CN111583068A - 结合区块链的施工区域人员停留时间热度统计方法 - Google Patents
结合区块链的施工区域人员停留时间热度统计方法 Download PDFInfo
- Publication number
- CN111583068A CN111583068A CN202010383954.0A CN202010383954A CN111583068A CN 111583068 A CN111583068 A CN 111583068A CN 202010383954 A CN202010383954 A CN 202010383954A CN 111583068 A CN111583068 A CN 111583068A
- Authority
- CN
- China
- Prior art keywords
- personnel
- construction area
- heat
- neural network
- dwell time
- 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.)
- Withdrawn
Links
Images
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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
-
- 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
- G06N3/08—Learning methods
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Remote Sensing (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computer Graphics (AREA)
- Molecular Biology (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Bioethics (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种结合区块链的施工区域人员停留时间热度统计方法,包括:构建施工区域人员停留时间热度统计深度神经网络,网络的输入为施工区域图像,网络的输出结果包括施工人员位置、施工人员是否停留时间过长的估计结果;在服务器集群上加载训练好的施工区域人员停留时间热度统计深度神经网络所需参数,针对施工区域人员停留时间热度统计深度神经网络推理请求,配置施工区域人员停留时间热度统计深度神经网络推理区块链私链,并执行施工区域人员停留时间热度统计推理。利用本发明,在工地施工情况监测中,提高了施工区域人员停留时间热度统计精度、统计效率以及数据处理传输过程中的安全性、保密性。
Description
技术领域
本发明涉及人工智能、区块链、智慧工地、CIM技术领域,具体涉及一种结合区块链的施工区域人员停留时间热度统计方法。
背景技术
随着我国社会经济和科学技术的迅捷发展,施工场地里以人力资源为主的传统检测和管理方法已经出现许多局限性,例如人员进行检测和管理工作成本过高,检测和管理的工作效率低下,检测的准确性不高易受到主观因素的影响,人力资源的缺乏导致对管理的不力等问题。在工地中,对施工人员的施工情况进行监督,十分重要。这不仅关系着工程项目的进度,更关系着施工人员的安全。如果工人长时间停留在施工区域的某一点,则一方面有可能是该施工区域存在施工困难或者安全问题,另一方面可能是该工人长时间休息,不论是那种因素,毫无疑问都会导致施工效率下降,并有可能影响施工人员安全。因此,在智慧工地建设中,对施工区域的工人停留时间进行分析十分必要。目前,关于施工区域工人停留时间分析还没有相关的解决办法,而依靠人力进行实时监督成本过高,且效率低下,会受到监督人员主观因素以及如环境、视线遮挡等客观因素的影响。而且,目前的工地环境或人员监测通常只返回异常结果,结果反馈单一。并且,用于计算的硬件系统,信息易被泄露、安全性能较低。
因此,现有施工区域人员停留时间分析方面存在统计效率和精度低下、结果反馈单一、数据处理及传输过程中安全性能低的问题。
