CN112799339A - 一种基于机器视觉技术预警工人与动态危险源的方法 - Google Patents
一种基于机器视觉技术预警工人与动态危险源的方法 Download PDFInfo
- Publication number
- CN112799339A CN112799339A CN202011640580.2A CN202011640580A CN112799339A CN 112799339 A CN112799339 A CN 112799339A CN 202011640580 A CN202011640580 A CN 202011640580A CN 112799339 A CN112799339 A CN 112799339A
- Authority
- CN
- China
- Prior art keywords
- safety
- target
- dynamic
- image
- workers
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/048—Monitoring; Safety
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及安全监控技术领域的一种基于机器视觉技术预警工人与动态危险源的方法,其包括以下步骤:通过视频数据采集设备对施工现场的监控图像进行获取,对图像中的工人、机械对象进行目标动态识别与跟踪;其次,根据图像信息提取装置对图像中目标对象的关键信息自动化提取,输出(di,vi,ci);接着,将数据输入至安全评估装置中利用模糊神经网络将安全风险前兆语义整合至一个安全状态系数,根据设定的安全警示值进行施工现场安全状态智能判定,根据安全状态发出警报;最后,安全系数与图像返回至显示屏。本发明采用了机器视觉技术与模糊神经网络结合的方法,通过拍摄图像中信息的自动化提取,构建土方工程施工中动态危险接近工人安全状态预警系统,操作简单,提高了安全监控的效率与及时性,大大减少了安全事故发生的概率。
Description
技术领域
本发明涉及安全监控技术领域,特别指一种基于机器视觉技术预警工人与动态危险源的方法。
背景技术
随着城市化建设的不断发展,建筑业已成为推动城市化建设不可或缺的行业之一,施工安全至关重要。施工过程中工人在与施工机械进行交互工作时都可能引发碰撞等安全事故,如土方工程中运输、倾倒货物。有关数据表明,与施工机械设备碰撞相关而引起的伤害具有相当程度的占比。当施工机械过度接近工人时,施工机械便可视为动态危险源。一方面,工人过度靠近危险源,诸如运行中的机械设备等,是土方工程施工现场显著的安全隐患;另一方面,由于地下工程施工现场的复杂性,例如场地布局、地质条件以及施工工艺等,导致施工机械与工人在交互工作过程中彼此的安全风险增加。
然而,施工安全的监测普遍是单独针对工人的不安全行为或者施工现场机械的不安全进行预防控制管理,管控对象较单一。而在实际土方工程施工现场,工人与施工机械交互作业发生碰撞事故的例子不可忽视,因此针对土方工程施工现场工人与动态危险源(移动中的施工机械)之间的碰撞安全事故预防控制管理,如何提供一种基于机器视觉技术预警工人与动态危险源的方法,避免施工工人与附近机械交互工作时的安全隐患,减少安全事故发生概率成为亟需解决的问题。
发明内容
本发明要解决的技术问题是:对土方工程施工现场施工工人与动态危险源(移动中的施工机械)之间的安全状态进行实时预警,进而降低工人与机械交互工作时发生事故的概率。
技术方案:本发明的一种基于机器视觉技术预警工人与动态危险源的方法,包括以下步骤:
步骤1:通过视频数据采集设备对土方工程施工现场的监控图像进行获取。
步骤2:通过目标追踪装置对图像中的工人、机械对象进行目标动态识别与跟踪。
步骤3:利用图像信息提取装置进行图像中目标对象的关键信息自动化提取;首先,对所检测与跟踪到的目标,即工人与施工机械,做二分类处理;其次,计算并记录工人与施工机械之间的距离di;接下来,提取分别用于工人与施工机械安全评估的运动速度信息vi;最后,进行拥挤度的提取ci,所得结果(di,vi,ci)根据传输线输至安全评估装置。
步骤4:在安全评估装置中提前设置警示值。
步骤5:数据(di,vi,ci)输入至安全评估装置中,利用模糊神经网络将安全风险前兆语义整合至一个安全状态系数,进行施工现场安全状态智能判定,安全系数返回显示屏。
步骤6:警报系统发出信号。
进一步地,所述的视频数据采集设备上设置摄像机、感应器、照明灯;所述的摄像机采用单目摄像机,以俯瞰的角度获取现场工人与机械交互工作监控图像数据,夹持架对其进行固定,通过支撑结构与安全状态评估系统连接;所述的感应器用于感应目标动态移动;所述的照明灯用于夜间照明;所述的土方工程施工现场中施工工人与施工机械进行动态活动。
进一步地,所述的目标追踪装置用于动态目标识别与跟踪,采用高斯混合模型背景差分与卡尔曼滤波跟踪算法,通过传输线与下方安全状态评估系统相连。
