CN115331383A - 一种施工现场安全风险识别方法及系统 - Google Patents

Abstract

本发明涉及信息技术领域，具体涉及一种施工现场安全风险识别方法及系统，风险识别方法包括以下步骤：建立风险识别模型，风险识别模型包括火焰识别模型和烟雾识别模型；将施工现场划分为若干个子区域，为每个子区域关联若干个监控风险类型，风险类型包括火灾风险和高空坠物风险；周期性接收每个子区域的监控数据，监控数据包括监控图像，根据监控图像的视角标记监控风险类型；将每个子区域的监控图像输入对应的风险识别模型，获得风险识别模型的输出；若子区域中存在监控图像输入风险识别模型所得输出为存在风险，则发出风险报警，风险类型与风险识别模型类型相符。本发明的有益技术效果包括：及时发现安全风险，保障施工现场人员及设施安全。

Description

一种施工现场安全风险识别方法及系统

技术领域

本发明涉及信息技术领域，具体涉及一种施工现场安全风险识别方法及系统。

背景技术

在建筑工程施工作业中，施工现场环境复杂且危险源较多。例如粉尘与气溶胶危害、易燃易爆性物质危害、高温危害、噪音危害及坠物危害等。施工现场人员和各类大小型施工设备不仅数量多，且难以有效掌握施工规律，管理困难。若存在违规操作导致出现安全风险时，由于现场人员及设备混乱，导致安全风险难以被及时发现。甚至已经出现安全问题时，值班人员也难以第一时间掌握安全问题出现的位置和类型，不能及时有效的安排风险排除事宜。鉴于目前施工现场的安全性不足，且缺乏有效的监控手段，而如何保障施工的安全日益受到施工企业的重视，因此亟待研究新的能够及时准确识别施工现场安全风险的技术。

如中国专利CN110889941A，公开日2020年3月17日，公开了一种施工人员安全监控系统及方法，用于提高对施工人员的安全监控。施工人员安全监控系统包括危险区域预警装置、智能安全帽、本地安全管理终端、远程监视终端和移动终端，由所述危险区域预警装置、智能安全帽获取的监控数据，可分别由本地安全管理终端、远程监视终端进行实时显示监控，并且可以通过所述危险区域预警装置、智能安全帽实时发出声光警示，实现了对施工人员施工作业的安全监控及预警。其技术方案可以解决现有的现场施工人员安全保障措施不到位，对现场施工人员的安全监控不完善的问题。但其仅能够解决对施工人员的安全措施管控的问题，虽然一定程度上提高了施工现场的安全性，但不能对施工现场发生的安全风险进行有效识别，不能帮助值班人员掌握风险状况，进而安排风险的处置。

发明内容

本发明所要解决的技术问题：目前缺乏对施工现场进行安全风险识别预警方案的技术问题。提出了一种施工现场安全风险识别方法及系统，能够对施工现场存在的安全风险进行识别和报警，保障施工安全。

为解决上述技术问题，本发明采用如下技术方案：一种施工现场安全风险识别方法，包括以下步骤：

建立风险识别模型，所述风险识别模型包括火焰识别模型和烟雾识别模型；

将施工现场划分为若干个子区域，为每个子区域关联若干个监控风险类型；

周期性接收每个子区域的监控数据，所述监控数据包括监控图像，根据监控图像的视角标记监控风险类型；

将每个子区域的监控图像输入对应的风险识别模型，获得风险识别模型的输出；

若子区域中存在监控图像输入风险识别模型所得输出为存在风险，则发出风险报警，风险类型与风险识别模型类型相符。

作为优选，所述监控数据还包括温度值、湿度值和PM10浓度，建立火焰识别模型的方法包括：

读取历史获取数据，所述历史获取数据包括火情图像Pf、历史火情温湿度传感器与火情区域距离Dc、温度检测值Tc、湿度检测值Hc和火情区域PM10浓度P10c；

建立函数

，其中W=[W1,W2,W3,W4,W5] ，W表示权重系数，权重系数∈(0,1)，X=[Pf,Dc,Tc,Hc,P10c]，b为偏置值；

建立预测函数

表示火情风险概率；

构建目标函数

，使用优化算法获得W的取值，N表示历史火情数据的数量；

获得子区域实时的监控图像、施工现场温湿度传感器与子区域的距离、温度检测值、湿度检测值和子区域内PM10的浓度，代入预测函数获得y的值，若y超过预设阈值则发出火情风险报警，反之，则等待预设时长后，再次执行本步骤。

