CN109559008A - 施工监控方法、装置及系统 - Google Patents
施工监控方法、装置及系统 Download PDFInfo
- Publication number
- CN109559008A CN109559008A CN201811095230.5A CN201811095230A CN109559008A CN 109559008 A CN109559008 A CN 109559008A CN 201811095230 A CN201811095230 A CN 201811095230A CN 109559008 A CN109559008 A CN 109559008A
- Authority
- CN
- China
- Prior art keywords
- subfield
- construction
- image
- abnormal
- personnel
- 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 175
- 238000012544 monitoring process Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000002159 abnormal effect Effects 0.000 claims abstract description 70
- 230000006399 behavior Effects 0.000 claims description 36
- 238000004590 computer program Methods 0.000 claims description 19
- 238000013527 convolutional neural network Methods 0.000 claims description 18
- 230000015654 memory Effects 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 11
- 238000002156 mixing Methods 0.000 claims description 10
- 238000012806 monitoring device Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 210000005036 nerve Anatomy 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 238000003062 neural network model Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 230000005856 abnormality Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000005295 random walk Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000005267 amalgamation Methods 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Biophysics (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种施工监控方法、装置及系统。其中,所述施工监控方法包括:获取施工场所的图像,所述施工场所包括若干个施工子场所;根据所述图像对每个所述施工子场所进行人员数目的统计,得到对应每个所述施工子场所的人员数目;若所述施工子场所的所述人员数目大于预设数目阈值,则确定所述施工子场所为异常子场所;生成包括所述异常子场所的报警信息,并发送所述报警信息至预设终端设备。从而解决了现有的构件和部品施工监控智能化程度不高,效率低下的问题。本发明能够准确高效的对施工现场进行监控。
Description
技术领域
本发明属于安防技术领域,尤其涉及一种施工监控方法、装置及系统。
背景技术
施工场所是指进行工业和民用项目的房屋建筑、土木工程、设备安装、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、建设的场所,包括陆地,海上以及空中的一切能够进行施工工作的地域。施工场所环境复杂,发生的异常情况,如安全事故或人群聚集等,处理不及时,会酿成大祸。
现有技术中通常采用派遣专人的方式对施工场所进行人工监控,由于派遣人员对施工场所的观察非常有限,不全面,无法实时知晓全场情况,在无法获知全场情况的前提下,更无法及时反馈异常情况。因而现有技术下的施工监控存在不够准确及时,准确度和时效性低下的技术问题。
发明内容
有鉴于此,本发明提供了一种施工监控方法、装置及系统,解决了现有的施工监控过程不够准确及时的技术问题。
本发明的第一方面提供了一种基于装配式建筑平台的施工监控方法,所述装配式建筑平台包括服务器、数据库和网页界面,所述施工监控方法由所述服务器执行,包括:
获取构件或部品的不同来源的数据,数据来源包括设计来源、市场商务来源和现场管理来源;
将不同来源的数据进行比对,得到比对结果;
根据所述比对结果生成结果报表,在所述数据库中存储所述比对结果和所述结果报表,并在所述网页界面显示所述结果报表。
本发明的第二方面提供了一种基于装配式建筑平台的施工监控系统,其特征在于,所述施工监控系统包括装配式建筑平台和至少一个终端设备,所述装配式建筑平台包括服务器、数据库和网页界面,所述服务器与所述终端设备通信连接,所述服务器用于获取构件或部品的不同来源的数据,数据来源包括设计来源、市场商务来源和现场管理来源;将不同来源的数据进行比对,得到比对结果;根据所述比对结果生成结果报表,在所述数据库中存储所述比对结果和所述结果报表,并在所述网页界面显示所述结果报表。
本发明的第三方面提供了一种基于装配式建筑平台的施工监控装置,所述装配式建筑平台包括服务器、数据库和网页界面,所述施工监控装置配置于所述服务器,所述施工监控装置包括:
获取模块,用于获取构件或部品的不同来源的数据,数据来源包括设计来源、市场商务来源和现场管理来源;
比对模块,用于将不同来源的数据进行比对,得到比对结果;
生成和显示模块,用于根据所述比对结果生成结果报表,在所述数据库中存储所述比对结果和所述结果报表,并在所述网页界面显示所述结果报表。
本发明的第四方面提供了一种移动终端,包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序,上述处理器执行上述计算机程序时实现如上第一方面的方法的步骤。
本发明的第五方面提供了一种计算机可读存储介质,上述计算机可读存储介质存储有计算机程序,上述计算机程序被处理器执行时实现如上第一方面的方法的步骤。
本发明通过获取施工场所中若干个施工子场所的图像,从而根据所述图像确定异常子场所,并将包括异常子场所的报警信息发送至预设终端,从而能够准确高效的对施工现场进行监控。
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是本发明实施例一提供的一种施工监控系统的示意图;
图2是本发明实施例二提供的一种施工监控方法的实现流程示意图;
图3是本发明实施例三提供的另一种施工监控方法的实现流程示意图;
图4是本发明实施例三提供的另一种施工监控方法的步骤304的实现流程示意图;
图5是本发明实施例四提供的施工监控装置的示意图;
图6是本发明实施例五提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。另外,在本发明中若涉及“第一”或“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”或“第二”等的特征可以明示或者隐含地包括至少一个该特征。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
实施例一
图1示出了本发明实施例提供的提供的施工监控系统的结构示意图。本发明实施例的施工监控系统包括:服务器11、无人机12、监控终端13和预设终端设备14。无人机12、监控终端13和预设终端设备14与服务器11进行交互以实现施工场所的监控。
服务器11通过网络与一个或多个无人机12进行通信连接,以进行数据通信或交互;服务器11还通过网络与一个或多个监控终端13进行通信连接,以进行数据通信或交互;服务器11还通过网络与一个或多个预设终端设备14进行通信连接,以进行数据通信或交互。
无人机12包括摄像装置,用于获取施工场所包括的若干个施工子场所的图像,并将获取到的图像发送给服务器11。服务器与无人机进行数据通信,控制无人机按照预定的巡航路线和巡航周期对施工场所包括的若干个施工子场所进行拍摄。无人机是指不搭载操作人员的一种动力空中飞行器,采用空气动力为飞行器提供所需的升力,能够自动飞行或远程引导;既能一次性使用也能进行回收。
预设终端设备14可以包括但不限于施工场所的管理者的移动终端设备,如移动电话等。
监控终端13可以包括但不限于带有摄像功能的终端设备,如摄像头等。监控终端13安装于施工场所的若干个施工子场所中,用于在启动后获取所述施工子场所的监控数据。施工场所包括多个施工子场所。例如,施工子场所可以按照作业事项进行划分,作业事项包括但不限于:高空作业、和挖掘作业等;又如,施工子场所可以为对施工场所进行地域划分后形成;又如,施工子场所还可以结合作业事项和地域进行划分后形成,本发明对此不做具体限制。
监控终端13安装于施工场所的若干个施工子场所中。作为本发明一实施例,在施工场所的多个施工子场中选择若干个施工子场所安装监控终端,安装监控终端的施工子场所可以仅为进行危险作业的施工子场所,比如进行高空作业的危险施工子场所。作为本发明另一实施例,在施工场所的每个施工子场所均安装监控终端。本发明对此不做具体限制。
服务器11用于控制所述无人机12获取施工场所的图像,根据所述图像对每个所述施工子场所进行人员数目的统计,得到对应每个所述施工子场所的人员数目;若所述施工子场所的所述人员数目大于预设数目阈值,则确定所述施工子场所为异常子场所;生成包括所述异常子场所的报警信息,并发送所述报警信息至所述预设终端设备14。
本发明实施例中,通过无人机获取施工场所中若干个施工子场所的图像,从而根据所述图像确定异常子场所,并将包括异常子场所的报警信息发送至预设终端,从而能够准确高效的对施工现场的异常情况进行监控。
实施例二
图2是本发明实施例二提供的施工监控方法的实现流程示意图。所述施工监控方法由施工监控装置执行,所述施工监控装置配置于终端设备,可由软件和/或硬件实现。所述终端设备可为实施例一所述的服务器11。如图2所示,所述施工监控方法包括以下步骤:
S201,获取施工场所的图像,所述施工场所包括若干个施工子场所。
其中,通过控制无人机按照预设巡航路线飞行,获取施工场所中若干个施工子场所的图像。也就是说,无人机拍摄预先选定的若干个施工子场所或所有施工子场所的图像,从而后续根据图像对施工场所进行全局监控。
结合图1的实施例,服务器控制无人机按照预设巡航路线飞行,拍摄施工场所的图像,所述图像至少包括若干个施工子场所的图像。图像可以为照片或视频。当服务器获取所述图像之后,对得到的图像进行分析,得到对应施工子场所的图像,后续实现对施工场所的全局监控,使得本发明易于实现,并且适合于监控环境复杂的施工场所。
本发明实施例中,无人机包括视频采集模块,如摄像设备,该视频采集模块可以设置在无人机的任意位置,优选为设置在无人机的底部,所述视频采集模块可以集成于无人机的硬件系统,或者,所述视频采集模块也可以是独立的模块,即,所述视频采集模块与无人机分别使用不同的处理系统,无人机可以通过有线或者无线的方式与视频采集模块进行数据传输和指令传输。视频采集模块也可以直接接收装配式建筑平台直接发送的控制命令。
S202,根据所述图像对每个所述施工子场所进行人员数目的统计,得到对应每个所述施工子场所的人员数目。
其中,步骤201获得对应若干个施工子场所的图像,从而根据图像对每个所述施工子场所的人员数目进行统计,所述人员为在该施工子场所的施工人员,而人员数目对应的是某一个施工子场所的施工人员的数量。
作为本发明一种实施例,利用神经网络模型分析对应所述施工子场所的所述图像,得到对应每个所述施工子场所的人员数目。
其中,神经网络模型用于识别人员数目。神经网络模型为基于机器学习技术,通过大量的图像样本预先训练好的用于人员数目识别的模型。
神经网络模型可以为卷积神经网络(Convolutional Neural Network,CNN)模型、循环神经网络(Recurrent Neural Network,RNN)模型、或长短期记忆网络(Long ShortTerm Memory,LSTM)模型等。将图像作为神经网络模型的输入,通过神经网络模型便可以得到施工子场所的人员数目。
作为本发明另一种实施例,根据所述图像对每个所述施工子场所进行人员数目的统计,得到对应每个所述施工子场所的人员数目,包括:利用第一卷积神经网络获取所述图像的第一图像特征,利用第二卷积神经网络获取所述图像的第二图像特征,利用第三卷积神经网络获取所述图像的第三图像特征;将所述第一图像特征、所述第二图像特征和所述第三图像特征进行融合,得到融合图像特征;基于所述融合图像特征,得到所述图像对应的所述施工子场所的人员数目。
其中,第一卷积神经网络、第二卷积神经网络和第三卷积神经网络的结构不相同。示施例性,第一卷积神经网络、第二卷积神经网络和第三卷积神经网络均包括4个卷积层和3个池化层,例如第一卷积神经网络的第一个卷积层为9×9维度,后续3个卷积层为7×7维度;第二卷积神经网络的第一个卷积层为7×7维度,后续3个卷积层为5×5维度;第三卷积神经网络的第一个卷积层为5×5维度,后续3个卷积层为3×3维度。它们的池化层均为2×2维度。
三个卷积神经网络提取的图像特征进行融合后得到融合图像特征,融合图像特征用于表征图像的特征。由于融合图像特征能够更好地体现图像细节和局部信息,因此识别结果比单一的神经网络模型更为准确,降低了误检率。其中,融合可以采取对第一图像特征、第二图像特征和第三图像特征进行特征拼接的操作。当然还可以采取其他融合方式,本发明对此不做具体限定。
最后基于所述融合图像特征,得到所述图像对应的所述施工子场所的人员数目。示例性地,可以通过第四神经网络模型分析所述融合图像特征,得到所述图像对应的所述施工子场所的人员数目。此时,由于采用融合图像特征表征图像的特征,对第四神经网络的精度要求可以适当降低,降低了前期模型的训练成本,使得本发明在保证准确度的前提下也易于实现。
S203,若所述施工子场所的所述人员数目大于预设数目阈值,则确定所述施工子场所为异常子场所。
其中,得到施工子场所的人员数目之后,若施工子场所的人员数目大于预设数目阈值,则说明此时该施工子场所的人数出现异常,确定施工子场所为异常子场所;若施工子场所的人员数目小于或等于预设数目阈值,则说明此时该施工子场所的人数未出现异常,确定施工子场所为正常子场所。
需要说明的是,每个施工子场所由于作业事项不一致,可能本身所需的人员数目会有差异,因而,对不同施工子场所设置不同的预设数目阈值,从而进一步提高监控的准确度。
S204,生成包括所述异常子场所的报警信息,并发送所述报警信息至预设终端设备。
其中,在确定异常子场所之后,生成包括异常子场所信息的报警信息,并发送所述报警信息至预设终端设备,使得施工场所的管理者能够第一时间知晓施工场所的情况,从而对异常进行及时处理。
本发明实施例中,通过获取施工场所中若干个施工子场所的图像,从而根据所述图像确定异常子场所,并将包括异常子场所的报警信息发送至预设终端,从而能够准确高效的对施工现场的异常情况进行监控。
实施例三
图3是本发明实施例三提供的施工监控方法的实现流程示意图。所述施工监控方法在图2所示实施例的基础上做了进一步优化。如图3所示,所述施工监控方法还包括以下步骤:
S301,控制所述异常子场所的监控终端开启,以使得所述监控终端采集所述异常子场所的监控数据。
