一种应用于建筑工地的工程检测方法及系统技术方案

本发明专利技术涉及建筑工地检测技术领域，公开了一种应用于建筑工地的工程检测方法及系统，通过获取建筑工地拍摄的现场监控视频，对现场监控视频进行分割处理，以提取出多张施工现场图像；对施工现场图像进行图像处理，得到现场处理图像，并对现场处理图像进行分解得到基础层图像和显著层图像；对基础层图像和显著层图像的进行图像融合，得到待检测图像；将待检测图像输入预先训练的工程检测模型中，通过工程检测模型进行特征增强，识别和检测建筑工地异常事件的发生，并输出工程检测结果；本发明专利技术利用工程检测模型进行智能图像分析，对建筑工地的工程进行监控，快速提升建筑工地工程管理的智能化水平，有效地降低了人工成本和监管难度

【技术实现步骤摘要】
一种应用于建筑工地的工程检测方法及系统


[0001]本专利技术涉及建筑工地检测
，具体涉及一种应用于建筑工地的工程检测方法及系统
。

技术介绍

[0002]建筑工地的事故隐患识别是建筑业的一个重要问题，大量的近距离工作任务
、
不可预知及不受控的活动，都增加了建筑工地的事故发生率
。
与其他行业相比，建筑业的事故率最高，尤其是坠落
、
碰撞和机械事故；因此建筑工地施工现场的安全质量管理是建筑企业重点关注的管理工作
。
行业内普遍采用的人工教育
、
巡查巡检的管理方式存在效率低
、
成本高
、
效果差的不足，无法满足实际应用场景中的需求，人工巡查的方式成本较高，监管难度大
。