发明内容
本发明提供了一种结合区块链的施工区域人员停留时间热度统计方法,不仅结果反馈多元,而且提高了统计精度、统计效率和数据处理传输过程中的安全性、保密性。
一种结合区块链的施工区域人员停留时间热度统计方法,该方法包括:
构建施工区域人员停留时间热度统计深度神经网络,网络的输入为施工区域图像,网络的输出结果包括施工人员位置、施工人员是否停留时间过长的估计结果;
针对施工区域人员停留时间热度统计深度神经网络推理请求,配置施工区域人员停留时间热度统计深度神经网络推理区块链私链,并执行施工区域人员停留时间热度统计推理;
其中,施工区域人员停留时间热度统计深度神经网络由多个模块组成,包括:
人员检测编码器,用于对施工区域图像进行特征提取,得到人员热度特征图;
人员检测解码器,用于对人员热度特征图进行解码表征,得到人员热图;
热图叠加单元,用于对滑动时间窗口内的人员热图进行叠加,得到设定时间段内人员热图叠加结果;
停留时间热度统计单元,用于对人员热图叠加结果中热斑的像素值进行统计,得到人员停留时间热度;
人员位置获取单元,用于对人员热图叠加结果进行关键点回归后处理,得到人员位置坐标。
人员检测编码器与人员检测解码器是人员热图获取子网络的主要组成部分,对施工区域图像中施工人员双脚中心与地面接触的位置进行热力点标注,作为施工区域图像的标注数据,利用施工区域图像及其标注数据训练人员热图获取子网络。
配置施工区域人员停留时间热度统计深度神经网络推理区块链私链包括:
在服务器集群上加载训练好的施工区域人员停留时间热度统计深度神经网络所需参数;
从服务器集群中选择多个可用节点,将分别分布于不同可用节点的人员检测编码器、人员检测解码器、热图叠加单元、停留时间热度统计单元、人员位置获取单元所需参数作为对应节点的区块数据,按照施工区域人员停留时间热度统计深度神经网络推理顺序将节点区块连接,生成施工区域人员停留时间热度统计深度神经网络推理区块链私链。
区块链私链中的区块对其要传输至下一区块的神经网络推理中间结果数据进行加密,对其从上一区块接收到的神经网络推理中间结果数据进行解密。
采用RC5算法进行加密、解密操作。
基于CIM技术构建城市工地信息模型,城市工地信息模型包括:城市工地三维建模信息、监控区域信息、施工区域人员停留时间热度统计结果信息;利用可视化单元结合WebGIS技术对城市工地信息模型进行渲染,展示在前台页面。
可视化单元包括:初始化模块,用于从城市工地信息模型获取城市工地三维建模信息,结合Web GIS技术对城市工地信息模型进行渲染,展示在前台Web页面,得到城市工地信息模型的初始可视化结果;数据获取模块,用于从城市工地信息模型获取监控区域信息以及统计结果;停留时间热度可视化模块,用于将监控区域信息以及人员停留时间热度统计结果集成在城市工地信息模型的初始可视化结果。
对人员检测编码器、人员检测解码器、热图叠加单元、停留时间热度统计单元、人员位置获取单元分别进行适当细分,将分别分布于不同节点的细分后的每一模块的参数作为区块数据,按照施工区域人员停留时间热度统计深度神经网络推理顺序,生成施工区域人员停留时间热度统计深度神经网络推理区块链私链。
本发明的有益效果在于:
1.本发明采用深度神经网络对施工区域图像进行分析,利用热度统计结果反映人员停留时间,实现自动化的停留时间热度统计,不仅效率更高,而且提高了统计准确率。
2.本发明基于区块链技术,对施工区域人员停留时间热度统计深度神经网络进行合理划分,针对每个网络推理请求,动态生成区块链私链,相比于传统的单机执行,不仅提高了系统的并行性能,而且由于区块链私链是动态的,当某一节点出现故障,系统能够及时感知,不会影响其他推理请求的计算,具有更好的容错性能。
3.本发明的区块链私链根据服务器集群中可用节点实时生成,相比于传统的固定分配,不易被攻击破解,提高了系统数据的保密性能。
4.本发明对网络推理区块链私链之间的数据进行加密,防止区块链私链区块之间传输数据的泄露,保证传输数据的保密性,而且DES加密操作计算方便,计算量小,在提高保密性能和安全性能的同时不会增加系统负担。
5.本发明基于CIM技术设计城市工地信息模型存储施工区域人员停留时间热度统计结果,并对城市工地信息模型进行可视化,相比于传统的结果反馈,本发明的反馈结果更加多元化,包括工地区域三维展示、警示标记、监控区域图像,能够使监管人员更加清晰明确地了解施工区域工人的施工情况。
