施工安全隐患智能识别方法

技术领域

本发明涉及施工安全技术领域。更具体地说，本发明涉及一种施工安全隐患智能识别方法。

背景技术

目前，施工监督主要还是依靠人工巡检，显然该方式费时费力，而且还无法实现实时监督。一些现有技术提出依靠图像识别技术，判断施工人员是否存在施工安全隐患，例如申请号为2022113995775，专利名称为“一种基于显著性神经网络模型的施工安全预警方法和装置”的发明专利。但是，这些现有技术需要采集大量图像数据，才能对整个施工场地实现监督，计算量较大，无法实现精准监控。因此，有必要设计一种能够一定程度克服上述缺陷的技术方案。

发明内容

本发明的一个目的是提供一种施工安全隐患智能识别方法，能够实现施工安全隐患的精准监控。

为了实现本发明的这些目的和其它优点，根据本发明的一个方面，本发明提供了施工安全隐患智能识别方法，包括：获取施工区域的第一视频数据；在所述第一视频数据中选取多个特征点，计算多个所述特征点的位置信息，追踪多个所述特征点，计算多个所述特征点的运动信息；判断多个所述特征点的所述运动信息是否满足预定条件，确定关键特征点；使无人机根据所述关键特征点的所述位置信息接近所述关键特征点，采集所述异常特点周围的第二视频数据；识别所述第二视频数据中的安全隐患。

进一步地，在所述第一视频数据中，将所述施工区域划分为多个施工小块，在每个所述施工小块内选取至少一个所述特征点。

进一步地，所述施工区域内设置有多个参照物，根据多个所述参照物的位置和多个所述特征点与多个所述参照物间隔的像素点，计算多个所述特征点的位置信息。

进一步地，所述运动信息包括速度信息和加速度信息。

进一步地，根据所述特征点在所述第一视频数据中各视频帧图像之间的位移和各视频帧图像的时间间隔，计算所述速度信息和所述加速度信息。

进一步地，从所述第二视频数据的各视频帧图像中识别出施工对象，并将各视频帧图像中的相同施工对象按时间顺序组合，得到各施工对象的运动趋势，根据各施工对象的运动趋势估计风险施工行为。

进一步地，从所述第二视频数据提取声音数据，从所述声音数据中识别出各施工对象和各施工对象的交流信息，根据各施工对象和各施工对象的交流信息，估计的风险施工行为。

进一步地，所述施工对象包括施工机械、施工人员、安全设备。

本发明至少包括以下有益效果：

本发明在第一视频数据中选取多个特征点，追踪多个所述特征点，计算多个特征点的运动信息，并判断运动信息是否满足预定条件，以确定关键特征点，然后使无人机接近关键特征点采集第二视频数据，从第二视频数据识别出安全隐患；本发明能够针对性地对风险区域进行识别，减少了计算量，实现精准监控。

本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

附图说明

图1为本申请一个实施例的流程图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。

如图1所示，本申请的实施例提供了施工安全隐患智能识别方法，包括：

S1：获取施工区域的第一视频数据；可选地，根据施工区域的范围，选择相应数量的摄像头，能够覆盖整个施工区域即可，摄像头用于获取第一视频数据；可选地，第一视频数据具有预定长度，间隔预定时间获取第一视频数据，例如预定长度为120s，间隔预定时间300s，以减少第一视频数据存储量和计算量；

S2：在所述第一视频数据中选取多个特征点，计算多个所述特征点的位置信息，追踪多个所述特征点，计算多个所述特征点的运动信息；可选地，特征点可以是具有特定颜色的像素点，如施工人员安全帽、衣服颜色的像素点、施工机械颜色的像素点；可选地，特征点可以是视频帧图像中的交点、顶点等；可选地，在所述施工区域内设置或选取多个参照物，多个参照物的位置信息已知或预先测定，根据多个所述参照物的位置、多个所述特征点与多个所述参照物间隔的像素点，计算多个所述特征点的位置信息；可选地，所述运动信息包括速度信息和加速度信息；可选地，获取所述特征点在所述第一视频数据中各视频帧图像之间的位移和各视频帧图像的时间间隔，将像素点位移按比例转化为实际位移，再计算所述速度信息和所述加速度信息；