技术实现思路

[0003]本专利技术的目的是为了解决上述问题，设计了一种应用于建筑工地的工程检测方法及系统
。
[0004]本专利技术第一方面提供一种应用于建筑工地的工程检测方法，所述应用于建筑工地的工程检测方法包括以下步骤：获取建筑工地拍摄的现场监控视频，对所述现场监控视频进行分割处理，以提取出多张施工现场图像；对所述施工现场图像进行图像处理，得到现场处理图像，并对所述现场处理图像进行分解得到基础层图像和显著层图像；对所述基础层图像和所述显著层图像的进行图像融合，得到待检测图像；将所述待检测图像输入预先训练的工程检测模型中，通过所述工程检测模型进行特征增强，识别和检测建筑工地异常事件的发生，并输出工程检测结果
。
[0005]可选的，在本专利技术第一方面的第一种实现方式中，所述获取建筑工地拍摄的现场监控视频，对所述现场监控视频进行分割处理，以提取出多张施工现场图像，包括：读取建筑工地拍摄的现场监控视频，逐帧提取，并跟踪目标，将跟踪结果向外扩展形成感兴趣区域，并得到所述感兴趣区域的超像素；基于第1帧与当前帧的超像素，以及上一帧与当前帧的超像素，分别建立两条吸收马尔可夫链；根据吸收马尔可夫链的吸收时间得到超像素标签，进行视频的预分割；对预分割后的视频基于长期和短期时空线索进行超像素标签优化，根据优化后分割结果和超像素线索，自动生成前景骨架和背景骨架，并将注释信息输入骨架映射网络，得到多张施工现场图像
。
[0006]可选的，在本专利技术第一方面的第二种实现方式中，所述对预分割后的视频基于长期和短期时空线索进行超像素标签优化，包括：
获取预分割后的视频，并根据预分割后的视频的超像素构建图模型，将所有前景超像素为图的顶点，两跳内相邻的前景超像素为图的边；基于图的连通性，采用所述图模型得到候选目标区域，以得到每帧超像素的标签
。
[0007]可选的，在本专利技术第一方面的第三种实现方式中，对所述施工现场图像进行图像处理，得到现场处理图像，包括：对所述施工现场图像进行灰度化处理，提取所述施工现场图像边界像素点，得到灰度边界图像；对所述灰度边界图像进行差分，得到二值图，并采用形态学处理去除噪点，得到待增强图像；基于麻雀搜索算法对所述待增强图像进行图像增强处理，得到现场处理图像
。
[0008]可选的，在本专利技术第一方面的第四种实现方式中，所述基于麻雀搜索算法对所述待增强图像进行图像增强处理，得到现场处理图像，包括：对所述待增强图像每个像素点的灰度值进行归一化处理，根据反向学习策略
,
初始化种群和参数，并对麻雀搜索算法进行迭代处理；对归一化处理后的待增强图像进行伽马校正，并确定灰度标准方差
、
熵值及边缘内容，得到每个麻雀个体的适应度值；更新麻雀最优值，若更新后的适应度值大于原始个体最优值，则将该麻雀位置视为最优个体
,
若更新后麻雀适应度值大于原始全局最优值，则将该麻雀位置被视全局最优值；对选取的麻雀个体进行飞行变化
,
更新麻雀种群位置，并判断麻雀搜索算法是否达到迭代停止条件
,
若没有达到
,
则继续更新麻雀种群的位置，若满足迭代停止条件，则结束迭代；输出最优伽马值以及对应麻雀的位置增强图像
,
最后对图像进行反归一化处理
,
得到现场处理图像
。
[0009]可选的，在本专利技术第一方面的第五种实现方式中，所述对所述基础层图像和所述显著层图像的进行图像融合，得到待检测图像，包括：采用
VSM
方法分别处理所述基础层图像和所述显著层图像，使用加权平均，得到融合基本层；采用
Kirsch
算子分别处理所述基础层图像和所述显著层图像得到分解图，采用
VGG
‑
19
网络提取所述分解图的深层特征，得到权值图；将所述权值图与所述显著层图像重构，得到融合细节层，将所述融合基本层和所述融合细节层叠加重构，得到待检测图像
。
[0010]可选的，在本专利技术第一方面的第六种实现方式中，所述将所述待检测图像输入预先训练的工程检测模型中，通过所述工程检测模型进行特征增强，识别和检测建筑工地异常事件的发生，并输出工程检测结果，包括：将所述待检测图像输入工程检测模型中，采用
ResNet50
为主干网络，对所述待检测图像进行特征提取，得到不同尺寸的第一特征图；在金字塔池化模块中融合经过不同尺寸的全局平均池化层得到第二特征图；将所述第二特征图进行3次上采样并在每次上采样时和不同尺寸的第一特征图进
行融合，得到不同尺寸的第三特征图；通过双线性插值将不同尺寸的第三特征图放大到原始尺寸并进行融合；采用
3x3
的卷积对每个像素进行分类并通过双线性插值将尺寸还原到原始尺寸，得到工程检测结果
。
[0011]本专利技术第二方面提供了一种应用于建筑工地的工程检测系统，所述应用于建筑工地的工程检测系统包括视频分割模块
