本公开提供一种多场景高处施工作业识别方法、系统、介质及电子设备，其中，多场景高处施工作业识别方法，包括：获取高处施工作业的图像数据集，高处施工作业的图像数据集包括室内场景、室外场景、半室外场景的高处施工作业图像；采用高处施工作业的图像数据集和预设的图像分割算法对预设的图像分割框架进行模型训练，确定全景分割模型；将待检测的场景施工图像输入全景分割模型中，确定场景施工图像的语义信息；根据场景施工图像的语义信息和预设的场景规则，确定待检测的场景施工图像中的施工工人的高处施工作业置信概率。通过本公开，实现高处施工作业的非接触式识别，降低对施工工人工作的影响程度，降低高处施工作业监测成本。
【技术实现步骤摘要】
本公开涉及计算机视觉，具体地，涉及一种多场景高处施工作业识别方法、系统、介质及电子设备。
技术介绍
1、据统计，高处作业场所的跌落事故发生率超过建筑施工安全事故的50％，高处作业场所的跌落事故不仅会导致施工人员严重伤亡，还会对项目进度造成不利影响，甚至增加项目成本。建筑施工行业对于高处作业的安全管理十分重视，其中，识别出高处作业是采取监管措施的前提，即对建筑工地的高处作业进行识别是十分重要的。传统的高处作业识别任务主要采用管理人员的现场巡查的方式，由于施工工地现场的管理人员数量有限、精力有限，无法实现对工地的高处作业行为进行全覆盖、全时段的识别，即无法全面、完整地掌握高处作业情况，造成施工工地上存在高处作业监管盲区。
2、近年来，随着计算机软硬件技术的不断发展，计算机视觉技术和深度学习技术在各个领域的应用快速发展。计算机视觉技术在多个领域得到广泛应用，人脸识别、自动驾驶等技术已经达到或者超过人类识别的水平，在建筑施工领域，利用计算机视觉检测施工工人是否正确佩戴安全帽、反光衣等个人防护用具的技术也日渐成熟。这显示出计算机视觉技术可以非接触式地对施工现场进行监测，对工人的正常作业几乎不产生干扰。利用计算机视觉技术实现工地上高处作业的智能识别，提供更全面和精准的高处作业判断结果，从而为后续开展高处作业监管工作提供了技术支撑，对提升建筑施工的安全水平具有重要意义。
技术实现思路
1、针对现有技术中的缺陷，本公开的目的是提供一种多场景高处施工作业识别方法、系统、介质及电子设备。</p>2、为实现上述目的，根据本公开的一个方面，提供一种多场景高处施工作业识别方法，包括：
3、获取高处施工作业的图像数据集，所述高处施工作业的图像数据集包括室内场景、室外场景、半室外场景的高处施工作业图像；
4、采用所述高处施工作业的图像数据集和预设的图像分割算法对预设的图像分割框架进行模型训练，确定全景分割模型；
5、将待检测的场景施工图像输入所述全景分割模型中，确定所述场景施工图像的语义信息；
6、根据所述场景施工图像的语义信息和预设的场景规则，确定所述待检测的场景施工图像中的施工工人的高处施工作业置信概率。
7、可选地，所述预设的场景规则包括预设的场景判别规则和预设的场景核心规则。
8、可选地，所述根据所述场景施工图像的语义信息和预设的场景规则，确定所述待检测的场景施工图像中的施工工人的高处施工作业置信概率，包括：
9、根据所述场景施工图像的语义信息和所述预设的场景判别规则，确定所述待检测的场景施工图像的场景类别；
10、根据所述场景施工图像的语义信息和所述待检测的场景施工图像的场景类别对应的预设的场景核心规则，确定所述待检测的场景施工图像中的施工工人的高处施工作业置信概率。
11、可选地，所述根据所述场景施工图像的语义信息和所述预设的场景判别规则，确定所述待检测的场景施工图像的场景类别，包括：
12、若所述场景施工图像的语义信息中包括天花板的语义信息，确定所述待检测的场景施工图像的场景类别为室内场景；
13、若所述场景施工图像的语义信息中不包括天花板的语义信息，并且，天空面积占比小于预设的天空面积占比，确定所述待检测的场景施工图像的场景类别为半室外场景；
14、若所述场景施工图像的语义信息中不包括天花板的语义信息，并且，天空面积占比大于预设的天空面积占比，确定所述待检测的场景施工图像的场景类别为室外场景。
15、可选地，所述室内场景包括第一顶层、第一中间层和第一底层。
16、可选地，所述根据所述场景施工图像的语义信息和所述待检测的场景施工图像的场景类别对应的预设的场景核心规则，确定所述待检测的场景施工图像中的施工工人的高处施工作业置信概率，包括：
17、若所述待检测的场景施工图像的场景类别为室内场景，当所述施工工人的位置处于所述第一顶层和所述第一底层之间，确定所述待检测的场景施工图像中的施工工人的高处施工作业置信概率大于第一置信概率；
18、当所述施工工人的位置处于所述第一顶层和所述第一底层之间，并且所述施工工人的位置的高度高于所述第一底层到所述第一顶层的高度的预设高度，确定所述待检测的场景施工图像中的施工工人的高处施工作业置信概率大于第二置信概率；
