基于AI算法的施工现场目标对象识别方法及装置制造方法及图纸

本发明专利技术公开了一种基于AI算法的施工现场目标对象识别方法及装置，该方法包括：获取施工现场对应的第一多维度现场信息及施工现场对应的第二多维度需求信息；根据第一多维度现场信息及第二多维度需求信息从所有待选区域中选择满足针对目标对象的图像采集需求的目标区域；根据第一多维度现场信息及第二多维度需求信息生成目标区域对应的图像采集控制参数；控制目标区域对应的图像采集装置基于图像采集控制参数采集目标区域的图像集合；对图像集合进行信息提取，得到图像信息集合；将图像信息集合输入至目标识别模型中进行识别，得到目标识别结果。可见，实施本发明专利技术能够提高目标识别结果中目标对象的识别准确性，从而有利于提高管理目标对象的准确性。提高管理目标对象的准确性。提高管理目标对象的准确性。

【技术实现步骤摘要】
基于AI算法的施工现场目标对象识别方法及装置


[0001]本专利技术涉及图像处理
，尤其涉及一种基于AI算法的施工现场目标对象识别方法及装置。

技术介绍

[0002]当前，建筑工程的施工现场中存在诸多需要进行安全管理的目标对象，例如：施工人员、施工材料以及施工设备等。因此在对施工现场进行施工之前，需要先对施工现场中的目标对象进行勘察。
[0003]然而，在实际生活中，现阶段的施工现场基本依靠人为进行勘察（例如：人工识别、纸质记录、现场人员以点代面检查验收等），一旦对施工现场中的目标对象进行误识别，容易导致对目标对象实施不恰当的管理策略，从而可能会引发安全事故。可见，提出一种提高施工现场中目标对象的识别准确性的技术方案显得尤为重要。

