本发明专利技术公开了一种工地扬尘探测处理方法、装置、存储介质以及系统。通过根据包括预设的小波卷积神经网络、区域建议网络以及池化层的预设的特征识别模型，对所述工地视频帧进行特征提取分析，确定获取待除尘区域的边界框位置以及扬尘分数，并根据边界框位置以及扬尘分数识别待探测处理工地中需要除尘的工地区域的紧急程度以进行针对性除尘，该探测处理方法、装置、存储介质以及系统提升了工地上的除尘效率。率。率。
【技术实现步骤摘要】
一种工地扬尘探测处理方法、装置、存储介质以及系统
[0001]本专利技术涉及工地扬尘探测处理
，尤其涉及一种工地扬尘探测处理方法、装置、存储介质及系统。
技术介绍
[0002]人工智能技术是用于模拟、延伸和扩展人的智能的技术科学，属于计算机科学的分支，它通过了解智能的实质，生产出能与人类智能相似的方式做出反应的智能机器，研究方向包括机器人、语言识别、图像识别、自然语言处理和专家系统等。运用人工智能技术中的深度卷积神经网络技术可以更好地提取图像特征，同时对网络结构进行特别的设计就可以实现对人脸图像中细粒度特征地提取，使得人脸识别地效果更加准确有效。小波分析理论作为一种时频分析工具,在信号分析和处理中得到了很好的应用。平面图像可以看成是二维信号，因此，小波分析很自然地应用到了图像处理领域。图像去噪和边缘检测是图像预处理中应用非常广泛的技术，其作用是为了提高信噪比，突出图像的期望特征，以便对其进行更高层次的处理。小波变换由于其自身的优良特性而在图像处理中得到了越来越多的应用。智慧工地是当前非常热门的概念，各种新技术被用来解决施工现场的安全、卫生等问题。工地中的正常作业任务如倾倒/搅拌砂石水泥，或者市拆除废弃建筑，通常会引起大规模的扬尘，不仅造成现场施工人员的呼吸困难，还容易导致施工现场周边环境污染。工地扬尘探测与消除是智慧工地需要处理的一个普遍问题。目前常用的方式是在施工工地的围墙上面安装喷水装置，减少扬尘。
[0003]在现有技术中，通常通过运行传统喷雾装置的方式进行除尘。
[0004]但是，现有技术仍存在如下缺陷：不进行尘土探测，无法实现区域针对性处理，从而导致除尘效率较低；且长期运行传统喷雾装置的方式浪费水资源。
[0005]因此，当前需要一种工地扬尘探测处理方法、装置、计算机可读存储介质以及系统，从而克服现有技术中存在的上述缺陷。
技术实现思路
[0006]本专利技术实施例提供一种工地扬尘探测处理方法、装置、计算机可读存储介质以及系统，从而提升工地上的除尘效率。
[0007]本专利技术一实施例提供一种工地扬尘探测处理方法，所述探测处理方法包括：获取待探测处理的工地视频帧；根据预设的特征识别模型，对所述工地视频帧进行特征提取分析，确定获取待除尘区域的边界框位置以及扬尘分数；所述特征识别模型包括CNN层、区域建议网络以及池化层；其中，所述CNN层为预设的小波卷积神经网络；根据所述边界框位置以及所述扬尘分数，确定除尘方案并根据所述除尘方案进行除尘。
[0008]作为上述方案的改进，根据预设的特征识别模型，对所述工地视频帧进行特征提取分析，确定获取待除尘区域的边界框位置以及扬尘分数，具体包括：将所述工地视频帧输入所述小波卷积神经网络以进行特征提取，获得特征金字塔网络；通过所述区域建议网络
对所述特征金字塔网络进行特征映射，获得第一感兴趣区域以及对应的区域特征；根据所述区域特征，对所述第一感兴趣区域进行位置修正，获得待除尘区域、对应的边界框位置以及扬尘分数。
[0009]作为上述方案的改进，将所述工地视频帧输入所述小波卷积神经网络以进行特征提取，获得特征金字塔网络，具体包括：通过卷积层，对所述工地视频帧进行卷积变换以获取卷积特征；所述小波卷积神经网络包括卷积层和小波变换层；根据所述卷积特征以及所述小波变换层，对所述工地视频帧进行三次小波变换和特征连接，获取特征金字塔网络。
[0010]作为上述方案的改进，通过所述区域建议网络对所述特征金字塔网络进行特征映射，获得第一感兴趣区域以及对应的区域特征，具体包括：将所述特征金字塔输入所述区域建议网络中，获取建议边界框以及对应的对象性分数；通过预设的非最大抑制算法，根据对象性分数对建议边界框进行筛选，获得第一感兴趣区域以及对应的区域特征。
[0011]作为上述方案的改进，根据所述区域特征，对所述第一感兴趣区域进行修正，获得待除尘区域、对应的边界框位置以及扬尘分数，具体包括：将所述区域特征输入所述第一感兴趣区域的头部，确定所述第一感兴趣区域对应的类别并计算所述第一感兴趣区域的对象性得分，并根据所述类别、所述对象性得分，计算扬尘分数；根据预设的边界框回归方法，对所述第一感兴趣区域进行偏移预测以获得预测结果，并根据所述预测结果修正所述第一感兴趣区域以获取除尘区域以及对应的边界框位置。