附图说明
图1为本发明方法的施工区域人员停留时间热度统计深度神经网络结构图。
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,以下结合附图以及实施例,对本发明进行进一步详细说明。应当理解,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。
本发明提供一种结合区块链的施工区域人员停留时间热度统计方法。首先,采用卷积神经网络对连续帧图像进行编码解码处理获得热力图像。将连续帧处理得到的热力图像进行叠加操作,获得叠加后的热力图,一方面统计热度得到人员停留热度统计结果,另一方面进行关键点位置回归得到异常停留的位置。采用深度神经网络进行训练,最终能够实现鲁棒性更强、泛化能力更强、无需手动调参的计算机视觉分类系统。并结合区块链技术,提高本发明方法的安全性能,利用CIM技术进行多元的信息可视化展示。图1为本发明方法的深度神经网络结构图。下面通过具体实施例来进行说明。
实施例一:
一种结合区块链的施工区域人员停留时间热度统计方法,该方法包括:
构建施工区域人员停留时间热度统计深度神经网络,网络的输入为采集的监控区域图像,网络的输出结果为施工人员停留时间热度统计结果。
本发明的主要目的为实现施工区域内人员停留或逗留时长的监测。基于计算机视觉检测技术具有非接触、高效性和经济性等显著优势,在施工场地各类检测管理应用方面有着广泛的应用前景。终端集群为工地中具有采集图像功能的终端互连组成的集群。在本实施例中,终端为具有一定计算能力的相机,可以采集监控区域的图像。
施工区域人员停留时间热度统计深度神经网络由多个模块组成,包括:人员检测编码器、人员检测解码器、热图叠加单元、停留时间热度统计单元、人员位置回归单元。
人员检测编码器,用于对监控区域图像进行特征提取,得到人员热度特征图。
人员检测解码器,用于对人员热度特征图进行解码表征,得到人员热图。
热图叠加单元,用于对滑动时间窗口内的人员热图进行叠加,得到设定时间段内人员热图叠加结果。
停留时间热度统计单元,用于对人员热图叠加结果中热斑的像素值进行统计,得到人员停留时间热度。
人员位置获取单元,用于对热图叠加结果进行关键点回归后处理,得到人员位置坐标。
需要说明的是,编码器、解码器可以有多种实现,本发明为了兼顾大小目标的尺寸,建议采用沙漏网络来提取特征,实施者也可根据图像大小和显存占用选取合适的神经网络内部的模块设计,如Residual Block、Bottleneck Block、CNN Block等。本发明的编码器、解码器具体采用何种网络设计,实施者可以根据具体实施需求选择,其模块化思想为本发明保护内容。
下面对施工人员停留时间热度统计深度神经网络的工作流程进行详细说明。以监控某一区域的一个摄像头采集的监控区域图像为例,对摄像头采集的图像进行1帧/秒的采样,设定时间窗口为300秒,即5分钟,步长可以设置为2分钟。在此说明,时间窗口的大小以及步长可以根据具体实施情况设置。如果该施工区域的作业耗时较长,需要较长的时间才能转换至施工区域的下一施工点,则可以设置更长的时间窗口。施工人员停留时间热度统计网络的工作内容为:摄像头采集施工场地内某一区域的连续时间300S内的多帧图像,作为待识别样本。样本基于时序信息输入网络,样本数量为300张图像。样本输入网络后,通过人员编码器、人员解码器处理获得人员热图(Heatmaps)。待300张图像都处理完毕获得热力图后,利用热图叠加单元对这些热力图进行叠加操作。叠加操作后的热力图送入两个分支,一个分支对叠加热力图进行分析即根据热力图上点的大小获得人员停留时间的热度统计结果,另一个分支作送入Softargmax函数输出停留位置的坐标。热图叠加基于遗忘算法的计算公式为:X=αx+(1-α)x′,其中x为当前时间窗口的热力图,x′为上一时间窗口的叠加热力图,X为叠加计算结果,α为遗忘系数,在本实施例中α的值取0.05。第一个分支具体为:单张热力图上的某点的值为[0,1]区间内的小数,表示该帧图像中此处有目标(即施工人员或其他人员)的概率,因此根据叠加后热力图上各点值的大小,可得到各位置点施工人员停留时间热度。第二个分支具体为:对热力图中代表施工人员停留位置的峰值点,利用Softargmax函数得到位置坐标的回归。两个分支的结果送入城市工地信息模型后,二维坐标投影到三维的空间模型中可显示停留位置以及相应的停留时间热度统计结果。
