基站施工人员风险识别方法、装置、电子设备及存储介质制造方法及图纸

技术编号:38363233 阅读:25 留言:0更新日期:2023-08-05 17:31
本发明专利技术提供了一种基站施工人员的风险识别方法、装置、电子设备以及存储介质,涉及AI技术领域,包括:获取基站监控范围内施工人员在施工过程中的图像数据;利用目标检测算法得到全局特征集合;利用姿态提取器得到关键部位特征信息;利用ST

【技术实现步骤摘要】
基站施工人员风险识别方法、装置、电子设备及存储介质


[0001]本专利技术涉及AI
,特别是一种基站施工人员的风险识别方法、装置、电子设备以及存储介质。

技术介绍

[0002]随着人们生活水平的提高,人们的通信方式越来越便捷和多样化,智能化的设备成为了人们日常生活中不可获取的重要组成部分,而通信基站的建设关系到人们通信质量好坏的重要一环,建设智能化的通信基站是满足人们拥有良好通信的重要保障。
[0003]但是在降雨、降雪、刮风等自然灾害对通信基站造成的破坏后,常常需要施工人员爬上基站通信塔进行维修,而在施工过程中,施工人员经常因为操作不规范、佩戴安全设施装备不规范导致意外事故发生。
[0004]随着人工智能技术的迅猛发展,通过人工智能算法为相关的行业赋能,可以很好的完成许多智能化的监测任务,实时监测通信基站施工人员在施工过程中因为作业不规范或者穿戴装备不规范所带来的风险,降低通信基站施工人员的风险,促进智能化通信基站的建设。由于在通信基站的建设和维护中,常常需要施工人员到通信基站的塔上进行作业,因此实现对施工过程中施工人员本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基站施工人员的风险识别方法,其特征在于,所述风险识别方法包括:获取基站监控范围内所述施工人员在施工过程中的图像数据;基于所述图像数据,利用目标检测算法进行运算定位所述施工人员,得到所述施工人员在施工过程中当前位置的全局特征集合;基于所述全局特征集合,利用姿态提取器提取所述施工人员在施工过程中各个关键部位局部姿态信息,得到关键部位特征信息;基于所述关键部位特征信息,利用ST

GCN姿态识别算法进行运算,得到所述施工人员在施工过程中的姿态特征信息;基于所述全局特征集合,利用self

Transformer模型得到所述施工人员在施工过程中的防护装备穿戴特征信息;对所述姿态特征信息和所述防护装备穿戴特征信息通过拼接函数进行特征向量融合,得到融合特征信息;将所述融合特征信息,结合姿态标准化数据库和防护装备知识图谱的查询规则,通过神经网络进行运算推理,得到风险值;根据所述风险值,确定是否向所述施工人员发送预警信息。2.根据权利要求1所述的风险识别方法,其特征在于,基于所述图像数据,利用目标检测算法进行运算定位所述施工人员,得到所述施工人员在施工过程中当前位置的全局特征集合,包括:将所述图像数据输入到所述目标检测算法中;利用所述目标检测算法,提取所述图像数据中每一帧的图像特征向量;基于所述图像特征向量,利用Transformer模型通过卷积算子将每一帧对应的图像特征向量逐一做特征变换,得到所述全局特征集合;其中,所述全局特征集合T的表达式如下:T=W1*Transformer(l
i
,θ1)+上式中,l
i
表示每一帧的图像特征向量,θ
l
表示Transformer模型中可学习的权重参数,b表示网络偏置值,W1表示运算定位所述施工人员时的权重。3.根据权利要求2所述的风险识别方法,其特征在于,基于所述全局特征集合,利用姿态提取器提取所述施工人员在施工过程中各个关键部位局部姿态信息,得到关键部位特征信息,包括:基于所述全局特征集合,采用以HRNet为主干网络的Top

Down姿态估计模型作为所述姿态提取器,提取出所述施工人员在施工过程中各个关键部位局部姿态信息,得到所述关键部位特征信息;其中,所述关键部位特征信息T
m
的表达式如下:T
m
=HRNet([s,y,q],W2,T)上式中,s,y,q分别表示各个关键部位局部姿态信息,W2表示运算关键部位特征信息时的权重。4.根据权利要求2所述的风险识别方法,其特征在于,基于所述全局特征集合,利用self

Transformer模型得到所述施工人员在施工过程中的防护装备穿戴特征信息,包括:利用所述self

Transformer模型查找所述全局特征集合,得到所述施工人员在施工过
程中各个部位的防护装备穿戴信息;利用所述self

Transformer模型,结合所述防护装备穿戴信息和运算防护装备穿戴特征信息时的权重,进行运算得到所述防护装备穿戴特征信息;其中,所述防护装备穿戴特征信息S的表达式如下:S=Transformer(T,[c1,c2…
c
n
],W3)上式中,c1、c2…
c
n
表示所述施工人员在施工过程中各个部位的防护装备穿戴信息,W3表示运算防护装备穿戴特征信息时的权重。5.根据权利要求1所述的风险识别方法,其特征在于,对所述姿态特征信息和所述防护装备穿戴特征信息通过拼接函数进行特征向量融合,得到融合特征信息,包括:对所述姿态特征信息提取得到第一特征向量;对所述防护装备穿戴特征信息提取得到第二特性向量;通过所述拼接函数,对所述第一特征向量和所述第二特性向量进行特征向量融合,得到所述融合特征信息;其中,所述融合特征信息X的表达式如下:X=T
m
||S上式中,T
m
表示所述关键部位特征信息,S表示所述防护装备穿戴特征...

【专利技术属性】
技术研发人员:刘竑
申请(专利权)人:中国电信股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1