基于计算机视觉的工人入侵施工危险区域风险评估方法技术

本发明专利技术涉及一种基于计算机视觉的工人入侵施工危险区域风险评估方法，包括：获取工人施工区域的视频信息；对视频信息进行工人目标检测和危险区域标注，提取人体骨架关键点位置坐标和危险区域边界线坐标；根据人体骨架关键点位置坐标和危险区域边界线坐标提取人体距离危险区域边界线的距离

【技术实现步骤摘要】
基于计算机视觉的工人入侵施工危险区域风险评估方法


[0001]本专利技术涉及工人入侵施工危险区域风险评估
，尤其是涉及基于计算机视觉的工人入侵施工危险区域风险评估方法
。

技术介绍

[0002]施工危险区域的工人入侵行为一直是建筑工程施工安全管理的重点，也是引发多种人为安全事故的主要原因
。
施工现场具有环境复杂
、
区域类型多样
、
施工人员和机械数量较多且移动轨迹多变等特点，因此，对工人入侵施工危险区域行为的识别及其风险评估，是提升施工现场安全管理效率和减少安全事故发生的关键
。
基于计算机视觉的识别方法由于其低成本
、
非侵入等特点，日益受到业内学者和施工安全管理者的关注
。
[0003]近年来，随着施工现场监控系统的不断完善和计算机视觉技术的发展，基于计算机视觉的工人行为识别和特征提取方法不断出现并逐步应用于实际
。
依据施工现场危险区域的布置，结合轨迹交叉理论，可以通过计算机视觉技术对工人入侵施工危险区域的行为开展识别和风险初步评估
。
由于人体运动的复杂性，仅对工人的整体行为进行识别和分析，难以提升施工安全管理的精细化水平
。
[0004]以往研究中，对于工人入侵施工危险区域的行为，基于安全规范或规则的定性风险评估较多，定量风险评估由于缺乏有效的评估指标较少提及
。
将工人视为整体目标的识别方法并未考虑工人运动方面的个体差异，使得工人入侵施工危险区域行为的风险评估效率有待提升
。
同时，人体的步行运动
(
动作
)
呈周期性变化，但如何利用这一运动特征进行工人入侵施工危险区域等不安全行为的风险评估也并未被提出
。