S3：判断多个所述特征点的所述运动信息是否满足预定条件，确定关键特征点；可选地，预定条件根据施工区域常见施工活动确定，满足预定条件则表明存在施工活动，并且有可能存在安全隐患，如存在施工人员移动、施工人员攀爬、施工机械移动、施工机械作业、物件起吊等极可能存在安全隐患的活动；

S4：使无人机根据所述关键特征点的所述位置信息接近所述关键特征点，采集所述异常特点周围的第二视频数据；可选地，无人机到达关键特征点上方，利用扬声器提醒施工人员主动检查安全措施，再采集第二视频数据；

S5：识别所述第二视频数据中的安全隐患；可选地，识别第二视频数据中的施工人员是否佩戴安全帽、施工人员与施工点的距离、施工机械的使用是否规范等安全隐患；

可以看出，本实施例首先利用摄像头采集第一视频数据，根据特征点的速度和加速度信息初步判断风险施工活动存在的区域，再由无人机进一步靠近，采集第二视频数据，进行安全隐患的识别；即，本实施例能够针对性地对风险区域进行识别，减少了视频数据存储量，减少了计算量，并实现了对风险区域的精准监控，能够较大程度减少了危险事故发生概率。

在另一个实施例中，在所述第一视频数据中，将所述施工区域划分为多个施工小块，在每个所述施工小块内选取至少一个所述特征点；可选地，施工小块呈矩阵状分布，各施工小块的大小根据施工人员、施工机械的尺寸确定，能够根据特征点识别出施工人员、施工机械的活动即可。

在另一个实施例中，从所述第二视频数据的各视频帧图像中识别出施工对象，并将各视频帧图像中的相同施工对象按时间顺序组合，得到各施工对象的运动趋势，根据各施工对象的运动趋势估计风险施工行为；可选地，所述施工对象包括施工机械、施工人员、安全设备，施工机械包括挖掘机、推土机、压路机、压装机、打夯机、搅拌机、装载车辆等，安全设备包括安全帽、安全鞋、安全绳网等；具体地，从第二视频帧图像中抽取若干视频帧图像，根据施工机械、施工人员、安全设备的特征，对其进行识别，将各视频帧图像中的施工对象进行组合，得到各施工对象的运动趋势，根据各运动趋势的相互关系，判断该施工行为是否存在风险，如施工人员的聚集数量，施工机械的聚集数量，施工机械的相互干扰情况，施工人员与施工机械相互靠近接近风险距离，施工机械与施工机械相互靠近接近风险距离，安全设备的使用情况，施工人员对安全设备的使用情况等；本实施例仅对第二视频数据进行处理，相比于现有技术对大量监控图像进行处理，具有更少的计算量，针对性更强，不会遗漏严重的安全隐患。

在另一个实施例中，从所述第二视频数据提取声音数据，从所述声音数据中识别出各施工对象和各施工对象的交流信息，根据各施工对象和各施工对象的交流信息，估计的风险施工行为；可选地，根据施工机械启动产生的声音识别出施工机械的类型，并对施工人员交流产生的语音进行识别，得到交流信息，根据施工机械的类型和交流信息，判断是否存在施工风险，如从交流信息中得到施工指令，判断施工指令是否存在风险施工倾向，是否与施工机械相符；本实施例是对上一实施例的补充，提升对施工风险判断的准确度。

这里说明的设备数量和处理规模是用来简化本发明的说明的。对本发明施工安全隐患智能识别方法的应用、修改和变化对本领域的技术人员来说是显而易见的。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。