CN117115924B - 基于ai的爬架监控方法和系统 - Google Patents
基于ai的爬架监控方法和系统 Download PDFInfo
- Publication number
- CN117115924B CN117115924B CN202311369093.0A CN202311369093A CN117115924B CN 117115924 B CN117115924 B CN 117115924B CN 202311369093 A CN202311369093 A CN 202311369093A CN 117115924 B CN117115924 B CN 117115924B
- Authority
- CN
- China
- Prior art keywords
- climbing frame
- climbing
- image
- target object
- 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.)
- Active
Links
- 230000009194 climbing Effects 0.000 title claims abstract description 367
- 238000000034 method Methods 0.000 title claims abstract description 115
- 238000012544 monitoring process Methods 0.000 title claims abstract description 41
- 230000008569 process Effects 0.000 claims abstract description 95
- 230000002493 climbing effect Effects 0.000 claims abstract description 86
- 238000012545 processing Methods 0.000 claims description 69
- 238000006073 displacement reaction Methods 0.000 claims description 23
- 230000009471 action Effects 0.000 claims description 18
- 238000012937 correction Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 abstract description 10
- 238000001514 detection method Methods 0.000 abstract description 9
- 230000000007 visual effect Effects 0.000 abstract description 9
- 230000009286 beneficial effect Effects 0.000 description 10
- 229910000831 Steel Inorganic materials 0.000 description 6
- 239000010959 steel Substances 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based 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
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本发明提供基于AI的爬架监控方法和系统,其对爬架进行扫描拍摄和分析,确定爬架上进行攀爬动作的目标对象的位置信息,以此进一步对目标对象进行追踪拍摄,得到目标对象进行攀爬动作过程中对应经过的爬架区域的影像,从而对目标对象攀爬过程关联的爬架区域进行视觉标定,再将影像加密并上传至AI服务平台;还采集攀爬动作过程中对应经过的爬架区域的位姿数据,并加密上传至AI服务平台,实现对同一爬架区域的影像和位姿数据协同分析;对影像和位姿数据分析后,得到攀爬动作过程中对应爬架区域的动作数据,实现对爬架区域的动作动态识别,以此判断爬架是否发生坍塌事件,通过对爬架同时进行视觉识别和位姿检测,提高爬架的监测可靠性和及时性。
Description
