一种基于AI技术的建筑工人行为安全管理矫正方法及系统技术方案

本发明专利技术公开一种基于AI技术的建筑工人行为安全管理矫正方法及系统，包括云计算中心、区域边缘计算中心和前端感知设备；云计算中心内的不安全行为识别模型训练功能的平台通过导入来自建筑工地的前端感知设备收集的不安全行为实例的视频图像数据集，对不安全行为算法进行反复训练得不安全行为模型后，直接把模型加载至区域边缘计算中心，从而对视频图像数据集进行人工智能分析，智能识别出所训练的不安全行为并分类和存储；并对识别后的图像上进行样本标注，一方面提供给人工智能模型训练平台进行训练，另一方给行为矫正精准干预功能的平台提供所需案例样本。该系统有效的减少工人生产作业过程中的不安全行为，强化了行为安全。全。全。

【技术实现步骤摘要】
一种基于AI技术的建筑工人行为安全管理矫正方法及系统


[0001]本专利技术涉及建筑行业的安全管理领域，具体涉及一种基于AI技术的建筑工人行为安全管理矫正方法及系统。

技术介绍

[0002]随着建筑行业的快速发展，也伴随着安全事故频繁。2019年，我国仅在建筑行业的房屋市政工程领域生产安全事故就发生773起、死亡904人，比2018年事故起数增加39起、死亡人数增加64人，分别上升5.31％和7.62％。2021年7月12日，应急管理部发文称，建筑业安全生产形势不容乐观，统计数据显示，今年以来建筑业事故总量同比上升4.3％。建筑行业不仅事故多发，且人因导致事故所占比例高达85％。只要观察过建筑工地的人就会发现，全国5000多万的建筑工人大多是60后70后在工地干活，他们流动性强、受教育程度普遍不高，接受专业技能培训不足的现状，使得因建筑工人的不安全行为而导致的事故时频频发生，建筑工人的行为安全已经成为建筑行业建设中重要的研究课题。
[0003]不安全行为是导致事故发生的直接原因之一，安全行为的养成是预防事故发生的重要途径之一。行为安全作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI技术的建筑工人行为安全管理矫正方法及系统，其特征在于，包括一个企业级的云计算中心、多个工地级的区域边缘计算中心和若干个前端感知设备；所述的前端感知设备位于系统的前端或接入端，前端感知设备包括直接通过线路连接的固定感知设备和通过无线信号连接的移动感知设备，视频图像采集模块用于获取建筑工人的不安全行为的视频及图片；云计算中心位于系统的远端，区域边缘计算中心位于前端感知设备和云计算中心的之间，建筑工人智能应用终端位于系统的应用端；区域边缘计算中心具有建筑工人不安全行为自动识别功能、分类功能及存储功能；所述的云计算中心内具有AI智能学习功能、不安全行为识别模型训练功能和行为矫正精准干预功能，不安全行为识别模型训练功能的平台通过导入来自建筑工地的前端感知设备收集的不安全行为实例的视频图像数据集，对不安全行为算法进行反复训练得不安全行为模型后，直接把模型加载至区域边缘计算中心，从而对视频图像数据集进行人工智能分析，智能识别出所训练的不安全行为并分类和存储；并对识别后的图像上进行样本标注，一方面提供给人工智能模型训练平台进行训练，另一方给行为矫正精准干预功能的平台提供所需案例样本；行为矫正精准干预功能的平台通过AI智能学习的方法中的数据挖掘、统计分析明确不安全行为与各工种岗位、施工工序的多维度交互后的干预节点，实现对建筑工人行为矫正或个性化培训，达到精准干预的目的，配套开发个性化培训系统，达到矫正工人不安全行为。2.