需要说明的是,在得到统计的停留时间热度以后,由于热度图展示本身就包含了停留时间长短的表征,可以直接进行可视化展示,当监控人员点击该施工区域时,即展示该施工区域人员停留时间热度图。还可以设置停留时间热度阈值分析单元,将停留时间热图统计单元得到的人员停留时间热度与设定阈值进行比较,获得停留时间超出设定阈值的人员位置坐标,并在城市工地信息模型CIM中进行警示标记。
施工人员停留时间热度统计网络训练的方法为以摄像机拍摄到的连续多帧图像作为训练数据集,以施工人员两脚停留地面中心位置的一个点作为特征标注,采用均方差损失函数,利用随机下降梯度法进行训练。具体训练方法如下:训练数据集的准备,首先采集包含施工人员在内的连续多帧图像,然后对采集到的图像进行标注,位置标签为施工人员两脚所停留中心位置在地面投影出的一个点模糊所产生的符合高斯分布的一个热斑,由于只需要检测施工人员停留信息,当使用双脚中间与地面接触的位置(即大约是重心位置)作为标注信息时,类别只有一类目标;当使用双脚脚掌中心与地面接触的位置作为标注信息时,类别有两类。对训练集基于标签,利用均方差损失函数,以随机梯度下降法进行网络的训练。
目标检测的方法、训练、数据集准备、特征标注的方法是多样的,本发明仅对一种方法作阐述,具体如何实施是众所周知且多样化的,因此不在此赘述。
为了提高本发明系统的保密性能,防止数据泄露,并提高系统的并行性,本发明结合区块链技术设计了区块链私链。按照链式逻辑进行推理,结合区块链技术,能提高工作效率,解决数据处理内存不足的问题。分布式存储可以在云端进行,分布式计算在多个相机端、云端服务器进行。每个设备负责一部分工作,降低了工作负荷。分布式思想的使用,拥有信息加密、高容灾等优秀性能。
在此,针对本发明区块链技术与DNN技术结合进行详细阐述。区块链采用块分割数据,使用链式数据结构,将数据作为块进行验证和存储,整个数据结构汇总不存在中心化的硬件和管理机构,实现了去中心化。一代区块链技术主要在分布式账本上进行应用,二代区块链技术主要实现智能合约,三代区块链技术可以将区块链思想与其他领域技术结合,有越来越多的呈现形式,更加注重为系统功能服务。区块链私链完整地继承了公链的特性,而且私链没有博弈机制的束缚,更关注实际应用的数据传输、加解密处理,能够更好地与其他领域的技术结合。对于AI的深度神经网络计算而言,不必要存储中间结果数据,保留链式的逻辑以匹配神经网络前向传播的原理。
本发明考虑到了若将数据直接上传到服务器集群进行处理,上传过程以及处理过程会产生明文的图像数据内容泄露问题,因此使用区块链私链的形式,将深度神经网络的不同模块作为区块,进行分散的推理,并对区块之间传输的数据进行加密处理,从而实现并行推理、容错、防止数据泄露的优秀性能。
基于上述思想,首先需要将施工区域人员停留时间热度统计深度神经网络进行模块划分。将人员检测编码器、人员检测解码器、热图叠加单元、停留时间热度统计单元、人员位置获取单元作为网络的不同模块。如此,根据图1中所示的神经网络的推理顺序,即可得到施工区域人员停留时间热度统计深度神经网络推理链。
一般工地的供电环境不稳定,没有无尘环境,在工地设置服务器会出现宕机等问题,需要经常维护维护。而由于摄像机终端本身硬件性能的限制,仅依靠摄像机对于施工场地内多位置多方位的摄像头采集图像信息进行处理,会出现内存不足等问题。因此,本发明综合考虑这两方面因素,使用终端集群和服务器集群进行数据处理。服务器集群可以是公有云,公有云的一个云主机实例即为一个计算节点。
服务器集群中的所有节点载入施工区域人员停留时间热度统计深度神经网络所需权重等参数所需参数。针对每一个施工区域人员停留时间热度统计深度神经网络推理请求,从服务器集群中选择多个可用节点,将分别分布于不同可用节点的人员检测编码器、人员检测解码器、热图叠加单元、停留时间热度统计单元、人员位置获取单元所需参数作为对应节点的区块数据。如此可以得到人员检测编码器区块、人员检测解码器区块、热图叠加单元区块、停留时间热度统计单元区块、人员位置获取单元区块。根据施工区域人员停留时间热度统计深度神经网络推理顺序将上述区块连接,生成施工区域人员停留时间热度统计深度神经网络推理区块链私链,并执行施工区域人员停留时间热度统计深度神经网络推理。