技术领域
本发明涉及建筑工程监测的领域,尤其涉及基于AI的爬架监控方法和系统。
背景技术
在建筑工程,特别是高程建筑工程施工过程中,为了便于建筑工人能够快速到达不同高度的建筑楼层区域,需要搭建爬架。爬架通常都不同钢构件连接组成,这些钢构件通过螺纹方式进行连接。在长期使用过程中,爬架中钢构件之间的螺纹连接可能发生松脱或者螺纹打滑,使得钢构件发生相对于移位而形成倾斜状态,当上述钢构件被建筑工人不断踩踏时,会导致钢构件局部倒塌,甚至会影响整个爬架的结构稳定性,在严重情况下,可能会使得爬架整体发生坍塌,从而造成工业安全事故。现有技术通过在爬架安装位姿传感器或者对爬架进行持续拍摄,以此识别爬架是否存在倾倒或者坍塌等安全隐患,但是上述方式仅仅从位姿检测或者视觉识别等单一方面对爬架进行监测,无法有效提高爬架的监测可靠性和及时性。
发明内容
本发明的目的在于提供基于AI的爬架监控方法和系统,其对爬架进行扫描拍摄和分析,确定爬架上进行攀爬动作的目标对象的位置信息,以此进一步对目标对象进行追踪拍摄,得到目标对象进行攀爬动作过程中对应经过的爬架区域的影像,从而对目标对象攀爬过程关联的爬架区域进行视觉标定,再将影像加密并上传至AI服务平台;还采集攀爬动作过程中对应经过的爬架区域的位姿数据,并加密上传至AI服务平台,实现对同一爬架区域的影像和位姿数据协同分析;对影像和位姿数据分析后,得到攀爬动作过程中对应爬架区域的动作数据,实现对爬架区域的动作动态识别,以此判断爬架是否发生坍塌事件,通过对爬架同时进行视觉识别和位姿检测,实现对爬架进行多方位监测,提高爬架的监测可靠性和及时性。
本发明是通过以下技术方案实现:
基于AI的爬架监控方法,包括:
对爬架进行扫描拍摄,得到所述爬架的第一影像;对所述第一影像进行分析,确定所述爬架上进行攀爬动作的目标对象的位置信息;基于所述位置信息,对所述目标对象进行追踪拍摄,得到所述目标对象进行所述攀爬动作过程中对应经过的爬架区域的第二影像;
对所述第二影像进行加密处理后,生成加密影像并上传至AI服务平台;采集所述目标对象进行所述攀爬动作过程中对应经过的爬架区域的位姿数据,并将所述位姿数据进行加密后上传至所述AI服务平台;
对所述加密影像和所述加密后的位姿数据分别进行解密处理,再对解密得到的影像数据和位姿数据进行分析,得到在所述攀爬动作过程中对应经过的爬架区域的动作数据;基于所述动作数据,判断所述爬架是否会发生坍塌事件。
可选地,对爬架进行扫描拍摄,得到所述爬架的第一影像;对所述第一影像进行分析,确定所述爬架上进行攀爬动作的目标对象的位置信息;基于所述位置信息,对所述目标对象进行追踪拍摄,得到所述目标对象进行所述攀爬动作过程中对应经过的爬架区域的第二影像,包括:
对爬架的四周侧面进行扫描拍摄,得到所述爬架的每个侧面对应的第一影像;
对所述第一影像进行像素灰度化转换处理和像素轮廓识别处理,得到所述爬架上进行攀爬动作的目标对象的身体轮廓信息;基于所述身体轮廓信息,确定所述目标对象在所述爬架上的位置信息;
基于所述位置信息,对所述目标对象进行拍摄方向实时变化的追踪拍摄,得到所述目标对象进行攀爬动作过程中对应经过的爬架区域的第二影像。
可选地,对所述第二影像进行加密处理后,生成加密影像并上传至AI服务平台,包括:
将所述第二影像分割成A*A个像素块,再以B*B个像素块组成一个像素组,其中A为B的整数倍,并对每个像素组进行加密处理,从而完成对所述第二影像整体的加密处理,其过程为:
对于其中一个像素组,其中/>表示像素组对应的像素值,对所述像素组/>进行加密处理的加密密钥为/>,
利用下面公式(1),确定所述像素组的位置,
(1)
利用下面公式(2),确定所述像素组对应的像素值之和,
(2)
利用下面公式(3),将所述像素组的位置加密得到/>,
(3)
利用下面公式(4),得到加密处理后所述像素组的像素值,
(4)
若所述像素值在预设密文域内,则完成对所述像素组的加密;否则,对所述加密密钥/>加1后,再重复实施上述公式(2)-(4),直到加密处理后的像素值在预设密文域内为止。
可选地,采集所述目标对象进行所述攀爬动作过程中对应经过的爬架区域的位姿数据,并将所述位姿数据进行加密后上传至所述AI服务平台,包括:
对所述第二影像进行分析,得到所述目标对象进行攀爬动作过程中在所述爬架上经过的区域位置;
基于所述区域位置,从所述爬架整体的全局位姿数据中提取所述目标对象进行所述攀爬动作过程中对应经过的爬架区域的位姿数据。