作为优选，建立烟雾识别模型的方法包括：

接收多个烟雾颜色模板，所述烟雾颜色模板记录烟雾颜色的色值区域；

获取子区域的一个监控图像，提取与烟雾颜色的色值区域相符的像素区域，记为特征区域；

以预设周期连续获取多张同一位置的监控图像，提取相应的特征区域；

若特征区域的像素面积超过阈值且特征区域的像素位置变化幅度超过预设阈值，则判定子区域内存在烟雾。

作为优选，所述烟雾颜色模板关联可燃物成分，判定子区域内存在烟雾后，根据特征区域相应的烟雾颜色模板识别可燃物成分。

作为优选，所述风险识别模型还包括高空坠物识别模型，建立高空坠物识别模型的方法包括：

接收斜俯视子区域的监控图像，接收人工标注的建筑物边界像素区域，记为标记区；

接收人工发送的标定信号，接收到标定信号时，获取斜俯视子区域的最新监控图像，将最新监控图像在标记区内的像素固定，作为参照标记区图像；

读取获得斜俯视子区域的监控图像，若参照标记区图像被遮挡，则发出高空坠物风险报警，反之，则在下一周期重新执行本步骤。

作为优选，所述标定信号为人工周期性批量发送给施工现场的全部高空坠物识别模型，批量发送标定信号时，施工现场处于暂停施工状态。

作为优选，划分子区域的方法包括：

所述子区域为长方体，全部子区域包覆施工现场；

为每个子区域标记相邻子区域和相邻面；

为相邻面关联火情传递延迟时长和烟雾传递延迟时长；

当子区域存在火焰风险报警时，等待火情传递延迟时长后，相邻面对应的相邻子区域发出关联火情报警，等待烟雾传递延迟时长后，相邻面对应的相邻子区域发出关联烟雾报警。

一种施工现场安全风险识别系统，用于执行如前述的一种施工现场安全风险识别方法，包括施工现场监控模块、现场计算模块、通信模块和云服务器，所述施工现场监控模块包括图像监控模块、温湿度监控模块和PM10监控模块，所述图像监控模块包括设置在施工现场的若干个图像监控器，所述温湿度监控模块包括分布在施工现场的若干个温湿度传感器，所述PM10监控模块包括分布在施工现场的若干个PM10监测器，所述图像监控器、温湿度传感器及PM10监测器均与所述现场计算模块连接，所述现场计算模块通过通信模块与云服务器连接，所述现场计算模块存储有子区域划分位置，所述现场计算模块将子区域及相应的图像监控器、温湿度传感器及PM10监测器的输出打包为监控数据，将监控数据发送给云服务器，所述云服务器运行风险识别模型，所述云服务器将监控数据输入风险识别模型所得输出为存在风险，则发出风险报警，风险类型与风险识别模型类型相符。

作为优选，所述云服务器存储有风险识别模型，所述风险识别模型包括火焰识别模型和烟雾识别模型，所述云服务器存储施工现场划分的子区域，每个子区域关联有若干个监控风险类型，所述风险类型包括火灾风险和高空坠物风险；