、
图像处理模块
、
图像融合模块和工程检测模块，其中，视频分割模块，用于获取建筑工地拍摄的现场监控视频，对所述现场监控视频进行分割处理，以提取出多张施工现场图像；图像处理模块，用于对所述施工现场图像进行图像处理，得到现场处理图像，并对所述现场处理图像进行分解得到基础层图像和显著层图像；图像融合模块，用于对所述基础层图像和所述显著层图像的进行图像融合，得到待检测图像；工程检测模块，用于将所述待检测图像输入预先训练的工程检测模型中，通过所述工程检测模型进行特征增强，识别和检测建筑工地异常事件的发生，并输出工程检测结果
。
[0012]可选的，在本专利技术第二方面的第一种实现方式中，所述视频分割模块包括逐帧提取子模块
、
建立子模块
、
预分割子模块和自动生成子模块，其中，逐帧提取子模块，用于读取建筑工地拍摄的现场监控视频，逐帧提取，并跟踪目标，将跟踪结果向外扩展形成感兴趣区域，并得到所述感兴趣区域的超像素；建立子模块，用于基于第1帧与当前帧的超像素，以及上一帧与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种应用于建筑工地的工程检测方法，其特征在于，所述应用于建筑工地的工程检测方法包括以下步骤：获取建筑工地拍摄的现场监控视频，对所述现场监控视频进行分割处理，以提取出多张施工现场图像；对所述施工现场图像进行图像处理，得到现场处理图像，并对所述现场处理图像进行分解得到基础层图像和显著层图像；对所述基础层图像和所述显著层图像的进行图像融合，得到待检测图像；将所述待检测图像输入预先训练的工程检测模型中，通过所述工程检测模型进行特征增强，识别和检测建筑工地异常事件的发生，并输出工程检测结果
。2.
如权利要求1所述的一种应用于建筑工地的工程检测方法，其特征在于，所述获取建筑工地拍摄的现场监控视频，对所述现场监控视频进行分割处理，以提取出多张施工现场图像，包括：读取建筑工地拍摄的现场监控视频，逐帧提取，并跟踪目标，将跟踪结果向外扩展形成感兴趣区域，并得到所述感兴趣区域的超像素；基于第1帧与当前帧的超像素，以及上一帧与当前帧的超像素，分别建立两条吸收马尔可夫链；根据吸收马尔可夫链的吸收时间得到超像素标签，进行视频的预分割；对预分割后的视频基于长期和短期时空线索进行超像素标签优化，根据优化后分割结果和超像素线索，自动生成前景骨架和背景骨架，并将注释信息输入骨架映射网络，得到多张施工现场图像
。3.
如权利要求2所述的一种应用于建筑工地的工程检测方法，其特征在于，所述对预分割后的视频基于长期和短期时空线索进行超像素标签优化，包括：获取预分割后的视频，并根据预分割后的视频的超像素构建图模型，将所有前景超像素为图的顶点，两跳内相邻的前景超像素为图的边；基于图的连通性，采用所述图模型得到候选目标区域，以得到每帧超像素的标签
。4.
如权利要求1所述的一种应用于建筑工地的工程检测方法，其特征在于，对所述施工现场图像进行图像处理，得到现场处理图像，包括：对所述施工现场图像进行灰度化处理，提取所述施工现场图像边界像素点，得到灰度边界图像；对所述灰度边界图像进行差分，得到二值图，并采用形态学处理去除噪点，得到待增强图像；基于麻雀搜索算法对所述待增强图像进行图像增强处理，得到现场处理图像
。5.
如权利要求4所述的一种应用于建筑工地的工程检测方法，其特征在于，所述基于麻雀搜索算法对所述待增强图像进行图像增强处理，得到现场处理图像，包括：对所述待增强图像每个像素点的灰度值进行归一化处理，根据反向学习策略
,
初始化种群和参数，并对麻雀搜索算法进行迭代处理；对归一化处理后的待增强图像进行伽马校正，并确定灰度标准方差
、
熵值及边缘内容，得到每个麻雀个体的适应度值；更新麻雀最优值，若更新后的适应度值大于原始个体最优值，则将该麻雀位置视为最
优个体
,
若更新后麻雀适应度值大于原始全局最优值，则将该麻雀位置被视全局最优值；对选取的麻雀个体进行飞行变化
,
更新麻雀种群位置，并判断麻雀搜索算法是否达到迭代停止条件
,
若没有达到
,
则继续更新麻雀种群的位置，若满足迭代停止条件，则结束迭代；输出最优伽马值以及对应麻雀的位置增强图像
,
最后对图像进行反归一化处理
,
得到现场处理图像
。6.
如权利要求1所述的一种应用于建筑工地的工程检测方法，其特征在于，所述对所述基础层图像和所述显著层图像的进行图像融合，得到待检测图像，包括：采用
VSM
方法分别处理所述基础层图像和所述显著层图像，使用加权平均，得到融合基本层；采用
K...

【专利技术属性】
技术研发人员：彭海群，
申请(专利权)人：深圳市金众工程检验检测有限公司，
类型：发明
国别省市：