可选地,对所述加密影像和所述加密后的位姿数据分别进行解密处理,再对解密得到的影像数据和位姿数据进行分析,得到在所述攀爬动作过程中对应经过的爬架区域的动作数据;基于所述动作数据,判断所述爬架是否会发生坍塌事件,包括:
对所述加密影像和所述加密后的位姿数据分别进行解密处理;对解密得到的影像数据进行分析处理,得到所述爬架区域包含的爬架构件的摆动动作数据;其中,所述摆动动作数据包括所述爬架构件的摆动幅度和摆动方向;
基于所述解密处理得到的位姿数据,对所述摆动动作数据进行摆动方向修正处理;
基于所述修正处理得到的摆动动作数据,得到所述爬架区域包含的爬架构件相对于所述爬架区域以外的爬架构件的相对于移位数据;其中,所述移位数据包括移位距离和移位偏离角;
若所述移位距离大于预设距离阈值和/或所述移位偏离角大于预设角度阈值,则判断所述爬架会发生坍塌事件。
基于AI的爬架监控系统,包括:
爬架拍摄与分析模块,对爬架进行扫描拍摄,得到所述爬架的第一影像;对所述第一影像进行分析,确定所述爬架上进行攀爬动作的目标对象的位置信息;基于所述位置信息,对所述目标对象进行追踪拍摄,得到所述目标对象进行所述攀爬动作过程中对应经过的爬架区域的第二影像;
影像加密与上传模块,对所述第二影像进行加密处理后,生成加密影像并上传至AI服务平台;
位姿数据采集与处理模块,采集所述目标对象进行所述攀爬动作过程中对应经过的爬架区域的位姿数据,并将所述位姿数据进行加密后上传至所述AI服务平台;
动作数据生成与处理模块,对所述加密影像和所述加密后的位姿数据分别进行解密处理,再对解密得到的影像数据和位姿数据进行分析,得到在所述攀爬动作过程中对应经过的爬架区域的动作数据;基于所述动作数据,判断所述爬架是否会发生坍塌事件。
可选地,所述爬架拍摄与分析模块对爬架进行扫描拍摄,得到所述爬架的第一影像;对所述第一影像进行分析,确定所述爬架上进行攀爬动作的目标对象的位置信息;基于所述位置信息,对所述目标对象进行追踪拍摄,得到所述目标对象进行所述攀爬动作过程中对应经过的爬架区域的第二影像,包括:
对爬架的四周侧面进行扫描拍摄,得到所述爬架的每个侧面对应的第一影像;
对所述第一影像进行像素灰度化转换处理和像素轮廓识别处理,得到所述爬架上进行攀爬动作的目标对象的身体轮廓信息;基于所述身体轮廓信息,确定所述目标对象在所述爬架上的位置信息;
基于所述位置信息,对所述目标对象进行拍摄方向实时变化的追踪拍摄,得到所述目标对象进行攀爬动作过程中对应经过的爬架区域的第二影像。
可选地,所述位姿数据采集与处理模块采集所述目标对象进行所述攀爬动作过程中对应经过的爬架区域的位姿数据,并将所述位姿数据进行加密后上传至所述AI服务平台,包括:
对所述第二影像进行分析,得到所述目标对象进行攀爬动作过程中在所述爬架上经过的区域位置;
基于所述区域位置,从所述爬架整体的全局位姿数据中提取所述目标对象进行所述攀爬动作过程中对应经过的爬架区域的位姿数据。
可选地,所述动作数据生成与处理模块对所述加密影像和所述加密后的位姿数据分别进行解密处理,再对解密得到的影像数据和位姿数据进行分析,得到在所述攀爬动作过程中对应经过的爬架区域的动作数据;基于所述动作数据,判断所述爬架是否会发生坍塌事件,包括:
对所述加密影像和所述加密后的位姿数据分别进行解密处理;对解密得到的影像数据进行分析处理,得到所述爬架区域包含的爬架构件的摆动动作数据;其中,所述摆动动作数据包括所述爬架构件的摆动幅度和摆动方向;
基于所述解密处理得到的位姿数据,对所述摆动动作数据进行摆动方向修正处理;
基于所述修正处理得到的摆动动作数据,得到所述爬架区域包含的爬架构件相对于所述爬架区域以外的爬架构件的相对于移位数据;其中,所述移位数据包括移位距离和移位偏离角;
若所述移位距离大于预设距离阈值和/或所述移位偏离角大于预设角度阈值,则判断所述爬架会发生坍塌事件。
与现有技术相比,本发明具有如下有益效果:
本申请提供的基于AI的爬架监控方法和系统对爬架进行扫描拍摄和分析,确定爬架上进行攀爬动作的目标对象的位置信息,以此进一步对目标对象进行追踪拍摄,得到目标对象进行攀爬动作过程中对应经过的爬架区域的影像,从而对目标对象攀爬过程关联的爬架区域进行视觉标定,再将影像加密并上传至AI服务平台;还采集攀爬动作过程中对应经过的爬架区域的位姿数据,并加密上传至AI服务平台,实现对同一爬架区域的影像和位姿数据协同分析;对影像和位姿数据分析后,得到攀爬动作过程中对应爬架区域的动作数据,实现对爬架区域的动作动态识别,以此判断爬架是否发生坍塌事件,通过对爬架同时进行视觉识别和位姿检测,实现对爬架进行多方位监测,提高爬架的监测可靠性和及时性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。其中:
图1为本发明提供的基于AI的爬架监控方法的流程示意图。
图2为本发明提供的基于AI的爬架监控系统的结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更为明显易懂,下面结合附图,对本申请的具体实施方式做详细的说明。可以理解的是,此处所描述的具体实施例仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。基于本申请中的实施例,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它实施例,都属于本申请保护的范围。
本申请中的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
请参阅图1所示,本申请一实施例提供的基于AI的爬架监控方法包括:
对爬架进行扫描拍摄,得到爬架的第一影像;对第一影像进行分析,确定爬架上进行攀爬动作的目标对象的位置信息;基于位置信息,对目标对象进行追踪拍摄,得到目标对象进行攀爬动作过程中对应经过的爬架区域的第二影像;
对第二影像进行加密处理后,生成加密影像并上传至AI服务平台;采集目标对象进行攀爬动作过程中对应经过的爬架区域的位姿数据,并将位姿数据进行加密后上传至AI服务平台;
对加密影像和加密后的位姿数据分别进行解密处理,再对解密得到的影像数据和位姿数据进行分析,得到在攀爬动作过程中对应经过的爬架区域的动作数据;基于动作数据,判断爬架是否会发生坍塌事件。
上述实施例的有益效果,该基于AI的爬架监控方法对爬架进行扫描拍摄和分析,确定爬架上进行攀爬动作的目标对象的位置信息,以此进一步对目标对象进行追踪拍摄,得到目标对象进行攀爬动作过程中对应经过的爬架区域的影像,从而对目标对象攀爬过程关联的爬架区域进行视觉标定,再将影像加密并上传至AI服务平台;还采集攀爬动作过程中对应经过的爬架区域的位姿数据,并加密上传至AI服务平台,实现对同一爬架区域的影像和位姿数据协同分析;对影像和位姿数据分析后,得到攀爬动作过程中对应爬架区域的动作数据,实现对爬架区域的动作动态识别,以此判断爬架是否发生坍塌事件,通过对爬架同时进行视觉识别和位姿检测,实现对爬架进行多方位监测,提高爬架的监测可靠性和及时性。
在另一实施例中,对爬架进行扫描拍摄,得到爬架的第一影像;对第一影像进行分析,确定爬架上进行攀爬动作的目标对象的位置信息;基于位置信息,对目标对象进行追踪拍摄,得到目标对象进行攀爬动作过程中对应经过的爬架区域的第二影像,包括:
对爬架的四周侧面进行扫描拍摄,得到爬架的每个侧面对应的第一影像;
对第一影像进行像素灰度化转换处理和像素轮廓识别处理,得到爬架上进行攀爬动作的目标对象的身体轮廓信息;基于身体轮廓信息,确定目标对象在爬架上的位置信息;
基于位置信息,对目标对象进行拍摄方向实时变化的追踪拍摄,得到目标对象进行攀爬动作过程中对应经过的爬架区域的第二影像。
上述实施例的有益效果,爬架通常是沿着建筑物的四个周面分布设置,建筑工人等目标对象可能会在爬架的不同侧面进行攀爬,为了对目标对象在爬架上的攀爬经过区域进行准确标定,先对爬架四周侧面进行扫描拍摄,得到爬架每个侧面对应的影像;再对影像进行像素灰度化转换处理和像素轮廓识别处理,得到影像的像素轮廓特征信息,由于目标对象的身体轮廓与爬架的结构轮廓并不相同,可以对像素轮廓特征信息进行轮廓筛选识别,提取得到其中目标对象的身体轮廓信息,并且以目标对象的身体轮廓信息为基准,确定目标对象在爬架上的位置,便于后续随着目标对象在爬架上实时攀爬移动时,准确对目标对象进行追踪拍摄。在追踪拍摄过程中,实时调整摄像设备的拍摄方向,得到目标对象进行攀爬动作过程中对应经过的爬架区域的影像,实现对目标对象实施攀爬动作全过程的拍摄。
在另一实施例中,对第二影像进行加密处理后,生成加密影像并上传至AI服务平台,包括:
将第二影像分割成A*A个像素块,再以B*B个像素块组成一个像素组,其中A为B的整数倍,并对每个像素组进行加密处理,从而完成对第二影像整体的加密处理,其过程为:
对于其中一个像素组,其中/>表示像素组对应的像素值,对像素组/>进行加密处理的加密密钥为/>,
利用下面公式(1),确定像素组的位置,
(1)
利用下面公式(2),确定像素组对应的像素值之和,
(2)
利用下面公式(3),将像素组的位置加密得到/>,
(3)
