一种用于工地危险区域预警的方法、装置及介质

技术领域

本申请涉及施工安全技术领域，尤其是涉及一种用于工地危险区域预警的方法、装置及介质。

背景技术

工地施工现场是指进行工业和民用项目的房屋建筑，土木工程、设备安装以及管线敷设等施工活动，经批准占用的施工场地及人类进行安全生产、文明工作及建设的场所。目前，在工地施工过程中，由于环境复杂、人员复杂、大型设备繁多、多工种交叉作业及协作方多等因素，从而逐渐衍生处多个危险区域，例如：待施工的深坑、已坍塌楼房以及高空坠物等等。

现有的在对工地施工现场进行工地危险区域预警时，通过在工地危险区域安装监控设备，监控设备实时获取工地危险区域画面，监测人员通过查看工地危险区域画面确定当前有无非施工人员进入工地危险区域。当查看到非施工人员进入到工地危险区域后，及时触发警报装置，以警示非施工人员远离危险区域。

针对上述中的相关技术，发明人认为在对工地危险区域进行预警监测时，由于监测人员需要全天24小时对危险区域监控画面进行监测，使得当监测人员在没有注意的情况下，很容易造成伤亡事故，从而存在对工地危险区域预警效率低的缺陷。

发明内容

为了提高工地危险区域预警效率，本申请提供一种用于工地危险区域预警的方法、装置及介质。

第一方面，本申请提供一种用于工地危险区域预警的方法，采用如下的技术方案：

一种用于工地危险区域预警的方法，包括：

获取预设范围信息，所述预设范围信息为工地危险区域的范围；

基于所述预设范围信息，获取范围图像信息；

对所述范围图像信息进行目标检测，确定所述范围图像信息中是否存在人员目标类型；

若存在，则将所述范围图像信息输入至训练后的网络模型中进行训练，获取所述范围图像信息的人员特征向量信息；

对所述人员特征向量信息进行数据分析，获取人员身份信息；

判断所述人员身份信息是否满足预设人员身份信息，所述预设人员身份信息用以表征所述范围图像信息中的人体目标允许进入所述预设范围信息；

若不满足，则生成预警信息，同时控制报警设备通过预设方式输出报警信号，所述预设方式包括以下至少一项：输出声音方式以及灯光输出方式。

通过采用上述技术方案，在对工地危险区域进行预警监测时，首先获取工地危险区域的范围，并将工地危险区域的范围设置为预设范围信息，接着根据预设范围信息以及拍摄工具，获取范围图像信息，并对范围图像信息进行目标检测，确定范围图像信息中是否存在人员目标类型，即范围图像信息中是否有人员，当存在人员时，将范围图像信息输入至训练后的网络模型中进行训练，获取范围图像信息的人员特征向量信息，然后对人员特征向量信息进行数据分析，获取人员身份信息，最后判断人员身份信息是否满足预设人员身份信息，预设人员身份信息用以表征范围图像信息中的人体目标允许进入预设范围信息，当不满足时，生成预警信息，同时控制报警设备通过输出声音方式以及灯光输出方式输出报警信号，从而将监测人员从繁杂而枯燥的“盯屏幕”任务中解脱出来，通过智能识别预警的方式对工地危险区域进行预警监测，进而提高了工地危险区域预警效率。

在另一种可能实现的方式中，所述对所述范围图像信息进行目标检测，确定所述范围图像信息中是否存在人员目标类型，包括：

对所述范围图像信息进行目标检测，获取所述范围图像信息中的各个目标分别对应的目标图像；

对所述目标图像进行特征提取，获得所述目标图像中的轮廓特征；

基于所述轮廓特征确定所述范围图像信息中是否存在人员目标类型。

通过上述技术方案，在对人员目标类型进行确定时，人体、动物以及物体等不同类别的目标，其轮廓形状是不同的，因此基于目标图像的轮廓特征能够判断目标的类别，在判断有无人员时，根据有无人员目标类型轮廓特征进行的判断，从而提高了判断有无人员的准确率。

在另一种可能实现的方式中，所述获取范围图像信息，之后还包括：

对所述范围图像信息进行去噪处理，并将去噪后的所述范围图像信息进行图像增强处理。

通过采用上述技术方案，由于现实中的范围图像信息在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，因此需要使用去噪技术对范围图像信息进行去噪，以便于减少数字图像中噪声，使得范围图像信息更加准确，然后将去噪后的范围图像信息进行图像增强处理，改善范围图像信息的视觉效果，使得图像更加的清晰，达到了提高范围图像信息识别度的效果。

