CN115393900A - 一种基于物联网的智慧工地安全监管方法及系统 - Google Patents
一种基于物联网的智慧工地安全监管方法及系统 Download PDFInfo
- Publication number
- CN115393900A CN115393900A CN202211109863.3A CN202211109863A CN115393900A CN 115393900 A CN115393900 A CN 115393900A CN 202211109863 A CN202211109863 A CN 202211109863A CN 115393900 A CN115393900 A CN 115393900A
- Authority
- CN
- China
- Prior art keywords
- area
- person
- images
- things
- internet
- 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 37
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000009826 distribution Methods 0.000 claims abstract description 16
- 238000001931 thermography Methods 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 8
- 238000005192 partition Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 2
- 230000006855 networking Effects 0.000 claims 1
- 238000012549 training Methods 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/50—Safety; Security of things, users, data or systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Remote Sensing (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于物联网的智慧工地安全监管方法及系统，包括：采集施工时各区域的图像，所述采集到的图像包括全景图像及热成像图像；根据采集到的图像确定人员的分布区域；对人员的分区区域内人员佩戴安全帽的情况进行识别；当人员的分区区域内人员没有佩戴安全帽时，则发出报警信息，该方法及系统能够提高工地安全监管的质量及效率。
Description
技术领域
本发明属于工地安全监管领域，涉及一种基于物联网的智慧工地安全监管方法及系统。
背景技术
近年来，智慧工地的建设在实现绿色建造、安全建造、提升社会综合竞争力等方面的重要作用不断体现，建设工地物联网技术的融合，可以进一步提升数据资源利用水平和信息服务能力。
工地施工过程中存在着多种安全隐患，需要对其中的一些不安全行为，比如未佩戴安全帽、人员躺倒等进行监管。而传统监管方式采用现场人员的实时监管，费时费力且存在一定的安全漏洞。同时，在对施工项目进行监管时，其数据缺乏全面且高效地分析识别，导致无法全面掌控施工作业的现场情况并做出及时有效调整。针对这些问题，需要借助物联网技术来提高安全监管工作的质量和效率。
发明内容
本发明的目的在于克服上述现有技术的缺点，提供了一种基于物联网的智慧工地安全监管方法及系统，该方法及系统能够提高工地安全监管的质量及效率。
为达到上述目的，本发明所述的基于物联网的智慧工地安全监管方法包括：
采集施工时各区域的图像，所述采集到的图像包括全景图像及热成像图像；
根据采集到的图像确定人员的分布区域；
对人员的分区区域内人员佩戴安全帽的情况进行识别；
当人员的分区区域内人员没有佩戴安全帽时，则发出报警信息。
所述根据采集到的图像确定人员的分布区域的具体过程为：
将所述全景图像的像素数据与数据库中的数据进行对比，以确定安全管控区域，再通过热成像数据对管控区全域进行图像分割，得若干分区，然后按照热成像的温度分布对各分区的不同位置进行细化分割，以确定人员的分区区域。
所述对人员的分区区域内人员佩戴安全帽的情况进行识别的具体过程为：
基于训练后的检测模型，对人员的分区区域内人员佩戴安全帽的情况进行识别。
所述检测模型为基于PP-YOLOE模型的PaddleDetection目标检测框架模型。
所述根据采集到的图像确定人员的分布区域之前还包括：
基于M-JPEG算法对采集到的施工时各区域的图像进行压缩。
本发明所述的基于物联网的智慧工地安全监管系统包括：
无人机群模块，用于采集施工时各区域的图像，所述采集到的图像包括全景图像及热成像图像；
数据处理模块，用于根据采集到的图像确定人员的分布区域；
识别模块，用于对人员的分区区域内人员佩戴安全帽的情况进行识别；
传感器模块，用于当人员的分区区域内人员没有佩戴安全帽时，则发出报警信息。
无人机群模块与数据处理模块之间通过图像传输模块相连接。
所述传感器模块上设置有识别标签。
传感器模块设置于安全帽上。
本发明具有以下有益效果：
本发明所述的基于物联网的智慧工地安全监管方法及系统在具体操作时，利用无人机群对施工现场的全景数据及热成像数据进行采集，再利用数据处理模块及识别模块对施工现场人员进行识别及管理，同时提供有效的监管和告警作用，保证施工现场设施及人员的安全，提高工地安全监管的质量及效率。
进一步，本发明利用训练后的检测模型进行数据的处理，能够自动、准确进行识别，实现对施工中安全方面的有效监控。
进一步，安全帽上的传感器模块实现对施工人员的身份识别及预警，促进施工人员的个人监管。
附图说明