技术实现思路

[0004]本专利技术提供了一种基于AI算法的施工现场目标对象识别方法及装置，能够提高施工现场中的目标对象的识别准确性，从而有利于提高管理目标对象的准确性，进而有利于减少施工现场安全事故的发生。
[0005]为了解决上述技术问题，本专利技术第一方面公开了一种基于AI算法的施工现场目标对象识别方法，所述方法包括：获取施工现场对应的第一多维度现场信息以及所述施工现场对应的第二多维度需求信息，所述第一多维度现场信息至少包括待识别的目标对象所在的多个待选区域中每个所述待选区域对应的区域信息，每个所述待选区域对应的区域信息至少包括每个所述待选区域的三维区域形状信息、施工面积、施工人员、施工时间、施工设备及所述施工设备对应的施工控制参数中的一种或多种的组合；所述第二多维度需求信息至少包括所述目标对象在每个所述待选区域中的施工进度需求及施工效果需求；根据所述第一多维度现场信息及所述第二多维度需求信息从所有所述待选区域中选择能够满足针对所述目标对象的图像采集需求的目标区域；以及，根据所述第一多维度现场信息及所述第二多维度需求信息，生成所述目标区域对应的图像采集控制参数；控制所述目标区域对应的图像采集装置基于所述图像采集控制参数采集所述目标区域的图像集合，所述图像集合包括至少一个图像；对所述图像集合中的所有所述图像进行信息提取，得到图像信息集合，所述图像信息集合包括所有所述图像中每个所述图像的图像信息；将所述图像信息集合中的所有所述图像的图像信息输入至训练好的目标识别模型中进行识别，得到所述目标识别模型的目标识别结果，所述目标识别结果包括所述目标对象。
[0006]作为一种可选的实施方式，在本专利技术第一方面中，在所述将所述图像信息集合中
的所有所述图像的图像信息输入至训练好的目标识别模型中进行识别，得到所述目标识别模型的目标识别结果之前，所述方法还包括：获取训练图像信息集合，所述训练图像信息集合包括所有训练图像中每个所述训练图像的训练图像信息，且所述训练图像集合是从参考施工现场中采集到的，且所述参考施工现场与所述施工现场的相似度大于或等于预设相似度；根据所有所述训练图像的训练图像信息，对预先确定出的初始识别模型进行训练，得到所述初始识别模型的训练结果；判断所述初始识别模型的训练结果是否满足预设训练条件；若判断出所述初始识别模型的训练结果不满足所述预设训练条件，则对所述初始识别模型的模型参数进行优化，得到优化后的初始识别模型，并触发执行所述的根据所有所述训练图像的训练图像信息，对预先确定出的初始识别模型进行训练，得到所述初始识别模型的训练结果的操作以及触发执行所述的判断所述初始识别模型的训练结果是否满足预设训练条件的操作；若判断出所述初始识别模型的训练结果满足所述预设训练条件，则将所述初始识别模型确定为目标识别模型，所述目标识别模型用于对所述施工现场中目标区域的图像执行图像识别操作。
[0007]作为一种可选的实施方式，在本专利技术第一方面中，所述判断所述初始识别模型的训练结果是否满足预设训练条件，包括：获取测试图像信息集合，所述测试图像信息集合包括多个测试图像的测试图像信息；根据所有所述测试图像的测试图像信息以及所述初始识别模型的训练结果，对所述初始识别模型进行测试，得到所述初始识别模型的模型测试参数，所述初始识别模型的模型测试参数包括所述初始识别模型的准确率、所述初始识别模型的精确率、所述初始识别模型的召回率以及所述初始识别模型的F1值中的一种或多种的组合；判断所述初始识别模型的模型测试参数中的所有子参数是否均大于或等于预先确定出的子参数阈值；若判断出所述初始识别模型的模型测试参数中的所有子参数均大于或等于预先确定出的子参数阈值，则确定所述初始识别模型的训练结果满足预设训练条件；若判断出所述初始识别模型的模型测试参数的所有子参数中存在小于预先确定出的子参数阈值的至少一个目标子参数，则确定所述初始识别模型的训练结果件不满足所述预设训练条件。
[0008]作为一种可选的实施方式，在本专利技术第一方面中，所述目标识别结果还包括所述目标对象的相关状态信息，其中，所述目标对象的相关状态信息包括所述目标对象的当前位置、所述目标对象的面积、所述目标对象的形状以及所述目标对象的数量中的一种或多种的组合；以及，所述图像采集装置的图像采集控制参数包括所述图像采集装置的装置控制参数和/或所述图像采集装置的采集控制参数；其中，所述图像采集装置的装置控制参数包括所述图像采集装置的旋转角度、所述图像采集装置的移动方向、所述图像采集装置的移动速度以及所述图像采集装置的照明
参数中的一种或多种的组合；以及，所述图像采集装置的采集控制参数包括所述图像采集装置的采集模式、所述图像采集装置的位置、在相应位置时所述图像采集装置的采集区域、采集角度、采集面积以及采集数量中的一种或多种的组合，其中，所述采集模式包括图片采集模式和/或录像采集模式。
[0009]作为一种可选的实施方式，在本专利技术第一方面中，所述将所述图像信息集合中的所有所述图像的图像信息输入至训练好的目标识别模型中进行识别，得到所述目标识别模型的目标识别结果，包括：当所述图像信息集合包括多个图像信息时，计算所述图像信息集合中任意两个所述图像信息之间的信息相似度；基于所述图像信息集合中所有所述图像信息之间的信息相似度，对所有所述图像信息进行分组，得到至少一个图像信息组，每个所述图像信息组包括一个或多个图像信息；对于每个所述图像信息组，根据该图像信息组的所有图像信息，确定该图像信息组的目标图像信息；将所有所述目标图像信息输入至训练好的目标识别模型中进行识别，得到所述目标识别模型的目标识别结果。
