一种基于深度学习自适应的施工人员安全监测方法、系统及装置制造方法及图纸

本发明专利技术属于施工安全保护技术领域，公开了一种基于深度学习自适应的施工人员安全监测方法、系统及装置。包括对施工区域进行全局监控，并将所监控的区域均匀划分为若干区域，得到划分区域后的若干监控画面；用红点1标记所划分若干监控画面的中心位置，并用红框2标记每个监控画面中的施工人员，对每个监控画面中红框2标记的施工人员放大聚焦后通过目标检测算法对施工人员的姿态和施工人员的安全帽进行监测，完成施工人员的安全监测。降低安全事故的发生，保障了施工人员的安全。同时避免了人工方式对视频中的施工人员进行监控，避免了人力成本高，费时费力且容易疲劳，造成监控遗漏和疏忽，导致施工人员受伤害的问题发生。导致施工人员受伤害的问题发生。导致施工人员受伤害的问题发生。

【技术实现步骤摘要】
一种基于深度学习自适应的施工人员安全监测方法、系统及装置


[0001]本专利技术属于施工安全保护
，具体涉及一种基于深度学习自适应的施工人员安全监测方法、系统及装置。

技术介绍

[0002]目前提倡的“智慧工地”等项目，体现的智慧能力之一就是在施工过程中能够自动及时的发现安全隐患，降低安全事故的发生。而很多安全事故的发生是由人的不安全行为导致的，因此需要装备更智能的监控设施实时对施工人员的行为进行监督约束，及时发现和纠正危险的行为举动。
[0003]传统的视频监控方式是在工业现场布置一定数量的监控摄像头，在监控室电视墙上同时显示监控视频。监督人员实时紧盯监控画面，查看施工人员现场情况。
[0004]传统的视频监控方式主要通过人工方式对视频中的施工人员进行监控，人力成本高，费时费力。并且容易疲劳，往往会遗漏风险问题。视频监控设备的性能也存在一定的不足和局限性，当监控区域较大时，为了方便人员在全局范围内进行实时监控，需要布置更密集的监控摄像头减少盲区，但这样会导致硬件成本较高。若为了缩减成本，布置少量的摄像头，则需要监控人员操作控制器进行巡检，逐一调节每一个摄像头的拍摄角度，切换监控区域，这会导致全局巡检周期较长，实时性较差，不能及时发现风险点。