[0012]作为上述方案的改进，根据所述边界框位置以及所述扬尘分数，确定除尘方案并根据所述除尘方案进行除尘，具体包括：根据所述扬尘分数以及所述边界框位置，确定各个除尘区域的除尘顺序；根据所述除尘顺序，依次对各个除尘区域进行除尘。
[0013]作为上述方案的改进，在获取待探测处理的工地视频帧之后，所述探测处理方法还包括：将所述工地视频帧裁剪为预设尺寸。
[0014]本专利技术另一实施例对应提供了一种工地扬尘探测处理装置，所述探测处理装置包括图像获取单元、区域识别单元以及除尘处理单元，其中，所述图像获取单元用于获取待探测处理的工地视频帧；所述区域识别单元用于根据预设的特征识别模型，对所述工地视频帧进行特征提取分析，确定获取待除尘区域的边界框位置以及扬尘分数；所述特征识别模型包括CNN层、区域建议网络以及池化层；其中，所述CNN层为预设的小波卷积神经网络；所述除尘处理单元用于根据所述边界框位置以及所述扬尘分数，确定除尘方案并根据所述除尘方案进行除尘。
[0015]作为上述方案的改进，所述区域识别单元还用于：将所述工地视频帧输入所述小波卷积神经网络以进行特征提取，获得特征金字塔网络；通过所述区域建议网络对所述特征金字塔网络进行特征映射，获得第一感兴趣区域以及对应的区域特征；根据所述区域特征，对所述第一感兴趣区域进行位置修正，获得待除尘区域、对应的边界框位置以及扬尘分数。
[0016]作为上述方案的改进，所述区域识别单元还用于：通过卷积层，对所述工地视频帧进行卷积变换以获取卷积特征；所述小波卷积神经网络包括卷积层和小波变换层；根据所述卷积特征以及所述小波变换层，对所述工地视频帧进行三次小波变换和特征连接，获取特征金字塔网络。
[0017]作为上述方案的改进，所述区域识别单元还用于：将所述特征金字塔输入所述区
域建议网络中，获取建议边界框以及对应的对象性分数；通过预设的非最大抑制算法，根据对象性分数对建议边界框进行筛选，获得第一感兴趣区域以及对应的区域特征。
[0018]作为上述方案的改进，所述区域识别单元还用于：将所述区域特征输入所述第一感兴趣区域的头部，确定所述第一感兴趣区域对应的类别并计算所述第一感兴趣区域的对象性得分，并根据所述类别、所述对象性得分，计算扬尘分数；根据预设的边界框回归方法，对所述第一感兴趣区域进行偏移预测以获得预测结果，并根据所述预测结果修正所述第一感兴趣区域以获取除尘区域以及对应的边界框位置。
[0019]作为上述方案的改进，所述除尘处理单元还用于：根据所述扬尘分数以及所述边界框位置，确定各个除尘区域的除尘顺序；根据所述除尘顺序，依次对各个除尘区域进行除尘。
[0020]作本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种工地扬尘探测处理方法，其特征在于，所述探测处理方法包括：获取待探测处理的工地视频帧；根据预设的特征识别模型，对所述工地视频帧进行特征提取分析，确定获取待除尘区域的边界框位置以及扬尘分数；所述特征识别模型包括CNN层、区域建议网络以及池化层；其中，所述CNN层为预设的小波卷积神经网络；根据所述边界框位置以及所述扬尘分数，确定除尘方案并根据所述除尘方案进行除尘。2.根据权利要求1所述的工地扬尘探测处理方法，其特征在于，根据预设的特征识别模型，对所述工地视频帧进行特征提取分析，确定获取待除尘区域的边界框位置以及扬尘分数，具体包括：将所述工地视频帧输入所述小波卷积神经网络以进行特征提取，获得特征金字塔网络；通过所述区域建议网络对所述特征金字塔网络进行特征映射，获得第一感兴趣区域以及对应的区域特征；根据所述区域特征，对所述第一感兴趣区域进行位置修正，获得待除尘区域、对应的边界框位置以及扬尘分数。3.根据权利要求2所述的工地扬尘探测处理方法，其特征在于，将所述工地视频帧输入所述小波卷积神经网络以进行特征提取，获得特征金字塔网络，具体包括：通过卷积层，对所述工地视频帧进行卷积变换以获取卷积特征；所述小波卷积神经网络包括卷积层和小波变换层；根据所述卷积特征以及所述小波变换层，对所述工地视频帧进行三次小波变换和特征连接，获取特征金字塔网络。4.根据权利要求3所述的工地扬尘探测处理方法，其特征在于，通过所述区域建议网络对所述特征金字塔网络进行特征映射，获得第一感兴趣区域以及对应的区域特征，具体包括：将所述特征金字塔输入所述区域建议网络中，获取建议边界框以及对应的对象性分数；通过预设的非最大抑制算法，根据对象性分数对建议边界框进行筛选，获得第一感兴趣区域以及对应的区域特征。5.根据权利要求4所述的工地扬尘探测处理方法，其特征在于，根据所述区域特征，对所述第一感兴趣区域进行修正，获得待除尘区域、对应的边界框位置以及扬尘分数，具体包括：...
【专利技术属性】
技术研发人员：袁野，张泽阳，吴国栋，刘亚坤，
申请(专利权)人：河南中原动亮智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。