其中,在确定施工子场所为异常子场所之后,进一步控制施工子场所的监控终端开启,以使得监控终端采集异常子场所的监控数据。由于监控终端预设置于每个施工子场所,因而能更好的采集施工子场所的现场情况。也就是说,当某个施工子场所确定为异常子场所后,启动对应的监控终端采集异常子场所的现场情况,进一步判断现场情况。
示例性地,所述监控数据包括视频数据。所述监控终端包括视频采集设备或者监控终端为视频采集设备。
S302,接收所述监控终端发送的监控数据。
其中,监控终端采集到异常子场所的监控数据后,发送给服务器,服务器接收监控数据,从而根据监控数据进一步对人群行为进行分类。
S303,根据所述监控数据对所述异常子场所的人群行为进行分类。
其中,利用神经网络模型分析视频数据,得到所述异常子场所的人群行为分类结果。神经网络模型用于对人群行为进行分类。神经网络模型为基于机器学习技术,通过大量的样本视频数据预先训练好的用于人群行为进行分类的模型。样本视频数据包括视频数据及其对应的分类信息,分类信息可以为类别对应的分类标签,视频数据覆盖各待识别的人群行为的类型。示例性地,例如,对人群行为进行2分类,2个类型分别为:正常和异常;又如,对人群行为进行4分类,4个类型分别为:静态稳定、相互推搡、有序前进和随机走动。神经网络模型可以为而非类模型也可以为多分类模型,本发明对此不做限制。
神经网络模型可以为CNN模型、RNN模型、或LSTM模型等。将视频数据作为神经网络模型的输入,通过神经网络模型便可以得到人群行为的类型。
S304,根据分类结果判断所述异常子场所是否发生异常。
其中,步骤303已经得到人群行为的分类结果,基于分类结果判断异常子场所是否真的发生异常。
可选地,如图4所示,步骤304包括步骤3041至3043。
S3041,若判断所述人群行为分类结果是否属于预设行为分类结果。
S3042,若所述人群行为分类结果属于预设行为分类结果,则判定所述异常子场所为异常状态。
S3043,若所述人群行为分类结果不属于预设行为分类结果,则判定所述异常子场所为正常状态。
基于步骤303的人群行为的分类结果,判断是否为预设的行为分类结果。其中,预设的分类结果表示人群行为异常的分类结果。
示例性地,当采用二分类的神经网络模型时,人群行为的分类结果包括2个类型,分别为:正常和异常,预设的分类结果为异常。当人群分类结果为异常时,属于预设的行为分类结果,此时,判断异常子场所为异常状态;当人群分类结果为正常时,不属于预设的行为分类结果,此时,判断异常子场所为正常状态。
当采用四分类的神经网络模型时,人群行为的分类结果包括4个类型,分别为:静态稳定、相互推搡、有序前进和随机走动,预设的分类结果为相互推搡。当人群分类结果为相互推搡时,属于预设的行为分类结果,此时,判断异常子场所为异常状态;则当人群分类结果为静态稳定、有序前进或随机走动时,不属于预设的行为分类结果,此时,判断异常子场所为正常状态。
本发明实施例中,在确定异常子场所后,不直接发送报警信息,而是进一步判断现场情况,通过控制监控设备获取异常子场所的监控数据,进一步对异常子场所的情况进行判断,极大地降低了本发明的误判,进一步提高了准确性。
可选地,在上述实施例三的基础上,判定所述异常子场所为异常状态之后,还包括:生成包括所述异常子场所和所述异常状态的报警信息,并发送所述报警信息至预设终端设备。
该步骤与实施例二的步骤204原理相同,只是在本步骤中报警信息进一步包括了异常子场所的异常状态的结果。
需要说明的是,在本发明其他实施例中,所述报警信息还可以包括对异常子场所的人群行为分类结果。
还需要说明的是,在本发明其他实施例中,可以在确定出异常子场所之后生成包括异常子场所的第一报警信息;还可同时在判定所述异常子场所为异常状态之后生成包括异常子场所的异常状态和/或人群行为分类结果的第二报警信息。通过生成两种报警信息的方式,一方面可以让施工场所的管理者第一时间知晓可能异常,另一方面,能够在知晓可能异常后获知异常判断结果,以对异常情况作出有效应对。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例四
参见图5,是本发明实施例四提供的施工监控装置的示意图,为了便于说明,仅示出了与本发明实施例相关的部分。
如图5所示,施工监控装置,包括:获取模块51、人数统计模块52、异常确定模块53、和报警生成模块54。
其中,获取模块51,用于获取施工场所的图像,所述施工场所包括若干个施工子场所。
人数统计模块52,用于根据所述图像对每个所述施工子场所进行人员数目的统计,得到对应每个所述施工子场所的人员数目。
异常确定模块53,用于若所述施工子场所的所述人员数目大于预设数目阈值,则确定所述施工子场所为异常子场所。
报警生成模块54,用于生成包括所述异常子场所的报警信息,并发送所述报警信息至所述预设终端设备。
实施例五
图6是本发明实施例五提供的终端设备的示意图。如图6所示,该实施例的终端设备6包括:处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62。所述处理器60执行所述计算机程序62时实现上述各个施工监控方法实施例中的步骤,例如图2所示的步骤201至204。或者,所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能,例如图5所示模块51至54的功能。
示例性的,所述计算机程序62可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器61中,并由所述处理器60执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序62在所述终端设备6中的执行过程。
