System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 施工监测方法、装置、电子设备及机器可读存储介质制造方法及图纸_技高网

施工监测方法、装置、电子设备及机器可读存储介质制造方法及图纸

技术编号:40646579 阅读:10 留言:0更新日期:2024-03-13 21:26
本申请公开了一种施工监测方法、装置、电子设备及机器可读存储介质,属于工程机械技术领域。方法包括:获取施工实况视频流,基于目标检测模型对施工实况视频流中的每一帧视频图像进行检测,检测各个视频图像中是否包括工程机械、目标人员以及穿戴设备。在检测到视频图像包括工程机械、目标人员以及穿戴设备的情况下,进一步根据视频图像中穿戴设备所处位置和目标人员所处位置判断目标人员是否存在处于危险状态,并在目标人员处于危险状态的情况下,输出警报信息。实现了对施工现场相关人员的实时安全监督,且通过输出警报信息实现对目标人员的及时提醒,降低了施工风险,提升了施工安全性。

【技术实现步骤摘要】

本申请涉及工程机械,具体地涉及一种施工监测方法、装置、电子设备及机器可读存储介质


技术介绍

1、在挖掘机工作过程中,如果存在任何安全隐患,都会对施工人员的人身安全造成威胁,并且还会影响施工的进度和效率。所以挖掘机施工过程中的安全监测十分重要,场地的挖掘机操作人员和工作人员都应该穿戴安全服、安全帽,可以有效减少施工现场安全事故的发生。目前施工现场一般通过安全员对施工人员是否穿戴安全服和安全帽进行检查。然而安全员负责的事务很多,比如安全培训,安全检查,事故处理等,监测施工人员佩戴安全帽和安全服只是日常工作的一部分,不会一直在现场进行监督,而且通过人工检查的方式难免会出现漏查的情况。


技术实现思路

1、本申请实施例的目的是提供一种施工监测方法、装置、电子设备及机器可读存储介质。

2、为了实现上述目的,本申请第一方面提供一种施工监测方法,包括:

3、获取施工实况视频流;

4、基于目标检测模型对施工实况视频流中的每一帧视频图像进行检测;

5、在检测到视频图像包括工程机械、穿戴设备以及目标人员的情况下,根据视频图像中穿戴设备所处位置和目标人员所处位置,判断目标人员是否处于危险状态;

6、在目标人员处于危险状态的情况下,输出警报信息。

7、在本申请实施例中,在检测到视频图像包括工程机械、穿戴设备以及目标人员的情况下,根据视频图像中穿戴设备所处位置和目标人员所处位置,判断目标人员是否处于危险状态,包括:

8、在检测到视频图像包括工程机械的情况下,对视频图像进行图像检测,判断视频图像中是否包括穿戴设备和目标人员;

9、在视频图像包括穿戴设备和目标人员的情况下,根据视频图像中穿戴设备所处位置和目标人员所处位置,判断目标人员是否处于危险状态。

10、在本申请实施例中,在检测到视频图像包括工程机械的情况下,对视频图像进行图像检测,判断视频图像中是否包括穿戴设备和目标人员的步骤之后,还包括:

11、在检测到视频图像包括目标人员且不包括穿戴设备的情况下,输出警报信息。

12、在本申请实施例中,根据视频图像中穿戴设备所处位置和目标人员所处位置,判断目标人员是否处于危险状态,包括:

13、获取视频图像中的第一检测框和第二检测框,其中,第一检测框用于指示穿戴设备在视频图像中关联的显示区域,第二检测框用于指示目标人员在视频图像中关联的显示区域;

14、判断第一检测框与第二检测框之间是否存在重叠区域;

15、在不存在重叠区域的情况下,确定目标人员处于危险状态;

16、在存在重叠区域的情况下,确定目标人员未处于危险状态。

17、在本申请实施例中,判断第一检测框与第二检测框之间是否存在重叠区域,包括:

18、确定第一检测框与第二检测框之间的交并比;

19、在交并比小于或等于预设数值的情况下,确定第一检测框与第二检测框之间不存在重叠区域;

20、在交并比大于零的情况下,确定第一检测框与第二检测框之间存在重叠区域。

21、在本申请实施例中,目标检测模型的训练方法包括:

22、构建初始检测模型,初始检测模型用于对图像进行检测;

23、获取施工图像数据集,其中,施工图像数据集包括工程机械数据集和施工穿戴数据集;

24、采用施工图像数据集对初始检测模型进行训练,得到目标检测模型。

25、在本申请实施例中,初始检测模型基于yolov8模型构建,初始检测模型包括在yolov8模型的backbone部分增加cbam注意力模块和lion优化算法,在yolov8模型的neck部分增加lion优化算法。

