一种工地人员安全行为识别方法及装置制造方法及图纸

本发明专利技术实施例提供了一种工地人员安全行为识别方法及装置，通过获取工作区域内工作人员视频数据，并依据全卷积神经网络确定所述视频数据中所述工作人员的外部特征；依据所述工作人员的外部特征生成骨骼关键点的位置数据以及骨骼关键点之间的连接信息数据；依据所述工作人员的外部特征、骨骼关键点的位置数据以及骨骼关键点之间的连接信息数据生成相对应的工作人员的骨骼信息；依据所述工作人员的骨骼信息生成工作人员的姿态特征；依据所述姿态特征生成所述工作人员的行为的安全结果；其中，所述安全结果包括安全和不安全。通过色彩增强、灰度化等图像处理操作得到更适合神经网络处理分析的图像，提高数据处理的效率。提高数据处理的效率。提高数据处理的效率。

【技术实现步骤摘要】
一种工地人员安全行为识别方法及装置


[0001]本专利技术涉及工地生产现场安全监测领域，具体涉及一种工地人员安全行为识别方法及装置。

技术介绍

[0002]通过对作业人员在工地上的动作行为进行监测，配合一定的监管制度，能够在一定程度上降低安全事故的发生率，提高作业人员作业的安全系数。随着人工智能等技术快速更迭，将人工智能应用于工地的智慧工地越来越具有实际意义，其中人体行为识别作为以上作业人员行为监测的实质问题，作为人工智能领域中一个非常重要的分支，在深度学习飞速的发展之下，逐渐成为了国内外学者研究的热门领域。
[0003]随着相机的普及，RGB图像(RGB色彩模式是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的)视频数据的使用变得十分广泛，很多科研工作者着手于基于RGB图像视频实现行为识别的方法。
[0004]目前主流的方法有将图像数据和光流组成双流网络的双流法和直接使用图像数据输入3D卷积网络的方法，还有一系列基于骨骼数据的监督方法等。在我国，中国科学院本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工地人员安全行为识别方法，所述方法用于对工地人员行为是否安全进行识别，其特征在于，包括：获取工作区域内工作人员视频数据，并依据全卷积神经网络确定所述视频数据中所述工作人员的外部特征；依据所述工作人员的外部特征生成骨骼关键点的位置数据以及骨骼关键点之间的连接信息数据；依据所述工作人员的外部特征、骨骼关键点的位置数据以及骨骼关键点之间的连接信息数据生成相对应的工作人员的骨骼信息；依据所述工作人员的骨骼信息生成工作人员的姿态特征；依据所述姿态特征生成所述工作人员的行为的安全结果；其中，所述安全结果包括安全和不安全。2.根据权利要求1所述的工地人员安全行为识别方法，其特征在于，所述依据全卷积神经网络确定所述视频数据中所述工作人员的外部特征的步骤，包括：依据所述视频数据中的每帧图像分别进行彩色图像增强生成相对应的增强图像；依据所述增强图像中进行灰度化生成相对应的灰度图像；将所述灰度图输入全卷积神经网络获得所述工作人员的外部特征。3.根据权利要求2所述的工地人员安全行为识别方法，其特征在于，所述依据所述视频数据中的每帧图像分别进行彩色图像增强生成相对应的增强图像的步骤，包括：依据所述视频数据中的每帧图像分别生成子灰度直方图集；其中，所述子灰度直方图集包括第一子灰度直方图、第二子灰度直方图、第三子灰度直方图以及第四子灰度直方图；依据所述子灰度直方图集生成均衡直方图集；其中，所述均衡直方图集包括第一均衡直方图、第二均衡直方图、第三均衡直方图以及第四均衡直方图；依据所述均衡直方图集生成相对应的增强图像。4.根据权利要求3所述的工地人员安全行为识别方法，其特征在于，所述依据所述均衡直方图集生成相对应的增强图像的步骤，包括：确定所述均衡直方图集内的第一均衡直方图、第二均衡直方图、第三均衡直方图以及第四均衡直方图的灰度级分别占相对应所述视频数据中每帧图像的灰度级的比例；依据所述比例将所述第一均衡直方图、第二均衡直方图、第三均衡直方图以及第四均衡直方图进行合并生成所述相对应的增强图像。5.根据权利要求2所述的工地人员安全行为识别方法，其特征在于，所述依据所述增强图像中进行灰度化生成相对应的灰度图像的步骤，包括：依据所述增强图像进行均衡化处理生成相对应的均衡...

【专利技术属性】
技术研发人员：杨涛，彭保，齐觊，
申请(专利权)人：深圳市科荣软件股份有限公司，
类型：发明
国别省市：