利用下面公式(4),得到加密处理后像素组的像素值,
(4)
若像素值在预设密文域内,则完成对像素组的加密;否则,对加密密钥/>加1后,再重复实施上述公式(2)-(4),直到加密处理后的像素值在预设密文域内为止。
上述实施例的有益效果,通过上述对第二影像进行像素块的分割和对每个像素块进行单独加密,这样能够对第二影像进行全局化的加密,提高第二影像的数据安全性,避免第二影像发送到AI服务平台过程中发生数据泄露等安全问题。
在另一实施例中,采集目标对象进行攀爬动作过程中对应经过的爬架区域的位姿数据,并将位姿数据进行加密后上传至AI服务平台,包括:
对第二影像进行分析,得到目标对象进行攀爬动作过程中在爬架上经过的区域位置;
基于区域位置,从爬架整体的全局位姿数据中提取目标对象进行攀爬动作过程中对应经过的爬架区域的位姿数据。
上述实施例的有益效果,对第二影像进行目标对象识别,得到目标对象在爬架进行攀爬动作过程中进行的爬架区域位置。在实际监测过程中,爬架上设置有分布式位姿传感器(比如分布式三轴加速度传感器),对爬架内部各个区域进行位姿数据检测,得到爬架整体的全局位姿数据。再以该爬架区域位置为基准,从全局位姿数据提取目标对象经过的爬架区域的位姿数据,便于后续对目标对象经过的爬架区域进行视觉和位姿层面的共同分析。
在另一实施例中,对加密影像和加密后的位姿数据分别进行解密处理,再对解密得到的影像数据和位姿数据进行分析,得到在攀爬动作过程中对应经过的爬架区域的动作数据;基于动作数据,判断爬架是否会发生坍塌事件,包括:
对加密影像和加密后的位姿数据分别进行解密处理;对解密得到的影像数据进行分析处理,得到爬架区域包含的爬架构件的摆动动作数据;其中,摆动动作数据包括爬架构件的摆动幅度和摆动方向;
基于解密处理得到的位姿数据,对摆动动作数据进行摆动方向修正处理;
基于修正处理得到的摆动动作数据,得到爬架区域包含的爬架构件相对于爬架区域以外的爬架构件的相对于移位数据;其中,移位数据包括移位距离和移位偏离角;
若移位距离大于预设距离阈值和/或移位偏离角大于预设角度阈值,则判断爬架会发生坍塌事件。
上述实施例的有益效果,爬架通常是沿着建筑物的四个周面分布设置,建筑工人等目标对象可能会在爬架的不同侧面进行攀爬,为了对目标对象在爬架上的攀爬经过区域进行准确标定,先对爬架四周侧面进行扫描拍摄,得到爬架每个侧面对应的影像;再对影像进行像素灰度化转换处理和像素轮廓识别处理,得到影像的像素轮廓特征信息,由于目标对象的身体轮廓与爬架的结构轮廓并不相同,可以对像素轮廓特征信息进行轮廓筛选识别,提取得到其中目标对象的身体轮廓信息,并且以目标对象的身体轮廓信息为基准,确定目标对象在爬架上的位置,便于后续随着目标对象在爬架上实时攀爬移动时,准确对目标对象进行追踪拍摄。在追踪拍摄过程中,实时调整摄像设备的拍摄方向,得到目标对象进行攀爬动作过程中对应经过的爬架区域的影像,实现对目标对象实施攀爬动作全过程的拍摄。
请参阅图2所示,本申请一实施例提供的基于AI的爬架监控系统包括:
爬架拍摄与分析模块,对爬架进行扫描拍摄,得到爬架的第一影像;对第一影像进行分析,确定爬架上进行攀爬动作的目标对象的位置信息;基于位置信息,对目标对象进行追踪拍摄,得到目标对象进行攀爬动作过程中对应经过的爬架区域的第二影像;
影像加密与上传模块,对第二影像进行加密处理后,生成加密影像并上传至AI服务平台;
位姿数据采集与处理模块,采集目标对象进行攀爬动作过程中对应经过的爬架区域的位姿数据,并将位姿数据进行加密后上传至AI服务平台;
动作数据生成与处理模块,对加密影像和加密后的位姿数据分别进行解密处理,再对解密得到的影像数据和位姿数据进行分析,得到在攀爬动作过程中对应经过的爬架区域的动作数据;基于动作数据,判断爬架是否会发生坍塌事件。
上述实施例的有益效果,该基于AI的爬架监控系统对爬架进行扫描拍摄和分析,确定爬架上进行攀爬动作的目标对象的位置信息,以此进一步对目标对象进行追踪拍摄,得到目标对象进行攀爬动作过程中对应经过的爬架区域的影像,从而对目标对象攀爬过程关联的爬架区域进行视觉标定,再将影像加密并上传至AI服务平台;还采集攀爬动作过程中对应经过的爬架区域的位姿数据,并加密上传至AI服务平台,实现对同一爬架区域的影像和位姿数据协同分析;对影像和位姿数据分析后,得到攀爬动作过程中对应爬架区域的动作数据,实现对爬架区域的动作动态识别,以此判断爬架是否发生坍塌事件,通过对爬架同时进行视觉识别和位姿检测,实现对爬架进行多方位监测,提高爬架的监测可靠性和及时性。