所述云服务器执行以下步骤：

周期性接收每个子区域的监控数据，所述监控数据包括监控图像，根据监控图像的视角标记监控风险类型；

将每个子区域的监控图像输入对应的风险识别模型，获得风险识别模型的输出；

若子区域中存在监控图像输入风险识别模型所得输出为存在风险，则发出风险报警，风险类型与风险识别模型类型相符。

本发明的有益技术效果包括：通过对施工现场火情、烟雾和高空坠物风险的识别和报警，及时发现安全风险，保障施工现场人员及设施安全；通过建立多个风险识别模型，对不同种类的风险针对性识别，提高了风险识别的准确度；将施工现场划分多个子区域，每个子区域关联需要关注的风险类型，子区域之间进行风险发展的联动，能够更加准确的进行风险识别，也有助于快速定位风险位置。

本发明的其他特点和优点将会在下面的具体实施方式、附图中详细的揭露。

附图说明

下面结合附图对本发明做进一步的说明：

图1为本发明实施例一安全风险识别方法流程示意图。

图2为本发明实施例一建立火焰识别模型方法流程示意图。

图3为本发明实施例一建立烟雾识别模型方法流程示意图。

图4为本发明实施例一建立高空坠物识别模型方法流程示意图。

图5为本发明实施例一划分子区域方法流程示意图。

图6为本发明实施例一安全风险识别系统组成示意图。

图7为本发明实施例二火情监控示意图。

图8为本发明实施例二高空坠物监控示意图。

其中：10、云服务器，20、通信模块，30、现场计算模块，41、图像监控器，42、温湿度传感器，43、PM10监测器，51、子区域，52、火焰，53、烟雾，54、标记区，55、坠物。

具体实施方式

下面结合本发明实施例的附图对本发明实施例的技术方案进行解释和说明，但下述实施例仅为本发明的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其他实施例，都属于本发明的保护范围。

在下文描述中，出现诸如术语“内”、“外”、“上”、“下”、“左”、“右”等指示方位或者位置关系仅是为了方便描述实施例和简化描述，而不是指示或暗示所指的装置或者元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

实施例一：

一种施工现场安全风险识别方法，请参阅附图1，包括以下步骤：

步骤A01）建立风险识别模型，风险识别模型包括火焰识别模型和烟雾识别模型；

步骤A02）将施工现场划分为若干个子区域，为每个子区域关联若干个监控风险类型；

步骤A03）周期性接收每个子区域的监控数据，监控数据包括监控图像，根据监控图像的视角标记监控风险类型；

步骤A04）将每个子区域的监控图像输入对应的风险识别模型，获得风险识别模型的输出；

步骤A05）若子区域中存在监控图像输入风险识别模型所得输出为存在风险，则发出风险报警，风险类型与风险识别模型类型相符。

通过火焰识别模型和烟雾识别模型分别识别出已经出现的火焰及烟雾，相应的发出火情风险报警和烟雾风险报警。火情风险报警和烟雾风险报警附带有出现火焰或烟雾的子区域。子区域的位置是已知的，因而能够快速的定位风险发生的位置。同时，若火势较大，则会使得多个子区域均发出火情风险报警或者烟雾风险报警。通过发出报警的子区域的数量，以及子区域对应的空间范围，即可初步判断火情的大小。随着时间的推移，火情可能蔓延，将会触发更多的子区域的火情报警和烟雾报警，若一段时间内，较多的子区域发出火情风险报警或者烟雾风险报警，则判定火情蔓延较快，反之，则判定火情蔓延较慢。若火情风险报警或者烟雾风险报警的子区域数量少于预设值，则判定火势较小。当火势较小且蔓延较慢时，值班人员应派遣人工携带火情处置器具及防护器具，去现场查看并尝试灭火。若火势较大或者蔓延较快，则应当立即组织施工现场的全部人员疏散，并立即通知上级主管部门或者消防主管部分。

通过本风险识别方法，能够识别出风险种类和风险发生的位置和风险当前情况，有助于值班人员快速准确的掌握风险状况和位置，协助作出最佳的风险处置方案。

监控数据还包括温度值、湿度值和PM10浓度，请参阅附图2，建立火焰识别模型的方法包括：

步骤B01）读取历史获取数据，历史获取数据包括火情图像Pf、历史火情温湿度传感器42与火情区域距离Dc、温度检测值Tc、湿度检测值Hc和火情区域PM10浓度P10c；