在另一种可能实现的方式中，所述将所述范围图像信息输入至训练后的网络模型中进行训练，之前还包括：

获取人员训练样本，所述人员训练样本包括人员样本图像以及人员样本图像中每个人员对应的标注信息；

创建网络模型，并基于所述人员训练样本对所述网络模型进行训练，得到训练好的网络模型；

其中，所述标注信息包括以下其中一项：施工人员以及非施工人员。

通过采用上述技术方案，预先采集人员训练样本，人员训练样本包括人员样本图像以及人员样本图像中每个人员对应的标注信息，标注信息包括施工人员以及非施工人员，然后创建网络模型，并将人员训练样本输入至网络模型中，以对人员训练样本的人员信息进行标注获取，从而得到训练好的网络模型，进而便于后续对范围图像信息识别。

在另一种可能实现的方式中，所述同时控制报警设备通过预设方式输出报警信号，之后还包括：

当检测到位置触发指令后，获取所述预设范围中未满足预设身份信息的所述人员身份信息的实时位置信息；

若在预设时间内检测所述实时位置信息未发生变化，则获取维护人员的监测位置信息；

基于所述监测位置信息以及所述实时位置信息，生成导航路线信息；

控制显示所述导航路线信息。

通过采用上述技术方案，当监测到非施工人员进入到预设范围时，向非施工人员发送警报信息，已告知非施工人员远离工地危险区域，当检测到非施工人员在预设时间内，其位置信息未发生变化，则根据维护人员的监测位置信息与实时位置信息生成导航路线信息，以便于维护人员通过导航路线信息去查看当前非施工人员现状。

在另一种可能实现的方式中，所述获取预设范围信息，包括：

基于所述预设范围信息，获取与所述预设范围信息对应的环境信息，所述环境信息包括以下至少一项：亮度信息以及天气信息；

确定所述环境信息是否满足于预设环境信息；

若不满足，则以所述预设范围信息的中心为基础向外扩展，获取扩展后的预设范围信息。

通过采用上述技术方案，当检测到当前环境信息发生变化而不满足预设环境信息时，例如：在天黑时，预设范围信息的亮度不满足预设环境信息的亮度阈值，则将预设范围信息以自身中心进行扩展，从而在对非施工人员进行预警时，提高了非施工人员的反应时间。

在另一种可能实现的方式中，所述方法还包括：

获取视频信息，所述视频信息为针对存在人体目标类型的所述范围图像信息对应的所述预设范围信息所采集的视频；

控制显示所述视频信息。

通过采用上述技术方案，在生成预警信息之后，将针对对应的预设范围信息采集的视频信息发送给后台人员，便于后台人员根据预设范围信息内的视频信息进一步判断所述范围图像信息对应的预设范围内是否存在人体，进而安保人员进一步判断是否需要出警，进一步减少了因误报警导致的安保资源的浪费。

第二方面，本申请提供一种用于工地危险区域预警的装置，采用如下的技术方案：

一种用于工地危险区域预警的装置，包括：

第一获取模块，用于获取预设范围信息，所述预设范围信息为工地危险区域的范围；

第二获取模块，用于基于所述预设范围信息，获取范围图像信息；

第一确定模块，用于对所述范围图像信息进行目标检测，确定所述范围图像信息中是否存在人员目标类型；

训练模块，用于当存在时，则将所述范围图像信息输入至训练后的网络模型中进行训练，获取所述范围图像信息的人员特征向量信息；

数据分析模块，用于对所述人员特征向量信息进行数据分析，获取人员身份信息；

判断模块，用于判断所述人员身份信息是否满足预设人员身份信息，所述预设人员身份信息用以表征所述范围图像信息中的人体目标允许进入所述预设范围信息；

预警模块，用于当不满足时，生成预警信息，同时控制报警设备通过预设方式输出报警信号，所述预设方式包括以下至少一项：输出声音方式以及灯光输出方式。

通过采用上述技术方案，在对工地危险区域进行预警监测时，首先获取工地危险区域的范围，并将工地危险区域的范围设置为预设范围信息，接着根据预设范围信息以及拍摄工具，获取范围图像信息，并对范围图像信息进行目标检测，确定范围图像信息中是否存在人员目标类型，即范围图像信息中是否有人员，当存在人员时，将范围图像信息输入至训练后的网络模型中进行训练，获取范围图像信息的人员特征向量信息，然后对人员特征向量信息进行数据分析，获取人员身份信息，最后判断人员身份信息是否满足预设人员身份信息，预设人员身份信息用以表征范围图像信息中的人体目标允许进入预设范围信息，当不满足时，生成预警信息，同时控制报警设备通过输出声音方式以及灯光输出方式输出报警信号，从而将监测人员从繁杂而枯燥的“盯屏幕”任务中解脱出来，通过智能识别预警的方式对工地危险区域进行预警监测，进而提高了工地危险区域预警效率。