技术实现思路

[0005]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种考虑人体的步行运动
(
动作
)
呈周期性变化的运动特征的基于计算机视觉的工人入侵施工危险区域风险评估方法，实现针对个体差异的更准确的工人入侵施工危险区域风险评估
。
[0006]本专利技术的目的可以通过以下技术方案来实现：
[0007]一种基于计算机视觉的工人入侵施工危险区域风险评估方法，包括以下步骤：
[0008]获取工人施工区域的视频信息；
[0009]对所述视频信息进行工人目标检测和危险区域标注，提取人体骨架关键点位置坐标和危险区域边界线坐标；
[0010]根据人体骨架关键点位置坐标和危险区域边界线坐标提取人体距离危险区域边界线的距离
、
人体步行运动方向
、
人体步行运动的步频和人体步行运动的步态周期稳定性，从而获取各个指标的风险评估数据；
[0011]根据各个指标的风险评估数据的波动性计算各个指标的权重；
[0012]根据各个指标的风险评估数据和对应的权重，获取工人入侵施工危险区域的风险评估结果
。
[0013]进一步地，所述人体骨架关键点位置坐标包括人体颈部关键点坐标
、
肩部关键点坐标
、
髋部关键点坐标和脚部关键点坐标；
[0014]所述人体距离危险区域边界线的距离的计算过程包括：以人体颈部关键点坐标为人体参考点，以危险区域边界线坐标为区域参考线，计算人体参考点和区域参考线在横坐标上的最短距离；
[0015]所述髋部关键点坐标包括髋关节处人体中心和左右两侧的关键点坐标；
[0016]所述人体步行运动方向的计算过程包括：根据髋关节处人体左右两侧的关键点坐标的连线，获取人体步行运动方向；
[0017]所述人体步行运动的步频的计算过程包括：根据髋部关键点坐标和脚部关键点坐标之间距离的周期性变化频率，计算人体步行运动的步频；
[0018]所述人体步行运动的步态周期稳定性的计算过程包括：以髋关节处人体中心的关键点坐标作为人体重心点，选取人体重心点与双脚的脚部关键点坐标的垂直距离关系，计算人体步行运动的步态周期稳定性
。
[0019]进一步地，所述视频信息中还标注有缓冲区边界线，所述方法还包括对所述视频信息进行截取，从而根据截取后的视频信息获取各个指标的风险评估数据；
[0020]所述截取过程包括：
[0021]根据工人目标检测结果，以工人的人体骨架关键点位置坐标中任意点的坐标进入缓冲区坐标范围内为时间起始点，以工人进入缓冲区到转弯
45
°
时的时间点
t
为中间点，以经过中间点后再经历相同时间
t
的时间点为截止点，获取截取的视频信息
。
[0022]进一步地，所述缓冲区边界线的分布与危险区域的边界一致，所述缓冲区边界线对应的区域为以危险区域边界向外延伸后的区域，所述缓冲区边界线的宽度由人体步行时的运动空间和安全响应的反应空间累加得到
。
[0023]进一步地，采用熵权法根据各个指标的风险评估数据的波动性计算各个指标的权重
。
[0024]进一步地，所述熵权法包括以下步骤：
[0025]S401
：对各个指标的风险评估数据进行数据归一化；
[0026]S402
：对数据归一化后的各个指标的数据计算信息熵；
[0027]S403
：根据各个指标的信息熵计算结果，计算各个指标的权重
。
[0028]进一步地，所述数据归一化的计算表达式为：
[0029][0030]式中，
min
和
max
值为样本中的最小和最大数值，
v
ij
代表矩阵归一化后的第
i
个样本中的第
j
个数值，
α
为归一化系数；
[0031]所述信息熵的计算表达式为：
[0032][0033]式中，
E
j
是第
j
个指标的信息熵值，
k
为信息熵系数，
m
为样本的数值总数，
n
为样本总数；
[0034]所述各个指标的权重的计算表达式为：
[0035][0036]式中，
W
j
为第
j
个指标的权重
。
[0037]进一步地，所述方法还包括获取目标群体中各个人员的风险评估数据和对应的权重，从而根据各个人员的权重数据，获取目标群体的整体指标权重，从而根据整体指标权重对目标群体的各个人员进行入侵行为风险评估
。
[0038]进一步地，根据各个人员的权重数据采用熵权法计算目标群体的整体指标权重
。
[0039]进一步地，所述目标群体的各个人员的入侵行为风险评估计算表达式为：
[0040][0041]式中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于计算机视觉的工人入侵施工危险区域风险评估方法，其特征在于，包括以下步骤：获取工人施工区域的视频信息；对所述视频信息进行工人目标检测和危险区域标注，提取人体骨架关键点位置坐标和危险区域边界线坐标；根据人体骨架关键点位置坐标和危险区域边界线坐标提取人体距离危险区域边界线的距离
、
人体步行运动方向
、
人体步行运动的步频和人体步行运动的步态周期稳定性，从而获取各个指标的风险评估数据；根据各个指标的风险评估数据的波动性计算各个指标的权重；根据各个指标的风险评估数据和对应的权重，获取工人入侵施工危险区域的风险评估结果
。2.
根据权利要求1所述的一种基于计算机视觉的工人入侵施工危险区域风险评估方法，其特征在于，所述人体骨架关键点位置坐标包括人体颈部关键点坐标
、
肩部关键点坐标
、
髋部关键点坐标和脚部关键点坐标；所述人体距离危险区域边界线的距离的计算过程包括：以人体颈部关键点坐标为人体参考点，以危险区域边界线坐标为区域参考线，计算人体参考点和区域参考线在横坐标上的最短距离；所述髋部关键点坐标包括髋关节处人体中心和左右两侧的关键点坐标；所述人体步行运动方向的计算过程包括：根据髋关节处人体左右两侧的关键点坐标的连线，获取人体步行运动方向；所述人体步行运动的步频的计算过程包括：根据髋部关键点坐标和脚部关键点坐标之间距离的周期性变化频率，计算人体步行运动的步频；所述人体步行运动的步态周期稳定性的计算过程包括：以髋关节处人体中心的关键点坐标作为人体重心点，选取人体重心点与双脚的脚部关键点坐标的垂直距离关系，计算人体步行运动的步态周期稳定性
。3.
根据权利要求1所述的一种基于计算机视觉的工人入侵施工危险区域风险评估方法，其特征在于，所述视频信息中还标注有缓冲区边界线，所述方法还包括对所述视频信息进行截取，从而根据截取后的视频信息获取各个指标的风险评估数据；所述截取过程包括：根据工人目标检测结果，以工人的人体骨架关键点位置坐标中任意点的坐标进入缓冲区坐标范围内为时间起始点，以工人进入缓冲区到转弯
45
°
时的时间点
t
为中间点，以经过中间点后再经历相同时间
t
的时间点为截止点，获取截取的视频信息
。4.
根据权利要求3所述的一种基于计算机视觉的工人入侵施工危险区域风险评估方法，其特征在于，所述缓冲区边界线的分布与危险区域的边界一致，所述缓冲区边界线对应的区域为以危险区域边界向外延伸后的区域，所述缓冲区边界线的宽度由人体步行时的运动空间和安全响应的反应空间累加得到
。5.
根据权利要求1所述的一种基于计算机视觉的工人入...

【专利技术属性】
技术研发人员：胡昊，黄鹤，徐峰，张志鹏，胡喆，陶钰，梅心语，刘啸宇，馬文迪，戴磊，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：