一种施工现场智能安全管控系统

技术领域

本发明涉及门禁系统技术领域，尤其涉及一种施工现场智能安全管控系统。

背景技术

变电站基建现场生产作业环境复杂，人员复杂，多工种交叉作业，协作方多，呈现出施工地点分散、施工现场管理难等特点。佩戴安全帽能对人体头部受坠落物及其他特定因素引起的伤害起到防护作用，在工地生产现场都必须佩戴安全帽，佩戴安全帽可保护自身安全。工地管理明确规定，任何人进入变电站生产现场都必须佩戴安全帽，然而，时常有工作人员进入工地时未佩戴安全帽，安全意识薄弱，监管人员无法全程现场监督，存在很大的安全隐患。大多数的变电站施工仍然依靠纯人工巡检或人工为主，视频监控为辅的管理方式，但这种管理方式已然不能满足实际需要。

在现有的现场安全监督体系下，监督人员往往因为会议、临时工作任务、交通车辆等因素，不可能对每一个工作现场都能够进行全过程的监督；由于基建现场路途遥远，位置分散，在监督范围、监督时间和次数上存在较大的困难，不能够保证进行及时、有效的监督，容易造成安全监督的盲区。

现需要一种新型的现场安全管控系统，能够解决上述问题。

发明内容

本发明提供了一种施工现场智能安全管控系统，通过对现有施工监控管理设备进行技术改造，提升基建工程场地安全规范化管理水平。

为解决上述技术问题，本发明具体采用如下技术方案：

一种施工现场智能安全管控系统，包括视频采集模块、安全帽特征识别模块、云服务器、报警装置模块、视频显示模块、视频存储模块和外部终端，所述视频采集模块通过安全帽特征识别模块与云服务器连接，所述云服务器还与报警装置模块和外部终端连接，所述安全帽特征识别模块能够智能识别检测进入工地人员是否佩戴安全帽，所述报警装置模块能够根据安全帽特征识别模块的检测信息发送警报信息至外部终端，所述外部终端还与视频显示模块和视频存储模块相连，所述视频显示模块能够显示视频采集模块采集的图像信息，所述视频存储模块能够储存视频采集模块采集的图像信息。

优选的，所述视频采集模块包括摄像头和传感器，所述摄像头和传感器为多组，所述多组摄像头和传感器分别布控设置在待检测区域的不同方位处。

优选的，所述安全帽特征识别模块包括图像预处理模块、图片优化识别模块和动态检测模块；

所述图像预处理模块能够对安全帽按款式、类型、类别和颜色在不同的光线下、不同背景环境中进行备注标记存储，进行相应的特征表示与特征提取；

所述图片优化识别模块能够针对环境背景差异影响大，包括遮挡、多视角、光照、低分辨率、动态背景等因素多维度视觉领域识别分析图像数据；

所述动态检测模块能够对采集人员图像数据采用深度学习进行训练预测模型，判断施工人员是否按规定穿戴安全帽，对没有穿戴安全帽人员可实时抓拍并发送至报警装置模块。

优选的，所述云服务器、报警装置模块、视频显示模块、视频存储模块和外部终端均通过互联网连接。

优选的，所述外部终端包括web端和APP端，所述web端设置在工地机房内，APP端安装设置于手机等移动设备上，所述web端和APP端均能实时接收报警装置模块发送的报警讯息。

优选的，所述安全帽特征识别模块还与门禁系统相连接，当安全帽特征识别模块识别进入人员判断为佩戴安全帽时所述门禁系统开放通行，当安全帽特征识别模块识别进入人员判断为未佩戴安全帽时所述门禁系统禁止通行。

相对于现有技术，本发明具有如下有益效果：

本发明前端设计有视频采集模块，安全帽特征识别模块和云服务器设置于工地现场机房内，服务器与视频采集模块在同一局域网内，通过RTSP协议访问摄像机视频流，实时获取，实时分析，实时报警。

