一种用于机场施工的工地全景监控方法技术

本发明专利技术提出了一种用于机场施工的工地全景监控方法，通过摄像头判断人员和

【技术实现步骤摘要】
一种用于机场施工的工地全景监控方法


[0001]本专利技术涉及全景监控
，特别是涉及一种用于机场施工的工地全景监控方法
。

技术介绍

[0002]在现代化机场建设中，施工安全与高效管理始终是关注的焦点
。
为确保机场施工的安全性
、
规范性，同时提升施工现场综合管理水平，采用工地全景监控成为一种必然的选择
。
工地全景监控是一种利用先进技术对施工现场进行全面
、
多角度的实时监视和管理的综合解决方案
。
它综合了人工智能视频监控
、
物联网
、
云计算
、
大数据等多种前沿技术，旨在确保工地施工的安全性
、
规范性和高效性，同时提升工地综合管理的能力
。
然而，由于机场施工区域的施工设备较多，可能对画面有一定的遮挡，并且，在下雪和下雨等情况下，摄像头采集的画面可能由于积雪和雨水，造成镜头不能完全拍摄全景画面有一定遮挡，很大程度影响了对图像的识别效果/>。
专利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于机场施工的工地全景监控方法，其特征在于，通过摄像头判断人员和
/
或车辆是否出现在隔离区内的非施工区或道路，具体是通过将摄像头采集的图片输入至
Mask R
‑
CNN
模型得到预测结果进行判断的，包括以下步骤：
S1
，对图像进行预处理，预处理包括尺寸调整和
/
或归一化；
S2
，通过主干特征提取网络中获得特征图，所述主干特征提取网络采用的是
EfficientNet
网络和
FPN
网络耦合的网络；
S3
，通过
RPN
生成若干候选区域；
S4
，再将每个候选区域使用
RoIAlign
进行特征的精细对齐；
S5
，对于每个对齐后的特征图，采用两个分支进行处理；一个分支用于预测目标对象的边界框，所述分支输出目标对象的类别信息；另一个分支用于预测目标对象的分割掩码，通过所述分支输出一个与目标对象形状大小相同的掩码，掩码上的每个像素值表示该像素属于目标对象的概率；
S6
，结合类别信息和分割掩码信息，再将结合的信息进行后处理，得到目标检测的结果；所述后处理包括非极大值抑制和汇总筛选
。2.
根据权利要求1所述的一种用于机场施工的工地全景监控方法，其特征在于，
Mask R
‑
CNN
模型的损失函数为：
Loss
＝
Lcls+Lbox+Lmask
其中，
Lcls
为目标分类分支损失，
Lbox
为边框回归分支损失，
Lmask
为掩模分割分支的损失；其中，
y
i
表示样本的真实类别；
p
i
表示模型对样本预测的类别置信度；
n
是样本数量；是样本数量；其中，
smooth_L1
是一种平滑的
L1
损失函数；
(x,y,w,h)
表示样本的真实边界框坐标和宽高；
(x',y',w',h')
表示模型对样本预测的边界框坐标和宽高；
i
是当前样本；
n
是样本...

【专利技术属性】
技术研发人员：李炬坷，高智伟，王荣荣，申博虎，高宇航，
申请(专利权)人：成都希盟泰克科技发展有限公司，
类型：发明
国别省市：