区块链链序与网络推理链序是一致的,网络推理链序如图1所示。在选择可用节点以及进行节点排序时,优选地,对终端集群以及服务器集群中可用的节点进行随机排序,从中挑选与区块数相同个数的计算节点。例如,可用节点有10个,从中挑选5个节点,随机取一节点,将节点中人员检测编码器所需权重等参数作为第一区块的区块数据;随机取另一节点,将节点中人员检测解码器所需权重等参数作为第二区块的区块数据,并与上一区块(即第一区块)链接,以此类推,根据神经网络推理顺序,生成了对应的施工区域人员停留时间热度统计深度神经网络推理区块链私链。由此可见,可以同时存在多个针对不同请求生成的施工区域人员停留时间热度统计深度神经网络推理区块链私链,并且,该区块链私链是动态生成的,不易被攻击破解,保密性能更好。在可用节点选择中,还可以使用shuffle函数打乱节点顺序。具体操作为将节点按编号顺序依次排列作为函数输入,经shuffle函数运算,得到重新排序的节点序列。
为了防止图像采集单元与服务器集群、服务器集群与监控中心之间的数据泄露,也可以将图像采集单元与接收网络输出的监控中心加入区块链私链,图像采集单元的区块数据可以是相机参数,监控中心的区块数据实施者可以根据实施需要自行设置。例如,将保密数据作为区块数据,将监控中心所在节点加入区块链私链。
需要说明的是,停留时间热度统计单元是对滑动时间窗口内的人员热图进行分析,因此,对于该单元区块进行节点选择时,可以根据实施情况自行调整。例如,如果滑动时间窗口没有重叠,可以每一个时间窗口进行一次可用节点选择,也可以自行设置更换频次,例如一天更换一次。相应的人员位置获取单元也随停留时间热度统计单元设置节点选择时机。
如果将可用节点选择操作置于一个节点进行,当该节点发生故障,那么该服务器内的神经网络推理操作陷入停滞。而且,当把计算集中在一个节点时,很容易被攻击和破解。因此,为了实现区块链的去中心化,在每一个深度神经网络推理请求的推理过程结束之后,可以由最后一个节点执行可用节点选择操作,即人员位置获取单元所在区块节点。如果监控中心所在节点时可信的,那么也可以有监控中心所在节点进行该操作。
在对深度神经网络进行模块划分时,神经网络的某些模块很难一次性放进一个节点,即某些模块的运算量较大,很难在短时间内完成计算。因此,可以对人员检测编码器、人员检测解码器、热图叠加单元、停留时间热度统计单元、人员位置获取单元分别进行适当细分,增加神经网络切分块数,减小任务粒度,提高并行性。即可得到相应模块的子模块组。在本发明中,建议对人员检测编码器、人员检测解码器进行更细粒度的切分即可。如此,根据神经网络的推理顺序,即可得到更加细分的施工区域人员停留时间热度统计深度神经网络推理链。相应地,针对每一个施工区域人员停留时间热度统计深度神经网络推理请求,从服务器集群中选择多个可用节点,将分别分布于不同可用节点的细分后的人员检测编码器、人员检测解码器、热图叠加单元、停留时间热度统计单元、人员位置获取单元的子模块所需权重、参数作为对应节点的区块数据,根据施工区域人员停留时间热度统计深度神经网络推理顺序,生成施工区域人员停留时间热度统计深度神经网络推理区块链私链。
进一步地,为了保证各个区块所接收到数据的完整性和安全性,防止在数据在传输过程中被攻击和篡改,需要对区块间传输的数据进行加密。本发明使用RC5加密处理:创建密钥组:RC5算法加密时使用了2r+2个密钥相关的32位字,这里r表示加密的轮数。创建密钥组,首先将密钥字节拷贝到32位字的数组L中(此时要注意处理器是little-endian顺序还是big-endian顺序),如果需要,最后一个字可以用零填充。然后利用线性同余发生器初始化数组S,最后将L与S混合。加密处理:在创建完密钥组后开始进行对明文的加密,加密时,首先将明文分组划分为两个32位字:A和B(例如在假设处理器字节顺序是little-endian、w=32的情况下,第一个明文字节进入A的最低字节,第四个明文字节进入A的最高字节,第五个明文字节进入B的最低字节,以此类推),循环左移,进行加运算。输出的密文是在寄存器A和B中的内容。解密处理:把密文分组划分为两个字:A和B(存储方式和加密一样),这里符合循环右移,进行减运算。对所有区块之间的数据传输进行加密、解密操作,可能保证最完备的保密性能。当下一区块所在节点收到经过加密的结果后,首先进行解密操作,然后进行后续处理。
