CN110796188A - 一种多类型惯性传感器协同的建设工人工效监控方法 - Google Patents
一种多类型惯性传感器协同的建设工人工效监控方法 Download PDFInfo
- Publication number
- CN110796188A CN110796188A CN201911011551.7A CN201911011551A CN110796188A CN 110796188 A CN110796188 A CN 110796188A CN 201911011551 A CN201911011551 A CN 201911011551A CN 110796188 A CN110796188 A CN 110796188A
- Authority
- CN
- China
- Prior art keywords
- construction
- workers
- activity
- data
- original data
- 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.)
- Granted
Links
- 238000010276 construction Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012544 monitoring process Methods 0.000 title claims abstract description 19
- 230000000694 effects Effects 0.000 claims abstract description 37
- 239000013598 vector Substances 0.000 claims abstract description 29
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 230000011218 segmentation Effects 0.000 claims abstract description 9
- 230000004927 fusion Effects 0.000 claims abstract description 5
- 230000037081 physical activity Effects 0.000 claims abstract description 5
- 238000012549 training Methods 0.000 claims description 7
- 238000007635 classification algorithm Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种多类型惯性传感器协同的建设工人工效监控方法，包括：通过设置在工人身上的惯性传感器采集人体活动原始数据；将采集的原始数据进行过滤后用于信号分割以及特征提取以产生特征向量，将产生的特征向量通过惯性传感器类别及位置进行特征向量融合以组成特征向量集合；将工人的特征向量集合输入已训练好的分类器模型，预测出各项施工活动及对应的时间，并根据各项施工活动及对应的时间计算出各项施工活动的时间占比。本发明一种多类型惯性传感器协同的建设工人工效监控方法，能够自动识别出工人施工活动，并能够计算出工人各项施工活动时间占比，从而计算出工人执行施工任务的工作效率。
Description
技术领域
本发明属于监控技术领域，特别涉及一种多类型惯性传感器协同的建设工人工效监控方法。
背景技术
现有的建设工人工作效率计算都依赖于手动计时计算，例如当工人执行一定工作量的施工任务，手动方法就是另外一个人手动计时计算完成时间，以间接计算该工人执行该项施工任务的工作效率。这种计时方式需要详细了解到工人执行工作所花费的时间，过程繁琐，且这种手动记录方法不仅耗时、容易出错以及易造成分析困难，而且需要额外劳动力参与，效率极低。基于上述原因，现有的建设工人工作效率的计算都是采用抽样调查计算，长时间的追踪调查及所需额外劳动力成本高，采集数据效率低，因此不能进行普遍的工人工效监控。
发明内容
本发明的目的在于克服现有技术的不足，提供一种多类型惯性传感器协同的建设工人工效监控方法，通过工人佩戴的惯性传感器采集工人人体数据，进行工人施工活动自动识别，并计算出工人各项施工活动的时间占比，从而计算出工人执行施工任务的工作效率。
为了实现上述目的，本发明的技术方案是：
一种多类型惯性传感器协同的建设工人工效监控方法，包括：
通过设置在工人身上的惯性传感器采集人体活动原始数据；
将采集的原始数据进行过滤后用于信号分割以及特征提取以产生特征向量，将产生的特征向量通过惯性传感器类别及位置进行特征向量融合以组成特征向量集合；
将工人的特征向量集合输入已训练好的分类器模型，预测出各项施工活动及对应的时间，并根据各项施工活动及对应的时间计算出各项施工活动的时间占比。
优选的，设置在工人身上的惯性传感器将采集的人体活动原始数据进行无线传输。
优选的，对采集的原始数据进行过滤，具体包括：
将采集到的原始惯性传感器信号数据，使用到低通滤波器，即巴特沃斯滤波器过滤掉15Hz以上的数据信号实现对原始数据的去噪；所有类别的惯性传感器数据都使用该滤波器进行去噪，去噪后的数据作为后续施工活动识别的原始数据流。
优选的，所述信号分割以及特征提取，具体包括：
对过滤后的原始数据使用固定尺寸重叠滑动窗口法并进行若干种特征提取。
优选的，所述分类器模型的训练方法包括：
对训练数据的特征向量集进行手动标记，标记出施工活动类别；
将标记出的施工活动类别输入到协同分类算法构建出分类器模型。
采用上述方案后，本发明的有益效果是：
一种多类型惯性传感器协同的建设工人工效监控方法，通过工人佩戴的惯性传感器采集工人人体数据，进行工人施工活动自动识别，并计算出工人各项施工活动的时间占比，从而计算出工人执行施工任务的工作效率，解决了现有的施工现场工人工效手动计算方法存在的过程繁琐、耗时且容易出错以及成本高等问题。
以下结合附图及实施例对本发明作进一步详细说明，但本发明的一种多类型惯性传感器协同的建设工人工效监控方法不局限于实施例。
附图说明
图1为本发明一种多类型惯性传感器协同的建设工人工效监控方法的流程图；
图2为本发明的一种多类型惯性传感器协同的建设工人工效监控方法的具体实施步骤图；
图3为本发明的数据过滤示意图。