图1为本发明的系统流结构图；
图2为识别模块的处理流程示意图；
图3为神经网络训练步骤的流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，不是全部的实施例，而并非要限制本发明公开的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要的混淆本发明公开的概念。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
在附图中示出了根据本发明公开实施例的结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
实施例一
参考图1至图3，本发明所述的基于物联网的智慧工地安全监管系统包括：
无人机群模块，用于进行施工时各区域的图像采集，全面的覆盖施工区域，无人机群模块采集的图像包括全景图像及热成像图像，其无人机操控方式包括自动模式及辅助手动模式，其中，自动模式根据提前设定好的路径进行活动，辅助手动模式进行路径矫正。
图像传输模块，用于对无人机所采集的热成像图像及全景图像进行数据的压缩处理，其中，压缩比为5:1，其视频压缩算法为M-JPEG算法，节约传输带宽。
数据处理模块，用于将全景图像的像素数据与数据库中的数据对比，以确定安全管控区域，再通过热成像数据对管控区全域内进行图像分割，同时对施工区内人员进行标识，其中，将安全管控区域分割成尺寸一致的若干区块，按照接近等高或等宽的方式分割为尺寸一致的区块，再按热成像的温度分布对区块内不同位置细化分割，以确定人员的分布区域；
如图2所示，识别模块，用于对施工现场进行识别，对所分割区域识别到的情况进行判断并提供处理方案。识别模块对人员的分布区域内人员佩戴安全帽颜色进行像素对比，得安全帽佩戴情况的图像信息。当识别模块识别到聚集及躺倒现象时，则通过安全帽上的传感器模块进行提醒；当识别到未佩戴安全帽时，则发出警示。
安全帽颜色进行像素对比的计算方法为：
通过安全帽颜色占比来判断所述人员的分布区域中安全帽的图像信息，进而获取到该区域中佩戴安全帽的情况，在遍历所有区域后，得所有区域中佩戴安全帽的信息。
数据处理模块和识别模块所用检测模型为基于PP-YOLOE模型的PaddleDetection目标检测框架，在准备数据集训练后，进行图像预测，进而实现精确识别。
PP-YOLOE是基于PP-YOLOv2的卓越的单阶段Anchor-free模型，超越多种流行的yolo模型，同时PP-YOLOE有一系列的模型，即s/m/l/x，可以通过width multiplier与depthmultiplier配置。PP-YOLOE避免使用deformable convolution或者matrix nms之类的特殊算子，使其能轻松地部署在多种多样的硬件上。其模型推理阶段，通过Op融合策略将所有的网络层都转换为3×3卷积，便于网络的部署和加速。
如图3所示，深度学习模块用于将所得数据采用神经网络进行训练，得到标注安全帽佩戴情况信息的训练集和测试集，进而通过训练得到检测模型，提升对安全帽佩戴的精确识别。深度学习模块内的训练集和测试集比例为8:2，所述训练集对监管模型进行训练，所述训练监管模型中主要参数为P、R和mAP，P、R和mAP分别代表准确率、召回率和平均准确率。采用训练集对检测模型进行训练，得到预训练好的检测模型中，参数包括P、R及mAP，深度学习模块主要对P、R以及mAP值进行优化，一般保证mAP尽可能高，同时P和R也具有一定限度。该优化过程直接影响到目标检测的最终性能，如识别精度、识别速度和准确率等，可通过加深网络深度和加宽特征图宽度的方式提高识别准确率。
传感器模块，用于将智能终端与安全帽进行联动，进行安全警示信息的提醒功能，同时设置识别标签，用于记载与施工人员唯一对应的识别信息，便于上传信息至终端，传感器模块所使用芯片为RFID芯片，基于RFID信息的唯一性，精准确认施工人员信息。
实施例二
本发明所述的基于物联网的智慧工地安全监管方法包括：
采集施工时各区域的图像，所述采集到的图像包括全景图像及热成像图像；
根据采集到的图像确定人员的分布区域；
对人员的分区区域内人员佩戴安全帽的情况进行识别；
当人员的分区区域内人员没有佩戴安全帽时，则发出报警信息。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种基于物联网的智慧工地安全监管方法，其特征在于，包括：
采集施工时各区域的图像，所述采集到的图像包括全景图像及热成像图像；
根据采集到的图像确定人员的分布区域；
对人员的分区区域内人员佩戴安全帽的情况进行识别；
当人员的分区区域内人员没有佩戴安全帽时，则发出报警信息。
2.根据权利要求1所述的基于物联网的智慧工地安全监管方法，其特征在于，所述根据采集到的图像确定人员的分布区域的具体过程为：
将所述全景图像的像素数据与数据库中的数据进行对比，以确定安全管控区域，再通过热成像数据对管控区全域进行图像分割，得若干分区，然后按照热成像的温度分布对各分区的不同位置进行细化分割，以确定人员的分区区域。
3.根据权利要求1所述的基于物联网的智慧工地安全监管方法，其特征在于，所述对人员的分区区域内人员佩戴安全帽的情况进行识别的具体过程为：
基于训练后的检测模型，对人员的分区区域内人员佩戴安全帽的情况进行识别。
4.根据权利要求1所述的基于物联网的智慧工地安全监管方法，其特征在于，所述检测模型为基于PP-YOLOE模型的PaddleDetection目标检测框架模型。
5.根据权利要求1所述的基于物联网的智慧工地安全监管方法，其特征在于，所述根据采集到的图像确定人员的分布区域之前还包括：
基于M-JPEG算法对采集到的施工时各区域的图像进行压缩。
6.一种基于物联网的智慧工地安全监管系统，其特征在于，包括：
无人机群模块，用于采集施工时各区域的图像，所述采集到的图像包括全景图像及热成像图像；
数据处理模块，用于根据采集到的图像确定人员的分布区域；
