【技术实现步骤摘要】
本专利技术涉及图像增强，具体涉及一种基于机器视觉的建筑施工安全监测及预警方法。
技术介绍
1、随着人工智能领域的不断发展和完善，利用计算机视觉技术来实时监测和评估建筑施工现场安全状况，可以通过自动分析视频图像数据来检测潜在的危险因素并进行提前预警，以确保施工过程中的工人和设备的安全。但是对施工场地进行监测过程中，采集到的视频图像可能会受到光线过暗等外界因素的影响，例如夜晚施工时监测系统采集到的视频图像部分区域存在过暗的问题，导致安全监测系统难以对视频图像中的异常进行准确监测和预警。因此，需要对采集到的视频帧图像进行增强处理，从而提高监测系统对采集视频中的异常监测的准确性。
2、现有技术中，采用现有的图像增强技术在对采集到施工的视频帧图像进行增强时，一般是对图像进行整体性增强；但是由于建筑施工场地的视频图像中内容比较丰富，使用现有的图像增强技术可能会导致视频中部分内容区域存在过曝或者部分区域增强并不明显，未能获取到图像在不同区域中合适的增强系数，导致图像的增强效果较差，监测系统在对图像进行分析时具有较大误差，无法准确的监测及预警异常情况。
技术实现思路
1、为了解决未能获取到合适的增强系数，导致图像的增强效果较差，无法准确的监测及预警异常情况的技术问题，本专利技术的目的在于提供一种基于机器视觉的建筑施工安全监测及预警方法，所采用的技术方案具体如下：
2、本专利技术提出了一种基于机器视觉的建筑施工安全监测及预警方法，所述方法包括：
3、获取建筑施工场
4、根据所述监控视频上不同帧图像中每个像素点的位置变化特征，获得每个像素点的位移序列；根据每个像素点的所述位移序列中元素的变化特征，获得每个像素点的位移变化程度；获取每个像素点的初始灰度值，根据每一帧图像中每个像素点的所述初始灰度值和对应的所述位移变化程度，对所有像素点进行聚类，获得每一帧图像中的多个工地元素聚类簇；
5、根据每一帧图像中每个工地元素聚类簇内每个像素点的所述位移变化程度，获得每一帧图像中每个工地元素聚类簇内所含像素点的增强权重；根据每一帧图像中每个像素点的所述初始灰度值、所述增强权重以及所在工地元素聚类簇与其他工地元素聚类簇之间的整体灰度差异，获得每一帧图像中每个像素点的增强系数；
6、根据每一帧图像中每个像素点的所述增强系数和所述初始灰度值，获得每一帧图像中每个像素点的增强灰度值，获得增强视频帧图像，获得增强监控视频；
7、根据所述增强监控视频对建筑施工场地进行监测预警。
8、进一步地，所述位移序列的获取方法包括：
9、在所述监控视频的所有帧图像中，采用光流法获得每个像素点在相邻帧图像之间的位移，构成每个像素点的位移序列。
10、进一步地，所述位移变化程度的获取方法包括：
11、根据位移变化程度的获取公式获得位移变化程度，位移变化程度的获取公式为：；其中，表示第个像素点的位移序列的位移变化程度；表示第个像素点的位移序列中元素的最大值；表示第个像素点的位移序列中元素的最小值；表示第个像素点的位移序列中所有元素的均值；表示以自然常数为底的指数函数；表示线性归一化函数。
12、进一步地，所述工地元素聚类簇的获取方法包括：
13、在每一帧图像中，以每个像素点的灰度值为横坐标，以每个像素点的位移变化程度为纵坐标，构成每个像素点在坐标系中的数据点；采用k-means聚类算法对所有像素点进行聚类，获得多个工地元素聚类簇。
14、进一步地，所述增强权重的获取方法包括：
15、对每一帧图像中每个工地元素聚类簇内所有像素点对应的位移变化程度求均值，并归一化处理，获得每一帧图像中每个工地元素聚类簇内所含像素点的增强权重。
16、进一步地，所述增强系数的获取方法包括：
17、计算预设灰度最大值与每一帧图像中每个像素点的所述初始灰度值的差异，作为第一系数；
18、计算每一帧图像中每个像素点所在工地元素聚类簇内所有像素点的初始灰度值均值，作为第一灰度值；计算每一帧图像中每个其他工地元素聚类簇内所有像素点的初始灰度值均值，作为第二灰度值；
19、计算所述第一灰度值与每个第二灰度值的差异，并对所有差异结果求均值，作为整体灰度差异；对所述整体灰度差异进行负相关映射，作为第二系数；
20、计算每一帧图像中每个像素点的所述第一系数、所述第二系数以及对应的所述增强权重的乘积，并进行归一化，获得每一帧图像中每个像素点的增强系数。