技术实现思路

[0005]本专利技术的目的在于提供一种基于深度学习自适应的施工人员安全监测方法、系统及装置，以解决现有技术中的问题；
[0006]为了解决上述问题，本专利技术提供如下技术方案：
[0007]一种基于深度学习自适应的施工人员安全监测方法，包括：
[0008]对施工区域进行全局监控，并将所监控的区域均匀划分为若干区域，得到划分区域后的若干监控画面；用红点1标记所划分若干监控画面的中心位置，并用红框2标记每个监控画面中的施工人员，对每个监控画面中红框2标记的施工人员放大聚焦后通过目标检测算法对施工人员的姿态和施工人员的安全帽进行监测，完成施工人员的安全监测。
[0009]进一步地，所述对每个监控画面的施工人员放大聚焦的放大倍数为：放大的施工人员占所放大画面的三分之一至二分之一。
[0010]进一步地，将全局监控的区域划分为若干区域采用4
×
4，5
×
5的方式进行划分。
[0011]进一步地，所述施工人员的安全监测方法为：监测清晰画面中红框2标记的施工人员和安全帽，采用目标检测算法判断人体姿态和安全帽的相对位置是否一一对应，若所判断的结果与监测画面的结果相一致，则施工人员处于安全作业状态，若所判断的结果与监测画面的结果不一致，则施工人员作业存在安全隐患，并对存在安全隐患的施工人员重点标记和显示，将显示结果传输至施工区域报警设备中，提醒施工人员安全作业。
[0012]一种基于深度学习自适应的施工人员安全监测系统，包括：
[0013]监控模块，用于对施工区域进行全局监控，并将所监控的区域均匀划分为若干区域，得到划分区域后的若干监控画面；
[0014]判断模块，用于判断监控画面中的施工人员是否安全作业，包括：用红点1标记所划分若干监控画面的中心位置，并用红框2标记每个监控画面中的施工人员，对每个监控画面中红框2标记的施工人员放大聚焦后通过目标检测算法对施工人员的姿态和施工人员的安全帽进行监测，完成施工人员的安全监测。
[0015]一种基于深度学习自适应的施工人员安全监测装置，包括：长焦摄像头、超广角摄像头、处理器和报警器，其中：
[0016]所述长焦摄像头和所述超广角摄像头均无线连接于所述处理器上；
[0017]所述处理器上配置有与所述处理器相连接的显示器；
[0018]所述报警器无线连接于所述处理器上。
[0019]进一步地，所述报警器为声光报警器。
[0020]进一步地，所述超广角摄像头和所述长焦摄像头设置于同一吊装架摄像头固定板和吊装架固定底座上，其中：
[0021]所述超广角摄像头和所述长焦摄像头固定连接于所述吊装架摄像头固定板的下端；
[0022]所述吊装架固定底座通过吊装架拉杆固定连接于所述吊装架摄像头固定板的上端。
[0023]进一步地，所述长焦摄像头可围绕吊装架摄像头固定板上下左右旋转。
[0024]相较于现有技术，本专利技术的优点在于：
[0025]本专利技术的一种基于深度学习自适应的是施工人员安全监测方法，通过对施工区域的全局监控，以及对所监控的施工区域进行划分，对所划分区域中的施工人员放大聚焦后通过目标监测算法对施工人员的姿态及是否佩戴安全帽尽心监测，使得在施工过程中能够自动及时的发现安全隐患，降低安全事故的发生，且当施工人员存在安全隐患时，能够及时发现和纠正危险的行为举动，保障了施工人员的安全。同时避免了人工方式对视频中的施工人员进行监控，避免了人力成本高，费时费力且容易疲劳，造成监控遗漏和疏忽，导致施工人员受伤害的问题发生。
[0026]本专利技术的一种基于深度学习自适应的施工人员安全监测系统，通过监控模块对施工区域的监控，以及判断模块对监控区域中的作业人员进行监控和安全判断，进一步保障了作业人员的安全，避免了作业人员在作业过程中发生危险。
[0027]本专利技术的一种基于深度学习自适应的施工人员安全监测装置，通过长焦摄像头、超广角摄像头、处理器和报警器结构，使得在长焦摄像头和超广角摄像头将施工区域的清晰画面传世至与处理器相配置的显示器上，并当存在安全隐患时及时传输至报警器上，进一步保障了作业人员的安全。
[0028]进一步地，通过将报警器设为声光报警器，能够在当作业人员存在安全隐患时通过监控系统第一时间发现，并将所监控的结果传输至声光报警器进行报警，极大地减少了安全隐患传达费时费力或传达不及时的问题，最大程度地减少了作业人员受伤害的风险。
[0029]进一步地，通过长焦摄像头可围绕长焦摄像头底座上下左右旋转，避免了长焦摄
像头监控不到位，存在监控死角，导致作业人员存在安全隐患的问题发生。
附图说明
[0030]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。在附图中：
[0031]图1为本专利技术一种基于深度学习自适应的施工人员安全监测方法的流程示意图；
[0032]图2为本专利技术一种基于深度学习自适应的施工人员安全监测方法中超广角摄像头所拍摄的画面，并将所拍摄的画面进行分割和在中心点进行标记；
[0033]图3为本专利技术一种基于深度学习自适应的施工人员安全监测方法中采用红框2对作业人员进行标记的示意图；
[0034]图4为本专利技术一种基于深度学习自适应的施工人员安全监测方法中对作业人员进行放大监测的图像。
[0035]其中：红点1，红框2。
具体实施方式
[0036]下面将参考附图并结合实施例来详细说明本专利技术。需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习自适应的施工人员安全监测方法，其特征在于，包括：对施工区域进行全局监控，并将所监控的全局区域均匀划分为若干区域，得到划分区域后的若干监控画面；用红点标记所划分若干监控画面的中心位置，并用红框标记每个监控画面中的施工人员，对每个监控画面中红框标记的施工人员放大聚焦后通过目标检测算法对施工人员的姿态和施工人员的安全帽进行监测，完成施工人员的安全监测。2.根据权利要求1所述的一种基于深度学习自适应的施工人员安全监测方法，其特征在于，所述对每个监控画面的施工人员放大聚焦的放大倍数为：放大的施工人员占所放大画面的三分之一至二分之一。3.根据权利要求1所述的一种基于深度学习自适应的施工人员安全监测方法，其特征在于，将全局监控的区域划分为若干区域采用4
×
4，5
×
5的方式进行划分。4.根据权利要求1所述的一种基于深度学习自适应的施工人员安全监测方法，其特征在于，所述施工人员的安全监测方法为：监测清晰画面中红框标记的施工人员和安全帽，采用目标监测算法判断人体姿态和安全帽的相对位置是否一一对应，若所判断的结果与监测画面的结果相一致，则施工人员处于安全作业状态，若所判断的结果与监测画面的结果不一致，则施工人员作业存在安全隐患，并对存在安全隐患的施工人员重点标记和显示，将显示结果传输至施工区域报警设备中，提醒施工人员安全作业。5.一种基于深度学习自适应的施...

【专利技术属性】
技术研发人员：邸智，韦玮，黄思皖，王青天，曾谁飞，李小翔，
申请(专利权)人：中国华能集团清洁能源技术研究院有限公司，
类型：发明
国别省市：