在一种可能的实现方式中，所述第一确定模块对所述范围图像信息进行目标检测时，确定所述范围图像信息中是否存在人员目标类型，具体用于：

对所述范围图像信息进行目标检测，获取所述范围图像信息中的各个目标分别对应的目标图像；

对所述目标图像进行特征提取，获得所述目标图像中的轮廓特征；

基于所述轮廓特征确定所述范围图像信息中是否存在人员目标类型。

在另一种可能的实现方式中，所述装置还包括：图像处理模块，其中，

所述图像处理模块，用于对所述范围图像信息进行去噪处理，并将去噪后的所述范围图像信息进行图像增强处理。

在另一种可能的实现方式中，所述装置还包括：第三获取模块以及创建模块，其中，

所述第三获取模块，用于获取人员训练样本，所述人员训练样本包括人员样本图像以及人员样本图像中每个人员对应的标注信息；

所述创建模块，用于创建网络模型，并基于所述人员训练样本对所述网络模型进行训练，得到训练好的网络模型；

其中，所述标注信息包括以下其中一项：施工人员以及非施工人员。

在另一种可能的实现方式中，所述装置还包括：第一位置获取模块、第二位置获取模块、路线生成模块以及第一控制显示模块，其中，

所述第一位置获取模块，用于当检测到位置触发指令后，获取所述预设范围中未满足预设身份信息的所述人员身份信息的实时位置信息；

所述第二位置获取模块，用于若在预设时间内检测所述实时位置信息未发生变化，则获取维护人员的监测位置信息；

所述路线生成模块，用于基于所述监测位置信息以及所述实时位置信息，生成导航路线信息；

所述第一控制显示模块，用于控制显示所述导航路线信息。

在另一种可能的实现方式中，所述第一获取模块在获取预设范围信息，具体用于：

基于所述预设范围信息，获取与所述预设范围信息对应的环境信息，所述环境信息包括以下至少一项：亮度信息以及天气信息；

确定所述环境信息是否满足于预设环境信息；

若不满足，则以所述预设范围信息的中心为基础向外扩展，获取扩展后的预设范围信息。

在另一种可能的实现方式中，所述装置还包括：视频采集模块以及第二控制显示模块，其中，

所述视频采集模块，用于获取视频信息，所述视频信息为针对存在人体目标类型的所述范围图像信息对应的所述预设范围信息所采集的视频；

所述第二控制显示模块，用于控制显示所述视频信息。

第三方面，本申请提供一种电子设备，采用如下的技术方案：

一种电子设备，该电子设备包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行根据第一方面任一种可能的实现方式所示的一种用于工地危险区域预警的方法。

第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：

一种计算机可读存储介质，包括：存储有能够被处理器加载并执行实现第一方面任一种可能的实现方式所示的一种用于工地危险区域预警的方法的计算机程序。

综上所述，本申请包括以下至少一种有益技术效果：

1. 通过采用上述技术方案，在对工地危险区域进行预警监测时，首先获取工地危险区域的范围，并将工地危险区域的范围设置为预设范围信息，接着根据预设范围信息以及拍摄工具，获取范围图像信息，并对范围图像信息进行目标检测，确定范围图像信息中是否存在人员目标类型，即范围图像信息中是否有人员，当存在人员时，将范围图像信息输入至训练后的网络模型中进行训练，获取范围图像信息的人员特征向量信息，然后对人员特征向量信息进行数据分析，获取人员身份信息，最后判断人员身份信息是否满足预设人员身份信息，预设人员身份信息用以表征范围图像信息中的人体目标允许进入预设范围信息，当不满足时，生成预警信息，同时控制报警设备通过输出声音方式以及灯光输出方式输出报警信号，从而将监测人员从繁杂而枯燥的“盯屏幕”任务中解脱出来，通过智能识别预警的方式对工地危险区域进行预警监测，进而提高了工地危险区域预警效率；