具体实施方式
以下将结合本发明附图，对本发明实施例中的技术方案进行详细描述和讨论。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
工人执行某项施工任务时，存在必须消耗工作时间与损耗时间，所述必须消耗时间包括工人执行施工任务的施工活动所消耗的时间，所述损耗时间包括工人进行非生产性活动所损耗的时间。本发明通过在工人身体部位佩戴惯性传感器来采集执行施工任务的所有活动数据，通过并无线传输发送至(如蓝牙4.0)终端设备的数据处理模块中进行处理，所述数据处理模块包括：数据过滤(去噪)、信号分割及特征提取过程。
所述终端设备包括手机、平板、电脑等，具体的，本发明实施了不做具体限制。
具体的，参见图1和图2所示，发明的一种多类型惯性传感器协同的建设工人工效监控方法，包括：
通过设置在工人身上的惯性传感器采集人体活动原始数据；
将采集的原始数据进行过滤后用于信号分割以及特征提取以产生特征向量，将产生的特征向量通过惯性传感器类别及位置进行特征向量融合以组成特征向量集合；
将工人的特征向量集合输入已训练好的分类器模型，预测出各项施工活动及对应的时间，并根据各项施工活动及对应的时间计算出各项施工活动的时间占比。
进一步的，所述数据过滤，包括：针对原始惯性传感器采集到的信号数据，使用低通滤波器，即巴特沃斯滤波器(6阶、截止频率15Hz)。参见图3所示，通过MATLAB软件过滤掉15Hz以上的数据信号实现对原始数据的去噪。所有类别的惯性传感器数据都使用该滤波器进行去噪，去噪后的数据作为后续施工活动识别的原始数据流。
进一步的，所述信号分割及特征提取，包括：对去噪后的原始数据使用固定尺寸重叠滑动窗口法并进行19类特征提取，总共63个特征，如表1所示。所有过程都通过R语言软件实现，特征计算后组成特征向量，并按照惯性传感器类别及位置组合进行特征融合组成特征向量集合，即不同位置与类别特征向量进行简单融合产生新的特征向量。
表1惯性传感器数据提取的特征描述
本实施例中，实际监控工人工作效率之前，先对该项施工任务进行施工活动识别模型建立，使用到一定训练数据集协同分类算法(机器学习算法)构建分类器模型，训练数据的特征向量通过手动附加施工活动类别并输入R语言软件协同分类算法(神经网络算法)构建出分类器模型。
其整个信号分割、特征提取及模型训练及活动识别在R语言中如表2所设计：
表2施工活动识别核心模块组成
将工人的特征向量集输入已训练好的分类器模型中，就能预测计算出各项施工活动识别结果，包括：施工活动数量，时间等等信息，从而计算出各项施工活动时间占比，在了解到工人非生产性施工活动信息，就能够计算出该工人执行该项施工任务的工作效率。
以上仅为本发明实例中一个较佳的实施方案。但是，本发明并不限于上述实施方案，凡按本发明所做的任何均等变化和修饰，所产生的功能作用未超出本方案的范围时，均属于本发明的保护范围。
Claims (5)
1.一种多类型惯性传感器协同的建设工人工效监控方法，其特征在于，包括：
通过设置在工人身上的惯性传感器采集人体活动原始数据；
将采集的原始数据进行过滤后用于信号分割以及特征提取以产生特征向量，将产生的特征向量通过惯性传感器类别及位置进行特征向量融合以组成特征向量集合；
将工人的特征向量集合输入已训练好的分类器模型，预测出各项施工活动及对应的时间，并根据各项施工活动及对应的时间计算出各项施工活动的时间占比。
2.根据权利要求1所述的多类型惯性传感器协同的建设工人工效监控方法，其特征在于，设置在工人身上的惯性传感器将采集的人体活动原始数据进行无线传输。
3.根据权利要求1所述的多类型惯性传感器协同的建设工人工效监控方法，其特征在于，对采集的原始数据进行过滤，具体包括：
将采集到的原始惯性传感器信号数据，使用到低通滤波器，即巴特沃斯滤波器过滤掉15Hz以上的数据信号实现对原始数据的去噪；所有类别的惯性传感器数据都使用该滤波器进行去噪，去噪后的数据作为后续施工活动识别的原始数据流。
4.根据权利要求1所述的多类型惯性传感器协同的建设工人工效监控方法，其特征在于，所述信号分割以及特征提取，具体包括：
对过滤后的原始数据使用固定尺寸重叠滑动窗口法并进行若干种特征提取。
5.根据权利要求1所述的多类型惯性传感器协同的建设工人工效监控方法，其特征在于，所述分类器模型的训练方法包括：
对训练数据的特征向量集进行手动标记，标记出施工活动类别；
将标记出的施工活动类别输入到协同分类算法构建出分类器模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911011551.7A CN110796188B (zh) | 2019-10-23 | 2019-10-23 | 一种多类型惯性传感器协同的建设工人工效监控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911011551.7A CN110796188B (zh) | 2019-10-23 | 2019-10-23 | 一种多类型惯性传感器协同的建设工人工效监控方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110796188A true CN110796188A (zh) | 2020-02-14 |
| CN110796188B CN110796188B (zh) | 2023-04-07 |
Family
ID=69440948
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911011551.7A Active CN110796188B (zh) | 2019-10-23 | 2019-10-23 | 一种多类型惯性传感器协同的建设工人工效监控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110796188B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111783889A (zh) * | 2020-07-03 | 2020-10-16 | 北京字节跳动网络技术有限公司 | 图像识别方法、装置、电子设备和计算机可读介质 |
