基于计算机视觉的工人与机械防撞预测的方法及系统技术方案

本发明专利技术公开了基于计算机视觉的工人与机械防撞预测的方法及系统，通过获取目标施工场地的监控视频序列，采用目标检测算法识别所述监控视频序列中的机械、工人；在所述监控视频序列中采用目标追踪算法追踪所述机械、工人的历史移动轨迹；根据所述机械、工人的历史移动轨迹预测所述机械、工人的后续移动轨迹；将所述机械、工人的后续移动轨迹进行比较，并根据比较结果判断所述机械与工人是否存在碰撞风险，从而快速、准确的预测出工人与机械存在的碰撞风险，有助于减少工地安全监管的人力成本。此外，本发明专利技术采用计算机视觉技术进行实时防撞预警，相比现有的防撞预警系统，本系统的硬件设备要求极低。硬件设备要求极低。硬件设备要求极低。

【技术实现步骤摘要】
基于计算机视觉的工人与机械防撞预测的方法及系统


[0001]本专利技术涉及工地生产安全领域，尤其涉及基于计算机视觉的工人与机械防撞预测的方法及系统。

技术介绍

[0002]随着科技进步，越来越多的机械生产设备参与到了工地的生产建设当中来。机械生产设备的加入提高了工地的工作效率的同时，也产生了很多的安全隐患，工人与机械的碰撞事故就是工地施工的常见事故之一。目前，为保证工地施工安全，施工团队往往安排专门的安全监督人员对施工作业场地进行长时间高频次的安全作业检查。然而，这种安全保障措施需要极高的人力成本。在科技快速发展的当今社会，人们开始将许多新型技术应用在工人与机械的防撞预警中。目前应用十分广泛的一种防撞预警方法为基于传感的防撞预警方法。通过在机械上部署传感设备，预警系统可以对机械的周边环境进行探测。传感器将部署机械周边其他机械的距离与速度反馈给预警系统，然后预警系统判断是否需要发出碰撞预警。另一种应用同样广泛的防撞预警方法为基于定位的防撞预警方法。基于定位的防撞预警方法以卫星技术和射频无线通信技术为主体。系统利用卫星技术获取不同机械之间的位置坐标信息，在获取位置坐标信息的基础上，利用射频无线通信技术获取距离较近的机械之间的相对距离与相对速度信息。预警系统在捕获这些信息之后判断是否需要对距离较近的机械进行碰撞预警。
[0003]尽管基于传感的防撞方法与基于定位的方法已经发展的相当成熟并且已经在实践应用中展现了它们的价值，但是这些技术仍然有许多缺陷：一，技术成本较高。基于传感的防撞方法与基于定位的方法对硬件设备的要求较高，硬件设备的部署成本与维护成本比较昂贵；二，信号要求较高。当受到信号干扰时，基于传感的防撞方法与基于定位的方法可能出现完全失效的情况；三，没有考虑到工人与机械之间的碰撞问题。基于传感的防撞方法与基于定位的方法都只考虑到了机械之间的碰撞问题，而缺少对于工人与机械之间的碰撞预警方法。