2. 通过采用上述技术方案，当监测到非施工人员进入到预设范围时，向非施工人员发送警报信息，已告知非施工人员远离工地危险区域，当检测到非施工人员在预设时间内，其位置信息未发生变化，则根据维护人员的监测位置信息与实时位置信息生成导航路线信息，以便于维护人员通过导航路线信息去查看当前非施工人员现状。

附图说明

图1是本申请实施例的一种用于工地危险区域预警的方法的流程示意图；

图2是本申请实施例的一种用于工地危险区域预警的装置的结构示意图；

图3是本申请实施例的电子设备的结构示意图。

具体实施方式

以下结合附图1-3对本申请作进一步详细说明。

领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本申请的权利要求范围内都受到专利法的保护。

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。

下面结合说明书附图对本申请实施例作进一步详细描述。

本申请实施例提供了一种用于工地危险区域预警的方法，由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此，该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请实施例在此不做限制，如图1所示，该方法包括：

步骤S10，获取预设范围信息，预设范围信息为工地危险区域的范围。

具体地，施工人员在施工过程中，使用电子围栏围绕在工地危险区域周围，并在电子围栏上安装GPS定位，通过获取电子围栏GPS信号，确定预设范围信息。

步骤S11，基于预设范围信息，获取范围图像信息。

具体地，在获取到的预设范围信息处安装图像采集工具，例如：在电子围栏上安装摄像头，通过摄像头获取范围图像信息。

步骤S12，对范围图像信息进行目标检测，确定范围图像信息中是否存在人员目标类型。

具体地，目标检测技术能够对范围图像信息中的各个人员目标类型进行位置确定，将每个人员目标类型通过边界框进行框选，此时边界框内的图像区域即为该目标在图像中对应的图像区域。

步骤S13，若存在，则将范围图像信息输入至训练后的网络模型中进行训练，获取范围图像信息的人员特征向量信息。

具体地，对预设范围内的人员进行特征向量提取，其在图像中所能形成的轮廓形状是有差异的，例如：施工人员穿着安全帽以及施工制服，而非施工人员穿着普通衣物，由于穿着不同，导致施工人员与非施工人员的特征向量存在差异，因此通过目标的特征向量，能够判断目标的具体类别，例如：特征向量“0”表示施工人员，特征向量“1”表示非施工人员。

步骤S14，对人员特征向量信息进行数据分析，获取人员身份信息。

具体地，通过对特征向量信息进行数据分析，判断特征向量值，确定人员身份信息是否为施工为人员。

步骤S15，判断人员身份信息是否满足预设人员身份信息，预设人员身份信息用以表征范围图像信息中的人体目标允许进入预设范围信息。

具体地，被允许进入危险区域的人员包括：工地工作人员、施工人员以及技术勘察人员等等。

步骤S16，若不满足，则生成预警信息，同时控制报警设备通过预设方式输出报警信号，预设方式包括以下至少一项：输出声音方式以及灯光输出方式。

具体地，在发现进入危险区域的人员信息为非施工人员时，电子设备向报警设备传递控制信号，以控制报警设备通过声音方式以及灯光输出方式发出报警信号。

例如，通过声音方式发出报警信号的装置包括：蜂鸣器、铃铛、哨子以及汽笛等等，通过灯光输出方式发出报警信号的装置包括：呼吸灯、闪烁灯、工程警报灯等等。

在本申请实施例中，通过采用上述技术方案，在对工地危险区域进行预警监测时，首先获取工地危险区域的范围，并将工地危险区域的范围设置为预设范围信息，接着根据预设范围信息以及拍摄工具，获取范围图像信息，并对范围图像信息进行目标检测，确定范围图像信息中是否存在人员目标类型，即范围图像信息中是否有人员，当存在人员时，将范围图像信息输入至训练后的网络模型中进行训练，获取范围图像信息的人员特征向量信息，然后对人员特征向量信息进行数据分析，获取人员身份信息，最后判断人员身份信息是否满足预设人员身份信息，预设人员身份信息用以表征范围图像信息中的人体目标允许进入预设范围信息，当不满足时，生成预警信息，同时控制报警设备通过输出声音方式以及灯光输出方式输出报警信号，从而将监测人员从繁杂而枯燥的“盯屏幕”任务中解脱出来，通过智能识别预警的方式对工地危险区域进行预警监测，进而提高了工地危险区域预警效率。