| US20220343630A1 (en) * | 2021-04-26 | 2022-10-27 | Pegatron Corporation | Classification method and electronic apparatus |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160292497A1 (en) * | 2015-04-06 | 2016-10-06 | The Texas A&M University System | Fusion of inertial and depth sensors for movement measurements and recognition |
| CN107688790A (zh) * | 2017-09-01 | 2018-02-13 | 东软集团股份有限公司 | 人体行为识别方法、装置、存储介质及电子设备 |
| CN109086698A (zh) * | 2018-07-20 | 2018-12-25 | 大连理工大学 | 一种基于多传感器数据融合的人体动作识别方法 |
-
2019
- 2019-10-23 CN CN201911011551.7A patent/CN110796188B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160292497A1 (en) * | 2015-04-06 | 2016-10-06 | The Texas A&M University System | Fusion of inertial and depth sensors for movement measurements and recognition |
| CN107688790A (zh) * | 2017-09-01 | 2018-02-13 | 东软集团股份有限公司 | 人体行为识别方法、装置、存储介质及电子设备 |
| CN109086698A (zh) * | 2018-07-20 | 2018-12-25 | 大连理工大学 | 一种基于多传感器数据融合的人体动作识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王金甲等: "基于传感器数据的人类活动识别研究", 《高技术通讯》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111783889A (zh) * | 2020-07-03 | 2020-10-16 | 北京字节跳动网络技术有限公司 | 图像识别方法、装置、电子设备和计算机可读介质 |
| CN111783889B (zh) * | 2020-07-03 | 2022-03-01 | 北京字节跳动网络技术有限公司 | 图像识别方法、装置、电子设备和计算机可读介质 |
| US20220343630A1 (en) * | 2021-04-26 | 2022-10-27 | Pegatron Corporation | Classification method and electronic apparatus |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110796188B (zh) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110796188B (zh) | 一种多类型惯性传感器协同的建设工人工效监控方法 | |
| CN103126657B (zh) | 一种监测指腕疲劳与工作时间的装置与方法 | |
| CN106501834A (zh) | 一种使用手机自动判断用户运动行为的方法 | |
| CN110889339A (zh) | 基于头肩检测的危险区域分级预警方法与系统 | |
| CN107358248A (zh) | 一种提高跌倒检测系统精度的方法 | |
| CN110796372A (zh) | 一种工业企业安全生产风险辨识系统及其方法 | |
| CN108204892B (zh) | 基于柔性阵列式压力传感器的辊轮组设备故障检测方法 | |
| CN113752266B (zh) | 基于协作化驱控一体机器人的人机协作方法、系统和介质 | |
| CN102999451A (zh) | 钢材计数系统及方法 | |
| CN115660288A (zh) | 一种基于互联网大数据的分析管理系统 | |
| CN113267601B (zh) | 一种基于机器视觉和数据分析的工业生产环境远程实时监测云平台 | |
| CN108776453B (zh) | 一种基于计算机的建筑安全监控系统 | |
| CN109598309A (zh) | 一种金属包装冲压机的检测系统及其监测方法 | |
| CN113485277A (zh) | 一种智慧电厂视频识别监控管理系统和方法 | |
| CN112580531A (zh) | 一种真假车牌的识别检测方法及系统 | |
| Donati et al. | RT-PROFASY: Enhancing the well-being, safety and productivity of workers by exploiting wearable sensors and artificial intelligence | |
| CN106056686A (zh) | 一种基于三维轮廓的室内巡逻估计分析方法 | |
| CN108596150A (zh) | 一种可排除异常动作的行为识别系统及其工作方法 | |
| CN202866797U (zh) | 数字式水力压裂裂缝实时监测系统 | |
| CN114842870A (zh) | 基于多频段自监督的声纹异常检测方法 | |
| CN112949606A (zh) | 工服穿戴状态检测方法、装置、存储介质及电子装置 | |
| CN113837009A (zh) | 一种基于人工智能的物联网数据的采集分析系统 | |
| CN107783942A (zh) | 一种异常行为检测方法及装置 | |
| CN113192229A (zh) | 一种基于无线蓝牙设备的发电厂巡检方法 | |
| CN109376170A (zh) | 一种基于机器学习多维度工业传感数据关联特征提取方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |