智慧工地安全管理系统技术方案

本申请涉及智能管理领域，其具体地公开了一种智慧工地安全管理系统，其通过采用基于机器视觉的人工智能监控技术，以在对于监控图像进行分块处理来得到图像中更为精准的小尺寸对象信息后，进一步对各个图像块进行目标对象的探测来进行感兴趣区域框定，并在进行图像的像素增强后以此来提取出所述感兴趣区域的全局隐含关联特征信息，以进行是否存在人员入侵的检测判断。这样，能够在大型设备运行时对于人员入侵进行实时准确地检测，以在检测出入侵人员时发出预警信号，实现智慧工地的安全管理，进而在保证设备正常运行的同时避免事故的发生。发生。发生。

【技术实现步骤摘要】
智慧工地安全管理系统


[0001]本申请涉及智能管理领域，且更为具体地，涉及一种智慧工地安全管理系统。

技术介绍

[0002]智慧工地是指运用信息化手段，通过三维设计平台对工程项目进行精确设计和施工模拟，围绕施工过程管理，建立互联协同、智能生产、科学管理的施工项目信息化生态圈，并将此数据在虚拟现实环境下与物联网采集到的工程信息进行数据挖掘分析，提供过程趋势预测及专家预案，实现工程施工可视化智能管理，以提高工程管理信息化水平，从而逐步实现绿色建造和生态建造。
[0003]在智慧工地的设备运行中，尤其是大型设备，会有人员意外闯入而发生事故，这不仅影响设备的正常工作与运行，还会给人员带来重大伤亡。
[0004]因此，期待一种智慧工地安全管理方案。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种智慧工地安全管理系统，其通过采用基于机器视觉的人工智能监控技术，以在对于监控图像进行分块处理来得到图像中更为精准的小尺寸对象信息后，进一步对各个图像块进行目标对象的探测来进行感兴趣区域框定，并在进行图像的像素增强后以此来提取出所述感兴趣区域的全局隐含关联特征信息，以进行是否存在人员入侵的检测判断。这样，能够在大型设备运行时对于人员入侵进行实时准确地检测，以在检测出入侵人员时发出预警信号，实现智慧工地的安全管理，进而在保证设备正常运行的同时避免事故的发生。
[0006]根据本申请的一个方面，提供了一种智慧工地安全管理系统，其包括：
[0007]监控单元，用于获取由部署于智慧工地的大型设备的摄像头采集的监控图像；
[0008]分块单元，用于对所述监控图像进行图像分块处理以得到多个图像块；
[0009]图像块目标探测单元，用于将所述多个图像块分别通过目标检测网络以得到至少一个感兴趣区域；
[0010]感兴趣区域像素增强单元，用于将所述感兴趣区域通过基于对抗生成网络的图像增强器以得到增强感兴趣区域；
[0011]特征提取单元，用于将所述增强感兴趣区域通过作为特征提取器的卷积神经网络模型以得到感兴趣区域特征图；
[0012]特征增强单元，用于将所述感兴趣区域特征图通过非局部神经网络模型以得到增强感兴趣区域特征图；以及
[0013]安全管理结果生成单元，用于将所述增强感兴趣区域特征图通过分类器以得到分类结果，所述分类结果用于表示在大型设备运行时是否存在人员入侵。
[0014]在上述智慧工地安全管理系统中，所述分块单元，进一步用于：对所述监控图像进行均匀图像分块处理以得到所述多个图像块，其中，所述多个图像块中各个图像块具有相
同的尺寸。
[0015]在上述智慧工地安全管理系统中，所述图像块目标探测单元，进一步用于：所述目标检测网络为基于锚窗的目标检测网络，所述基于锚窗的目标检测网络为Fast R
‑
CNN、Faster R
‑
CNN或RetinaNet。
[0016]在上述智慧工地安全管理系统中，所述基于对抗生成网络包含鉴别器和生成器，其中，所述感兴趣区域像素增强单元，进一步用于将所述感兴趣区域输入所述基于对抗生成网络的图像增强器的生成器以由所述生成器对所述感兴趣区域进行反卷积处理以得到所述增强感兴趣区域。
[0017]在上述智慧工地安全管理系统中，所述特征提取单元，进一步用于：使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为特征提取器的卷积神经网络的最后一层的输出为所述感兴趣区域特征图，所述作为特征提取器的卷积神经网络的第一层的输入为所述增强感兴趣区域。
[0018]在上述智慧工地安全管理系统中，所述特征增强单元，进一步用于：将所述感兴趣区域特征图分别输入所述非局部神经网络的第一点卷积层、第二点卷积层和第三点卷积层以得到第一特征图、第二特征图和第三特征图；计算所述第一特征图和所述第二特征图的按位置加权和以得到中间融合特征图；将所述中间融合特征图输入Softmax函数以对所述中间融合特征图中各个位置的特征值进行归一化以得到归一化中间融合特征图；计算所述归一化中间融合特征图和所述第三特征图的按位置加权和以得到再融合特征图；将所述再融合特征图通过嵌入高斯相似性函数以计算所述再融合特征图中各个位置的特征值间的相似性以得到全局相似特征图；将所述全局相似特征图通过所述非局部神经网络的第四点卷积层以调整所述全局相似特征图的通道数以得到通道调整全局相似特征图；以及，计算所述通道调整全局相似特征图和所述感兴趣区域特征图的按位置加权和以得到所述增强感兴趣区域特征图。