本申请实施例的一种可能的实现方式，步骤S12具体包括步骤S121（图中未示出）、S122（图中未示出）以及步骤S123（图中未示出），其中，

步骤S121，对范围图像信息进行目标检测，获取范围图像信息中的各个目标分别对应的目标图像。

具体地，目标检测（Object Detection）的任务是找出范围图像信息中所有感兴趣的目标（物体），确定它们的类别和位置，例如：对范围图像信息中的人类目标进行提取。

步骤S122，对目标图像进行特征提取，获得目标图像中的轮廓特征。

具体地，提取轮廓特征信息的方式可以包括：对各个目标对应的图像区域进行灰度化处理后再进行二值化处理，在经过二值化处理后图像中根据黑白像素点的边界识别出各个分割区域中对应的目标的轮廓形状，轮廓形状即为目标对应的轮廓特征。

步骤S123，基于轮廓特征确定范围图像信息中是否存在人员目标类型。

具体地，不同类别的目标，其在图像中所能形成的轮廓形状是有差异的，例如人体和动物，由于站立方式的不同，导致人体和动物的轮廓形状存在差异，因此通过目标的轮廓特征，能够判断目标的具体类别，例如为人体、动物或者树枝。

本申请实施例的一种可能的实现方式，步骤S11之后还包括步骤S110（图中未示出），其中，

步骤S110，对范围图像信息进行去噪处理，并将去噪后的范围图像信息进行图像增强处理。

具体地，噪声可以理解为“妨碍人们感觉器官对所接收的信源信息理解的因素”。例如，一幅黑白图片，其平面亮度分布假定为f(x，y)，那么对其接收起干扰作用的亮度分布R(x，y)，即可称为图像噪声。常见的图像噪音有加性噪音、乘兴噪音、量化噪音以及“椒盐”噪音。加性嗓声和图像信号强度是不相关的，例如：图像在传输过程中引进的“信道噪声”电视摄像机扫描图像的噪声；乘性嗓声和图像信号是相关的，往往随图像信号的变化而变化，例如：飞点扫描图像中的嗓声、电视扫描光栅、胶片颗粒等等；量化嗓声是数字图像的主要噪声源，其大小显示出数字图像和原始图像的差异；“椒盐”噪音，例如：图像切割引起的即黑图像上的白点，白图像上的黑点噪声，在变换域引入的误差，使图像反变换后造成的变换噪声。

本申请实施例的一种可能的实现方式，步骤S13之前还包括步骤S131（图中未示出）、步骤S132（图中未示出）以及步骤S133（图中未示出），其中，

步骤S131，获取人员训练样本，人员训练样本包括人员样本图像以及人员样本图像中每个人员对应的标注信息。

具体地，在采集不同施工人员与非施工人员多个姿态和角度的图像，然后对这些图像进行目标检测，以获取各个目标分别对应的轮廓特征，这样采集的样本环境与实际中神经网络模型要判断的环境一致，因此能够提高识别的准确度；同时针对多个不同的人员目标采集图像，增加样本的丰富度，同样能够提高神经网络对目标分类的准确度。

步骤S132，创建网络模型，并基于人员训练样本对网络模型进行训练，得到训练好的网络模型，其中，标注信息包括以下其中一项：施工人员以及非施工人员。

具体地，初始神经网络模型进行训练后能够对输入的目标轮廓特征进行判断，进而输出的是目标类别的概率，选择概率最高的类别标签，作为当前输入的目标轮廓特征所对应的类别标签。例如：识别网络模型输入一个人员目标的轮廓特征，则输出的为施工人员（98%）和非施工人员（2%），则此时应能够确定该轮廓特征对应的目标的类别为施工人员。

本申请实施例的一种可能的实现方式，步骤S16之后还包括步骤S161（图中未示出）、步骤S162（图中未示出）、步骤S163（图中未示出）以及步骤S164（图中未示出），其中，

步骤S161，当检测到位置触发指令后，获取预设范围中未满足预设身份信息的人员身份信息的实时位置信息。

具体地，基于HTML5中的GPS定位操作，对人员进行定位。在HTML5中有一个GeolocationAPI，这个API用于通过GPS获得用户的地理位置，也就是俗称的GPS定位。