26、本专利技术第二方面提供了一种施工监测装置,包括:

27、视频获取模块,用于获取施工实况视频流;

28、图像检测模块,用于基于训练完成的目标检测模型对施工实况视频流中的每一帧视频图像进行检测;

29、危险识别模块,用于在检测到视频图像包括工程机械、穿戴设备以及目标人员的情况下,根据视频图像中穿戴设备所处位置和目标人员所处位置,判断目标人员是否处于危险状态;

30、警报输出模块,用于在目标人员处于危险状态的情况下,输出警报信息。

31、本专利技术第三方面提供了一种电子设备,电子设备包括:存储器、处理器及存储在存储器上并可在处理器上运行的程序,程序被配置为实现如上述实施例所述的施工监测方法。

32、本专利技术第四方面提供了一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行如上述实施例所述的施工监测方法。

33、通过上述技术方案,通过获取施工实况视频流,并基于目标检测模型对施工实况视频流中的每一帧视频图像进行检测,以检测各个视频图像中是否包括工程机械、目标人员以及穿戴设备。利用目标检测模型准确识别应用场景,并对施工场景下的目标人员和穿戴设备进行精准识别,为目标人员是否处于危险状态提供有效的判断依据。在检测到视频图像包括工程机械、目标人员以及穿戴设备的情况下,进一步根据视频图像中穿戴设备所处位置和目标人员所处位置判断目标人员是否存在处于危险状态,并在目标人员处于危险状态的情况下,输出警报信息。实现了对施工现场相关人员的实时安全监督,且通过输出警报信息实现对目标人员的及时提醒,降低了施工风险,提升了施工安全性。

34、本申请实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。

本文档来自技高网...

【技术保护点】

1.一种施工监测方法,其特征在于,包括:

2.根据权利要求1所述的施工监测方法,其特征在于,所述在检测到所述视频图像包括工程机械、穿戴设备以及目标人员的情况下,根据所述视频图像中所述穿戴设备所处位置和所述目标人员所处位置,判断所述目标人员是否处于危险状态,包括:

3.根据权利要求2所述的施工监测方法,其特征在于,所述在检测到所述视频图像包括所述工程机械的情况下,对所述视频图像进行图像检测,判断所述视频图像中是否包括穿戴设备和目标人员的步骤之后,还包括:

4.根据权利要求1所述的施工监测方法,其特征在于,所述根据所述视频图像中所述穿戴设备所处位置和所述目标人员所处位置,判断所述目标人员是否处于危险状态,包括:

5.根据权利要求4所述的施工监测方法,其特征在于,所述判断所述第一检测框与所述第二检测框之间是否存在重叠区域,包括:

6.根据权利要求1所述的施工监测方法,其特征在于,所述目标检测模型的训练方法包括:

7.根据权利要求6所述的施工监测方法,其特征在于,所述初始检测模型基于YOLOv8模型构建,所述初始检测模型包括在所述YOLOv8模型的Backbone部分增加CBAM注意力模块和Lion优化算法,在所述YOLOv8模型的Neck部分增加Lion优化算法。

8.一种施工监测装置,其特征在于,包括:

9.一种电子设备,其特征在于,所述电子设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序,所述程序被配置为实现根据权利要求1至7中任一项所述的施工监测方法。

10.一种机器可读存储介质,其特征在于,该机器可读存储介质上存储有指令,该指令用于使得机器执行根据权利要求1至7中任一项所述的施工监测方法。

...

【技术特征摘要】

1.一种施工监测方法,其特征在于,包括:

2.根据权利要求1所述的施工监测方法,其特征在于,所述在检测到所述视频图像包括工程机械、穿戴设备以及目标人员的情况下,根据所述视频图像中所述穿戴设备所处位置和所述目标人员所处位置,判断所述目标人员是否处于危险状态,包括:

3.根据权利要求2所述的施工监测方法,其特征在于,所述在检测到所述视频图像包括所述工程机械的情况下,对所述视频图像进行图像检测,判断所述视频图像中是否包括穿戴设备和目标人员的步骤之后,还包括:

4.根据权利要求1所述的施工监测方法,其特征在于,所述根据所述视频图像中所述穿戴设备所处位置和所述目标人员所处位置,判断所述目标人员是否处于危险状态,包括:

5.根据权利要求4所述的施工监测方法,其特征在于,所述判断所述第一检测框与所述第二检测框之间是否存在重叠区域,...

【专利技术属性】
技术研发人员:胡耀各袁野吴元峰
申请(专利权)人:中联重科土方机械有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1