根据权利要求1所述的一种基于AI技术的建筑工人行为安全管理矫正方法及系统，其特征在于，所述的建筑工人行为安全管理矫正方法及系统中采用采用云边端网络系统，云边端网络系统包括前端感知层、区域边缘计算层、云计算层和智能应用层；所述的前端感知层位于网络系统的前端或接入端，负责建筑工地现场视频图像数据采集的网络传输；所述的区域边缘计算层负责汇总各个前端感知设备送来的非结构化视频数据和物联网数据，并进行预处理，按既定规则触发相应动作，同时将处理结构及有关数据上传给云端；所述的云计算层位于系统的远端，云计算层负责全局信息的处理和存储，承担区域边缘计算层无法执行的计算任务，并向区域边缘计算层下发业务规则、算法模型以及各类应用的开发对接提供标准的API；云计算层还负责工人的行为矫正，开发个性化行为安全培训，基于岗位工种及施工工序的关键行为的监测结果确定靶向干预节点，实现不安全行为二次干预及多次干预；所述智能应用层利用分析处理的结构化数据，结合特定的业务需求和应用模型，为用户提供垂直的应用服务。3.根据权利要求1所述的一种基于AI技术的建筑工人行为安全管理矫正方法及系统，其特征在于，所述的云计算中心内设置有区域边缘管理模块、视频云平台模块、不安全行为识别平台模块、行为矫正平台模块和物联网平台模块，各个模块协同合作，实现云计算中心的AI智能学习功能、不安全行为识别模型训练功能和行为矫正精准干预功能。4.根据权利要求3所述的一种基于AI技术的建筑工人行为安全管理矫正方法及系统，其特征在于，所述的区域边缘管理模块包括区域管理子模块、组件管理子模块、服务管理子
模块、服务编排子模块，以实现区域边缘计算的资源监控功能；所述的视频云平台模块包括视频存储子模块、视频分发子模块、视频处理子模块、质量诊断子模块，以实现视频图像的结构化数据功能；所述的不安全行为识别平台模块包括算法市场子模块、模型训练子模块、样本标注子模块、模型分发子模块，以实现模型算法的智能管理功能；所述的行为矫正平台模块包括用户管理子模块、案例管理子模块、特征分析子模块、内容推荐子模块、矫正反馈子模块、培训评价子模块，实现对建筑工人行为矫正，达到精准干预的目的，开发了个性化培训系统，最终达到矫正工人不安全行为；所述的物联网平台模块包括设备管理子模块、连接管理子模块、数据分析子模块、数据管理子模块，规则引擎子模块、用户管理子模块，以实现对各类设备管理功能。5.根据权利要求1所述的一种基于AI技术的建筑工人行为安全管理矫正方法及系统，其特征在于，所述区域边缘计算中心内设置有边缘计算网络计算存储模块、操作系统一体化平台模块、Docker容器模块、应用程序模块、设备管理模块、调度管理模块；所述的操作系统一体化平台模块包括网络子模块、计算子模块、存储子模块、操作系统子模块，以实现边缘计算支持平台功能；所述的Docker容器模块，以实现多个应用程序在虚拟机轻巧、模块化使用；所述的应用程序模块包括若干个不安全行为识别应用程序，以实现对各种不安全行为识别，所述的设备管理模块，以实现对接入设备的管理功能；所述的调度管理模块以实现任务调度功能，包括云计算中心与区域边缘计算中心的任务调度。6.根据权利要求1所述的一种基于AI技术的建筑工人行为安全管理矫正方法及系统，其特征在于，所述不安全行为识别平台模块通过不安全行为模型训练方法进行模型训练，其模型训练方法包括如下：步骤A1、首梳理建筑工人在施工现象的不安全行为：建筑工人在施工现象的不安全行为,将生产活动中人的不安全行为表现分为13类共51种，针对以下51种不安全行为列表进行统一编码或编号，用于分类采集的图像数据；步骤A2、视频图像采集和预处理：将部署在建筑工地的固定感知设备拍摄的视频图像及巡视员的移动感知设备拍摄的现场照片进行去除噪声、灰度变换、几何校正预处理，降低建筑工地施工环境对视频分析的影响；步骤A3、案例收集：根据步骤A1定义的不安...

【专利技术属性】
技术研发人员：周崇华，
申请(专利权)人：中国民航机场建设集团有限公司，
类型：发明
国别省市：