步骤S162，若在预设时间内检测实时位置信息未发生变化，则获取维护人员的监测位置信息。

具体地，假设预设时间为30分钟，通过GPS定位检测实时位置信息再30分钟是否发生变化，若没有则对维护人员的位置信息进行检测，获取维护人员的监测位置信息。

步骤S163，基于监测位置信息以及实时位置信息，生成导航路线信息。

具体地，通过GPS导航系统生成监测位置信息与实时位置信息的导航路线，其中，GPS导航系统是以全球24颗定位人造卫星为基础，向全球各地全天候地提供三维位置、三维速度等信息的一种无线电导航定位系统。它由三部分构成，一是地面控制部分，由主控站、地面天线、监测站及通讯辅助系统组成。二是空间部分，由24颗卫星组成，分布在6个轨道平面。三是用户装置部分，由GPS接收机和卫星天线组成。民用的定位精度可达10米内。

步骤S164，控制显示导航路线信息。

具体地，通过控制层（controller）、业务层（service）以及数据访问层（dao）对导航路线信息进行获取，在数据访问层只负责与数据库的数据交互，将数据进行读取操作，业务层需要根据系统的实际业务需求进行逻辑代码的编写，业务逻辑层调用数据访问层的相关方法实现与数据库的交互，并将执行结果反馈给控制层，控制层将位置信息发送到视图渲染器，对导航路线信息进行视图渲染，对导航路线信息进行回显。

本申请实施例的一种可能的实现方式，步骤S10具体包括步骤S101（图中未示出）、步骤S102（图中未示出）以及步骤S103（图中未示出），其中，

步骤S101，基于预设范围信息，获取与预设范围信息对应的环境信息，环境信息包括以下至少一项：亮度信息以及天气信息。

具体地，根据预设范围信息获取范围图像信息，将范围图像信息转换为灰度图像，然后计算灰度图像的平均值G（整幅或ROI区域），该值就是图像的亮度值，其中，灰度图像的平均值是利用范围图像信息中的多个灰度值计算而来的，通过cvGet2D()函数计算灰度值：cvGet2D(img, i , j).val[0]，将获取到的灰度值总和除以灰度值总个数，得到平均值G。

具体地，在下雨天时，获取到的范围图像信息模糊不清，将摄像工具切换成红外热成像仪，依次来确定当前预设范围内是否有人员出没。

步骤S102，确定环境信息是否满足于预设环境信息。

步骤S103，若不满足，则以预设范围信息的中心为基础向外扩展，获取扩展后的预设范围信息。

本申请实施例的一种可能的实现方式，方法还包括步骤Sa（图中未示出）以及步骤Sb（图中未示出），其中，

步骤Sa，获取视频信息，视频信息为针对存在人体目标类型的范围图像信息对应的预设范围信息所采集的视频。

步骤Sb，控制显示视频信息。

上述实施例从方法流程的角度介绍一种用于工地危险区域预警的方法，下述实施例从虚拟模块或者虚拟单元的角度介绍了一种用于工地危险区域预警的装置，具体详见下述实施例。

本申请实施例提供一种用于工地危险区域预警的装置，如图所示，该用于工地危险区域预警的装置20具体可以包括：第一获取模块21、第二获取模块22、第一确定模块23、训练模块24、数据分析模块25、判断模块26以及预警模块27，其中，