在另一实施例中,爬架拍摄与分析模块对爬架进行扫描拍摄,得到爬架的第一影像;对第一影像进行分析,确定爬架上进行攀爬动作的目标对象的位置信息;基于位置信息,对目标对象进行追踪拍摄,得到目标对象进行攀爬动作过程中对应经过的爬架区域的第二影像,包括:
对爬架的四周侧面进行扫描拍摄,得到爬架的每个侧面对应的第一影像;
对第一影像进行像素灰度化转换处理和像素轮廓识别处理,得到爬架上进行攀爬动作的目标对象的身体轮廓信息;基于身体轮廓信息,确定目标对象在爬架上的位置信息;
基于位置信息,对目标对象进行拍摄方向实时变化的追踪拍摄,得到目标对象进行攀爬动作过程中对应经过的爬架区域的第二影像。
上述实施例的有益效果,爬架通常是沿着建筑物的四个周面分布设置,建筑工人等目标对象可能会在爬架的不同侧面进行攀爬,为了对目标对象在爬架上的攀爬经过区域进行准确标定,先对爬架四周侧面进行扫描拍摄,得到爬架每个侧面对应的影像;再对影像进行像素灰度化转换处理和像素轮廓识别处理,得到影像的像素轮廓特征信息,由于目标对象的身体轮廓与爬架的结构轮廓并不相同,可以对像素轮廓特征信息进行轮廓筛选识别,提取得到其中目标对象的身体轮廓信息,并且以目标对象的身体轮廓信息为基准,确定目标对象在爬架上的位置,便于后续随着目标对象在爬架上实时攀爬移动时,准确对目标对象进行追踪拍摄。在追踪拍摄过程中,实时调整摄像设备的拍摄方向,得到目标对象进行攀爬动作过程中对应经过的爬架区域的影像,实现对目标对象实施攀爬动作全过程的拍摄。
在另一实施例中,位姿数据采集与处理模块采集目标对象进行攀爬动作过程中对应经过的爬架区域的位姿数据,并将位姿数据进行加密后上传至AI服务平台,包括:
对第二影像进行分析,得到目标对象进行攀爬动作过程中在爬架上经过的区域位置;
基于区域位置,从爬架整体的全局位姿数据中提取目标对象进行攀爬动作过程中对应经过的爬架区域的位姿数据。
上述实施例的有益效果,对第二影像进行目标对象识别,得到目标对象在爬架进行攀爬动作过程中进行的爬架区域位置。在实际监测过程中,爬架上设置有分布式位姿传感器(比如分布式三轴加速度传感器),对爬架内部各个区域进行位姿数据检测,得到爬架整体的全局位姿数据。再以该爬架区域位置为基准,从全局位姿数据提取目标对象经过的爬架区域的位姿数据,便于后续对目标对象经过的爬架区域进行视觉和位姿层面的共同分析。
在另一实施例中,动作数据生成与处理模块对加密影像和加密后的位姿数据分别进行解密处理,再对解密得到的影像数据和位姿数据进行分析,得到在攀爬动作过程中对应经过的爬架区域的动作数据;基于动作数据,判断爬架是否会发生坍塌事件,包括:
对加密影像和加密后的位姿数据分别进行解密处理;对解密得到的影像数据进行分析处理,得到爬架区域包含的爬架构件的摆动动作数据;其中,摆动动作数据包括爬架构件的摆动幅度和摆动方向;
基于解密处理得到的位姿数据,对摆动动作数据进行摆动方向修正处理;
基于修正处理得到的摆动动作数据,得到爬架区域包含的爬架构件相对于爬架区域以外的爬架构件的相对于移位数据;其中,移位数据包括移位距离和移位偏离角;
若移位距离大于预设距离阈值和/或移位偏离角大于预设角度阈值,则判断爬架会发生坍塌事件。
上述实施例的有益效果,对解密得到的影像数据进行分析,确定爬架区域包含的爬架构件在摆动过程中的摆动轮廓,再以摆动轮廓为基准,得到爬架构件在摆动过程中的摆动动作数据,从而对爬架构件的摆动动态状态进行量化确定。此外,还利用解密处理得到的位姿数据,对爬架构件的摆动动作数据进行摆动方向的修正,从而确保摆动动作数据能够准确反映爬架构件的实际摆动方向。最后,对修正处理后的摆动动作数据进行分析,得到爬架区域包含的爬架构件相对于爬架区域以外的爬架构件的相对于移位数据,并对移位数据包括的移位距离和移位偏离角进行阈值对比分析,从而准确判断爬架是否会发生坍塌事件。
总体而言,该基于AI的爬架监控方法和系统对爬架进行扫描拍摄和分析,确定爬架上进行攀爬动作的目标对象的位置信息,以此进一步对目标对象进行追踪拍摄,得到目标对象进行攀爬动作过程中对应经过的爬架区域的影像,从而对目标对象攀爬过程关联的爬架区域进行视觉标定,再将影像加密并上传至AI服务平台;还采集攀爬动作过程中对应经过的爬架区域的位姿数据,并加密上传至AI服务平台,实现对同一爬架区域的影像和位姿数据协同分析;对影像和位姿数据分析后,得到攀爬动作过程中对应爬架区域的动作数据,实现对爬架区域的动作动态识别,以此判断爬架是否发生坍塌事件,通过对爬架同时进行视觉识别和位姿检测,实现对爬架进行多方位监测,提高爬架的监测可靠性和及时性。