进一步地,所述的二分类处理通过事先设定面积阈值,检测目标面积大小的差异区分机械与工人两种类型目标,实现对检测目标的二分类过程;所述的工人与施工机械之间的距离di可采用欧式距离公式完成计算;所述的目标运动速度信息vi基于目标在相邻帧之间的移动距离与帧率的比值得到;所述的拥挤度ci通过计数的方式完成。
进一步地,所述的安全评估装置中警示值设置为3,将安全状态综合评估为3级,即安全、一般与危险;所述的安全系数借助Matlab中的linspace工具箱进行训练与计算,安全状态阈值为[0,10],当检测到安全系数越低时,工人所处环境越危险,反之则越安全,最终安全系数会返回到显示屏幕上,也会在所识别到的目标旁边自动标记出。
进一步地,所述的警报系统分为蜂鸣器和警示灯,当安全系数值小于警示值3,启动蜂鸣器和警示灯,其值越小,蜂鸣器声音越大,警示灯闪烁频率越快。
本发明的基本原理如下:
通过研究影响施工现场人机安全动态危险源的关键要素与计算机语义之间的关联关系,引入机器视觉技术与模糊神经网络结合的手段,整个系统程序采用MATLAB 2014a与Visual Studio 2013C++混合编程语言开发,实现了动态危险源环境下,工人安全状态的智能评估。
与相关技术相比,本发明的优势在于:
引入机器视觉技术与模糊神经网络结合的手段,信息识别提取更精确,整个安全预警系统更智能化。通过视频数据采集设备中的感应器的设置,使拍摄过程中只有在土方工程施工过程中监控区域有移动的工人、机械时,才会启动拍摄,其他时候处于未工作状态,减少图像拍摄时间,提高了拍摄的图像价值;一旦启动拍摄,系统将自动计算安全值,整个监控过程不需要重置,除非移动摄像头,操作简单方便,提高了整个系统的工作效率;将安全评估系统计算出的值返回到显示屏幕上,所捕获的安全系数也在所识别到的目标旁边自动标记出,以便管理人员可以方便直观地获得信息并及时做出响应。
附图说明
图1是本发明方法的流程框图;
图2是一种基于机器视觉技术预警工人与动态危险源的方法示意图;
图3是安全状态评估系统内部装置示意图;
图中:1—视频数据采集设备;2—支撑结构;3—安全状态评估系统;4—警报系统;5—感应器;6—照明灯;7—目标追踪装置;8—夹持架;9—图像信息提取装置;10—安全评估装置;11—显示屏;12—测距模块;13—测速模块;14—密度模块;15—土方工程施工现场;16—传输线;17—摄像机。
具体实施方式
下面结合附图1对本发明作进一步的描述:
本发明的一种基于机器视觉技术预警工人与动态危险源的方法,包括以下步骤:
步骤1:通过视频数据采集设备1对土方工程施工现场15的监控图像进行获取。
步骤2:利用目标追踪装置7对图像中的人工、机械对象进行目标动态识别与跟踪。
步骤3:利用图像信息提取装置9进行图像中目标对象的关键信息提取,提取图像中工人与施工机械之间的距离di、动态目标运动速度信息vi以及拥挤度ci,所得结果(di,vi,ci)根据传输线16输至安全评估装置10。
步骤4:在安全评估装置10中提前设置警示值。
步骤5:数据(di,vi,ci)输入至安全评估装置10中,利用模糊神经网络将安全风险前兆语义整合至一个安全状态系数,进行施工现场安全状态智能判定,安全系数返回显示屏11。
步骤6:警报系统4发出信号。
所述的视频数据采集设备1上设置摄像机17、感应器5、照明灯6;所述的摄像机17采用单目摄像机,以俯瞰的角度获取现场工人与机械交互工作监控图像数据,夹持架8对齐进行固定,通过支撑结构2与安全状态评估系统3连接;所述的感应器5用于感应目标动态移动;所述的照明灯6用于夜间照明;所述的土方工程施工现场15中施工工人与施工机械进行动态活动。
所述的目标追踪装置7用于动态目标识别与跟踪,采用高斯混合模型背景差分与卡尔曼滤波跟踪算法,通过传输线16与下方安全状态评估系统3相连。
所述的图像信息提取装置9包括测距模块12、测速模块13、密度模块14;所述的工人与施工机械之间的距离di通过测距模块12测得,所述的目标运动速度信息vi通过测速模块13测得以及所述的拥挤度ci通过密度模块14测得。
所述的安全评估装置10可提前设置警示值为3,安全评估装置10通过模糊神经网络计算出安全系数,根据设定警示值智能判定安全状态,系数阈值为[0,10],当检测到安全系数越低时,工人所处环境越危险,反之则越安全,且安全系数会通过传输线16返回到显示屏幕11上,也会在所识别到的目标旁边自动标记出。
所述的警报系统4当安全系数值小于警示值3时,启动蜂鸣器和警示灯,其值越小,蜂鸣器声音越大,警示灯闪烁频率越快。
本发明设计的一种基于机器视觉技术预警工人与动态危险源的方法,采用了机器视觉技术与模糊神经网络结合的手段。首先,对土方工程施工现场工人与动态危险源活动行径进行监控;其次,设计土方工程施工现场工人与动态危险源相关数据获取机制,对评估模型所需关键评估要素信息进行自动化获取;最后,构建施工过程中动态危险接近工人安全状态预警系统,提高信息采集、识别、处理的准确度和效率,能实时反映现场安全状态,实现整个施工现场的危险区域的智能监控。本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段,还包括由以上技术特征任意组合所组成的技术方案。
