一种基于监控视频的作业装备工作状态识别方法技术

本发明专利技术公开了一种基于监控视频的作业装备工作状态识别方法，包括如下步骤：输入待检测视频；获取每帧作业装备的跟踪边界框参数；计算每帧图像中作业装备跟踪边界框中心点的坐标以及跟踪边界框的尺寸大小；计算相邻帧间作业装备跟踪边界框中心点坐标的距离变化和跟踪边界框尺寸大小变化；结合跟踪边界框中心点坐标距离变化和跟踪边界框尺寸大小变化判定作业装备工作状态。本发明专利技术通过对采集的视频进行实时分析，从而对作业装备的工作状态进行准确实时识别，解决了工地人工监控识别作业装备的不足。本发明专利技术能够在复杂的工地生产环境中支撑和指导现场的安全管理工作，提高建筑工地的安全保障以及管理效率。的安全保障以及管理效率。的安全保障以及管理效率。

【技术实现步骤摘要】
一种基于监控视频的作业装备工作状态识别方法


[0001]本专利技术涉及建筑工地中作业设备的监控管理领域，尤其涉及一种基于监控视频的作业装备工作装备识别方法。

技术介绍

[0002]随着信息技术的发展，“智慧城市”这一概念被提出。智慧城市是运用物联网、云计算、大数据、空间地理信息集成等新一代信息技术，促进城市规划、建设、管理和服务智慧化的新理念和新模式。“智慧城市”这一抽象的概念逐渐具化至制造业、服务业、建筑业等种种产业中，其中，建筑业作为国民经济支柱产业，也正朝着数字化、网络化、智能化的方向转型升级。智慧建造则是智慧城市概念在建筑业作业一线的深刻投影，城市基础设施作为城市社会活动的空间载体，智慧建造不仅仅是附和智慧城市而生，也不单单是智慧城市的一个组成部分，更是智慧城市建设的基石。
[0003]在建筑施工中，作业装备发挥着关键的作用，是建筑工地不可缺少的部分，对作业装备进行监控能及时掌握作业装备工作状态，一方面作业装备具有较强的“破坏力”，当作业装备在运作时通过掌握作业装备工作状态能及时警示工作人员，避免发生安全事故；另一方面能统计操作人员实际操作作业装备的时间，实现信息化管理。
[0004]然而，目前智慧建造中企业更多关注的是人员、进度和成本的管理，对作业装备进行管理的企业较少。当前的项目主要是对工地数量较少的作业装备进行管理，利用传感器等设备对塔吊、起重机、升降机以及龙门吊进行管理。对于数量较多的作业装备例如挖机，若采取每辆挖机上安装传感器进行管理，会导致成本过高；而通过监控视频对数量较多的作业装备进行信息智能化管理能大大降低成本。

