CN109558783A - 一种用于建筑施工现场的违规检测方法、系统及设备 - Google Patents
一种用于建筑施工现场的违规检测方法、系统及设备 Download PDFInfo
- Publication number
- CN109558783A CN109558783A CN201811101688.7A CN201811101688A CN109558783A CN 109558783 A CN109558783 A CN 109558783A CN 201811101688 A CN201811101688 A CN 201811101688A CN 109558783 A CN109558783 A CN 109558783A
- Authority
- CN
- China
- Prior art keywords
- target person
- image
- safe wearing
- described image
- wearing cap
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 86
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000003709 image segmentation Methods 0.000 claims description 10
- 230000003287 optical effect Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 238000007689 inspection Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 7
- 230000001815 facial effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000009430 construction management Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004035 construction material Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明适用于建筑施工违规检测技术领域,提供了一种用于建筑施工现场的违规检测方法、系统及设备,包括:获取无人机发送的建筑施工现场的图像,并确定所述图像显示的位置;基于所述图像,判断所述图像中的目标人物是否佩戴安全帽;若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息。通过无人机拍摄图像,并对图像进行分析判断,能够有效的检测出未佩戴安全帽的目标人物,并通知管理终端,所以即使建筑管理人员不用再去巡视,也能很好的制止不佩戴安全帽的行为。
Description
技术领域
本发明属于建筑施工违规检测技术领域,尤其涉及一种用于建筑施工现场的违规检测方法、系统及设备。
背景技术
在建筑作业的过程中,最重要的是要确保施工工人的人身安全,所以为了使施工工人能够全程进行安全的作业,通常,在每一个施工工人进入作业环境之前,都需要佩戴好安全帽,以防止高空坠物等情况产生的安全事故。
但是,施工工地作业环境复杂,人员分布较为分散,很难保证所有施工人员都全程佩戴了安全帽。通常情况下,建筑工地的管理人员会进行巡查,以在巡查到没有佩戴安全帽的施工工人时,对他们进行提示。可见,现有的督促方式给建筑管理人员带来很大的不便,也并不能保证能够巡查出所有的未佩戴安全帽的施工工人。
发明内容
有鉴于此,本发明实施例提供了一种用于建筑施工现场的违规检测方法、系统及设备,以解决现有技术中的建筑施工现场督促施工工人佩戴安全帽不便的问题。
本发明实施例的第一方面提供了一种用于建筑施工现场的违规检测方法,包括:
获取无人机发送的建筑施工现场的图像,并确定所述图像显示的位置;
基于所述图像,判断所述图像中的目标人物是否佩戴安全帽;
若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息。
本发明实施例的第二方面提供了一种用于建筑施工现场的违规检测系统,包括:
无人机、服务器和管理终端;
所述无人机用于拍摄建筑施工现场的图像,并将拍摄的图像发送至所述服务器;
所述服务器用于接收所述无人机发送的建筑施工现场的图像,并确定所述图像显示的位置;所述服务器还用于基于所述图像,判断所述图像中的目标人物是否佩戴安全帽;若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息。
本发明实施例的第三方面提供了一种用于建筑施工现场的违规检测设备,包括:包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上第一方面所述的方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上第一方面所述方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:
本发明实施例提供了一种用于建筑施工现场的违规检测方法、系统及设备,首先获取无人机发送的建筑施工现场的图像,并确定所述图像显示的位置;然后基于所述图像,判断所述图像中的目标人物是否佩戴安全帽;最后若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息。可见,通过上述方式,由于不再需要建筑施工管理人员去定期巡查,而是通过无人机拍摄图像并向管理终端反馈未佩戴安全帽的目标人物的位置信息,以使建筑施工管理人员可以直接去到对应位置对目标人物进行督促,给建筑施工管理人员的管理带来一定的便利,也相应地更大程度的保证了目标人物的安全。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1示出了本发明实施例一提供的一种用于建筑施工现场的违规检测方法的实现流程示意图;
图2示出了本发明实施例一提供的步骤S101的实现流程示意图;
图3示出了本发明实施例一提供的无人机拍摄路线的示意图;
图4示出了本发明实施例一提供的步骤S102的实现流程示意图;
图5示出了本发明实施例一提供的基于滑窗的图像分割算法的原理示意图;
图6示出了本发明实施例一提供的网格区域到网格子区域的示意图;
图7示出了本发明实施例一提供的步骤S103的实现流程示意图;
图8示出了本发明实施例二提供的一种用于建筑施工现场的违规检测方法的实现流程示意图;
图9示出了本发明实施三提供的用于建筑施工现场的违规检测系统的组成示意图;
图10示出了本发明实施例四提供的建筑施工现场的违规检测设备的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解的是,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例一
图1示出了本发明实施例一提供的一种用于建筑施工现场的违规检测方法的实现流程示意图。本实施例中的用于建筑施工现场的违规检测方法的执行主体为具有实现本发明实施例所述的用于建筑施工现场的违规检测方法的设备,所述设备可以包括但不限于服务器。
如图1所示,本发明实施例提供的用于建筑施工现场的违规检测方法,详述如下:
S101、获取无人机发送的建筑施工现场的图像,并确定所述图像显示的位置。
所述无人机,为无人驾驶飞机。在本发明实施例中,所述无人机优选为体型小的无人机,以便于该无人机出入建筑各个区域,更好的拍摄到目标人物图像。