步骤B02）建立函数

，其中W=[W1,W2,W3,W4,W5]，W表示权重系数，权重系数∈(0,1)，X=[Pf,Dc,Tc,Hc,P10c]，b为偏置值；

步骤B03）建立预测函数

表示火情风险概率；

步骤B04）构建目标函数

，使用优化算法获得W的取值，N表示历史火情数据的数量；

步骤B05）获得子区域实时的监控图像、施工现场温湿度传感器42与子区域的距离、温度检测值、湿度检测值和子区域内PM10的浓度，代入预测函数获得y的值，若y超过预设阈值则发出火情风险报警，反之，则等待预设时长后，再次执行本步骤。步骤B02）中，Pf表示火情图像，其获取过程为：将现场拍摄图像二值化，而后缩小为预设大小，以一维数组表示缩小后的图像，即为Pf。缩小为预设大小的二值化图像是以二维数组形式表示，将二维数组的每一行依次拼接到第一行，即可使用一维数据的形式来表示二维数组。预设的图像大小为128像素*128像素或者64像素*64像素。步骤B04）中不断尝试W的值，使全部历史数据代入预测函数所得的预测概率的乘积最大，从而获得经历史数据训练的模型系数W的值。达到最佳的预测状态，用于预测后续的监控数据中是否存在火情风险。完成火焰识别模型后，能够通过现场监控图像、温度、湿度和PM10的浓度，获得是否存在火焰风险的判断。

请参阅附图3，建立烟雾识别模型的方法包括：

步骤C01）接收多个烟雾颜色模板，烟雾颜色模板记录烟雾颜色的色值区域；

步骤C02）获取子区域的一个监控图像，提取与烟雾颜色的色值区域相符的像素区域，记为特征区域；

步骤C03）以预设周期连续获取多张同一位置的监控图像，提取相应的特征区域；

步骤C04）若特征区域的像素面积超过阈值且特征区域的像素位置变化幅度超过预设阈值，则判定子区域内存在烟雾。烟雾颜色种类有限，且烟雾的颜色能够反映出燃烧物的种类。通过对比烟雾颜色模板，能够简单快速的识别出烟雾，并能够根据烟雾的颜色，推断燃烧物的种类。根据出现烟雾的子区域的位置，能够快速定位出现烟雾的位置，为确定火情位置提供参考。烟雾颜色模板关联可燃物成分，判定子区域内存在烟雾后，根据特征区域相应的烟雾颜色模板识别可燃物成分。

风险识别模型还包括高空坠物识别模型，请参阅附图4，建立高空坠物识别模型的方法包括：

步骤D01）接收斜俯视子区域的监控图像，接收人工标注的建筑物边界像素区域，记为标记区；

步骤D02）接收人工发送的标定信号，接收到标定信号时，获取斜俯视子区域的最新监控图像，将最新监控图像在标记区内的像素固定，作为参照标记区图像；

步骤D03）读取获得斜俯视子区域的监控图像，若参照标记区图像被遮挡，则发出高空坠物风险报警，反之，则在下一周期重新执行本步骤。从斜俯视监控图像中，建筑物的边缘一旦被遮挡，即意味着边缘上方存在物品，即存在坠落风险。通过对第一张斜俯视子区域的监控图像的边缘区域进行标记，即可确定边缘位置，对标记区内的图像进行固定，作为参照标记区图像，若图像的像素发生变化，且发生变化的像素数量超过预设阈值，则判定有物体放在边缘上，发出高空坠物风险报警。由于子区域内的建筑物可能因施工而表面颜色发生变化。但建筑物的轮廓边界在初期建设完成后，一般不再发生较大的变化。标定信号为人工周期性批量发送给施工现场的全部高空坠物识别模型，批量发送标定信号时，施工现场处于暂停施工状态。

通过接收人工发送的标定信号，如每天固定批量发送一次标定信号，发送标定信号时，施工现场不存在安全风险。此时高空坠物识别模型记录一次标记区图像即可获得更新，为后续继续识别高空坠物风险提供了保障。

