基于视频信息行为模式识别的施工安全判别方法及系统技术方案

本发明专利技术属于隧道安全施工领域，提供了一种基于视频信息行为模式识别的施工安全判别方法及系统。其中，该方法包括获取设定工作区域内人员的彩色图像和深度图像以及隧道施工效果图；提取彩色图像中的人脸特征信息并与预设人脸特征模板的匹配程度来确定人员身份，进而跟踪人员来判断已确定身份的人员是否离开正常工作区域；提取已确定身份的深度图像中的人体骨骼节点信息，并基于行为判别模型识别出人员行为，进而与违规信息库中的违规行为进行对比，实时判断人员的违规行为；基于隧道施工效果图及施工效果检验模型，实时判断当前隧道施工是否符合预期方案。工是否符合预期方案。工是否符合预期方案。

【技术实现步骤摘要】
基于视频信息行为模式识别的施工安全判别方法及系统


[0001]本专利技术属于隧道安全施工领域，尤其涉及一种基于视频信息行为模式识别的施工安全判别方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]由于隧道施工环境复杂，风险相对较高，管理难度较大，无论是隧道施工设备的故障或违规使用，还是工人不规范施工，都将对隧道安全建设带来重大影响，如何在隧道中保证人员，设备安全施工，保证隧道施工的规范和质量，加强人员管理成为当前施工方比较关注的问题。
[0004]由于目前技术条件限制以及隧道环境及其复杂，施工安全监测预警一直都是以人工监督为主，通过管理人员现场监督收集信息。专利技术人发现，由于管理人员无法全方位实时监督，且无法实时快速做出准确应对，挖掘机、喷锚、架设钢拱架、仰拱浇筑等施工操作无法实时全方位判识是否符合预期施工规范；隧道内工人的个别行动问题以及抽烟等不规范施工问题无法实现实时监督。

技术实现思路

[0005]为了解决上述
技术介绍
中存在的技术问题，本专利技术提供一种基于视频信息行为模式识别的施工安全判别方法及系统，其能够实时判识施工人员身份信息、施工人员行为是否符合行为规范以及施工效果是否符合预期施工方案，从而保障隧道安全生产建设。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]本专利技术的第一个方面提供一种基于视频信息行为模式识别的施工安全判别方法，其包括：
[0008]获取设定工作区域内人员的彩色图像和深度图像以及隧道施工效果图；
[0009]提取彩色图像中的人脸特征信息并与预设人脸特征模板的匹配程度来确定人员身份，进而跟踪人员来判断已确定身份的人员是否离开正常工作区域；
[0010]提取已确定身份的深度图像中的人体骨骼节点信息，并基于行为判别模型识别出人员行为，进而与违规信息库中的违规行为进行对比，实时判断人员的违规行为；
[0011]基于隧道施工效果图及施工效果检验模型，实时判断当前隧道施工是否符合预期方案。
[0012]本专利技术的第二个方面提供一种基于视频信息行为模式识别的施工安全判别系统，其包括：
[0013]图像获取模块，其用于获取设定工作区域内人员的彩色图像和深度图像以及隧道施工效果图；
[0014]身份及位置确认模块，其用于提取彩色图像中的人脸特征信息并与预设人脸特征
模板的匹配程度来确定人员身份，进而跟踪人员来判断已确定身份的人员是否离开正常工作区域；
[0015]违规行为判断模块，其用于提取已确定身份的深度图像中的人体骨骼节点信息，并基于行为判别模型识别出人员行为，进而与违规信息库中的违规行为进行对比，实时判断人员的违规行为；
[0016]施工效果检验模块，其用于基于隧道施工效果图及施工效果检验模型，实时判断当前隧道施工是否符合预期方案。
[0017]本专利技术的第三个方面提供一种基于视频信息行为模式识别的施工安全判别系统，其包括：
[0018]图像采集终端，其用于采集设定工作区域内人员的彩色图像和深度图像以及隧道施工效果图；
[0019]图像处理终端，其被配置为：
[0020]提取彩色图像中的人脸特征信息并与预设人脸特征模板的匹配程度来确定人员身份，进而跟踪人员来判断已确定身份的人员是否离开正常工作区域；
[0021]提取已确定身份的深度图像中的人体骨骼节点信息，并基于行为判别模型识别出人员行为，进而与违规信息库中的违规行为进行对比，实时判断人员的违规行为；
[0022]基于隧道施工效果图及施工效果检验模型，实时判断当前隧道施工是否符合预期方案。
[0023]本专利技术的第四个方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的基于视频信息行为模式识别的施工安全判别方法中的步骤。
[0024]本专利技术的第五个方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的基于视频信息行为模式识别的施工安全判别方法中的步骤。
[0025]与现有技术相比，本专利技术的有益效果是：
[0026]本专利技术采用人脸特征模板匹配的方法来确定人员身份，进而跟踪人员来判断已确定身份的人员是否离开正常工作区域，基于行为判别模型识别出人员行为，与违规信息库中的违规行为进行对比，实时判断人员的违规行为；还基于隧道施工效果图及施工效果检验模型，实时判断当前隧道施工是否符合预期方案，从人员身份、位置范围、人员行为及施工效果这几个方面多角度进行同时监控，保障了隧道安全生产建设。
[0027]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0028]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0029]图1是本专利技术实施例一的基于视频信息行为模式识别的施工安全判别方法流程图；
[0030]图2是本专利技术实施例二的基于视频信息行为模式识别的施工安全判别系统结构示
意图；
[0031]图3是本专利技术实施例三的基于视频信息行为模式识别的施工安全判别实际应用流程。
具体实施方式
[0032]下面结合附图与实施例对本专利技术作进一步说明。
[0033]应该指出，以下详细说明都是例示性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0034]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0035]实施例一
[0036]如图1所示，本实施例提供了一种基于视频信息行为模式识别的施工安全判别方法，其具体包括如下步骤：
[0037]S101：获取设定工作区域内人员的彩色图像和深度图像以及隧道施工效果图。
[0038]在具体实施过程中，可采用设置在设定工作区域内的摄像头，比如设定隧道区域等，预先设定位置的地方安装的图像采集装置来采集相应图像信息。
[0039]S102：提取彩色图像中的人脸特征信息并与预设人脸特征模板的匹配程度来确定人员身份，进而跟踪人员来判断已确定身份的人员是否离开正常工作区域。
[0040]在本实施例中，所述匹配程度采用人脸特征信息与预设人脸特征模板的余弦相似度来度量。
[0041]人脸图像与数据库储存的特征模型本质上是两个向量的匹配。通过余弦相似度来进行度量，是用向量空本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视频信息行为模式识别的施工安全判别方法，其特征在于，包括：获取设定工作区域内人员的彩色图像和深度图像以及隧道施工效果图；提取彩色图像中的人脸特征信息并与预设人脸特征模板的匹配程度来确定人员身份，进而跟踪人员来判断已确定身份的人员是否离开正常工作区域；提取已确定身份的深度图像中的人体骨骼节点信息，并基于行为判别模型识别出人员行为，进而与违规信息库中的违规行为进行对比，实时判断人员的违规行为；基于隧道施工效果图及施工效果检验模型，实时判断当前隧道施工是否符合预期方案。2.如权利要求1所述的基于视频信息行为模式识别的施工安全判别方法，其特征在于，所述匹配程度采用人脸特征信息与预设人脸特征模板的余弦相似度来度量。3.如权利要求1所述的基于视频信息行为模式识别的施工安全判别方法，其特征在于，当提取彩色图像中的人脸特征信息与预设人脸特征模板的匹配程度大于或等于预设匹配程度阈值，则确定出人员身份；否则，判断人员身份确定失败并输出报警信息。4.如权利要求1所述的基于视频信息行为模式识别的施工安全判别方法，其特征在于，所述行为判别模型为基于ACO
‑
TWSVM的卷积神经网络图像识别模型。5.如权利要求1所述的基于视频信息行为模式识别的施工安全判别方法，其特征在于，所述施工效果检验模型也为基于ACO
‑
TWSVM的卷积神经网络图像识别模型。6.如权利要求1所述的基于视频信息行为模式识别的施工安全判别方法，其特征在于，所述基于视频信息行为模式识别的施工安全判别方法还包括：将隧道施工效果图发送至施工方及监理方，采用人工方式来判断施工效果。7.一种基于视频信息行为模式识别的施工安全判别系统，其特征在于，包括：图像获取模...

【专利技术属性】
技术研发人员：成帅，王超，陈文尹，周宗青，杨钧岩，余诚，靳昊，高上，陈彦好，王建波，
申请(专利权)人：中铁四局集团有限公司，
类型：发明
国别省市：