[0010]作为一种可选的实施方式，在本专利技术第一方面中，对于每个所述图像信息组，当该图像信息组包括多个图像信息时，所述对于每个所述图像信息组，根据该图像信息组的所有图像信息，确定该图像信息组的目标图像信息，包括：根据预设的分类算法，对所有所述图像信息组进行分类，得到第一类信息组集合及第二类信息组集合，所述第一类信息组集合为空或者所述第一类信息组集合包括至少一个所述图像信息组，所述第二类信息组集合为空或者所述第二类信息组集合包括至少一个所述图像信息组，且所述第一类信息组集合与所述第二类信息组集合不同时为空；当所述第一类信息组集合不为空时，对于所述第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI算法的施工现场目标对象识别方法，其特征在于，所述方法包括：获取施工现场对应的第一多维度现场信息以及所述施工现场对应的第二多维度需求信息，所述第一多维度现场信息至少包括待识别的目标对象所在的多个待选区域中每个所述待选区域对应的区域信息，每个所述待选区域对应的区域信息至少包括每个所述待选区域的三维区域形状信息、施工面积、施工人员、施工时间、施工设备及所述施工设备对应的施工控制参数中的一种或多种的组合；所述第二多维度需求信息至少包括所述目标对象在每个所述待选区域中的施工进度需求及施工效果需求；根据所述第一多维度现场信息及所述第二多维度需求信息从所有所述待选区域中选择能够满足针对所述目标对象的图像采集需求的目标区域；以及，根据所述第一多维度现场信息及所述第二多维度需求信息，生成所述目标区域对应的图像采集控制参数；控制所述目标区域对应的图像采集装置基于所述图像采集控制参数采集所述目标区域的图像集合，所述图像集合包括至少一个图像；对所述图像集合中的所有所述图像进行信息提取，得到图像信息集合，所述图像信息集合包括所有所述图像中每个所述图像的图像信息；将所述图像信息集合中的所有所述图像的图像信息输入至训练好的目标识别模型中进行识别，得到所述目标识别模型的目标识别结果，所述目标识别结果包括所述目标对象。2.根据权利要求1所述的基于AI算法的施工现场目标对象识别方法，其特征在于，在所述将所述图像信息集合中的所有所述图像的图像信息输入至训练好的目标识别模型中进行识别，得到所述目标识别模型的目标识别结果之前，所述方法还包括：获取训练图像信息集合，所述训练图像信息集合包括所有训练图像中每个所述训练图像的训练图像信息，且所述训练图像集合是从参考施工现场中采集到的，且所述参考施工现场与所述施工现场的相似度大于或等于预设相似度；根据所有所述训练图像的训练图像信息，对预先确定出的初始识别模型进行训练，得到所述初始识别模型的训练结果；判断所述初始识别模型的训练结果是否满足预设训练条件；若判断出所述初始识别模型的训练结果不满足所述预设训练条件，则对所述初始识别模型的模型参数进行优化，得到优化后的初始识别模型，并触发执行所述的根据所有所述训练图像的训练图像信息，对预先确定出的初始识别模型进行训练，得到所述初始识别模型的训练结果的操作以及触发执行所述的判断所述初始识别模型的训练结果是否满足预设训练条件的操作；若判断出所述初始识别模型的训练结果满足所述预设训练条件，则将所述初始识别模型确定为目标识别模型，所述目标识别模型用于对所述施工现场中目标区域的图像执行图像识别操作。3.根据权利要求2所述的基于AI算法的施工现场目标对象识别方法，其特征在于，所述判断所述初始识别模型的训练结果是否满足预设训练条件，包括：获取测试图像信息集合，所述测试图像信息集合包括多个测试图像的测试图像信息；根据所有所述测试图像的测试图像信息以及所述初始识别模型的训练结果，对所述初始识别模型进行测试，得到所述初始识别模型的模型测试参数，所述初始识别模型的模型测试参数包括所述初始识别模型的准确率、所述初始识别模型的精确率、所述初始识别模
型的召回率以及所述初始识别模型的F1值中的一种或多种的组合；判断所述初始识别模型的模型测试参数中的所有子参数是否均大于或等于预先确定出的子参数阈值；若判断出所述初始识别模型的模型测试参数中的所有子参数均大于或等于预先确定出的子参数阈值，则确定所述初始识别模型的训练结果满足预设训练条件；若判断出所述初始识别模型的模型测试参数的所有子参数中存在小于预先确定出的子参数阈值的至少一个目标子参数，则确定所述初始识别模型的训练结果件不满足所述预设训练条件。4.根据权利要求1
‑
3任一项所述的基于AI算法的施工现场目标对象识别方法，其特征在于，所述目标识别结果还包括所述目标对象的相关状态信息，其中，所述目标对象的相关状态信息包括所述目标对象的当前位置、所述目标对象的面积、所述目标对象的形状以及所述目标对象的数量中的一种或多种的组合；以及，所述图像采集装置的图像采集控制参数包括所述图像采集装置的装置控制参数和/或所述图像采集装置的采集控制参数；其中，所述图像采集装置的装置控制参数包括所述图像采集装置的旋转角度、所述图像采集装置的移动方向、所述图像采集装置的移动速度以及所述图像采集装置的照明参数中的一种或多种的组合；以及，所述图像采集装置的采集控制参数包括所述图像采集装置的采集模式、所述图像采集装置的位置、在相应位置时所述图像采集装置的采集区域、采集角度、采集面积以及采集数量中的一种或多种的组合，其中，所述采集模式包...

【专利技术属性】
技术研发人员：曾晶，邱伟煌，
申请(专利权)人：广东南方电信规划咨询设计院有限公司，
类型：发明
国别省市：