请参阅附图5，划分子区域的方法包括：

步骤E01）子区域为长方体，全部子区域包覆施工现场；

步骤E02）为每个子区域标记相邻子区域和相邻面；

步骤E03）为相邻面关联火情传递延迟时长和烟雾传递延迟时长；

步骤E04）当子区域存在火情风险报警时，等待火情传递延迟时长后，相邻面对应的相邻子区域发出关联火情报警，等待烟雾传递延迟时长后，相邻面对应的相邻子区域发出关联烟雾报警。子区域为长方体形，多个子区域能够从三维上完整的覆盖施工现场，每个子区域内可能发生的风险种类不同，对不同的子区域关联不同的监控风险类型，实现风险监控的针对性。同时能够提高风险识别的准确性。如高度较低的子区域，则不再对高空坠物风险进行监控。子区域内不存在可燃物，且后续也不可能出现可燃物的情况下，子区域不需要进行火焰风险识别，仅进行烟雾风险识别即可。

本实施例中的烟雾不仅是燃烧导致的烟雾，也包括现场粉尘污染导致的烟雾，在烟雾颜色模板中，添加相应的粉尘烟雾颜色即可。

一种施工现场安全风险识别系统，用于执行如前述的一种施工现场安全风险识别方法，包括施工现场监控模块、现场计算模块30、通信模块20和云服务器10，施工现场监控模块包括图像监控模块、温湿度监控模块和PM10监控模块，图像监控模块包括设置在施工现场的若干个图像监控器41，温湿度监控模块包括分布在施工现场的若干个温湿度传感器42，PM10监控模块包括分布在施工现场的若干个PM10监测器43，图像监控器41、温湿度传感器42及PM10监测器43均与现场计算模块30连接，现场计算模块30通过通信模块20与云服务器10连接，现场计算模块30存储有子区域划分位置，现场计算模块30将子区域及相应的图像监控器41、温湿度传感器42及PM10监测器43的输出打包为监控数据，将监控数据发送给云服务器10，云服务器10运行风险识别模型，云服务器10将监控数据输入风险识别模型所得输出为存在风险，则发出风险报警，风险类型与风险识别模型类型相符。

云服务器10存储有风险识别模型，风险识别模型包括火焰识别模型和烟雾识别模型，云服务器10存储施工现场划分的子区域，每个子区域关联有若干个监控风险类型，风险类型包括火灾风险和高空坠物风险；云服务器10执行以下步骤：周期性接收每个子区域的监控数据，监控数据包括监控图像，根据监控图像的视角标记监控风险类型；将每个子区域的监控图像输入对应的风险识别模型，获得风险识别模型的输出；若子区域中存在监控图像输入风险识别模型所得输出为存在风险，则发出风险报警，风险类型与风险识别模型类型相符。

本实施例的有益技术效果包括：通过对施工现场火情、烟雾和高空坠物风险的识别和报警，及时发现安全风险，保障施工现场人员及设施安全；通过建立多个风险识别模型，对不同种类的风险针对性识别，提高了风险识别的准确度；将施工现场划分多个子区域，每个子区域关联需要关注的风险类型，子区域之间进行风险发展的联动，能够更加准确的进行风险识别，也有助于快速定位风险位置。

实施例二：

一种施工现场安全风险识别方法，在实施例一的基础上，请参阅附图7，本实施例在施工区域划分有5个子区域51，每个子区域51占据建筑物的一层。从下至上分别记为子区域1至子区域5。现场计算模块30周期性获取图像监控器41拍摄的建筑物图像，将相关数据关联子区域51后，打包作为子区域数据上传到云服务器10。云服务器10运行火焰识别模型，能够识别出子区域1内存在火焰52。云服务器10运行烟雾识别模型，能够识别出子区域1、子区域2、子区域3和子区域4内存在烟雾53。此时云服务器10发出火情风险预警和烟雾风险预警。