本发明利用人工智能技术为基础，基于图像识别技术，自动检测施工人员是否穿戴安全帽，无需人工干预实现安全生产智能化管理。通过安装在工地施工现场的各类监控装置，构建智能监控和防范体系，有效弥补传统方法和技术在监管中的缺陷，真正做到事前预警，事中常态检测，时候规范管理。将工地安全生产做到信息化管理，保证作业人员安全，提高安全生产管理。

1、本发明可以部署安全帽佩戴检测与门禁系统系统连接，确保工作人员必须佩戴安全帽才能打开门禁进入工地。

2、本发明对施工工地进行有效的安全预警功能，进一步保障工作人身安全；降低了人工安全巡检的投入，提高了安全预警的可靠性，满足了“减员增效”的管理理念。

3、应用图像处理、机器学习等理论和技术，实现变电站基建现场智能化管理，提高管理效率，保障施工人员安全。

4、本发明采用的工程场地穿戴识别分析技术可以降低企业人力资本，从而提高施工进度，减少不必要的经济损失。

综上所述，对实施人员现场作业视频图像进行结构化特征值提取，形成价值视频数据积累，为现场作业安全风险方案提供事前解析积累、事中实时追踪、事后线索提取等场景化的应用功能，从而提高实施人员现场作业安全风险管控的能力。

附图说明

图1为本发明模块连接示意图；

图2为本发明识别讯息路线图；

图3为本发明视频采集模块拍摄范围示意图；

图4为本发明左图像跟右图像采集信息坐标原理图；

具体实施方式

下面结合附图和实施例来详细说明本发明的具体内容。

如图1-4所示，本实施例提供了一种施工现场智能安全管控系统，包括视频采集模块、安全帽特征识别模块、云服务器、报警装置模块、视频显示模块、视频存储模块和外部终端，所述视频采集模块通过安全帽特征识别模块与云服务器连接，所述云服务器还与报警装置模块和外部终端连接，所述安全帽特征识别模块能够智能识别检测进入工地人员是否佩戴安全帽，所述报警装置模块能够根据安全帽特征识别模块的检测信息发送警报信息至外部终端，所述外部终端还与视频显示模块和视频存储模块相连，所述视频显示模块能够显示视频采集模块采集的图像信息，所述视频存储模块能够储存视频采集模块采集的图像信息。

进一步地，所述视频采集模块包括摄像头和传感器，所述摄像头和传感器为多组，所述多组摄像头和传感器分别布控设置在待检测区域的不同方位处。

人员的行为存在动态连续性和多维性，本发明建立了多目(视场景而定也包括单双视觉模型)视觉模型与图像技术来实现对施工现场人员规范性的监控和人员安全帽识别功能，通过此技术可以提高对施工人员安全帽识别率。多目视觉模型意图理图如图3所示，

如图4所示，基线距B等于两摄像机的投影中心连线的距离；相机焦距为f。设两摄像机在同一时刻观看空间物体的同一特征点(x

工作区域检测算法,其包括以下步骤：

(1)考虑到实际拍摄视角的多变性以及多人违规施工行为同时出现的情况，在通用智能图像识别分析算法基础上，研究鲁棒性更强的集成检测算法。针对相似的不戴安全帽行为特征，采用同一网络模型进行训练、检测，提高算法的集成度。本课题使用Vibe前景算法来对工作区域进行检测。Vibe算法是一种基于背景更新的前景检测算法，其原理是通过提取像素点(x,y)周围的像素值及以前的像素值建立像素点的样本集，然后再将另一帧(x，y)处的像素值与样本集中的像素值进行比较，如果其与样本集中的像素值的距离大于某阈值的话，则认为该像素点为前景像素点，否则为背景像素点。

(2)Vibe算法采用邻域像素来创建背景模型，通过比对背景模型和当前输入像素值来检测前景，可以细分为三个步骤：

1)：初始化单帧图像中每个像素点的背景模型。假设每一个像素和其邻域像素的像素值在空域上有相似的分布。基于这种假设，每一个像素模型都可以用其邻域中的像素来表示。为了保证背景模型符合统计学规律，邻域的范围要足够大。当输入第一帧图像时，即t＝0时，像素的背景模型为：