上述仅为本发明的一个具体实施方式,其它基于本发明构思的前提下做出的任何改进都视为本发明的保护范围。
Claims (7)
1.基于AI的爬架监控方法,其特征在于,包括:
对爬架进行扫描拍摄,得到所述爬架的第一影像;对所述第一影像进行分析,确定所述爬架上进行攀爬动作的目标对象的位置信息;基于所述位置信息,对所述目标对象进行追踪拍摄,得到所述目标对象进行所述攀爬动作过程中对应经过的爬架区域的第二影像;
对所述第二影像进行加密处理后,生成加密影像并上传至AI服务平台;采集所述目标对象进行所述攀爬动作过程中对应经过的爬架区域的位姿数据,并将所述位姿数据进行加密后上传至所述AI服务平台;
对所述加密影像和所述加密后的位姿数据分别进行解密处理,再对解密得到的影像数据和位姿数据进行分析,得到在所述攀爬动作过程中对应经过的爬架区域的动作数据;基于所述动作数据,判断所述爬架是否会发生坍塌事件;
对所述加密影像和所述加密后的位姿数据分别进行解密处理,再对解密得到的影像数据和位姿数据进行分析,得到在所述攀爬动作过程中对应经过的爬架区域的动作数据;基于所述动作数据,判断所述爬架是否会发生坍塌事件,包括:
对所述加密影像和所述加密后的位姿数据分别进行解密处理;对解密得到的影像数据进行分析处理,得到所述爬架区域包含的爬架构件的摆动动作数据;其中,所述摆动动作数据包括所述爬架构件的摆动幅度和摆动方向;
基于所述解密处理得到的位姿数据,对所述摆动动作数据进行摆动方向修正处理;
基于所述修正处理得到的摆动动作数据,得到所述爬架区域包含的爬架构件相对于所述爬架区域以外的爬架构件的相对于移位数据;其中,所述移位数据包括移位距离和移位偏离角;
若所述移位距离大于预设距离阈值和/或所述移位偏离角大于预设角度阈值,则判断所述爬架会发生坍塌事件。
2.如权利要求1所述的基于AI的爬架监控方法,其特征在于:
对爬架进行扫描拍摄,得到所述爬架的第一影像;对所述第一影像进行分析,确定所述爬架上进行攀爬动作的目标对象的位置信息;基于所述位置信息,对所述目标对象进行追踪拍摄,得到所述目标对象进行所述攀爬动作过程中对应经过的爬架区域的第二影像,包括:
对爬架的四周侧面进行扫描拍摄,得到所述爬架的每个侧面对应的第一影像;
对所述第一影像进行像素灰度化转换处理和像素轮廓识别处理,得到所述爬架上进行攀爬动作的目标对象的身体轮廓信息;基于所述身体轮廓信息,确定所述目标对象在所述爬架上的位置信息;
基于所述位置信息,对所述目标对象进行拍摄方向实时变化的追踪拍摄,得到所述目标对象进行攀爬动作过程中对应经过的爬架区域的第二影像。
3.如权利要求1所述的基于AI的爬架监控方法,其特征在于:
对所述第二影像进行加密处理后,生成加密影像并上传至AI服务平台,包括:
将所述第二影像分割成A*A个像素块,再以B*B个像素块组成一个像素组,其中A为B的整数倍,并对每个像素组进行加密处理,从而完成对所述第二影像整体的加密处理,其过程为:
对于其中一个像素组,其中/>表示像素组对应的像素值,对所述像素组/>进行加密处理的加密密钥为/>,
利用下面公式(1),确定所述像素组的位置,
(1)
利用下面公式(2),确定所述像素组对应的像素值之和,
(2)
利用下面公式(3),将所述像素组的位置加密得到/>,
(3)
利用下面公式(4),得到加密处理后所述像素组的像素值,
(4)
若所述像素值在预设密文域内,则完成对所述像素组的加密;否则,对所述加密密钥/>加1后,再重复实施上述公式(2)-(4),直到加密处理后的像素值在预设密文域内为止。
4.如权利要求1所述的基于AI的爬架监控方法,其特征在于:
采集所述目标对象进行所述攀爬动作过程中对应经过的爬架区域的位姿数据,并将所述位姿数据进行加密后上传至所述AI服务平台,包括:
对所述第二影像进行分析,得到所述目标对象进行攀爬动作过程中在所述爬架上经过的区域位置;
基于所述区域位置,从所述爬架整体的全局位姿数据中提取所述目标对象进行所述攀爬动作过程中对应经过的爬架区域的位姿数据。
5.基于AI的爬架监控系统,其特征在于,包括:
爬架拍摄与分析模块,对爬架进行扫描拍摄,得到所述爬架的第一影像;对所述第一影像进行分析,确定所述爬架上进行攀爬动作的目标对象的位置信息;基于所述位置信息,对所述目标对象进行追踪拍摄,得到所述目标对象进行所述攀爬动作过程中对应经过的爬架区域的第二影像;
影像加密与上传模块,对所述第二影像进行加密处理后,生成加密影像并上传至AI服务平台;