由于火情发生在子区域1，值班人员即会安排针对子区域1的火焰风险的处置。如启动自动灭火装置或者派遣值班灭火队处置。其中在监控图像中，火焰52出现的范围代表了火情的大小，值班人员能够据此判断火势。由于子区域1至4均出现有烟雾风险报警，烟雾53通常有毒，对人体有害。因此需要对子区域1至4的人员立即进行疏散。子区域5的人员视情况撤到同楼层安全处，而后再疏散撤离。

云服务器10识别出火焰52，进而能够确定火焰52的位置，从而为火势大小的判断提供依据。云服务器10同时能够识别出烟雾53，确定烟雾53出现的范围，为人员的撤离疏散路线提供了重要的参考信息，有助于确保人员疏散路径上没有烟雾53或者烟雾53最少。随着时间的推移，火势和火焰52位置可能发生变化，通过云服务器10能够实时识别和跟踪火势变化。云服务器10运行的火焰识别模型和烟雾识别模型，也能够运行在现场计算模块30中。

请参阅附图8，在施工区域的第一张监控图像中，人工标注有标记区54。标记区54表示建筑物的边缘。由于用于高空坠物风险识别的监控图像为斜俯视图像，从斜俯视角度，若建筑物的边缘被遮挡，则表示有坠物55被放置在了建筑物边缘，存在高空坠物的风险。获得斜俯视角度监控图像的图像监控器41可以通过支架安装在建筑物顶部，也可以安装在其他更高的建筑物上。

人工标定建筑物的标记区54后，标记区54的位置将不再会经常变动，但其颜色可能会发生变化。如贴附瓷砖或者保温材料后，建筑物表面的颜色会发生变化。为此，需要每天或者每半天，在施工活动暂态后，由人工发送消息。接收到标定信号时，获取斜俯视子区域的最新监控图像，将最新监控图像在标记区54内的像素固定，作为参照标记区图像。将后续的监控图像与参照标记区图像对比，若参照标记区内的图像发生变化，则表示存在坠物55被放置在了建筑物的边缘，此时发出高空坠物风险报警，反之，则等待预设时长后，重新进行判断。本方案能够简单快捷的实现对施工现场火情和高空坠物风险的监控和识别，有效提高施工现场的安全性。

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，熟悉该本领域的技术人员应该明白本发明包括但不限于附图和上面具体实施方式中描述的内容。任何不偏离本发明的功能和结构原理的修改都将包括在权利要求书的范围中。

Claims (9)

1.一种施工现场安全风险识别方法，其特征在于，

包括以下步骤：

建立风险识别模型，所述风险识别模型包括火焰识别模型和烟雾识别模型；

将施工现场划分为若干个子区域，为每个子区域关联若干个监控风险类型；

周期性接收每个子区域的监控数据，所述监控数据包括监控图像，根据监控图像的视角标记监控风险类型；

将每个子区域的监控图像输入对应的风险识别模型，获得风险识别模型的输出；

若子区域中存在监控图像输入风险识别模型所得输出为存在风险，则发出风险报警，风险类型与风险识别模型类型相符。

2.根据权利要求1所述的一种施工现场安全风险识别方法，其特征在于，

所述监控数据还包括温度值、湿度值和PM10浓度，建立火焰识别模型的方法包括：

读取历史获取数据，所述历史获取数据包括火情图像Pf、历史火情温湿度传感器与火情区域距离Dc、温度检测值Tc、湿度检测值Hc和火情区域PM10浓度P10c；

建立函数

，其中W=[W1,W2,W3,W4,W5] ，W表示权重系数，X=[Pf,Dc,Tc,Hc,P10c]，b为偏置值；

建立预测函数

表示火情风险概率；

构建目标函数

，使用优化算法获得W的取值，N表示历史火情数据的数量；

获得子区域实时的监控图像、施工现场温湿度传感器与子区域的距离、温度检测值、湿度检测值和子区域内PM10的浓度，代入预测函数获得y的值，若y超过预设阈值则发出火情风险报警，反之，则等待预设时长后，再次执行本步骤。