所述终端设备6可以是桌上型计算机、笔记本、掌上电脑、云端服务器或服务器等计算设备,例如可以为图1所示的服务器11、无人机12、监控终端13和预设终端设备14。所述终端设备可包括,但不仅限于,处理器60、存储器61。本领域技术人员可以理解,图6仅仅是终端设备6的示例,并不构成对终端设备6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。还可以包括摄像头、无线通信模块、喇叭等。
所称处理器60可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal 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。
所述存储器61可以是所述终端设备6的内部存储单元,例如终端设备6的硬盘或内存。所述存储器61也可以是所述终端设备6的外部存储设备,例如所述终端设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器61还可以既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
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,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
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、或者计算机软件和电子硬件的结合来实现。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。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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。
所述集成的模块/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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种施工监控方法,其特征在于,包括:
获取施工场所的图像,所述施工场所包括若干个施工子场所;
根据所述图像对每个所述施工子场所进行人员数目的统计,得到对应每个所述施工子场所的人员数目;
若所述施工子场所的所述人员数目大于预设数目阈值,则确定所述施工子场所为异常子场所;
生成包括所述异常子场所的报警信息,并发送所述报警信息至预设终端设备。
2.如权利要求1所述的施工监控方法,其特征在于,所述确定所述施工子场所为异常子场所之后,还包括:
控制所述异常子场所的监控终端开启,以使得所述监控终端采集所述异常子场所的监控数据;
接收所述监控终端发送的监控数据;
根据所述监控数据对所述异常子场所的人群行为进行分类;
根据分类结果判断所述异常子场所是否发生异常。
3.如权利要求2所述的施工监控方法,其特征在于,所述监控数据包括视频数据。
4.如权利要求3所述的施工监控方法,其特征在于,所述根据所述监控数据对所述异常子场所的人群行为进行分类,包括:
利用第一神经网络模型分析所述视频数据,得到所述异常子场所的人群行为分类结果;
相应的,所述根据分类结果判断所述异常子场所是否发生异常,包括:
判断所述人群行为分类结果是否属于预设行为分类结果;
若所述人群行为分类结果属于预设行为分类结果,则判定所述异常子场所为异常状态;
若所述人群行为分类结果不属于预设行为分类结果,则判定所述异常子场所为正常状态。
5.如权利要求1或2所述的施工监控方法,其特征在于,所述获取施工场所的图像,所述施工场所包括若干个施工子场所,包括:
通过控制无人机按照预设巡航路线飞行,获取施工场所中若干个施工子场所的图像。
6.如权利要求5所述的施工监控方法,其特征在于,所述根据所述图像对每个所述施工子场所进行人员数目的统计,得到对应每个所述施工子场所的人员数目,包括:
利用第二神经网络模型分析对应所述施工子场所的所述图像,得到对应每个所述施工子场所的人员数目;或
利用第一卷积神经网络获取所述图像的第一图像特征,利用第二卷积神经网络获取所述图像的第二图像特征,利用第三卷积神经网络获取所述图像的第三图像特征;将所述第一图像特征、所述第二图像特征和所述第三图像特征进行融合,得到融合图像特征;基于所述融合图像特征,得到所述图像对应的所述施工子场所的人员数目。
7.一种施工监控系统,其特征在于,包括服务器、无人机和预设终端设备,所述无人机和所述预设终端设备分别与所述服务器通信连接,
所述服务器用于控制所述无人机获取施工场所的图像,根据所述图像对每个所述施工子场所进行人员数目的统计,得到对应每个所述施工子场所的人员数目;若所述施工子场所的所述人员数目大于预设数目阈值,则确定所述施工子场所为异常子场所;生成包括所述异常子场所的报警信息,并发送所述报警信息至所述预设终端设备。
8.一种施工监控装置,其特征在于,包括:
获取模块,用于获取施工场所的图像,所述施工场所包括若干个施工子场所;
人数统计模块,用于根据所述图像对每个所述施工子场所进行人员数目的统计,得到对应每个所述施工子场所的人员数目;