21、进一步地，所述增强灰度值的获取方法包括：
22、计算每一帧图像中每个像素点的所述增强系数与预设常数之和，作为灰度加权值；
23、计算每一帧图像中每个像素点的初始灰度值和所述灰度加权值的乘积，并将乘积结果向下取整，获得每一帧图像中每个像素点的增强灰度值。
24、进一步地，所述预设灰度最大值为255。
25、进一步地，所述负相关映射的获取方法为以自然常数为底的指数函数进行负相关映射。
26、进一步地，所述预设常数为1。
27、本专利技术具有如下有益效果：
28、本专利技术为了检测到施工设备以及施工人员显著的运动或变化，根据监控视频上不同帧图像中每个像素点的位置变化特征，获得每个像素点的位移序列；根据每个像素点的位移序列中元素的变化特征，获得每个像素点的位移变化程度，对像素点的移动进行量化评估；获取每个像素点的初始灰度值，根据每一帧图像中每个像素点的初始灰度值和对应的位移变化程度，对所有像素点进行聚类，获得每一帧图像中的多个工地元素聚类簇，可以将具有相似特征的像素点分组，从而更容易识别和分析特定区域的变化；根据每一帧图像中每个工地元素聚类簇内每个像素点的位移变化程度，获得每一帧图像中每个工地元素聚类簇内所含像素点的增强权重，区分施工设备以及施工人员与施工场地其他内容，对主要监测对象更明显的增强；根据每一帧图像中每个像素点的初始灰度值、增强权重以及所在工地元素聚类簇与其他工地元素聚类簇之间的整体灰度差异，获得每一帧图像中每个像素点的增强系数，更全面地评估每个像素点的重要性，确保增强后的图像既保留了原始细节，又突出了重要信息；根据每一帧图像中每个像素点的增强系数和初始灰度值，获得每一帧图像中每个像素点的增强灰度值，突出显示重要性较高的像素点，使得施工场地的安全监测更加直观和高效；获得增强视频帧图像，获得增强监控视频；对建筑施工场地进行监测预警，更准确地识别安全问题。本专利技术通过获得合适的增强系数，提高视频帧图像增强的效果，提高监测系统异常监测的准确性。
本文档来自技高网...【技术保护点】
1.一种基于机器视觉的建筑施工安全监测及预警方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于机器视觉的建筑施工安全监测及预警方法，其特征在于，所述位移序列的获取方法包括：
3.根据权利要求1所述的一种基于机器视觉的建筑施工安全监测及预警方法，其特征在于，所述位移变化程度的获取方法包括：
4.根据权利要求1所述的一种基于机器视觉的建筑施工安全监测及预警方法，其特征在于，所述工地元素聚类簇的获取方法包括：
5.根据权利要求1所述的一种基于机器视觉的建筑施工安全监测及预警方法，其特征在于，所述增强权重的获取方法包括：
6.根据权利要求1所述的一种基于机器视觉的建筑施工安全监测及预警方法，其特征在于，所述增强系数的获取方法包括：
7.根据权利要求1所述的一种基于机器视觉的建筑施工安全监测及预警方法，其特征在于，所述增强灰度值的获取方法包括：
8.根据权利要求6所述的一种基于机器视觉的建筑施工安全监测及预警方法，其特征在于，所述预设灰度最大值为255。
9.根据权利要求6所述的
10.根据权利要求7所述的一种基于机器视觉的建筑施工安全监测及预警方法，其特征在于，所述预设常数为1。
...【技术特征摘要】
1.一种基于机器视觉的建筑施工安全监测及预警方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于机器视觉的建筑施工安全监测及预警方法，其特征在于，所述位移序列的获取方法包括：
3.根据权利要求1所述的一种基于机器视觉的建筑施工安全监测及预警方法，其特征在于，所述位移变化程度的获取方法包括：
4.根据权利要求1所述的一种基于机器视觉的建筑施工安全监测及预警方法，其特征在于，所述工地元素聚类簇的获取方法包括：
5.根据权利要求1所述的一种基于机器视觉的建筑施工安全监测及预警方法，其特征在于，所述增强权重的获取方法包括：
6.根据权利要求1所述...
【专利技术属性】
技术研发人员：薛小东，刘凤海，刘雷宁，梁利婷，李环，何俊，褚伟伟，李学佳，
申请(专利权)人：武汉同创万智数字科技有限公司，
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。