3.根据权利要求1或2所述的一种施工现场安全风险识别方法，其特征在于，

建立烟雾识别模型的方法包括：

接收多个烟雾颜色模板，所述烟雾颜色模板记录烟雾颜色的色值区域；

获取子区域的一个监控图像，提取与烟雾颜色的色值区域相符的像素区域，记为特征区域；

以预设周期连续获取多张同一位置的监控图像，提取相应的特征区域；

若特征区域的像素面积超过阈值且特征区域的像素位置变化幅度超过预设阈值，则判定子区域内存在烟雾。

4.根据权利要求3所述的一种施工现场安全风险识别方法，其特征在于，

所述烟雾颜色模板关联可燃物成分，判定子区域内存在烟雾后，根据特征区域相应的烟雾颜色模板识别可燃物成分。

5.根据权利要求1或2所述的一种施工现场安全风险识别方法，其特征在于，

所述风险识别模型还包括高空坠物识别模型，建立高空坠物识别模型的方法包括：

接收斜俯视子区域的监控图像，接收人工标注的建筑物边界像素区域，记为标记区；

接收人工发送的标定信号，接收到标定信号时，获取斜俯视子区域的最新监控图像，将最新监控图像在标记区内的像素固定，作为参照标记区图像；

读取获得斜俯视子区域的监控图像，若参照标记区图像被遮挡，则发出高空坠物风险报警，反之，则在下一周期重新执行本步骤。

6.根据权利要求5所述的一种施工现场安全风险识别方法，其特征在于，

所述标定信号为人工周期性批量发送给施工现场的全部高空坠物识别模型，批量发送标定信号时，施工现场处于暂停施工状态。

7.根据权利要求1或2所述的一种施工现场安全风险识别方法，其特征在于，

划分子区域的方法包括：

所述子区域为长方体，全部子区域包覆施工现场；

为每个子区域标记相邻子区域和相邻面；

为相邻面关联火情传递延迟时长和烟雾传递延迟时长；

当子区域存在火焰风险报警时，等待火情传递延迟时长后，相邻面对应的相邻子区域发出关联火情报警，等待烟雾传递延迟时长后，相邻面对应的相邻子区域发出关联烟雾报警。

8.一种施工现场安全风险识别系统，用于执行如权利要求1至7任一项所述的一种施工现场安全风险识别方法，其特征在于，

包括施工现场监控模块、现场计算模块、通信模块和云服务器，所述施工现场监控模块包括图像监控模块、温湿度监控模块和PM10监控模块，所述图像监控模块包括设置在施工现场的若干个图像监控器，所述温湿度监控模块包括分布在施工现场的若干个温湿度传感器，所述PM10监控模块包括分布在施工现场的若干个PM10监测器，所述图像监控器、温湿度传感器及PM10监测器均与所述现场计算模块连接，所述现场计算模块通过通信模块与云服务器连接，所述现场计算模块存储有子区域划分位置，所述现场计算模块将子区域及相应的图像监控器、温湿度传感器及PM10监测器的输出打包为监控数据，将监控数据发送给云服务器，所述云服务器运行风险识别模型，所述云服务器将监控数据输入风险识别模型所得输出为存在风险，则发出风险报警，风险类型与风险识别模型类型相符。

9.根据权利要求8所述的一种施工现场安全风险识别系统，其特征在于，

所述云服务器存储有风险识别模型，所述风险识别模型包括火焰识别模型和烟雾识别模型，所述云服务器存储施工现场划分的子区域，每个子区域关联有若干个监控风险类型，所述风险类型包括火灾风险和高空坠物风险；

所述云服务器执行以下步骤：

周期性接收每个子区域的监控数据，所述监控数据包括监控图像，根据监控图像的视角标记监控风险类型；

将每个子区域的监控图像输入对应的风险识别模型，获得风险识别模型的输出；

若子区域中存在监控图像输入风险识别模型所得输出为存在风险，则发出风险报警，风险类型与风险识别模型类型相符。

Images