19、当所述施工工人的位置处于所述第一顶层和所述第一底层之间，并且所述施工工人的位置的高度高于所述第一底层到所述第一顶层的高度的预设高度，并且所述施工工人的位置的高度高于所述第一中间层的中心点位置的高度，确定所述待检测的场景施工图像中的施工工人的高处施工作业概率为第三置信概率。
20、可选地，所述半室外场景包括第二顶层、第二中间层和第二底层。
21、可选地，所述根据所述场景施工图像的语义信息和所述待检测的场景施工图像的场景类别对应的预设的场景核心规则，确定所述待检测的场景施工图像中的施工工人的高处施工作业置信概率，还包括：
22、若所述待检测的场景施工图像的场景类别为半室外场景，当所述待检测的场景施工图像中包括所述第二底层且所述施工工人的邻接类别为所述第二中间层，确定所述待检测的场景施工图像中的施工工人的高处施工作业置信概率大于第一置信概率；
23、当所述待检测的场景施工图像中包括所述第二底层且所述施工工人的邻接类别为所述第二中间层和/或所述第二顶层，确定所述待检测的场景施工图像中的施工工人的高处施工作业置信概率大于第二置信概率；
24、当所述待检测的场景施工图像中不包括所述第二底层且所述施工工人的邻接类别为所述第二中间层和/或所述第二顶层，确定所述待检测的场景施工图像中的施工工人的高处施工作业置信概率为大于第二置信概率。
25、可选地，所述室外场景包括非室内场景、非半室外场景。
26、可选地，所述室外场景包括第三顶层、第三中间层和第三底层。
27、可选地，所述根据所述场景施工图像的语义信息和预设的场景规则，确定所述待检测的场景施工图像中的施工工人的高处施工作业置信概率，还包括：
28、若所述待检测的场景施工图像的场景类别为室外场景，当所述待检测的场景施工图像中包括所述第三底层，并且所述施工工人的邻接类别为所述第三中间层和/或所述第三顶层，并且所述施工工人与所述第三底层的中心点之间的高度高于预设倍数的工人像素高度，确定所述待检测的场景施工图像中的施工工人的高处施工作业置信概率大于第二置信概率；
29、当所述待检测的场景施工图像中不包括所述第三底层，并且所述施工工人的邻接类别为所述第三中间层和/或所述第三顶层，确定所述待检测的场景施工图像中的施工工人的高处施工作业置信概率大于第一置信概率。
30、可选地，所述预设的图像分割框架采用detectron2图像分割框架，所述预设的图像分割算法采用mask r-cnn算法。
31、根据本公本文档来自技高网
...
【技术保护点】
1.一种多场景高处施工作业识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述预设的场景规则包括预设的场景判别规则和预设的场景核心规则；
3.根据权利要求2所述的方法，其特征在于，所述根据所述场景施工图像的语义信息和所述预设的场景判别规则，确定所述待检测的场景施工图像的场景类别，包括：
4.根据权利要求3所述的方法，其特征在于，所述室内场景包括第一顶层、第一中间层和第一底层；
5.根据权利要求3所述的方法，其特征在于，所述半室外场景包括第二顶层、第二中间层和第二底层；
6.根据权利要求3所述的方法，其特征在于，所述室外场景包括非室内场景、非半室外场景；所述室外场景包括第三顶层、第三中间层和第三底层；
7.根据权利要求1所述的方法，其特征在于，所述预设的图像分割框架采用Detectron2图像分割框架，所述预设的图像分割算法采用Mask R-CNN算法。
8.一种多场景高处施工作业识别系统，其特征在于，包括：
9.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种电子设备，其特征在于，包括：
...
【技术特征摘要】
1.一种多场景高处施工作业识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述预设的场景规则包括预设的场景判别规则和预设的场景核心规则；
3.根据权利要求2所述的方法，其特征在于，所述根据所述场景施工图像的语义信息和所述预设的场景判别规则，确定所述待检测的场景施工图像的场景类别，包括：
4.根据权利要求3所述的方法，其特征在于，所述室内场景包括第一顶层、第一中间层和第一底层；
5.根据权利要求3所述的方法，其特征在于，所述半室外场景包括第二顶层、第二中间层和第二底层；
6....
【专利技术属性】
技术研发人员：黄科锋，陆荣欣，徐峰，刘啸宇，孙恺毓，梅心语，肖思奇，黄鹤，伍昊，顾钦子，
申请(专利权)人：上海建科工程咨询有限公司，
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。