在这里,无人机可以拍摄视频,然后服务器从拍摄的视频中获取图像;无人机也可以直接拍摄图像,并发送给服务器。
在本发明,如图2所示,步骤S101中所述确定所述图像显示的位置,包括:
S1011、根据所述图像的图像信息,确定所述无人机拍摄所述图像的时间。
所述图像信息,包括所述图像的拍摄时间。例如,无人机拍摄完某一图像之后,将该图像的拍摄时间(2020.12.20)作为该图像的名称,并将该图像发送至服务器,服务器在接收到该图像之后,直接基于该图像的名称,就可以确定该图像的拍摄时间。
所述图像信息,还可以包括接收所述图像的时间。例如,无人机在拍摄完某一图像之后,甚至不用给该图像命名就立即将该图像发送至服务器,服务器接收到该图像之后,确定接收该图像的接收时间,并将该接收时间确定为所述无人机拍摄该图像的时间。
S1012、根据预置的拍摄时间与拍摄位置的对照表,确定所述图像显示的位置。
在这里,为无人机设定拍摄路线,比如表1和图3所示,无人机根据预置的拍摄时间到达对应的拍摄位置完成拍摄任务,其中,图3所述虚线箭头指代无人机的拍摄路径。比如,在早上9:00~10:00,无人机会在建筑2周围的各个小区域拍摄建筑施工工人的图像。
表1
例如,通过步骤S1011确定所述无人机拍摄的某一图像的时间为09:50,则由于根据预置的拍摄时间与拍摄位置的对照表的显示,确定所述图像显示的位置为建筑2。
进一步的,为了保证确定的拍摄位置的精度,还可以将每个建筑划分为多个子区域,并设定对应的拍摄时间,例如表2所示。
表2
例如,通过步骤S1011确定所述无人机拍摄的某一图像的时间为09:50,则由于根据表1的显示,确定所述图像显示的位置为建筑2,进一步的,再根据表2的显示,确定所述图像显示的位置为建筑2的子区域4。
S102、基于所述图像,判断所述图像中的目标人物是否佩戴安全帽。
所述目标人物,可以包括但不限于建筑施工现场的施工工人,例如,所述目标人物,还可以是去建筑施工现场巡查的建筑管理人员。
在本发明实施例中,所述安全帽佩戴于目标人物头部。需要说明的是,在利用同一款相机拍摄图像时,拍摄出的所述安全帽的颜色在转换成灰度值时需要有较高的值,以使其和脸部的灰度值进行区分,例如,拍摄出的安全帽的颜色为黄色时,其灰度值为225,则认为其灰度值为较高的值。据此,在本发明实施例中,安全帽的颜色主要包括白色、黄色、红色和蓝色,但是,根据相机曝光参数的不同,安全帽的颜色还可以是其他的颜色,例如,当相机曝光值低的时候,安全帽的颜色需要是纯白色、纯红色或者纯黄色,而当相机曝光值高的时候,安全帽的颜色还可以是浅蓝色。
在本发明实施例中,如图4所示,步骤S102所述基于所述图像,判断所述图像中的目标人物是否佩戴安全帽,具体包括:
S1021、利用图像分割算法将所述图像划分为多个图像子区域。
所述图像分割算法,为能够将图像分割为多个子区域的算法。在本发明实施例中,所述图像分割算法包括基于滑窗的图像分割算法。
如图5所示,基于滑窗的图像分割算法的思想是:使用固定大小的图像框在画幅中以特定步长滑动,比如图5所示一个像素单位的步长,每滑动一个单位步长就截取一幅图像,滑窗一般从画幅的左上角作为起点,以特定的步长向右侧滑动,当滑窗到达最右端,会竖直向下移动特定的单位步长然后再从最左端滑到最右端,最终将整个画幅分割成多个小画幅。需要说明的是,在实际操作过程中可以将步长设置大一些,因为滑窗步长越小,分割出的图像越多,处理器计算量越大,处理效率会比较低下。
S1022、分别计算每个所述图像子区域的方向梯度直方图向量。
在经过步骤S1022分割出多个图像子区域之后,计算每个所述图像子区域的方向梯度直方图向量的过程如下,可如图6所示:
1、遍历图像每个像素点,以其为中心取N×N像素作为网格区域,例如N=4;2、将网格区域以该像素点为中心点,平均分成4个大小相等的子网格区域;3、计算每个子网格区域中的每个像素的梯度幅值m(x,y)和梯度方向θ(x,y):
θ(x,y)=tan-1[V(x,y)/H(x,y)]
m(x,y)=[H(x,y)2+V(x,y)2]1/2,
其中,H(x,y)为每个像素水平方向的梯度大小,V(x,y)为垂直方向的梯度大小;4、将梯度方向θ(x,y)限定在(0,180°)内,将梯度方向区间分为九组,即0~20、20~40、400~60、60~80、80~100、100~120、120~140、140~160、160~180,同时,将每个子网格区域中所有在相同梯度方向区间内的像素点的梯度幅值加权累加,组成该子网格区域的9维方向直方图;5、将四个子网格区域的梯度直方图连接起来,得到一个网格区域的4×9=36维的梯度直方图特征;6、连接所有网格区域的直方图特征,并采用L2范数进行归一化,得到最终的方向梯度直方图向量。
S1023、分别基于每个所述图像子区域的方向梯度直方图向量和预置的支持向量机模型,得到所述图像中的目标人物子区域图像。
在执行步骤S101之前,需要对执行向量机模型进行训练,然后再利用训练好的模型对图像子区域进行识别。
在本发明实施例中,首先利用无人机拍摄多幅建筑施工现场的目标人物(施工工人或者经过建筑施工现场的新人或者是巡查的建筑管理人员)图像,人为的对目标人物进行标记,得到正样本,例如标记为1,对于其他物体,比如建筑、建筑材料、植物等,得到负样本,则全部标记为0;计算这些样本的方向梯度直方图向量,代入支持向量机训练器进行训练;使用训练得到的模型对负样本进行预测,将预测错误的样本挑出来,并进行第二次训练,得到预置向量机模型。
在这里,将每个图像子区域的方向直方图向量送入预置支持向量机模型,得到识别结果,若识别结果为1,则认为该图像子区域为目标人物子区域图像;若识别结果为0,则认为该图像子区域为非目标人物子区域图像,例如为建筑子区域图像。
需要说明的是,将每个图像子区域的方向直方图向量送入预置支持向量机模型,得到第一识别结果,每个图像子区域的第一识别结果其实是一个小于1的值,若该值超过预设值,则将第二识别结果确定为1,说明该图像子区域包含目标人物,若该值小于预设值,则将第二识别结果确定为0,说明该图像子区域不包含目标人物,进一步的,在多个第二识别结果为1的图像子区域中,选择值最大的图像子区域作为目标人物子区域图像。下面说明下为什么要选择值最大的图像子区域作为目标人物子区域图像,由于是采用滑窗的方法进行的图像分割,所以会得到多个包含目标人物的图像子区域,这些图像子区域的第二识别结果都为1,但是这些图像子区域的第一识别结果是小于1的,并且识别结果越接近于1,说明其目标人物区域选择的越好,所以从多个第二识别结果为1的图像子区域中选择第一识别结果最大的图像子区域作为目标人物子区域图像。
S1024、根据预置参数对所述目标人物子区域图像进行分割,以提取到所述目标人物头部区域图像,并将所述目标人物头部区域图像转换为灰度图像。
经过步骤S1023已经得到了目标人物子区域图像,此时需要对其进行分割,得到目标人物的头部区域,并再根据头部区域的颜色特征,判断其是否佩戴安全帽。
现在需要说明如何得到预置参数,为了便于理解,假设当前图像中有两个目标人物,分别被40×110画幅和25×70画幅的滑窗选中,以每个滑窗左上角为原点建立直角坐标系,通过调参得出两个画幅中能将头部全部包括进去的区域,即在40×110画幅中坐标(0,0)到(40,35)的区域,25×70画幅中坐标(0,0)到坐标(25,20)的区域,然后记录下安全帽区域在各选中区域的比例。假设40×110画幅中比例为0.6,25×70画幅中比例为0.45,则得出画幅40×110与画幅25×70的第一组数据,如表3所示。对多张图片采用40×110画幅和25×70画幅重复执行上述操作,最终可以得到每个画幅的汇总表,如表4所示(40×110画幅);对每组数据取均值,最大值与最小值,得到表5,于是根据表5中显示的加粗内容,保证区域起点尽可能小,区域终点应适当大的原则,确定最终的预置参数为:头部区域坐标(2,1)到(40,42),头盔所占比例0.5。根据该预置参数,将目标人物子区域图像分割得到头部区域图像,并将其转换为灰度图像。
