【技术实现步骤摘要】
基于人工智能的建筑工地安全风险智能评估方法及系统
[0001]本专利技术涉及图像处理
，具体涉及基于人工智能的建筑工地安全风险智能评估方法及系统。
技术介绍
[0002]建筑工程指通过对各类房屋建筑及其附属设施的建造和与其配套的线路、管道、设备的安装活动所形成的工程实体。建筑工程监理过程中，常需要安装监控装置，以便使用者根据实时监控图像及时掌握建筑工程的现场状况，了解施工现场安全风险情况，并做好施工状况数据储存管理，以便后续评价。
[0003]建筑工地的实时监控图像需要传输至云平台利用云平台部署的安全模型进行安全风险评估，为了提高传输效率，通常要对实时监控图像进行压缩。常用的压缩方式有无损压缩和有损压缩，前者对全部图像信息进行压缩，信息数据量大，传输效率低；后者对图像进行有损压缩，容易造成重要信息的丢失，因此需要一种压缩效率高且重要信息损失程度小的压缩方法。
技术实现思路
[0004]本专利技术提供基于人工智能的建筑工地安全风险智能评估方法及系统，以解决现有的问题。
[0005]本专利技...
【技术保护点】
【技术特征摘要】
1.基于人工智能的建筑工地安全风险智能评估方法，其特征在于，该方法包括以下步骤：采集建筑工地灰度图像；获取建筑工地灰度图像中每个像素点的梯度幅值，绘制梯度幅值直方图；根据梯度幅值直方图获取多个分割阈值；获取每个分割阈值对应的边缘二值图像；根据边缘二值图像中的边缘像素点获取建筑工地灰度图像中每个像素点的多个目标边缘图像；将每个边缘二值图像中边缘像素点映射分别到霍夫空间；根据建筑工地灰度图像中每个像素点的所有目标边缘图像对应的霍夫空间中的高亮点获取建筑工地灰度图像中每个像素点的重要度；根据每个像素点的重要度获取每个像素点的邻域像素点相对于每个像素点的滤波权重；根据滤波权重对每个像素点进行滤波，得到滤波图像；对滤波图像进行压缩，得到压缩结果；将压缩结果传输至云平台；云平台根据压缩结果进行安全风险评估。2.根据权利要求1所述的基于人工智能的建筑工地安全风险智能评估方法，其特征在于，所述根据梯度幅值直方图获取多个分割阈值，包括的具体步骤如下：获取建筑工地灰度图像中所有像素点的梯度幅值的均值，作为第一阈值；对梯度幅值直方图进行平滑处理，绘制梯度幅值直方图的平滑曲线，计算平滑曲线上每个梯度幅值对应的点的切线的斜率，作为每个梯度幅值的斜率，将所有梯度幅值的斜率构成斜率序列；获取斜率序列中相邻两个斜率的差值的绝对值，作为相邻两个斜率对应的两个梯度幅值中第二个梯度幅值的斜率变化度；获取斜率变化度最大的梯度幅值，作为第二阈值；将第一阈值、第二阈值以及第一阈值和第二阈值之间的每个梯度幅值分别作为一个分割阈值。3.根据权利要求1所述的基于人工智能的建筑工地安全风险智能评估方法，其特征在于，所述获取每个分割阈值对应的边缘二值图像，包括的具体步骤如下：将任意一个分割阈值作为目标分割阈值，将梯度幅值大于或等于目标分割阈值的像素点作为边缘像素点，将梯度幅值小于目标分割阈值的像素点作为背景像素点；将边缘像素点的灰度值置为1，将背景像素点的灰度值置为0，得到目标分割阈值对应的边缘二值图像；获取每个分割阈值对应的边缘二值图像。4.根据权利要求1所述的基于人工智能的建筑工地安全风险智能评估方法，其特征在于，所述根据边缘二值图像中的边缘像素点获取建筑工地灰度图像中每个像素点的多个目标边缘图像，包括的具体步骤如下：对于建筑工地灰度图像中每个像素点来说，若像素点在一个边缘二值图像中为边缘像素点，则将该边缘二值图像作为像素点的目标边缘图像；获取建筑工地灰度图像中每个像素点的所有目标边缘图像。5.根据权利要求1所述的基于人工智能的建筑工地安全风险智能评估方法，其特征在于，所述根据建筑工地灰度图像中每个像素点的所有目标边缘图像对应的霍夫空间中的高亮点获取建筑工地灰度图像中每个像素点的重要度，包括的具体步骤如下：获取建筑工地灰度图像中的第i个像素点的重要性：
其中，m
i
为建筑工地灰度图像中第i个像素点的重要性；c
i
为建筑工地灰度图像中第i个像素点的所有目标边缘图像的个数；n
i,k
为建筑工地灰度图像中第i个像素点在第i个像素点的第k个目标边缘图...
【专利技术属性】
技术研发人员：任文正，刘明发，
申请(专利权)人：浙江嘉宇工程管理有限公司，
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。