技术实现思路

[0005]针对现有技术中对作业装备进行管理中存在的不足之处，本申请提供了一种基于监控视频的作业装备工作状态识别方法，可以对工地作业装备进行工作状态进行识别，能在复杂的工地生产环境中支撑和指导现场的安全管理工作，提高建筑工地的安全保障以及管理效率。
[0006]为解决以上技术问题，本专利技术包括如下技术方案：
[0007]一种基于监控视频的作业装备工作状态识别方法，包括如下步骤：
[0008]S1.输入待检测视频；
[0009]S2.获取每帧作业装备的跟踪边界框参数；
[0010]S3.根据步骤S2得到的跟踪边界框参数计算每帧图像中作业装备跟踪边界框中心点的坐标以及跟踪边界框的尺寸大小；
[0011]S4.根据步骤S3得到的跟踪边界框中心点坐标以及跟踪边界框尺寸大小，计算相邻帧间作业装备跟踪边界框中心点坐标的距离变化和跟踪边界框尺寸大小变化；
[0012]S5.结合步骤S4得到的跟踪边界框中心点坐标距离变化和跟踪边界框尺寸大小变
化判定作业装备工作状态。
[0013]进一步，步骤S1中所述的待检测视频为从侧视的角度拍摄的工地监控视频；
[0014]所述工地监控视频是采用视频采集装置对施工现场的作业装备进行视频采集得到，视频采集装置的视角能够覆盖作业装备在预定时间内的工作区域。
[0015]进一步，步骤S2具体包括如下步骤：
[0016]S21.通过目标检测网络YOLOv3对待测视频进行作业装备检测，得到检测边界框参数；
[0017]S22.以步骤S21得到的检测结果作为作业装备目标跟踪的输入，通过标准的卡尔曼滤波器，采用匀速模型和线性观测模型预测目标在当前帧的位置；
[0018]S23.结合马氏距离和深度表现特征这两个度量来整合运动和外观信息，使用已存在的运动目标的运动状态的卡尔曼滤波预测结果与检测结果之间的马氏距离进行运动信息关联；
[0019]S24.通过匹配级联算法来进行更新操作，包括检测器与跟踪器的匹配、追踪器更新和特征集的更新；
[0020]S25.根据步骤S24得到的检测器与跟踪器的匹配结果，得到跟踪边界框参数，包括四维位置参数{x
left
，x
right
，y
top
，y
bottom
}和检测框标识号ID；其中，x
left
、x
right
、y
top
、y
bottom
分别为目标区域跟踪边界框在每帧图像中的左边界的x坐标、右边界的x坐标、上边界的y坐标、下边界的y坐标；其中坐标原点位于每帧图像的左上角。
[0021]进一步，由步骤S2获得跟踪边界框参数{x
left
，x
right
，y
top
，y
bottom
}；
[0022]步骤S3具体包括如下步骤：
[0023]S31.计算边界框中心点坐标(X，Y)；
[0024]‑
其中：X＝(x
left
+x
right
)/2，Y＝(y
top
+y
bottom
)/2；
[0025]S32.计算边界框宽度Width和高度Height；
[0026]其中：Width＝x
right
‑
x
left
，Height＝y
bottom
‑
y
top
；
[0027]S33.：计算边界框尺寸大小Size；
[0028]其中：Size＝Width
×
Height。
[0029]进一步，步骤S3中得到作业装备跟踪边界框的中心点坐标(X，Y)；
[0030]步骤S4中计算相邻帧间作业装备跟踪边界框中心点坐标的距离变化，具体为：
[0031]其中，(X2，Y2)和(X1，Y1)分别是当前帧和前一帧作业装备跟踪边界框的中心点的坐标；Dis为相邻帧间中心点坐标距离变化值。
[0032]进一步，步骤S3中得到作业装备跟踪边界框的尺寸大小Size；
[0033]步骤S4中计算相邻帧间边界框的尺寸大小变化值，具体为：
[0034]DifSize＝Size2‑
Size1；
[0035]其中，Size2和Size1分别是当前帧和前一帧作业装备跟踪边界框的尺寸大小；DifSize为相邻帧间边界框尺寸大小的变化值。
[0036]进一步，步骤S5具体包括如下步骤：
[0037]S51.根据步骤S4中得到的相邻帧间边界框中心点坐标距离变化值Dis，将其与阈值TH1进行比较，得到坐标距离变化标识DisFlag；
[0038]S52.根据步骤S4中得到的相邻帧间边界框尺寸大小的变化值DifSize，将其绝对值与阈值TH2进行比较，得到尺寸大小变化标识SizeFlag；
[0039]S53.根据步骤S51得到的相邻帧间边界框中心点坐标距离变化值Dis和S52得到的相邻帧间边界框尺寸大小的变化值DifSize，综合判断作业装备的工作状态State。
[0040]进一步，步骤S51中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于监控视频的作业装备工作状态识别方法，其特征在于，包括如下步骤：S1.输入待检测视频；S2.获取每帧作业装备的跟踪边界框参数；S3.根据步骤S2得到的跟踪边界框参数计算每帧图像中作业装备跟踪边界框中心点的坐标以及跟踪边界框的尺寸大小；S4.根据步骤S3得到的跟踪边界框中心点坐标以及跟踪边界框尺寸大小，计算相邻帧间作业装备跟踪边界框中心点坐标的距离变化和跟踪边界框尺寸大小变化；S5.结合步骤S4得到的跟踪边界框中心点坐标距离变化和跟踪边界框尺寸大小变化判定作业装备工作状态。2.如权利要求1所述的基于监控视频的作业装备工作状态识别方法，其特征在于，步骤S1中所述的待检测视频为从侧视的角度拍摄的工地监控视频；所述工地监控视频是采用视频采集装置对施工现场的作业装备进行视频采集得到，视频采集装置的视角能够覆盖作业装备在预定时间内的工作区域。3.如权利要求1所述的基于监控视频的作业装备工作状态识别方法，其特征在于，步骤S2具体包括如下步骤：S21.通过目标检测网络YOLOv3对待测视频进行作业装备检测，得到检测边界框参数；S22.以步骤S21得到的检测结果作为作业装备目标跟踪的输入，通过标准的卡尔曼滤波器，采用匀速模型和线性观测模型预测目标在当前帧的位置；S23.结合马氏距离和深度表现特征这两个度量来整合运动和外观信息，使用已存在的运动目标的运动状态的卡尔曼滤波预测结果与检测结果之间的马氏距离进行运动信息关联；S24.通过匹配级联算法来进行更新操作，包括检测器与跟踪器的匹配、追踪器更新和特征集的更新；S25.根据步骤S24得到的检测器与跟踪器的匹配结果，得到跟踪边界框参数{x
left
,x
right
,y
top
,y
bottom
}和检测框标识号ID；其中，x
left
、x
right
、y
top
、y
bottom
分别为目标区域跟踪边界框在每帧图像中的左边界的x坐标、右边界的x坐标、上边界的y坐标、下边界的y坐标；其中坐标原点位于每帧图像的左上角。4.如权利要求1所述的基于监控视频的作业装备工作状态识别方法，其特征在于，由步骤S2获得跟踪边界框参数{x
left
,x
right
,y
top
,y
b...

【专利技术属性】
技术研发人员：徐建东，黄毅，金仁秋，邢瑞毅，
申请(专利权)人：上海电科智能系统股份有限公司，
类型：发明
国别省市：