第一获取模块21，用于获取预设范围信息，预设范围信息为工地危险区域的范围；

第二获取模块22，用于基于预设范围信息，获取范围图像信息；

第一确定模块23，用于对范围图像信息进行目标检测，确定范围图像信息中是否存在人员目标类型；

训练模块24，用于当存在时，则将范围图像信息输入至训练后的网络模型中进行训练，获取范围图像信息的人员特征向量信息；

数据分析模块25，用于对人员特征向量信息进行数据分析，获取人员身份信息；

判断模块26，用于判断人员身份信息是否满足预设人员身份信息，预设人员身份信息用以表征范围图像信息中的人体目标允许进入预设范围信息；

预警模块27，用于当不满足时，生成预警信息，同时控制报警设备通过预设方式输出报警信号，预设方式包括以下至少一项：输出声音方式以及灯光输出方式。

本申请实施例的一种可能的实现方式，第一确定模块23对范围图像信息进行目标检测时，确定范围图像信息中是否存在人员目标类型，具体用于：

对范围图像信息进行目标检测，获取范围图像信息中的各个目标分别对应的目标图像；

对目标图像进行特征提取，获得目标图像中的轮廓特征；

基于轮廓特征确定范围图像信息中是否存在人员目标类型。

本申请实施例的另一种可能的实现方式，装置20还包括：图像处理模块，其中，

图像处理模块，用于对范围图像信息进行去噪处理，并将去噪后的范围图像信息进行图像增强处理。

本申请实施例的另一种可能的实现方式，装置20还包括：第三获取模块以及创建模块，其中，

第三获取模块，用于获取人员训练样本，人员训练样本包括人员样本图像以及人员样本图像中每个人员对应的标注信息；

创建模块，用于创建网络模型，并基于人员训练样本对网络模型进行训练，得到训练好的网络模型；

其中，标注信息包括以下其中一项：施工人员以及非施工人员。

本申请实施例的另一种可能的实现方式，装置20还包括：第一位置获取模块、第二位置获取模块、路线生成模块以及第一控制显示模块，其中，

第一位置获取模块，用于当检测到位置触发指令后，获取预设范围中未满足预设身份信息的人员身份信息的实时位置信息；

第二位置获取模块，用于若在预设时间内检测实时位置信息未发生变化，则获取维护人员的监测位置信息；

路线生成模块，用于基于监测位置信息以及实时位置信息，生成导航路线信息；

第一控制显示模块，用于控制显示导航路线信息。

本申请实施例的另一种可能的实现方式，第一获取模块21在获取预设范围信息，具体用于：

基于预设范围信息，获取与预设范围信息对应的环境信息，环境信息包括以下至少一项：亮度信息以及天气信息；

确定环境信息是否满足于预设环境信息；

若不满足，则以预设范围信息的中心为基础向外扩展，获取扩展后的预设范围信息。

本申请实施例的另一种可能的实现方式，装置20还包括：视频采集模块以及第二控制显示模块，其中，

视频采集模块，用于获取视频信息，视频信息为针对存在人体目标类型的范围图像信息对应的预设范围信息所采集的视频；

第二控制显示模块，用于控制显示视频信息。

具体地，第一获取模块21、第二获取模块22以及第三获取模块可以均为相同的模块，也可以均为不同的模块，也可以部分为不同的模块，第一控制显示模块以及第二控制显示模块可以均为相同的模块，也可以均为不同的模块，也可以部分为不同的模块在本申请实施例中不作限定。

本申请实施例中提供了一种电子设备，如图3所示，图3所示的电子设备300包括：处理器301和存储器303。其中，处理器301和存储器303相连，如通过总线302相连。可选地，电子设备300还可以包括收发器304。需要说明的是，实际应用中收发器304不限于一个，该电子设备300的结构并不构成对本申请实施例的限定。

处理器301可以是CPU（Central Processing Unit，中央处理器），通用处理器，DSP（Digital Signal Processor，数据信号处理器），ASIC（Application SpecificIntegrated Circuit，专用集成电路），FPGA（Field Programmable Gate Array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线302可包括一通路，在上述组件之间传送信息。总线302可以是PCI（Peripheral Component Interconnect，外设部件互连标准）总线或EISA（ExtendedIndustry Standard Architecture，扩展工业标准结构）总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器303可以是ROM（Read Only Memory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，RAM（Random Access Memory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM（Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器）、CD-ROM（Compact DiscRead Only Memory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

存储器303用于存储执行本申请方案的应用程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码，以实现前述方法实施例所示的内容。

其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与相关技术相比，本申请实施例中，通过采用上述技术方案，在对工地危险区域进行预警监测时，首先获取工地危险区域的范围，并将工地危险区域的范围设置为预设范围信息，接着根据预设范围信息以及拍摄工具，获取范围图像信息，并对范围图像信息进行目标检测，确定范围图像信息中是否存在人员目标类型，即范围图像信息中是否有人员，当存在人员时，将范围图像信息输入至训练后的网络模型中进行训练，获取范围图像信息的人员特征向量信息，然后对人员特征向量信息进行数据分析，获取人员身份信息，最后判断人员身份信息是否满足预设人员身份信息，预设人员身份信息用以表征范围图像信息中的人体目标允许进入预设范围信息，当不满足时，生成预警信息，同时控制报警设备通过输出声音方式以及灯光输出方式输出报警信号，从而将监测人员从繁杂而枯燥的“盯屏幕”任务中解脱出来，通过智能识别预警的方式对工地危险区域进行预警监测，进而提高了工地危险区域预警效率。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

以上所述仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。