异常确定模块,用于若所述施工子场所的所述人员数目大于预设数目阈值,则确定所述施工子场所为异常子场所;
报警生成模块,用于生成包括所述异常子场所的报警信息,并发送所述报警信息至所述预设终端设备。
9.一种终端设备,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 |
---|---|---|---|
CN201811095230.5A CN109559008A (zh) | 2018-09-19 | 2018-09-19 | 施工监控方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811095230.5A CN109559008A (zh) | 2018-09-19 | 2018-09-19 | 施工监控方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109559008A true CN109559008A (zh) | 2019-04-02 |
Family
ID=65864689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811095230.5A Pending CN109559008A (zh) | 2018-09-19 | 2018-09-19 | 施工监控方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109559008A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458114A (zh) * | 2019-08-13 | 2019-11-15 | 杜波 | 一种人数确定方法、装置及存储介质 |
CN110659624A (zh) * | 2019-09-29 | 2020-01-07 | 上海依图网络科技有限公司 | 一种群体人员行为识别方法、装置和计算机存储介质 |
CN110705917A (zh) * | 2019-10-22 | 2020-01-17 | 河北省交通建设监理咨询有限公司 | 一种施工现场应用的机器人监理系统 |
CN111007575A (zh) * | 2019-12-05 | 2020-04-14 | 深圳市环视通数字技术开发有限公司 | 一种检测安全绳及挂钩状态的装置及方法 |
CN111264963A (zh) * | 2020-03-25 | 2020-06-12 | 河南华北水电工程监理有限公司 | 一种工程安全防护系统 |
CN111523362A (zh) * | 2019-12-26 | 2020-08-11 | 珠海大横琴科技发展有限公司 | 一种基于电子围网的数据分析方法、装置及电子设备 |
CN111652147A (zh) * | 2020-06-04 | 2020-09-11 | 中电建路桥集团有限公司 | 减负构件在地下车库空心楼盖施工过程的监控系统及方法 |
WO2024046433A1 (zh) * | 2022-09-01 | 2024-03-07 | 北京来也网络科技有限公司 | 结合rpa和ai实现ia的防疫监督方法、装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105025271A (zh) * | 2015-07-28 | 2015-11-04 | 深圳英飞拓科技股份有限公司 | 行为监测方法及装置 |
CN105160313A (zh) * | 2014-09-15 | 2015-12-16 | 中国科学院重庆绿色智能技术研究院 | 视频监控中人群行为分析的方法及装置 |
CN106559645A (zh) * | 2015-09-25 | 2017-04-05 | 杭州海康威视数字技术股份有限公司 | 基于摄像机的监控方法、系统和装置 |
CN108206935A (zh) * | 2016-12-16 | 2018-06-26 | 北京迪科达科技有限公司 | 一种人员数量统计监测分析系统 |
-
2018
- 2018-09-19 CN CN201811095230.5A patent/CN109559008A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160313A (zh) * | 2014-09-15 | 2015-12-16 | 中国科学院重庆绿色智能技术研究院 | 视频监控中人群行为分析的方法及装置 |
CN105025271A (zh) * | 2015-07-28 | 2015-11-04 | 深圳英飞拓科技股份有限公司 | 行为监测方法及装置 |
CN106559645A (zh) * | 2015-09-25 | 2017-04-05 | 杭州海康威视数字技术股份有限公司 | 基于摄像机的监控方法、系统和装置 |
CN108206935A (zh) * | 2016-12-16 | 2018-06-26 | 北京迪科达科技有限公司 | 一种人员数量统计监测分析系统 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458114A (zh) * | 2019-08-13 | 2019-11-15 | 杜波 | 一种人数确定方法、装置及存储介质 |
