工程安全隐患识别方法及系统，能够提高监理人员生产效率，降低成本。
[0042]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0043]图1为本专利技术基于图像识别的工程安全隐患识别方法流程图。如图1所示，一种基于图像识别的工程安全隐患识别方法包括：
[0044]步骤101：根据固定摄像头和无人机获取工地图像的视频流数据。
[0045]对于视频流数据的获取，主要采用预安装固定摄像头和无人机搭载高清摄像机两种方式。预安装固定摄像头的视频流数据获取方式，在技术上的实现为主要通过对摄像的控制调节来实时获取所需视频流数据，对于摄像头的调节与控制，针对特定场景，可采用Python编程语言通过编程来实现自动化。无人机搭载高清摄像机的视频流数据获取方式，在技术上的实现为：搭建接收无人机流的rtmp服务器，无人机通过图传技术将获取的视频数据实时上传至rtmp流服务器。
[0046]步骤102：对所述视频流数据进行预处理，得到预处理后的视频流数据，具体包括：
[0047]对所述视频流数据进行解码操作，得到RGB图像数据。具体的，对于固定摄像头或无人机采集回来的视频流数据，进行基于H.264编解码技术进行针对视频流的每一帧进行解码，转换为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像识别的工程安全隐患识别方法，其特征在于，包括：根据固定摄像头和无人机获取工地图像的视频流数据；对所述视频流数据进行预处理，得到预处理后的视频流数据；根据所述预处理后的视频流数据，构建图像特征提取骨干网络模型；根据所述图像特征提取骨干网络模型，提取图像特征；根据所述图像特征和所述人工标注的安全隐患，训练图像检测识别模型；获取待预测的工地图像；对所述工地图像预处理，得到预处理后的工地图像；根据所述预处理后的工地图像和所述图像检测识别模型进行识别，得到工地安全隐患结果。2.根据权利要求1所述的基于图像识别的工程安全隐患识别方法，其特征在于，所述对所述视频流数据进行预处理，得到预处理后的视频流数据，具体包括：对所述视频流数据进行解码操作，得到RGB图像数据；对所述RGB图像数据进行高斯滤波、图像归一化及图像特定尺寸缩放处理，得到预处理后的视频流数据。3.根据权利要求1所述的基于图像识别的工程安全隐患识别方法，其特征在于，所述根据所述预处理后的视频流数据，构建图像特征提取骨干网络模型，具体包括：基于深度残差卷积神经网络构建深度学习网络模型，根据所述预处理后的视频流数据对构建的深度学习网络模型进行训练，得到图像特征提取的骨干网络模型。4.根据权利要求1所述的基于图像识别的工程安全隐患识别方法，其特征在于，所述安全隐患包括临边防护缺失和工人安全帽未佩戴。5.一种基于图像识别的工程安全隐患识别系统，其特征在于，包括：视频流数据获取模块，用于根据固定摄像头和无人机获取工...

【专利技术属性】
技术研发人员：黄科锋，张海丰，张晨晨，陈云龙，李奇岩，胡心怡，杨扬，周亚峰，
申请(专利权)人：上海建科工程咨询有限公司，
类型：发明
国别省市：