基于AI智能识别的智慧工地人员行为识别系统及方法技术方案

本申请涉及智能识别领域，其具体公开了一种基于AI智能识别的智慧工地人员行为识别系统及方法，其使用基于深度学习知识的人工智能技术来对工人作业的监控图像进行特征提取与编码，以得到是否对该工人发出危险行为的报警指令的分类结果。这样，通过智能对工人的行为进行判断，降低了人为主观因素的影响，同时降低了人力成本和时间，保障了工人的安全。

【技术实现步骤摘要】

本申请涉及智能识别领域，且更为具体的涉及一种基于ai智能识别的智慧工地人员行为识别系统及方法。

技术介绍

1、工地是一个高风险的环境，容易发生事故。工地通常存在各种各样的物体、设备和工具，以及不同的工作区域和施工条件。这些复杂的环境增加了事故发生的可能性，例如物体坠落、设备故障、电击等。在工地上进行的工作任务通常涉及到高度、重物搬运、机械操作等危险因素。这些工作任务需要工人具备专业的技能和经验，否则可能会导致事故发生。同时，工地上通常有大量的工人同时进行工作，他们需要相互协作和配合。人员密集和协作的情况增加了事故发生的风险，例如碰撞、误操作等。工地上的一些因素是难以预测和控制的，例如天气变化、地质条件等。这些因素可能会对工地的安全性产生影响，增加事故发生的概率。因此，监测和识别工人的行为，及时发现潜在的危险行为或不安全操作，以便采取相应的措施来预防事故的发生，例如，如果系统能够识别到工人未佩戴安全帽或未按规定使用防护设备，可以及时发出警报或提醒，确保工人的安全。

2、传统的检测工人行为的方法通常包括以下几种：1、人工巡检：由安全监管人员进行巡逻本文档来自技高网...

【技术保护点】

1.一种基于AI智能识别的智慧工地人员行为识别系统，其特征在于，包括：

2.根据权利要求1所述的基于AI智能识别的智慧工地人员行为识别系统，其特征在于，所述器材目标检测网络和/或所述学习者目标检测网络为基于无锚窗的目标检测网络。

3.根据权利要求2所述的基于AI智能识别的智慧工地人员行为识别系统，其特征在于，所述基于无锚窗的目标检测网络为YOLOv1、FCOS、CenterNet、ExtremeNet或RepPoints。

4.根据权利要求3所述的基于AI智能识别的智慧工地人员行为识别系统，其特征在于，所述面部目标检测网络为基于锚窗的目标检测网络，所述...

【技术特征摘要】

1.一种基于ai智能识别的智慧工地人员行为识别系统，其特征在于，包括：

2.根据权利要求1所述的基于ai智能识别的智慧工地人员行为识别系统，其特征在于，所述器材目标检测网络和/或所述学习者目标检测网络为基于无锚窗的目标检测网络。

3.根据权利要求2所述的基于ai智能识别的智慧工地人员行为识别系统，其特征在于，所述基于无锚窗的目标检测网络为yolov1、fcos、centernet、extremenet或reppoints。

4.根据权利要求3所述的基于ai智能识别的智慧工地人员行为识别系统，其特征在于，所述面部目标检测网络为基于锚窗的目标检测网络，所述基于锚窗的目标检测网络为fastr-cnn、fasterr-cnn或retinanet。

5.根据权利要求4所述的基于ai智能识别的智慧工地人员行为识别系统，其特征在于，所述...

【专利技术属性】
技术研发人员：王洋，范子杭，王长彬，严捷，赵之华，马金龙，
申请(专利权)人：浙江浙能六横液化天然气有限公司，
类型：发明
国别省市：