BK

其中，NG(x,y)表示空域上相邻的像素值，f 0(x j,y j)表示当前点的像素值。在N次的初始化的过程中，NG(x,y)中的像素点被选中的可能次数为L＝1,2,3,…,N。

2)：对后续的图像序列进行前景目标分割操作。当t＝k时，像素点的背景模型为，像素值为。按照下面判断该像素值是否为前景。

这里上标k是随机值；T是预先设置好的阈值。当f k(x,y)满足背景判定条件时，我们认为像素点为背景，否则为前景。

3)：背景模型更新方法。Vibe算法的更新在时间和空间上都具有随机性。

时间上的随机性：在N个背景模型中随机抽取一个，设为图像PG，如下图表示了图像PG的x位置及其八邻域内的像素。当我们得到新的一帧图像Pt时，如果图像Pt中的x位置对应的像素Pt(x)被判断为背景，则PG需要被更新。这个抽取的过程体现了时间上的随机性。

空间上的随机性：在PG(x)的八邻域中随机抽取一个像素PG(r)，用Pt(x)来替换掉PG(r)，这体现了模型更新空间上的随机性。

以上便是更新的过程，即用Pt(x)来更新P(x)及其八邻域。采用八邻域更新的方法，可以去除由于获取的视频细微抖动(摄像机抖动、目标微动)而产生的重影和误差，让检测目标更加准确。

在一般情况下，背景并不会发生较大的变化，所以每次背景模型更新的个数(Update Num)应该是相近的。因此我们把第一帧背景更新的次数(Init Num)作为比较值，符合下面公式则对背景模型进行重新初始化，这样可以避免由于大面积的光照变化导致的误判。

进一步地，所述安全帽特征识别模块包括图像预处理模块、图片优化识别模块和动态检测模块；

所述图像预处理模块能够对安全帽按款式、类型、类别和颜色在不同的光线下、不同背景环境中进行备注标记存储，进行相应的特征表示与特征提取；

所述图片优化识别模块能够针对环境背景差异影响大，包括遮挡、多视角、光照、低分辨率、动态背景等因素多维度视觉领域识别分析图像数据；

所述动态检测模块能够对采集人员图像数据采用深度学习进行训练预测模型，判断施工人员是否按规定穿戴安全帽，对没有穿戴安全帽人员可实时抓拍并发送至报警装置模块。

进一步地，所述云服务器、报警装置模块、视频显示模块、视频存储模块和外部终端均通过互联网连接。

进一步地，所述外部终端包括web端和APP端，所述web端设置在工地机房内，APP端安装设置于手机等移动设备上，所述web端和APP端均能实时接收报警装置模块发送的报警讯息。

进一步地，所述安全帽特征识别模块还与门禁系统相连接，当安全帽特征识别模块识别进入人员判断为佩戴安全帽时所述门禁系统开放通行，当安全帽特征识别模块识别进入人员判断为未佩戴安全帽时所述门禁系统禁止通行。

本实施例前端设计有视频采集模块，安全帽特征识别模块和云服务器设置于工地现场机房内，服务器与视频采集模块在同一局域网内，通过RTSP协议访问摄像机视频流，实时获取，实时分析，实时报警。

本实施例利用人工智能技术为基础，基于图像识别技术，自动检测施工人员是否穿戴安全帽，无需人工干预实现安全生产智能化管理。通过安装在工地施工现场的各类监控装置，构建智能监控和防范体系，有效弥补传统方法和技术在监管中的缺陷，真正做到事前预警，事中常态检测，时候规范管理。将工地安全生产做到信息化管理，保证作业人员安全，提高安全生产管理。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

本发明使用到的标准零件均可以从市场上购买，异形件根据说明书的和附图的记载均可以进行订制，各个零件的具体连接方式均采用现有技术中成熟的螺栓、铆钉、焊接等常规手段，机械、零件和设备均采用现有技术中常规的型号，加上电路连接采用现有技术中常规的连接方式，在此不再详述。

在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”应作广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。