Claims (6)
1.一种基于机器视觉技术预警工人与动态危险源的方法,其特征在于,该方法包括以下步骤:
步骤1:通过视频数据采集设备对土方工程施工现场的监控图像进行获取;
步骤2:通过目标追踪装置对图像中的工人、机械对象进行目标动态识别与跟踪;
步骤3:利用图像信息提取装置进行图像中目标对象的关键信息提取,提取图像中工人与施工机械之间的距离di、动态目标运动速度信息vi以及拥挤度ci,所得结果(di,vi,ci)根据传输线输至安全评估装置;
步骤4:在安全评估装置中提前设置警示值;
步骤5:数据(di,vi,ci)输入至安全评估装置中,利用模糊神经网络将安全风险前兆语义整合至一个安全状态系数,进行施工现场安全状态智能判定,安全系数返回显示屏;
步骤6:警报系统发出信号。
2.根据权利要求1所述的一种基于机器视觉技术预警工人与动态危险源的方法,其特征在于,所述的视频数据采集设备上设置摄像机、感应器、照明灯;所述的摄像机采用单目摄像机,以俯瞰的角度获取现场工人与机械交互工作监控图像数据,夹持架对齐进行固定,通过支撑结构与安全状态评估系统连接;所述的感应器用于感应目标动态移动;所述的照明灯用于夜间照明;所述的土方工程施工现场中施工工人与施工机械进行动态活动。
3.根据权利要求1所述的一种基于机器视觉技术预警工人与动态危险源的方法,其特征在于,所述的目标追踪装置用于动态目标识别与跟踪,采用高斯混合模型背景差分与卡尔曼滤波跟踪算法,通过传输线与下方安全状态评估系统相连。
4.根据权利要求1所述的一种基于机器视觉技术预警工人与动态危险源的方法,其特征在于,所述的图像信息提取装置包括测距模块、测速模块、密度模块;所述的工人与施工机械之间的距离di通过测距模块测得,可采用简单的欧式距离公式完成计算;所述的目标运动速度信息vi通过测速模块测得,基于目标在相邻帧之间的移动距离与帧率的比值得到;所述的拥挤度ci通过密度模块测得,通过计数的方式完成,以感兴趣目标为圆心,计数一定半径范围内的运动实体个数。
5.根据权利要求1所述的一种基于机器视觉技术预警工人与动态危险源的方法,其特征在于,所述的安全评估装置可提前设置警示值为3,安全评估装置通过模糊神经网络计算出安全系数,根据设定警示值智能判定安全状态,系数阈值为[0,10],当检测到安全系数越低时,工人所处环境越危险,反之则越安全,且安全系数会通过传输线返回到显示屏幕上,也会在所识别到的目标旁边自动标记出。
6.根据权利要求1所述的一种基于机器视觉技术预警工人与动态危险源的方法,其特征在于,其特征在于,所述的警报系统分为蜂鸣器和警示灯,当安全系数值小于警示值3时,启动蜂鸣器和警示灯,其值越小,蜂鸣器声音越大,警示灯闪烁频率越快。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011640580.2A CN112799339A (zh) | 2020-12-31 | 2020-12-31 | 一种基于机器视觉技术预警工人与动态危险源的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011640580.2A CN112799339A (zh) | 2020-12-31 | 2020-12-31 | 一种基于机器视觉技术预警工人与动态危险源的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112799339A true CN112799339A (zh) | 2021-05-14 |
Family
ID=75809130
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011640580.2A Pending CN112799339A (zh) | 2020-12-31 | 2020-12-31 | 一种基于机器视觉技术预警工人与动态危险源的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112799339A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114493375A (zh) * | 2022-04-02 | 2022-05-13 | 清华大学 | 施工安全宏观评估系统及方法 |
CN115240367A (zh) * | 2022-09-23 | 2022-10-25 | 杭州中芯微电子有限公司 | 一种基于uwb智能定位的用户管理预警方法及系统 |
CN116030428A (zh) * | 2023-03-30 | 2023-04-28 | 武汉创领信服科技有限公司 | 工地区域危险报警监测方法及装置 |