技术实现思路

[0004]本专利技术提供了基于计算机视觉的工人与机械防撞预测的方法及系统，用于解决现有技术无法预测工人与机械之间的碰撞风险所导致的工地安全隐患高的技术问题。
[0005]为解决上述技术问题，本专利技术提出的技术方案为：
[0006]一种基于计算机视觉的工人与机械防撞预测的方法，包括以下步骤：
[0007]获取目标施工场地的监控视频序列，采用目标检测算法识别所述监控视频序列中的机械、工人；
[0008]在所述监控视频序列中采用目标追踪算法追踪所述机械、工人的历史移动轨迹；
[0009]根据所述机械、工人的历史移动轨迹预测所述机械、工人的后续移动轨迹；
[0010]将所述机械、工人的后续移动轨迹进行比较，并根据比较结果判断所述机械与工
人是否存在碰撞风险。
[0011]优选的，所述目标检测算法为YOLOv5算法，所述YOLOv5算法针对不同的数据集，都会有初始设定长宽的锚框，在网络训练中，网络在初始锚框的基础上输出预测框，进而和真实框进行比对，计算两者差距，再反向更新，迭代网络参数；所述YOLOv5算法每次训练时，自适应的计算不同训练集中的最佳锚框值。
[0012]优选的，所述YOLOv5算法的损失函数为：
[0013][0014]其中，IOU是检测框与目标框的交集与并集的比值；Distance_C为最小外接矩形的对角线距离；Distance_2为检测框中心点与真实框中心点的欧氏距离；v是衡量长宽比一致性的参数，定义为：
[0015][0016]其中，w
gt
与h
gt
是真实框的宽与高；w
p
与h
p
是检测框的宽与高。
[0017]优选的，采用Mosaic数据增强方法构建训练集。
[0018]优选的，根据所述机械、工人的历史移动轨迹预测所述机械、工人的后续移动轨迹，具体包括以下步骤：
[0019]针对机械或工人的历史移动轨迹：
[0020]根据所述历史移动轨迹生成线性回归函数，并采用梯度下降法调节线性回归函数中的参数；
[0021]其中，所述线性回归函数为：
[0022]f(x)＝ax+b
[0023]其中，(x,f(x))为目标的位置信息，a与b分别为两个不同的函数参数。
[0024]其中，所述梯度下降法公式为：
[0025][0026]其中，x
(i)
与y
(i)
为历史轨迹点的位置信息，f(x
(i)
)为根据某一历史轨迹点x
(i)
生成的预测值；
[0027]在梯度下降法中，首先给参数a赋一个初始值，之后不断调整a的取值，直到J(a)取得最小值时。
[0028]优选的，将所述机械、工人的后续移动轨迹进行比较，并根据比较结果判断所述机械与工人是否存在碰撞风险，通过以下任一方法实现：
[0029]方法一：判断所述机械的后续移动轨迹和所述工人的后续移动轨迹是否在同一时空内存在重合，若存在重合，则判断所述机械与工人存在碰撞风险；
[0030]方法二：计算所述机械的后续移动轨迹和所述工人的后续移动轨迹之间的最短距离，判断所述最短距离是否小于预设的安全距离，若所述最短距离小于预设的安全距离，判断所述机械与工人存在碰撞风险。
[0031]优选的，所述目标追踪算法为deepsort算法，具体包括以下步骤：
[0032]提取前后两帧中各个检测框中的目标特征，所述目标特征包括外观特征和运动特征，所述目标为机械或工人；
[0033]对于前一帧监控视频中的任意第i个检测框中的第i个目标的特征，以及后一帧监控视频中的任意第j个检测框中的第j个目标的特征：
[0034]分别计算第i个目标的特征和第j个目标的特征之间的匹配程度，当所述匹配程度大于预设的阈值，则判断第i个目标和第j个目标匹配成功，为每个匹配成功的目标分配ID；
[0035]优选的，分别计算第i个目标的特征和第j个目标的特征之间的匹配程度，当所述匹配程度大于预设的阈值，则判断第i个目标和第j个目标匹配成功，具体为：
[0036]计算前一帧监控视频中第i个目标的运动特征与后一帧监控视频中的第j个目标的运动特征之间的运动匹配度其中，所述运动匹配度d
(1)
计算公式为：
[0037][0038]其中，d
(1)
(i,j)中1表示前一帧监控视频中第i个目标与后一帧监控视频中的第j个目标之间有线，0则表示无线，该表达式值表示为第j个检测框和第i条轨迹之间的运动匹配度；是轨迹由卡尔曼滤波器预测得到的在当前时刻观测空间的协方差矩阵的逆矩阵；d
j
是第j个检测框的bounding box；y
i
是轨迹在当前时刻的预测量bounding box；
[0039]将所述运动匹配度输入至预设的运动匹配度门限函数中，判断前一帧监控视频中第i个目标的运动特征与后一帧本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于计算机视觉的工人与机械防撞预测的方法，其特征在于，包括以下步骤：获取目标施工场地的监控视频序列，采用目标检测算法识别所述监控视频序列中的机械、工人；在所述监控视频序列中采用目标追踪算法追踪所述机械、工人的历史移动轨迹；根据所述机械、工人的历史移动轨迹预测所述机械、工人的后续移动轨迹；将所述机械、工人的后续移动轨迹进行比较，并根据比较结果判断所述机械与工人是否存在碰撞风险。2.根据权利要求1所述的基于计算机视觉的工人与机械防撞预测的方法，其特征在于，所述目标检测算法为YOLOv5算法，所述YOLOv5算法针对不同的数据集，都会有初始设定长宽的锚框，在网络训练中，网络在初始锚框的基础上输出预测框，进而和真实框进行比对，计算两者差距，再反向更新，迭代网络参数；所述YOLOv5算法每次训练时，自适应的计算不同训练集中的最佳锚框值。3.根据权利要求2所述的基于计算机视觉的工人与机械防撞预测的方法，其特征在于，所述YOLOv5算法的损失函数为：其中，IOU是检测框与目标框的交集与并集的比值；Distance_C为最小外接矩形的对角线距离；Distance_2为检测框中心点与真实框中心点的欧氏距离；v是衡量长宽比一致性的参数，定义为：其中，w
gt
与h
gt
是真实框的宽与高；w
p
与h
p
是检测框的宽与高。4.根据权利要求3所述的基于计算机视觉的工人与机械防撞预测的方法，其特征在于，采用Mosaic数据增强方法构建训练集。5.根据权利要求1所述的基于计算机视觉的工人与机械防撞预测的方法，其特征在于，根据所述机械、工人的历史移动轨迹预测所述机械、工人的后续移动轨迹，具体包括以下步骤：针对机械或工人的历史移动轨迹：根据所述历史移动轨迹生成线性回归函数，并采用梯度下降法调节线性回归函数中的参数；其中，所述线性回归函数为：f(x)＝ax+b其中，(x,f(x))为目标的位置信息，a与b分别为两个不同的函数参数；其中，所述梯度下降法公式为：其中，x
(i)
与y
(i)
为历史轨迹点的位置信息，f(x
(i)
)为根据某一历史轨迹点x
(i)
生成的预
测值；在梯度下降法中，首先给参数a赋一个初始值，之后不断调整a的取值，直到J(a)取得最小值时。6.根据权利要求1所述的基于计算机视觉的工人与机械防撞预测的方法，其特征在于，将所述机械、工人的后续移动轨迹进行比较，并根据比较结果判断所述机械与工人是否存在碰撞风险，通过以下任一方法实现：方法一：判断所述机械的后续移动轨迹和所述工人的后续移动轨迹是否在同一时空内存在重合，若存在重合，则判断所述机械与工人存在碰撞风险；方法二：计算所述机械的后续移动轨迹和所述工人的后续移动轨迹之间的最短距离，判断所述最短距离是否小于预设的安全距离，若所述最短距离小于预设的安全距离，判断所述机械与工人存在碰撞风险。7.根据权利要求1所述的基于计算机视觉的工人与机械防撞预测的方法，其特征在于，所述目标追踪算法为deepsort算法，具体包括以下步骤：提取前后两帧中各个检测框中的目标特征，所述目标特征包括外观特征和运动特征，所述目标为机械或工人；对于前一帧监控视频中的任意第i个检测框中的第i个目标的特征，以及后一帧监控视频中的任意第j个检测框中的第j个目标的特征：分别计算第i个目标的特征和第j个目标的特征之间的匹配程度，当所述匹配程度大于预设的阈值，则判断第i个目标和第j个目标匹配成功，为每个匹配成功的目标分配ID。8.根据权利要求7所述的基于计算机视觉的工人与机械防撞预测的方法，其特征在于，分别计算第i个目标的特征和第j个目标的特征之间的匹配程度，当所述匹配程度大于预设的阈值，则判断第i个目标和第j个目标匹配成功，具体为：计算前一帧监控视频中第i个目标的运动特征与后一帧监控视频中的第j个目标的运动特征之间的运动匹配度其中，所述运动...

【专利技术属性】
技术研发人员：王斌，刘弈，盛津芳，
申请(专利权)人：中南大学，
类型：发明
国别省市：