识别模块，用于对人员的分区区域内人员佩戴安全帽的情况进行识别；
传感器模块，用于当人员的分区区域内人员没有佩戴安全帽时，则发出报警信息。
7.根据权利要求6所述的基于物联网的智慧工地安全监管系统，其特征在于，无人机群模块与数据处理模块之间通过图像传输模块相连接。
8.根据权利要求6所述的基于物联网的智慧工地安全监管系统，其特征在于，所述传感器模块上设置有识别标签。
9.根据权利要求6所述的基于物联网的智慧工地安全监管系统，其特征在于，传感器模块设置于安全帽上。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211109863.3A CN115393900A (zh) | 2022-09-13 | 2022-09-13 | 一种基于物联网的智慧工地安全监管方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211109863.3A CN115393900A (zh) | 2022-09-13 | 2022-09-13 | 一种基于物联网的智慧工地安全监管方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115393900A true CN115393900A (zh) | 2022-11-25 |
Family
ID=84126432
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211109863.3A Pending CN115393900A (zh) | 2022-09-13 | 2022-09-13 | 一种基于物联网的智慧工地安全监管方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115393900A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117035378A (zh) * | 2023-10-10 | 2023-11-10 | 广州海晟科技有限公司 | 一种基于物联网的智慧工地管理方法及系统 |
-
2022
- 2022-09-13 CN CN202211109863.3A patent/CN115393900A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117035378A (zh) * | 2023-10-10 | 2023-11-10 | 广州海晟科技有限公司 | 一种基于物联网的智慧工地管理方法及系统 |
| CN117035378B (zh) * | 2023-10-10 | 2024-02-02 | 广州海晟科技有限公司 | 一种基于物联网的智慧工地管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108037770B (zh) | 基于人工智能的无人机输电线路巡检系统和方法 | |
| CN108109385B (zh) | 一种输电线防外破的车辆识别与危险行为判别系统与方法 | |
| CN101430195B (zh) | 一种利用视频图像处理技术计算输电线路覆冰厚度的方法 | |
| CN111047818A (zh) | 一种基于视频图像的森林火灾预警系统 | |
| CN109935080B (zh) | 一种交通线路上的车流量实时计算的监测系统及方法 | |
| CN106203265A (zh) | 一种基于无人机采集图像的施工扬尘污染源自动监测及影响范围预测系统及方法 | |
| CN113903081A (zh) | 一种水电厂图像视觉识别人工智能报警方法及装置 | |
| CN110414400B (zh) | 一种施工现场安全帽穿戴自动检测方法及系统 | |
| CN113705372B (zh) | 一种应用于配网作业现场违章的ai识别系统 | |
| CN112149513A (zh) | 基于深度学习的工业制造现场安全帽佩戴识别系统和方法 | |
| CN112287827A (zh) | 基于智慧灯杆的复杂环境行人口罩佩戴检测方法及系统 | |
| CN109348179B (zh) | 一种基于人工智能的道路监控检测系统及方法 | |
| CN112434827B (zh) | 一种5t运维中安全防护识别单元 | |
| CN114926778A (zh) | 一种生产环境下的安全帽与人员身份识别系统 | |
| CN111163294A (zh) | 一种人工智能目标识别的建筑安全通道监测系统和方法 | |
| CN113313006A (zh) | 基于无人机的城市违建监管方法、系统和存储介质 | |
| CN117575170B (zh) | 一种智能管理系统 | |
| CN109829450A (zh) | 一种工地泥头车智能监管系统及监管方法 | |
| CN115393900A (zh) | 一种基于物联网的智慧工地安全监管方法及系统 | |
| CN114913447B (zh) | 基于场景识别的警务智慧指挥室系统及方法 | |
| CN114038008A (zh) | 一种基于YOLO v5和边缘计算的野生动物巡检系统 | |
| CN113963373A (zh) | 一种基于视频图像动态检测与跟踪算法系统及方法 | |
| CN113222548A (zh) | 一种社区物业鹰眼监控系统及使用方法 | |
| CN114663818B (zh) | 基于视觉自监督学习机场运行核心区监测预警系统及方法 | |
| CN115937788A (zh) | 一种基于yolov5工业区安全帽佩戴检测方法 |
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 |