BIM(Building Information Modeling)技术是一种应用于工程设计、建造、管理的数据化工具,通过对建筑的数据化、信息化模型整合,在项目策划、运行和维护的全生命周期过程中进行共享和传递,使工程技术人员对各种建筑信息做出正确理解和高效应对,为设计团队以及包括建筑、运营单位在内的各方建设主体提供协同工作的基础,在提高生产效率、节约成本和缩短工期方面发挥重要作用。CIM(City Information Modeling,城市信息模型)是BIM的进一步升级,其建模范围扩张到城市的某一区域甚至争做城市。
采用CIM和计算机视觉相结合的形式,能有效的提高工作效率。将人员停留时间热度统计信息传输到城市工地信息模型中,利用Web GIS进行可视化处理,将网络输出结果在城市工地信息模型的空间模型,便于管理人员了解施工人员施工情况并采取相应的安全管理措施。信息交换模块是一种CIM的数据库的访问模块,可以是多种形式,在此举例:可以是RESTful、MQ等多种信息交换形式。
本发明结合CIM对施工区域人员停留时间热度统计结果进行实时展示。因此,本发明设计了城市工地信息模型。城市工地信息模型基于CIM技术,包括城市工地三维建模信息、监控区域信息、施工区域人员停留时间热度统计结果。其中,城市工地建模信息包括各个工地的工地建筑物信息、工地建材放置信息、工人工作区域信息等各种工地场景信息,这些类型信息中同时包含相应的地理位置信息,结合Web GIS技术通过可视化软件可以对工地的三维场景进行还原展示。监控区域信息包括监控区域地理位置信息监控视觉传感器摄取的图像、坐标变换矩阵。监控区域信息用于在可视化的工地区域建筑信息模型中还原监控区域图像。坐标变化矩阵用于将监控图像转换为可视化效果更好的图像,例如俯视图等。施工区域人员停留时间热度统计结果,用于将施工区域人员停留时间热度统计结果集成到匹配的监控区域,以供监管人员查看。在本发明中,施工区域人员停留时间热度统计结果实时传输至城市工地信息模型。
本发明的方法还包括使用可视化单元结合Web GIS技术对城市工地信息模型进行可视化,展示在监控页面。具体地,可视化单元包括:初始化模块,用于从城市工地信息模型获取城市内各地标信息,结合Web GIS技术对城市工地信息模型进行渲染,展示在前台Web页面,得到城市工地信息模型的初始可视化结果;数据获取模块,用于从城市工地信息模型获取监控区域信息以及检测结果;停留时间热度可视化模块,用于将监控区域信息以及人员停留时间热度统计结果集成在城市工地信息模型的初始可视化结果。管理员可以通过可视化结果对区域内人员停留时间热度详情进行查看。
以上实施例仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种结合区块链的施工区域人员停留时间热度统计方法,其特征在于,该方法包括:
构建施工区域人员停留时间热度统计深度神经网络,网络的输入为施工区域图像,网络的输出结果包括施工人员位置、施工人员是否停留时间过长的估计结果;
针对施工区域人员停留时间热度统计深度神经网络推理请求,配置施工区域人员停留时间热度统计深度神经网络推理区块链私链,并执行施工区域人员停留时间热度统计推理;
其中,施工区域人员停留时间热度统计深度神经网络由多个模块组成,包括:
人员检测编码器,用于对施工区域图像进行特征提取,得到人员热度特征图;
人员检测解码器,用于对人员热度特征图进行解码表征,得到人员热图;
热图叠加单元,用于对滑动时间窗口内的人员热图进行叠加,得到设定时间段内人员热图叠加结果;
停留时间热度统计单元,用于对人员热图叠加结果中热斑的像素值进行统计,得到人员停留时间热度;
人员位置获取单元,用于对人员热图叠加结果进行关键点回归后处理,得到人员位置坐标。
2.如权利要求1所述的方法,其特征在于,所述人员检测编码器与人员检测解码器是人员热图获取子网络的主要组成部分,对施工区域图像中施工人员双脚中心与地面接触的位置进行热力点标注,作为施工区域图像的标注数据,利用施工区域图像及其标注数据训练人员热图获取子网络。
3.如权利要求1所述的方法,其特征在于,所述配置施工区域人员停留时间热度统计区块链私链包括:
在服务器集群上加载训练好的施工区域人员停留时间热度统计深度神经网络所需参数;