CN110458114B (zh) * | 2019-08-13 | 2022-02-01 | 杜波 | 一种人数确定方法、装置及存储介质 |
CN110659624A (zh) * | 2019-09-29 | 2020-01-07 | 上海依图网络科技有限公司 | 一种群体人员行为识别方法、装置和计算机存储介质 |
CN110705917A (zh) * | 2019-10-22 | 2020-01-17 | 河北省交通建设监理咨询有限公司 | 一种施工现场应用的机器人监理系统 |
CN111007575A (zh) * | 2019-12-05 | 2020-04-14 | 深圳市环视通数字技术开发有限公司 | 一种检测安全绳及挂钩状态的装置及方法 |
CN111523362A (zh) * | 2019-12-26 | 2020-08-11 | 珠海大横琴科技发展有限公司 | 一种基于电子围网的数据分析方法、装置及电子设备 |
CN111264963A (zh) * | 2020-03-25 | 2020-06-12 | 河南华北水电工程监理有限公司 | 一种工程安全防护系统 |
CN111652147A (zh) * | 2020-06-04 | 2020-09-11 | 中电建路桥集团有限公司 | 减负构件在地下车库空心楼盖施工过程的监控系统及方法 |
WO2024046433A1 (zh) * | 2022-09-01 | 2024-03-07 | 北京来也网络科技有限公司 | 结合rpa和ai实现ia的防疫监督方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109559008A (zh) | 施工监控方法、装置及系统 | |
US11176691B2 (en) | Real-time spatial and group monitoring and optimization | |
US7667596B2 (en) | Method and system for scoring surveillance system footage | |
WO2019083442A1 (en) | METHODS AND APPARATUS FOR AUTOMATED MONITORING SYSTEMS | |
CN109657564A (zh) | 一种人员在岗检测方法、装置、存储介质及终端设备 | |
US10101244B2 (en) | Self-learning simulation environments | |
CN103391432A (zh) | 一种景区安全预警智能视频监控系统及监控方法 | |
CN113392760A (zh) | 一种基于视频的不停航施工不安全行为识别的系统及方法 | |
US20230385696A1 (en) | Virtual intelligence and optimization through multi-source, real-time, and context-aware real-world data | |
CN111429583A (zh) | 一种基于三维地理信息的时空态势感知方法和系统 | |
CN117351521B (zh) | 基于数字孪生的输电线鸟类检测方法、系统、介质及设备 | |
CN113505993A (zh) | 分拨中心管理方法、装置、设备及存储介质 | |
CN117424886A (zh) | 一种智慧水务业务管控平台及管控方法 | |
CN108597289A (zh) | 一种作战后勤仿真实验平台系统 | |
CN111586608A (zh) | 一种电源车的智能健康服务系统及其数据传输方法 | |
CN107225571A (zh) | 机器人运动控制方法和装置、机器人 | |
CN115083229B (zh) | 基于ai视觉识别的飞行训练设备智能识别与警示系统 | |
CN113593256B (zh) | 基于城市管理的无人机智能驱离控制方法、系统及云平台 | |
Tundo et al. | An energy-aware approach to design self-adaptive ai-based applications on the edge | |
Asmat et al. | UAS safety: unmanned aerial collision avoidance system (UCAS) | |
CN113505759A (zh) | 多任务处理的方法、装置及存储介质 | |
CN114782883A (zh) | 基于群体智能的异常行为检测方法、装置和设备 | |
HAKIRI et al. | A Comprehensive Survey on Digital Twin for Future Networks and Emerging Iot Industry | |
Moallemi et al. | Interfacing DEVS and visualization models for emergency management | |
CN111078872A (zh) | 警务事件模拟数据生成方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190402 |