CN116206255A (zh) * | 2023-01-06 | 2023-06-02 | 广州纬纶信息科技有限公司 | 基于机器视觉的危险区域人员监控方法与装置 |
-
2020
- 2020-12-31 CN CN202011640580.2A patent/CN112799339A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114493375A (zh) * | 2022-04-02 | 2022-05-13 | 清华大学 | 施工安全宏观评估系统及方法 |
CN114493375B (zh) * | 2022-04-02 | 2022-07-22 | 清华大学 | 施工安全宏观评估系统及方法 |
CN115240367A (zh) * | 2022-09-23 | 2022-10-25 | 杭州中芯微电子有限公司 | 一种基于uwb智能定位的用户管理预警方法及系统 |
CN116206255A (zh) * | 2023-01-06 | 2023-06-02 | 广州纬纶信息科技有限公司 | 基于机器视觉的危险区域人员监控方法与装置 |
CN116206255B (zh) * | 2023-01-06 | 2024-02-20 | 广州纬纶信息科技有限公司 | 基于机器视觉的危险区域人员监控方法与装置 |
CN116030428A (zh) * | 2023-03-30 | 2023-04-28 | 武汉创领信服科技有限公司 | 工地区域危险报警监测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112799339A (zh) | 一种基于机器视觉技术预警工人与动态危险源的方法 | |
CN109212520B (zh) | 全方位检测雷达的路况感知异常事件检测报警系统及方法 | |
Fang et al. | Computer vision aided inspection on falling prevention measures for steeplejacks in an aerial environment | |
Kim et al. | Image-based construction hazard avoidance system using augmented reality in wearable device | |
KR102065975B1 (ko) | 라이다를 이용한 중장비 안전관리 시스템 | |
CN110602449A (zh) | 一种基于视觉的大场景下施工安全智能监控系统方法 | |
KR101095528B1 (ko) | 연속류도로 사고 및 돌발 자동판별 검지시스템 및 그 방법 | |
KR101715001B1 (ko) | 웨어러블 기기를 이용한 건설현장의 안전평가 표시 시스템 및 그 방법 | |
US11216664B2 (en) | Method and device for augmenting a person's view of a mining vehicle on a mining worksite in real-time | |
CN112291735B (zh) | 一种基于uwb的可视化工程智能监测系统及方法 | |
KR101752858B1 (ko) | 레이더 기반 고 정밀 돌발상황 검지 시스템 | |
EP2858057A1 (en) | System for traffic behaviour surveillance | |
JPH1072851A (ja) | 侵入移動体検出装置 | |
CN115527364B (zh) | 一种基于雷视数据融合的交通事故溯源方法及系统 | |
CN112282819B (zh) | 基于视觉的综采工作面人员目标安全监控方法及系统 | |
CN112235537A (zh) | 一种变电站现场作业安全预警方法 | |
CN114005088A (zh) | 一种安全绳穿戴状态监测方法及系统 | |
CN104463905A (zh) | 施工现场车辆监控方法 | |
CN114495421B (zh) | 智能化开放式道路施工作业监测预警方法及系统 | |
KR102500474B1 (ko) | 스마트 지능형 안전관리 서비스 제공 시스템 | |
CN115802002A (zh) | 一种电力作业的安全监控方法 | |
CN114581863A (zh) | 车辆危险状态识别方法及系统 | |
CN113299024A (zh) | 一种基于自动感知的道路作业安全防护系统及方法 | |
CN117494029B (zh) | 一种道路抛洒物事件识别方法及装置 | |
CN116961737B (zh) | 一种北斗应急通讯系统 |
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 |