从服务器集群中选择多个可用节点,将分别分布于不同可用节点的人员检测编码器、人员检测解码器、热图叠加单元、停留时间热度统计单元、人员位置获取单元所需参数作为对应节点的区块数据,按照施工区域人员停留时间热度统计深度神经网络推理顺序将节点区块连接,生成施工区域人员停留时间热度统计深度神经网络推理区块链私链。
4.如权利要求3所述的方法,其特征在于,所述区块链私链中的区块对其要传输至下一区块的神经网络推理中间结果数据进行加密,对其从上一区块接收到的神经网络推理中间结果数据进行解密。
5.如权利要求4所述的方法,其特征在于,采用RC5算法进行加密、解密操作。
6.如权利要求1所述的方法,其特征在于,基于CIM技术构建城市工地信息模型,城市工地信息模型包括:城市工地三维建模信息、监控区域信息、施工区域人员停留时间热度统计结果信息;利用可视化单元结合Web GIS技术对城市工地信息模型进行渲染,展示在前台页面。
7.如权利要求6所述的方法,其特征在于,所述可视化单元包括:初始化模块,用于从城市工地信息模型获取城市工地三维建模信息,结合Web GIS技术对城市工地信息模型进行渲染,展示在前台Web页面,得到城市工地信息模型的初始可视化结果;数据获取模块,用于从城市工地信息模型获取监控区域信息以及统计结果;停留时间热度可视化模块,用于将监控区域信息以及人员停留时间热度统计结果集成在城市工地信息模型的初始可视化结果。
8.如权利要求1所述的方法,其特征在于,对人员检测编码器、人员检测解码器、热图叠加单元、停留时间统计单元、人员位置获取单元分别进行适当细分,将分别分布于不同节点的细分后的每一模块的参数作为区块数据,按照施工区域人员停留时间热度统计深度神经网络推理顺序,生成施工区域人员停留时间热度统计深度神经网络推理区块链私链。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010383954.0A CN111583068A (zh) | 2020-05-08 | 2020-05-08 | 结合区块链的施工区域人员停留时间热度统计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010383954.0A CN111583068A (zh) | 2020-05-08 | 2020-05-08 | 结合区块链的施工区域人员停留时间热度统计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111583068A true CN111583068A (zh) | 2020-08-25 |
Family
ID=72125729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010383954.0A Withdrawn CN111583068A (zh) | 2020-05-08 | 2020-05-08 | 结合区块链的施工区域人员停留时间热度统计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111583068A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114708557A (zh) * | 2022-04-19 | 2022-07-05 | 国网湖北省电力有限公司黄石供电公司 | 一种基于空地通信的电力施工监控方法及系统 |
CN115150616A (zh) * | 2022-09-05 | 2022-10-04 | 深圳市明源云科技有限公司 | 视频处理方法、系统、终端设备及介质 |
CN116758493A (zh) * | 2023-08-22 | 2023-09-15 | 中国水利水电第七工程局有限公司 | 基于图像处理的隧道施工监测方法、装置及可读存储介质 |
-
2020
- 2020-05-08 CN CN202010383954.0A patent/CN111583068A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114708557A (zh) * | 2022-04-19 | 2022-07-05 | 国网湖北省电力有限公司黄石供电公司 | 一种基于空地通信的电力施工监控方法及系统 |
CN114708557B (zh) * | 2022-04-19 | 2023-01-24 | 国网湖北省电力有限公司黄石供电公司 | 一种基于空地通信的电力施工监控方法及系统 |
CN115150616A (zh) * | 2022-09-05 | 2022-10-04 | 深圳市明源云科技有限公司 | 视频处理方法、系统、终端设备及介质 |
CN116758493A (zh) * | 2023-08-22 | 2023-09-15 | 中国水利水电第七工程局有限公司 | 基于图像处理的隧道施工监测方法、装置及可读存储介质 |
CN116758493B (zh) * | 2023-08-22 | 2023-11-21 | 中国水利水电第七工程局有限公司 | 基于图像处理的隧道施工监测方法、装置及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mansouri et al. | A novel one-dimensional sine powered chaotic map and its application in a new image encryption scheme | |
Hu et al. | Learning semantic segmentation of large-scale point clouds with random sampling | |
CN101044761B (zh) | 安全处理输入图像的方法 | |
CN111583068A (zh) | 结合区块链的施工区域人员停留时间热度统计方法 | |
US9875360B1 (en) | Simulation and virtual reality based cyber behavioral systems | |
CN111461075A (zh) | 结合深度神经网络与区块链的护栏翻越检测方法 | |
CN101044759B (zh) | 安全处理输入图像的方法 | |
CN101044760B (zh) | 安全处理一系列输入图像的方法和系统 | |
CN103260015B (zh) | 基于RGB-Depth摄像头的三维可视监控系统 | |
CN111428694A (zh) | 基于区块链的智慧工地异常烟雾监测系统 | |
CN111611937A (zh) | 基于bim和神经网络的监狱人员异常行为监测方法 | |
CN108133446A (zh) | 一种复合混沌二级置乱图像加密算法 | |
Jolfaei et al. | A 3D object encryption scheme which maintains dimensional and spatial stability | |
CN111563433A (zh) | 基于区块链的智慧工地漫水监测系统 | |
CN104636764B (zh) | 一种图像隐写分析方法以及其装置 | |
CN111611948A (zh) | 基于cim与区块链的城市垃圾桶满溢检测方法 | |
JP2022033002A (ja) | ブロックチェーンに基づく入札応札情報処理方法、システム、装置および媒体 | |
CN111414499A (zh) | 基于区块链与bim的作业人员安全带佩戴检测系统 | |
CN111461074A (zh) | 结合区块链与深度学习的通道阻塞检测方法 | |
CN111476208A (zh) | 利用区块链的智慧工地施工人员聚集监测系统 | |
CN111524131A (zh) | 基于区块链与bim的墙壁裂缝检测系统 | |
CN111414501A (zh) | 基于区块链与cim的木材易燃风险预测系统 | |
CN111539373A (zh) | 结合区块链与dnn的施工人员安全鞋穿戴检测方法 | |
CN117094412A (zh) | 针对非独立同分布医疗场景下的联邦学习方法和装置 | |
CN111583228A (zh) | 结合区块链的智慧工地积土裸露检测方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200825 |
|
WW01 | Invention patent application withdrawn after publication |