表3
表4
表5
S1025、根据预置的灰度值,将所述灰度图像划分为二值图像,并确定所述二值图像中白色区域的面积占所述二值图像总面积的比例。
需要说明的是,由于安全帽主要是白色、黄色、红色,这些颜色的灰度值都较高,基本都是超过200的,而人的头发是黑色,灰度值较低,同时,由于无人机是向下俯视拍摄,所以人的面部也会拍到较少,同时考虑到建筑施工现场的施工工人的肤色都是黄色偏黑,这样的肤色拍摄出来得到的灰度值也是小于200的,所以这里的预置的灰度值可以根据经验、统计设置为210。
在分割出头部区域图像之后,再根据预置的灰度值,将灰度图像划分为二值图像,再计算二值图像的白色区域的像素个数占二值图像总的像素个数即可确定二值图像中白色区域的面积占所述二值图像总面积的比例:y=S1/S2,S1为白色区域像素个数,S2为总的像素个数。
S1026、根据所述比例,判断所述图像中的目标人物是否佩戴安全帽。
在这里,步骤S103若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息,包括:S1027、若所述比例小于预设值,则判断所述目标人物没有佩戴安全帽,向管理终端发送包含所述位置的位置信息。
例如,计算出来的比例是0.2,而预设值,即预置参数确定的比例是0.5,则认为目标人物没有佩戴安全帽。
S1028、若所述比例大于或等于预设值,则判断所述目标人物有佩戴安全帽。
例如,若计算出来的比例是0.8,而预设值,即预置参数确定的比例是0.5,则认为目标人物有佩戴安全帽。
S103、若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息。
所述管理终端,可以包括但不限于手机、平板电脑、智能手表和电脑(包括笔记本电脑)。
优选的,若所述管理终端是手机、平板电脑和智能手表,所述反馈信息以短信的方式进行发送;可选的,若所述管理终端是手机、平板电脑和智能手表,所述反馈信息以邮件的方式进行发送;优选的,若所述管理终端为电脑,所述反馈信息以邮件的方式进行发送。
上述方案,首先获取无人机发送的建筑施工现场的图像,并确定所述图像显示的位置;然后基于所述图像,判断所述图像中的目标人物是否佩戴安全帽;最后若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息。可见,通过上述方式,由于不再需要建筑施工管理人员去定期巡查,而是通过无人机拍摄图像并向管理终端反馈未佩戴安全帽的目标人物的位置信息,以使建筑施工管理人员可以直接去到对应位置对目标人物进行督促,给建筑施工管理人员的管理带来一定的便利,也相应地更大程度的保证了目标人物的安全。
在本发明实施例中,如图7所示,步骤S103若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息,包括:
S1031、若所述目标人物没有佩戴安全帽,则在等待预设时间之后,控制所述无人机到达所述位置并拍摄所述目标人物的最新图像。
在本发明实施例中,所述预设时间,可以设置为10分钟或者20分钟。
在这里,所述服务器首先根据无人机拍摄的图片对目标人物进行识别,例如可以识别其工牌号或者人脸图像,这样,就可以控制无人机到达所述位置附近,然后拍摄多张最新图片,再对拍摄的最新图片进行工牌识别或者人脸识别,以找到服务器要求拍摄的工牌号或者人脸图像对应的目标人物,并将拍摄的包含所述目标人物的最新图像发送至服务器,然后再基于最新图像判断该目标人物是否佩戴安全帽。
S1032、接收所述无人机返回的最新图像,并基于所述最新图像,判断所述目标人物是否佩戴安全帽。
S1033、若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息。
在这里,在第一次检测到没有佩戴安全帽的时候,可能目标人物知道是要佩戴安全帽的,只不过还没来得及佩戴,所以,等待预设时间之后再去拍摄目标人物的最新图像,以根据最新图像判断其是否佩戴安全帽,若还是没有佩戴,则该目标人物可能确实忘记佩戴安全帽了,于是再提醒目标人物。
实施例二
图8示出了本发明实施例二提供的一种用于建筑施工现场的违规检测方法的实现流程示意图。本实施例中的用于建筑施工现场的违规检测方法与实施例一的不同在于步骤S204至步骤S206,本发明实施例与实施例一相同的部分在于步骤S201至步骤S203,详见实施例一。
如图8所示,本发明实施例提供的用于建筑施工现场的违规检测方法,详述如下:
S201、获取无人机发送的建筑施工现场的图像,并确定所述图像显示的位置。
S202、基于所述图像,判断所述图像中的目标人物是否佩戴安全帽。
S203、若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息。
S204、根据所述图像,判断是否能够获取到所述目标人物的工牌号。
所述工牌号,由数字和/或字母组成。
可选的,要求建筑施工人员以及需要在建筑施工现场长久驻扎的人员佩戴工牌,这样,当无人机拍摄到目标人物图像的时候,能够基于工牌显示的工牌号进行很多的通知处理等,便于建筑管理人员对建筑施工现场的管理。
为了防止目标人物工服上的数字等内容被误认为是工牌号,从而增加服务器计算量,降低处理效率,优选的,目标人物工服为不包含数字、图案内容的纯色工服。在这里,纯色工服为单一颜色的工服。
需要说明的是,当目标人物工服上的数字等被误认为是工号的时候,虽然会增加服务器计算量,但是也不影响最终的识别结果,因为每个目标人物的工牌号都是唯一的,而目标人物工服上显示的数字等则因为服务器中并没有存储与之对应的提示单元,而不影响最终的识别结果。
可选的,所述工牌号直接显示于所述目标人物的纯色工服上。在这里,将工牌号印至纯色工服上,以使目标人物不用再佩戴工牌,给目标人员带来一定的便利。
在这里,对无人机拍摄的图像的目标人物区域进行工牌号检测,例如,在对图像分割得到目标人物区域图像之后,再利用基于号码的图像识别方法(例如车牌识别方法),对该目标人物区域图像进行工牌号检测,若识别结果为不能从目标人物区域图像获取到数字和/或字母,则认为不能提取到工牌号,若识别结果为可以从目标人物区域图像提取到数字和/或字母,则认为可以提取到工牌号,同时,对目标人物区域图像显示的数字和/或字母进行进一步的识别,以提取出工牌号。
在这里,工牌号由字号不同的字母与数字组成,工牌的背景色颜色采用与纯色工服对比度较高的颜色,而工牌号采用与工牌背景色对比度较高的颜色。如工服为灰色,工牌背景色为纯红色,工牌号为白色。假设颜色分配的方式按照上述所说的来制作工服,识别工牌号可以通过以下步骤实现:
1.识别安全帽的步骤中已经定位出目标佩戴安全帽的目标人物子区域图像,对目标人物子区域图像除去安全帽区域得到剩余区域图像(若没有佩戴安全帽,则没有去除安全帽区域的操作);2.对剩余区域图像使用3×3大小的高斯卷积核进行卷积运算,去掉图像中的噪点;3.将图像转换为灰度图,使用边缘检测算子(例如,sobel算子)对图像进行卷积运算,得到该图像的边缘检测图(该步骤的计算可以将图像梯度区域较明显的部分高亮显示,而无梯度的区域较暗);4.对该图像进行x与y方向的形态学膨胀腐蚀运算,将工牌区域显示为白色,而其他区域显示为黑色,得到轮廓图;5.提取轮廓,根据轮廓的长宽比确定出正确的工牌,将位置记录下来;6.在目标人物子区域图像中提取出对应位置的图像,对图像进行自适应二值化操作,得到关于工牌号的二值图;7.利用工牌号字母和数字大小不同的特征,将整个区域分为字母区域与数字区域,利用字符间存在间隔的特点,遍历每列像素,判断出字符间隔的位置,继而将每一个字符分割开;8.将每个字符带入现有的成熟的统计学模型,识别出每个字符;9.将字符按照位置排列,输出结果,带入数据库进行核对,以此识别工牌号。
S205、若能获取到工牌号,则控制与所述工牌号对应的提示单元对所述目标人物进行提示若能获取到工牌号,则控制与所述工牌号对应的提示单元对所述目标人物进行提示。
S206、若不能获取到工牌号,则对所述图像中的目标人物进行人脸识别,并根据人脸识别结果确定与所述目标人物关联的工牌号,控制与所述工牌号对应的提示单元对所述目标人物进行提示;所述提示单元至少包括光闪烁提示单元、振动提示单元和语音提示单元中的一项。
在本发明实施例中,目标人物的人脸图像与目标人物的工牌号与对应的提示单元进行关联。例如,服务器的存储内容为:人脸图像->工牌号->提示单元编号,或者,服务器的存储内容为:人脸图像网页地址->工牌号->提示单元编号,通过这样的存储方式,只要知晓了其中任何一项,就能知晓其他两项。
可选的,所述提示单元设置在目标人物工服上。具体地,若提示单元是光闪烁提示单元,则在目标人物工服上设置至少一个灯提示模块构成灯闪烁提示单元,所述灯提示模块包括灯,例如LED灯,以通过灯光闪烁的方式提示目标人物;若提示单元是振动提示单元,则在目标人物工服上设置振动提示模块构成振动提示单元,所述振动提示模块包括振动马达,以通过马达振动的方式提示目标人物;若提示单元是语音提示单元,则在目标人物工服上设置至少一个语音提示模块构成语音提示单元,所述语音提示模块包括扬声器,以通过语音提示的方式提示目标人物。需要说明的是,提示单元包括微处理器,微处理器和提示模块结合构成提示单元。
可选的,所述工牌为电子工牌,所述提示单元设置于所述目标人物的电子工牌中。例如,提示单元的微处理器设置于目标人物的电子工牌壳体中,若是灯提示模块,则将灯嵌入电子工牌壳体,以通过灯露出的一小部分提示目标人物;若是振动提示模块,则将振动马达也设置于电子工牌壳体内;若是语音提示模块,则也可以将扬声器的一部分暴露于电子工牌壳体外。
在这里,需要说明的是,若既不能提取到工牌号,也不能根据拍摄的图像识别出具体是哪个目标人物,则此时不做任何处理,即在之前通过向管理终端发送反馈信息就结束了。
上述方案,在若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息之后,还根据与工牌号关联的提示单元对目标人物进行直接提示,这样,建筑管理人员在接收到反馈信息之后,不用再亲自去到建筑施工现场对目标人物进行提示,而只用通过目标人物工服上的感官提示单元进行提示即可,进一步的方便了建筑管理人员,同时,也能使目标人物及时发现未佩戴安全帽,从而将安全帽及时佩戴上,保证目标人物安全。
可选的,在步骤S205或S206所述控制与所述工牌号对应的提示单元对所述目标人物进行提示之后,还包括:
S21、对所述目标人物未佩戴安全帽的情况进行记录,并统计记录次数。
例如,记录内容或记录日志为“目标人物:工牌号-20451596,未佩戴安全帽情况:2020年12月1日上午十点”,根据记录内容(或日志),统计记录次数,即目标人物未佩戴安全帽的次数。优选的是统计某一季度的次数。
S22、当所述记录次数超过预设统计次数时,获取所述目标人物的工作安排表,所述工作安排表中记录有所述目标人物的工作位置和在所述工作位置工作的工作时间。例如,表6所示。
表6
S23、在预设天数内,基于所述工作安排表,控制无人机每天拍摄所述目标人物预设次数的图像。
比如,预设天数为2周,每天拍摄的预设次数为5,一天工作时间为9个小时,则根据这两周的工作安排表,在每天的9个小时的工作时间内拍摄5次图像。
需要说明的是,无人机拍摄的预设次数的图像也是要发送到服务器的,以使服务器对这些图像进行分析,判断目标人物是否佩戴安全帽。
在这里,对目标人物未佩戴安全帽的情况进行了记录,同时,若在一定时间内记录次数超过预设统计次数,认为该目标人物可能经常忘记带安全帽,则需要对该目标人物进行重点关注,于是,根据工作安排表,在目标人物工作时间去到对应位置拍摄预设次数的图像,这样,由于增大了对该目标人物的关注度,使得服务器可以增加对该目标人物的分析次数,并在检测到其未佩戴安全帽时,给他以提示,通过重点关注以及提示,督促其改掉忘记佩戴安全帽的习惯。
可选的,在步骤S205或S206所述控制与所述工牌号对应的提示单元对所述目标人物进行提示之后,还包括:
对所述目标人物未佩戴安全帽的情况进行记录,并将记录信息发送给财务管理人员。
在这里,对所述目标人物未佩戴安全帽的情况进行了记录,并将记录信息发送给了财务管理人员,这样,便于财务管理人员根据记录情况对该人员进行工资扣款。
实施例三
图9示出了本发明实施例三提供的用于建筑施工现场的违规检测系统100,包括:
无人机110、服务器120和管理终端130;
所述无人机110用于拍摄建筑施工现场的图像,并将拍摄的图像发送至所述服务器120;
所述服务器用于接收所述无人机110发送的建筑施工现场的图像,并确定所述图像显示的位置;所述服务器120还用于基于所述图像,判断所述图像中的目标人物是否佩戴安全帽;若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息。
上述违规检测系统,包括无人机、服务器和管理终端,其中无人机用于拍摄建筑施工现场的图像,并将拍摄的图像发送至所述服务器,服务器主要用于在接收到无人机发送的建筑施工现场的图像之后,确定所述图像显示的位置;所述服务器还用于基于所述图像,判断所述图像中的目标人物是否佩戴安全帽;若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息。可见,通过上述方式,不再需要建筑施工管理人员去定期巡查,而是通过无人机拍摄图像并向管理终端反馈未佩戴安全帽的目标人物的位置信息,以使建筑施工管理人员可以直接去到对应位置对目标人物进行督促,给建筑施工管理人员的管理带来一定的便利,也相应地更大程度的保证了目标人物的安全盗。
在本发明实施例中,所述服务器120在所述若所述目标人物没有佩戴安全帽,则向管理终端130发送包含所述位置的反馈信息之后,还用于:
根据所述图像,判断是否能够获取到所述目标人物的工牌号;
若能获取到工牌号,则控制与所述工牌号对应的提示单元对所述目标人物进行提示;
若不能获取到工牌号,则对所述图像中的目标人物进行人脸识别,并根据人脸识别结果确定与所述目标人物关联的工牌号,控制与所述工牌号对应的提示单元对所述目标人物进行提示;所述提示单元至少包括光闪烁提示单元、振动提示单元和语音提示单元中的一项。
在本发明实施例中,所述服务器120在所述控制与所述工牌号对应的提示单元对所述目标人物进行提示之后,还用于:
对所述目标人物未佩戴安全帽的情况进行记录,并统计记录次数;
当所述记录次数超过预设统计次数时,获取所述目标人物的工作安排表,所述工作安排表中记录有所述目标人物的工作位置和在所述工作位置工作的工作时间;
在预设天数内,基于所述工作安排表,控制无人机110每天拍摄所述目标人物预设次数的图像。
在本发明实施例中,所述若所述目标人物没有佩戴安全帽,则向管理终端130发送包含所述位置的反馈信息,具体包括:
若所述目标人物没有佩戴安全帽,则在等待预设时间之后,控制所述无人机110到达所述位置并拍摄所述目标人物的最新图像;
接收所述无人机110返回的最新图像,并基于所述最新图像,判断所述目标人物是否佩戴安全帽;
若所述目标人物没有佩戴安全帽,则向管理终端130发送包含所述位置的反馈信息。
在本发明实施例中,所述确定所述图像显示的位置,具体包括:
根据所述图像的图像信息,确定所述无人机110拍摄所述图像的时间;
根据预置的拍摄时间与拍摄位置的对照表,确定所述图像显示的位置。
在本发明实施例中,所述基于所述图像,判断所述图像中的目标人物是否佩戴安全帽,包括:
利用图像分割算法将所述图像划分为多个图像子区域;
分别计算每个所述图像子区域的方向梯度直方图向量;
分别基于每个所述图像子区域的方向梯度直方图向量和预置的支持向量机模型,得到所述图像中的目标人物子区域图像;
根据预置参数对所述目标人物子区域图像进行分割,以提取到所述目标人物头部区域图像,并将所述目标人物头部区域图像转换为灰度图像;
根据预置的灰度值,将所述灰度图像划分为二值图像,并确定所述二值图像中白色区域的面积占所述二值图像总面积的比例;
根据所述比例,判断所述图像中的目标人物是否佩戴安全帽;
若所述比例小于预设值,则判断所述目标人物没有佩戴安全帽,向管理终端130发送包含所述位置的位置信息。
需要说明的是,本发明实施例三提出的用于建筑施工现场的违规检测系统与本发明方法实施例提出的用于建筑施工现场的违规检测方法基于相同的发明构思,系统实施例与方法实施例中的相应技术内容可互相适用,此处不再详述。
实施例四
图10是本发明再一实施例提供的一种用于建筑施工现场的违规检测设备的示意图。如图10所示的本实施例中的违规检测设备200可以包括:处理器210、存储器220以及存储在存储器220中并可在处理器210上运行的计算机程序230。处理器210执行计算机程序230时实现上述用于建筑施工现场的违规检测方法实施例中的步骤。存储器220用于存储计算机程序,所述计算机程序包括程序指令。处理器210用于执行存储器220存储的程序指令。其中,处理器210被配置用于调用所述程序指令执行以下操作:
处理器210用于获取无人机发送的建筑施工现场的图像,并确定所述图像显示的位置;
处理器210还用于基于所述图像,判断所述图像中的目标人物是否佩戴安全帽;
处理器210还用于若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息。
上述设备,首先获取无人机发送的建筑施工现场的图像,并确定所述图像显示的位置;然后基于所述图像,判断所述图像中的目标人物是否佩戴安全帽;最后若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息。可见,通过上述方式,由于不再需要建筑施工管理人员去定期巡查,而是通过无人机拍摄图像并向管理终端反馈未佩戴安全帽的目标人物的位置信息,以使建筑施工管理人员可以直接去到对应位置对目标人物进行督促,给建筑施工管理人员的管理带来一定的便利,也相应地更大程度的保证了目标人物的安全。
进一步的,处理器210还用于:
在所述若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息之后,根据所述图像,判断是否能够获取到所述目标人物的工牌号;
若能获取到工牌号,则控制与所述工牌号对应的提示单元对所述目标人物进行提示;
若不能获取到工牌号,则对所述图像中的目标人物进行人脸识别,并根据人脸识别结果确定与所述目标人物关联的工牌号,控制与所述工牌号对应的提示单元对所述目标人物进行提示;所述提示单元至少包括光闪烁提示单元、振动提示单元和语音提示单元中的一项。
进一步的,处理器210还用于:
在所述控制与所述工牌号对应的提示单元对所述目标人物进行提示之后,对所述目标人物未佩戴安全帽的情况进行记录,并统计记录次数;
当所述记录次数超过预设统计次数时,获取所述目标人物的工作安排表,所述工作安排表中记录有所述目标人物的工作位置和在所述工作位置工作的工作时间;
在预设天数内,基于所述工作安排表,控制无人机每天拍摄所述目标人物预设次数的图像。
进一步的,处理器210还用于:
若所述目标人物没有佩戴安全帽,则在等待预设时间之后,控制所述无人机到达所述位置并拍摄所述目标人物的最新图像;
接收所述无人机返回的最新图像,并基于所述最新图像,判断所述目标人物是否佩戴安全帽;
若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息。
进一步的,处理器210还用于:
根据所述图像的图像信息,确定所述无人机拍摄所述图像的时间;
根据预置的拍摄时间与拍摄位置的对照表,确定所述图像显示的位置。
进一步的,处理器210还用于:
利用图像分割算法将所述图像划分为多个图像子区域;
分别计算每个所述图像子区域的方向梯度直方图向量;
分别基于每个所述图像子区域的方向梯度直方图向量和预置的支持向量机模型,得到所述图像中的目标人物子区域图像;
根据预置参数对所述目标人物子区域图像进行分割,以提取到所述目标人物头部区域图像,并将所述目标人物头部区域图像转换为灰度图像;
根据预置的灰度值,将所述灰度图像划分为二值图像,并确定所述二值图像中白色区域的面积占所述二值图像总面积的比例;
根据所述比例,判断所述图像中的目标人物是否佩戴安全帽;
若所述比例小于预设值,则判断所述目标人物没有佩戴安全帽,向管理终端发送包含所述位置的位置信息。
应当理解,在本发明实施例中,所称处理器210可以是中央处理单元(CentralProcessing Unit,CPU),该处理器210还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
该存储器220可以包括只读存储器和随机存取存储器,并向处理器210提供指令和数据。存储器220的一部分还可以包括非易失性随机存取存储器。例如,存储器220还可以存储设备类型的信息。
需要说明的是,本发明实施例四提出的用于建筑施工现场的违规检测设备与本发明方法实施例提出的用于建筑施工现场的违规检测方法基于相同的发明构思,设备实施例与方法实施例中的相应技术内容可互相适用,此处不再详述。
实施例五
在本发明的另一实施例中提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时实现:
获取无人机发送的建筑施工现场的图像,并确定所述图像显示的位置;
基于所述图像,判断所述图像中的目标人物是否佩戴安全帽;
若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息。
上述计算机可读存储介质,首先获取无人机发送的建筑施工现场的图像,并确定所述图像显示的位置;然后基于所述图像,判断所述图像中的目标人物是否佩戴安全帽;最后若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息。可见,通过上述方式,由于不再需要建筑施工管理人员去定期巡查,而是通过无人机拍摄图像并向管理终端反馈未佩戴安全帽的目标人物的位置信息,以使建筑施工管理人员可以直接去到对应位置对目标人物进行督促,给建筑施工管理人员的管理带来一定的便利,也相应地更大程度的保证了目标人物的安全。
进一步的,所述计算机程序被处理器执行时还实现:
进一步的,所述计算机程序被处理器执行时还实现:
在所述若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息之后,根据所述图像,判断是否能够获取到所述目标人物的工牌号;
若能获取到工牌号,则控制与所述工牌号对应的提示单元对所述目标人物进行提示;
若不能获取到工牌号,则对所述图像中的目标人物进行人脸识别,并根据人脸识别结果确定与所述目标人物关联的工牌号,控制与所述工牌号对应的提示单元对所述目标人物进行提示;所述提示单元至少包括光闪烁提示单元、振动提示单元和语音提示单元中的一项。
进一步的,所述计算机程序被处理器执行时还实现:
在所述控制与所述工牌号对应的提示单元对所述目标人物进行提示之后,对所述目标人物未佩戴安全帽的情况进行记录,并统计记录次数;
当所述记录次数超过预设统计次数时,获取所述目标人物的工作安排表,所述工作安排表中记录有所述目标人物的工作位置和在所述工作位置工作的工作时间;
在预设天数内,基于所述工作安排表,控制无人机每天拍摄所述目标人物预设次数的图像。
进一步的,所述计算机程序被处理器执行时还实现:
若所述目标人物没有佩戴安全帽,则在等待预设时间之后,控制所述无人机到达所述位置并拍摄所述目标人物的最新图像;
接收所述无人机返回的最新图像,并基于所述最新图像,判断所述目标人物是否佩戴安全帽;
若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息。
进一步的,所述计算机程序被处理器执行时还实现:
根据所述图像的图像信息,确定所述无人机拍摄所述图像的时间;
根据预置的拍摄时间与拍摄位置的对照表,确定所述图像显示的位置。
进一步的,所述计算机程序被处理器执行时还实现:
利用图像分割算法将所述图像划分为多个图像子区域;
分别计算每个所述图像子区域的方向梯度直方图向量;
分别基于每个所述图像子区域的方向梯度直方图向量和预置的支持向量机模型,得到所述图像中的目标人物子区域图像;
根据预置参数对所述目标人物子区域图像进行分割,以提取到所述目标人物头部区域图像,并将所述目标人物头部区域图像转换为灰度图像;
根据预置的灰度值,将所述灰度图像划分为二值图像,并确定所述二值图像中白色区域的面积占所述二值图像总面积的比例;
根据所述比例,判断所述图像中的目标人物是否佩戴安全帽;
若所述比例小于预设值,则判断所述目标人物没有佩戴安全帽,向管理终端发送包含所述位置的位置信息。
所述计算机可读存储介质可以是前述任一实施例所述的设备的内部存储单元,例如设备的硬盘或内存。所述计算机可读存储介质也可以是所述设备的外部存储设备,例如所述设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述设备的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序及所述设备所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是,本发明实施例五提出的计算机可读存储介质与本发明方法实施例提出的用于建筑施工现场的违规检测方法基于相同的发明构思,计算机可读存储介质实施例与方法实施例中的相应技术内容可互相适用,此处不再详述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的设备和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、设备或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种用于建筑施工现场的违规检测方法,其特征在于,包括:
获取无人机发送的建筑施工现场的图像,并确定所述图像显示的位置;
基于所述图像,判断所述图像中的目标人物是否佩戴安全帽;
若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息。
2.如权利要求1所述的方法,其特征在于,在所述若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息之后,还包括:
根据所述图像,判断是否能够获取到所述目标人物的工牌号;
若能获取到工牌号,则控制与所述工牌号对应的提示单元对所述目标人物进行提示;
若不能获取到工牌号,则对所述图像中的目标人物进行人脸识别,并根据人脸识别结果确定与所述目标人物关联的工牌号,控制与所述工牌号对应的提示单元对所述目标人物进行提示;所述提示单元至少包括光闪烁提示单元、振动提示单元和语音提示单元中的一项。
3.如权利要求2所述的方法,其特征在于,在所述控制与所述工牌号对应的提示单元对所述目标人物进行提示之后,还包括:
对所述目标人物未佩戴安全帽的情况进行记录,并统计记录次数;
当所述记录次数超过预设统计次数时,获取所述目标人物的工作安排表,所述工作安排表中记录有所述目标人物的工作位置和在所述工作位置工作的工作时间;
在预设天数内,基于所述工作安排表,控制无人机每天拍摄所述目标人物预设次数的图像。
4.如权利要求1所述的方法,其特征在于,所述若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息,包括:
若所述目标人物没有佩戴安全帽,则在等待预设时间之后,控制所述无人机到达所述位置并拍摄所述目标人物的最新图像;
接收所述无人机返回的最新图像,并基于所述最新图像,判断所述目标人物是否佩戴安全帽;
若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息。
5.如权利要求1所述的方法,其特征在于,所述确定所述图像显示的位置,包括:
根据所述图像的图像信息,确定所述无人机拍摄所述图像的时间;
根据预置的拍摄时间与拍摄位置的对照表,确定所述图像显示的位置。
6.如权利要求1至5任一项所述的方法,其特征在于,所述基于所述图像,判断所述图像中的目标人物是否佩戴安全帽,包括:
利用图像分割算法将所述图像划分为多个图像子区域;
分别计算每个所述图像子区域的方向梯度直方图向量;
分别基于每个所述图像子区域的方向梯度直方图向量和预置的支持向量机模型,得到所述图像中的目标人物子区域图像;
根据预置参数对所述目标人物子区域图像进行分割,以提取到所述目标人物头部区域图像,并将所述目标人物头部区域图像转换为灰度图像;
根据预置的灰度值,将所述灰度图像划分为二值图像,并确定所述二值图像中白色区域的面积占所述二值图像总面积的比例;
根据所述比例,判断所述图像中的目标人物是否佩戴安全帽;
相应的,所述若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息,包括:
若所述比例小于预设值,则判断所述目标人物没有佩戴安全帽,向管理终端发送包含所述位置的位置信息。
7.一种用于建筑施工现场的违规检测系统,其特征在于,包括:
无人机、服务器和管理终端;
所述无人机用于拍摄建筑施工现场的图像,并将拍摄的图像发送至所述服务器;
所述服务器用于接收所述无人机发送的建筑施工现场的图像,并确定所述图像显示的位置;所述服务器还用于基于所述图像,判断所述图像中的目标人物是否佩戴安全帽;若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息。
8.如权利要求7所述的违规检测系统,其特征在于,所述若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息,包括:
若所述目标人物没有佩戴安全帽,则在等待预设时间之后,控制所述无人机到达所述位置并拍摄所述目标人物的最新图像;
接收所述无人机返回的最新图像,并基于所述最新图像,判断所述目标人物是否佩戴安全帽;
若所述目标人物没有佩戴安全帽,则向管理终端发送包含所述位置的反馈信息。
9.一种用于建筑施工现场的违规检测设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811101688.7A CN109558783A (zh) | 2018-09-20 | 2018-09-20 | 一种用于建筑施工现场的违规检测方法、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811101688.7A CN109558783A (zh) | 2018-09-20 | 2018-09-20 | 一种用于建筑施工现场的违规检测方法、系统及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109558783A true CN109558783A (zh) | 2019-04-02 |
Family
ID=65864750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811101688.7A Pending CN109558783A (zh) | 2018-09-20 | 2018-09-20 | 一种用于建筑施工现场的违规检测方法、系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109558783A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110166741A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 基于人工智能的环境监控方法、装置、设备及存储介质 |
CN110179198A (zh) * | 2019-06-10 | 2019-08-30 | 唐文 | 智能安全帽的预警方法及装置 |
CN110991282A (zh) * | 2019-11-21 | 2020-04-10 | 深圳市赛为智能股份有限公司 | 基于无人机的施工安全管理方法、装置及计算机设备 |
CN111178227A (zh) * | 2019-12-25 | 2020-05-19 | 秒针信息技术有限公司 | 麦克风监管方法和装置 |
CN111814762A (zh) * | 2020-08-24 | 2020-10-23 | 深延科技(北京)有限公司 | 头盔佩戴检测方法和装置 |
CN111967388A (zh) * | 2020-08-18 | 2020-11-20 | 山东泰和建设管理有限公司 | 基于无人机的监理检测方法及系统 |
CN112150435A (zh) * | 2020-09-23 | 2020-12-29 | 徐州联城住宅工业科技发展有限公司 | 一种预制构件的施工管理方法及装置 |
CN112380911A (zh) * | 2020-10-21 | 2021-02-19 | 重庆恢恢信息技术有限公司 | 一种融合区块链的海量建筑工地图像数据优化方法 |
CN112380910A (zh) * | 2020-10-21 | 2021-02-19 | 重庆恢恢信息技术有限公司 | 一种基于区块链的建筑工地异常行为视频数据挖掘方法 |
CN112903026A (zh) * | 2021-02-25 | 2021-06-04 | 南京翰氜信息科技有限公司 | 基于机器视觉和人工智能的工程安全远程在线监测系统 |
WO2021177183A1 (ja) * | 2020-03-05 | 2021-09-10 | 日本電気株式会社 | 監視装置、監視システム、監視方法およびプログラム記録媒体 |
CN114003058A (zh) * | 2021-10-25 | 2022-02-01 | 上海宝冶冶金工程有限公司 | 一种安全帽佩戴智慧巡检系统及方法 |
CN114092889A (zh) * | 2022-01-10 | 2022-02-25 | 深圳市明源云科技有限公司 | 违规行为检测方法、装置、电子设备及可读存储介质 |
CN115424408A (zh) * | 2022-09-05 | 2022-12-02 | 广东电网有限责任公司 | 一种现场施工安全管控预警装置 |
CN116311556A (zh) * | 2023-04-06 | 2023-06-23 | 北京数通魔方科技有限公司 | 一种基于人工智能的管控方法与管控系统 |
CN116823529A (zh) * | 2022-07-05 | 2023-09-29 | 湖北学优领航职业技能培训有限公司 | 一种基于行为大数据分析的安防智能管理系统 |
CN117549330A (zh) * | 2024-01-11 | 2024-02-13 | 四川省铁路建设有限公司 | 一种施工安全监测机器人系统及控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104063722A (zh) * | 2014-07-15 | 2014-09-24 | 国家电网公司 | 一种融合hog人体目标检测和svm分类器的安全帽识别方法 |
CN105847769A (zh) * | 2016-06-16 | 2016-08-10 | 苏州安控物联网科技有限公司 | 一种建筑现场行为分析系统及分析方法 |
CN106447303A (zh) * | 2016-10-22 | 2017-02-22 | 辽宁科技大学 | 一种企业员工行为安全观察装置及观察方法 |
CN106778609A (zh) * | 2016-12-15 | 2017-05-31 | 国网浙江省电力公司杭州供电公司 | 一种电力施工现场人员制服穿着识别方法 |
CN108319926A (zh) * | 2018-02-12 | 2018-07-24 | 安徽金禾软件股份有限公司 | 一种工地现场的安全帽佩戴检测系统及检测方法 |
CN108445767A (zh) * | 2018-05-16 | 2018-08-24 | 安徽建筑大学 | 一种基于无人机的可视化现场安全监督管理系统 |
-
2018
- 2018-09-20 CN CN201811101688.7A patent/CN109558783A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104063722A (zh) * | 2014-07-15 | 2014-09-24 | 国家电网公司 | 一种融合hog人体目标检测和svm分类器的安全帽识别方法 |
CN105847769A (zh) * | 2016-06-16 | 2016-08-10 | 苏州安控物联网科技有限公司 | 一种建筑现场行为分析系统及分析方法 |
CN106447303A (zh) * | 2016-10-22 | 2017-02-22 | 辽宁科技大学 | 一种企业员工行为安全观察装置及观察方法 |
CN106778609A (zh) * | 2016-12-15 | 2017-05-31 | 国网浙江省电力公司杭州供电公司 | 一种电力施工现场人员制服穿着识别方法 |
CN108319926A (zh) * | 2018-02-12 | 2018-07-24 | 安徽金禾软件股份有限公司 | 一种工地现场的安全帽佩戴检测系统及检测方法 |
CN108445767A (zh) * | 2018-05-16 | 2018-08-24 | 安徽建筑大学 | 一种基于无人机的可视化现场安全监督管理系统 |
Non-Patent Citations (1)
Title |
---|
孙毅等: "《无人机驾驶员航空知识手册》", 31 October 2014, 中国民航出版社 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110166741A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 基于人工智能的环境监控方法、装置、设备及存储介质 |
CN110179198A (zh) * | 2019-06-10 | 2019-08-30 | 唐文 | 智能安全帽的预警方法及装置 |
CN110991282A (zh) * | 2019-11-21 | 2020-04-10 | 深圳市赛为智能股份有限公司 | 基于无人机的施工安全管理方法、装置及计算机设备 |
CN111178227A (zh) * | 2019-12-25 | 2020-05-19 | 秒针信息技术有限公司 | 麦克风监管方法和装置 |
WO2021177183A1 (ja) * | 2020-03-05 | 2021-09-10 | 日本電気株式会社 | 監視装置、監視システム、監視方法およびプログラム記録媒体 |
JPWO2021177183A1 (zh) * | 2020-03-05 | 2021-09-10 | ||
CN111967388A (zh) * | 2020-08-18 | 2020-11-20 | 山东泰和建设管理有限公司 | 基于无人机的监理检测方法及系统 |
CN111967388B (zh) * | 2020-08-18 | 2024-02-09 | 山东泰和建设管理有限公司 | 基于无人机的监理检测方法及系统 |
CN111814762A (zh) * | 2020-08-24 | 2020-10-23 | 深延科技(北京)有限公司 | 头盔佩戴检测方法和装置 |
CN112150435A (zh) * | 2020-09-23 | 2020-12-29 | 徐州联城住宅工业科技发展有限公司 | 一种预制构件的施工管理方法及装置 |
CN112380910A (zh) * | 2020-10-21 | 2021-02-19 | 重庆恢恢信息技术有限公司 | 一种基于区块链的建筑工地异常行为视频数据挖掘方法 |
CN112380911A (zh) * | 2020-10-21 | 2021-02-19 | 重庆恢恢信息技术有限公司 | 一种融合区块链的海量建筑工地图像数据优化方法 |
CN112380911B (zh) * | 2020-10-21 | 2023-05-05 | 重庆恢恢信息技术有限公司 | 一种融合区块链的海量建筑工地图像数据优化方法 |
CN112380910B (zh) * | 2020-10-21 | 2023-06-02 | 重庆恢恢信息技术有限公司 | 一种基于区块链的建筑工地异常行为视频数据挖掘方法 |
CN112903026A (zh) * | 2021-02-25 | 2021-06-04 | 南京翰氜信息科技有限公司 | 基于机器视觉和人工智能的工程安全远程在线监测系统 |
CN114003058A (zh) * | 2021-10-25 | 2022-02-01 | 上海宝冶冶金工程有限公司 | 一种安全帽佩戴智慧巡检系统及方法 |
CN114003058B (zh) * | 2021-10-25 | 2024-01-26 | 上海宝冶冶金工程有限公司 | 一种安全帽佩戴智慧巡检系统及方法 |
CN114092889A (zh) * | 2022-01-10 | 2022-02-25 | 深圳市明源云科技有限公司 | 违规行为检测方法、装置、电子设备及可读存储介质 |
CN116823529A (zh) * | 2022-07-05 | 2023-09-29 | 湖北学优领航职业技能培训有限公司 | 一种基于行为大数据分析的安防智能管理系统 |
CN115424408A (zh) * | 2022-09-05 | 2022-12-02 | 广东电网有限责任公司 | 一种现场施工安全管控预警装置 |
CN116311556A (zh) * | 2023-04-06 | 2023-06-23 | 北京数通魔方科技有限公司 | 一种基于人工智能的管控方法与管控系统 |
CN116311556B (zh) * | 2023-04-06 | 2023-08-11 | 北京数通魔方科技有限公司 | 一种基于人工智能的管控方法与管控系统 |
CN117549330A (zh) * | 2024-01-11 | 2024-02-13 | 四川省铁路建设有限公司 | 一种施工安全监测机器人系统及控制方法 |
CN117549330B (zh) * | 2024-01-11 | 2024-03-22 | 四川省铁路建设有限公司 | 一种施工安全监测机器人系统及控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109558783A (zh) | 一种用于建筑施工现场的违规检测方法、系统及设备 | |
WO2020056677A1 (zh) | 一种用于建筑施工现场的违规检测方法、系统及设备 | |
CN108596277B (zh) | 一种车辆身份识别方法、装置和存储介质 | |
US11321583B2 (en) | Image annotating method and electronic device | |
EP3806064A1 (en) | Method and apparatus for detecting parking space usage condition, electronic device, and storage medium | |
CN112819068B (zh) | 一种基于深度学习的船舶作业违章行为实时侦测方法 | |
CN112200081A (zh) | 异常行为识别方法、装置、电子设备及存储介质 | |
CN107844742B (zh) | 人脸图像眼镜去除方法、装置及存储介质 | |
CN107909683A (zh) | 实现登机的方法、终端设备及计算机可读存储介质 | |
CN109903210B (zh) | 水印的去除方法、装置和服务器 | |
CN111325051A (zh) | 一种基于人脸图像roi选取的人脸识别方法及装置 | |
CN111160169B (zh) | 人脸检测方法、装置、设备及计算机可读存储介质 | |
CN112307853A (zh) | 航拍图像的检测方法、存储介质和电子装置 | |
CN111353338B (zh) | 一种基于营业厅视频监控的能效改进方法 | |
CN109389105A (zh) | 一种基于多任务的虹膜检测和视角分类方法 | |
CN109903172A (zh) | 理赔信息提取方法和装置、电子设备 | |
CN112633313A (zh) | 一种网络终端的不良信息识别方法及局域网终端设备 | |
CN109905423A (zh) | 一种智能管理系统 | |
CN110414375A (zh) | 低空目标的识别方法、装置、存储介质及电子设备 | |
CN110490127A (zh) | 位置合规识别方法及装置、存储介质、电子装置 | |
CN110602446A (zh) | 垃圾回收提醒方法、系统及存储介质 | |
CN109766821A (zh) | 车辆行车规律分析方法、系统、计算机设备及存储介质 | |
CN107667382A (zh) | 车辆牌照号码识别装置及其方法 | |
CN111461143A (zh) | 一种图片翻拍识别方法和装置及电子设备 | |
CN111429376A (zh) | 高低精度融合的高效数字图像处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190402 |
|
RJ01 | Rejection of invention patent application after publication |