[0019]在上述智慧工地安全管理系统中，所述安全管理结果生成单元，进一步用于：使用所述分类器以如下公式对所述增强感兴趣区域特征图进行处理以获得分类结果，其中，所述公式为：
[0020]O＝softmax{(W
n
,B
n
):
…
:(W1,B1)|Project(F)}，其中Project(F)表示将所述增强感兴趣区域特征图投影为向量，W1至W
n
为各层全连接层的权重矩阵，B1至B
n
表示各层全连接层的偏置向量。
[0021]在上述智慧工地安全管理系统中，还包括用于对所述目标检测网络、所述基于对抗生成网络的图像增强器、所述作为特征提取器的卷积神经网络模型、所述非局部神经网络模型和所述分类器进行训练的训练模块；其中，所述训练模块，包括：训练数据获取单元，用于获取训练数据，所述训练数据包括训练监控图像，以及，所述在大型设备运行时是否存在人员入侵的真实值；训练分块单元，用于对所述训练监控图像进行图像分块处理以得到多个训练图像块；训练图像块目标探测单元，用于将所述多个训练图像块分别通过所述目标检测网络以得到至少一个训练感兴趣区域；训练感兴趣区域像素增强单元，用于将所述训练感兴趣区域通过所述基于对抗生成网络的图像增强器以得到训练增强感兴趣区域；训
练特征提取单元，用于将所述训练增强感兴趣区域通过所述作为特征提取器的卷积神经网络模型以得到训练感兴趣区域特征图；训练特征增强单元，用于将所述训练感兴趣区域特征图通过所述非局部神经网络模型以得到训练增强感兴趣区域特征图；分类损失单元，用于将所述训练增强感兴趣区域特征图通过所述分类器以得到分类损失函数值；内在化学习损失单元，用于基于所述增强感兴趣区域特征图和所述感兴趣区域特征图投影后得到的特征向量之间的距离计算序列对序列响应规则内在化学习损失函数值；以及，训练单元，用于计算所述分类损失函数值和所述序列对序列响应规则内在化学习损失函数值的加权和作为损失函数值来对所述目标检测网络、所述基于对抗生成网络的图像增强器、所述作为特征提取器的卷积神经网络模型、所述非局部神经网络模型和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智慧工地安全管理系统，其特征在于，包括：监控单元，用于获取由部署于智慧工地的大型设备的摄像头采集的监控图像；分块单元，用于对所述监控图像进行图像分块处理以得到多个图像块；图像块目标探测单元，用于将所述多个图像块分别通过目标检测网络以得到至少一个感兴趣区域；感兴趣区域像素增强单元，用于将所述感兴趣区域通过基于对抗生成网络的图像增强器以得到增强感兴趣区域；特征提取单元，用于将所述增强感兴趣区域通过作为特征提取器的卷积神经网络模型以得到感兴趣区域特征图；特征增强单元，用于将所述感兴趣区域特征图通过非局部神经网络模型以得到增强感兴趣区域特征图；以及安全管理结果生成单元，用于将所述增强感兴趣区域特征图通过分类器以得到分类结果，所述分类结果用于表示在大型设备运行时是否存在人员入侵。2.根据权利要求1所述的智慧工地安全管理系统，其特征在于，所述分块单元，进一步用于：对所述监控图像进行均匀图像分块处理以得到所述多个图像块，其中，所述多个图像块中各个图像块具有相同的尺寸。3.根据权利要求2所述的智慧工地安全管理系统，其特征在于，所述图像块目标探测单元，进一步用于：所述目标检测网络为基于锚窗的目标检测网络，所述基于锚窗的目标检测网络为Fast R
‑
CNN、Faster R
‑
CNN或RetinaNet。4.根据权利要求3所述的智慧工地安全管理系统，其特征在于，所述基于对抗生成网络包含鉴别器和生成器，其中，所述感兴趣区域像素增强单元，进一步用于将所述感兴趣区域输入所述基于对抗生成网络的图像增强器的生成器以由所述生成器对所述感兴趣区域进行反卷积处理以得到所述增强感兴趣区域。5.根据权利要求4所述的智慧工地安全管理系统，其特征在于，所述特征提取单元，进一步用于：使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为特征提取器的卷积神经网络的最后一层的输出为所述感兴趣区域特征图，所述作为特征提取器的卷积神经网络的第一层的输入为所述增强感兴趣区域。6.根据权利要求5所述的智慧工地安全管理系统，其特征在于，所述特征增强单元，进一步用于：将所述感兴趣区域特征图分别输入所述非局部神经网络的第一点卷积层、第二点卷积层和第三点卷积层以得到第一特征图、第二特征图和第三特征图；计算所述第一特征图和所述第二特征图的按位置加权和以得到中间融合特征图；将所述中间融合特征图输入Softmax函数以对所述中间融合特征图中各个位置的特征值进行归一化以得到归一化中间融合特征图；计算所述归一化中间融合特征图和所述第三特征图的按位置加权和以得到再融合特
征图；将所述再融合特征图通过嵌入高斯相似性函数以计算所述再融合特征图中各个位置的特征值间的相似性以得到全局相似特征图；将所述全局相似特征图通过所述非局部神经网络的第四点卷积层以调整所述全局相似特征图的通道数以得到通道调整全局相似特征图；以及计算所述通道调整全局相似特征图和所述感兴趣区...

【专利技术属性】
技术研发人员：车海宝，董永瑞，姜太平，刘媛，吴曦，苏子卿，刘戈，费双，张春茹，路晨升，
申请(专利权)人：中建新疆建工集团第三建设工程有限公司，
类型：发明
国别省市：