位姿数据采集与处理模块,采集所述目标对象进行所述攀爬动作过程中对应经过的爬架区域的位姿数据,并将所述位姿数据进行加密后上传至所述AI服务平台;
动作数据生成与处理模块,对所述加密影像和所述加密后的位姿数据分别进行解密处理,再对解密得到的影像数据和位姿数据进行分析,得到在所述攀爬动作过程中对应经过的爬架区域的动作数据;基于所述动作数据,判断所述爬架是否会发生坍塌事件;
所述动作数据生成与处理模块对所述加密影像和所述加密后的位姿数据分别进行解密处理,再对解密得到的影像数据和位姿数据进行分析,得到在所述攀爬动作过程中对应经过的爬架区域的动作数据;基于所述动作数据,判断所述爬架是否会发生坍塌事件,包括:
对所述加密影像和所述加密后的位姿数据分别进行解密处理;对解密得到的影像数据进行分析处理,得到所述爬架区域包含的爬架构件的摆动动作数据;其中,所述摆动动作数据包括所述爬架构件的摆动幅度和摆动方向;
基于所述解密处理得到的位姿数据,对所述摆动动作数据进行摆动方向修正处理;
基于所述修正处理得到的摆动动作数据,得到所述爬架区域包含的爬架构件相对于所述爬架区域以外的爬架构件的相对于移位数据;其中,所述移位数据包括移位距离和移位偏离角;
若所述移位距离大于预设距离阈值和/或所述移位偏离角大于预设角度阈值,则判断所述爬架会发生坍塌事件。
6.如权利要求5所述的基于AI的爬架监控系统,其特征在于:
所述爬架拍摄与分析模块对爬架进行扫描拍摄,得到所述爬架的第一影像;对所述第一影像进行分析,确定所述爬架上进行攀爬动作的目标对象的位置信息;基于所述位置信息,对所述目标对象进行追踪拍摄,得到所述目标对象进行所述攀爬动作过程中对应经过的爬架区域的第二影像,包括:
对爬架的四周侧面进行扫描拍摄,得到所述爬架的每个侧面对应的第一影像;
对所述第一影像进行像素灰度化转换处理和像素轮廓识别处理,得到所述爬架上进行攀爬动作的目标对象的身体轮廓信息;基于所述身体轮廓信息,确定所述目标对象在所述爬架上的位置信息;
基于所述位置信息,对所述目标对象进行拍摄方向实时变化的追踪拍摄,得到所述目标对象进行攀爬动作过程中对应经过的爬架区域的第二影像。
7.如权利要求5所述的基于AI的爬架监控系统,其特征在于:
所述位姿数据采集与处理模块采集所述目标对象进行所述攀爬动作过程中对应经过的爬架区域的位姿数据,并将所述位姿数据进行加密后上传至所述AI服务平台,包括:
对所述第二影像进行分析,得到所述目标对象进行攀爬动作过程中在所述爬架上经过的区域位置;
基于所述区域位置,从所述爬架整体的全局位姿数据中提取所述目标对象进行所述攀爬动作过程中对应经过的爬架区域的位姿数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311369093.0A CN117115924B (zh) | 2023-10-23 | 2023-10-23 | 基于ai的爬架监控方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311369093.0A CN117115924B (zh) | 2023-10-23 | 2023-10-23 | 基于ai的爬架监控方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117115924A CN117115924A (zh) | 2023-11-24 |
CN117115924B true CN117115924B (zh) | 2024-01-23 |
Family
ID=88809405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311369093.0A Active CN117115924B (zh) | 2023-10-23 | 2023-10-23 | 基于ai的爬架监控方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117115924B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111636669A (zh) * | 2020-06-08 | 2020-09-08 | 广东星层建筑科技股份有限公司 | 一种基于bim的爬架智能安全监测及预警方法和系统 |
CN114022810A (zh) * | 2021-10-29 | 2022-02-08 | 上海鸢安智能科技有限公司 | 建筑工地爬架防护网工作状态检测方法、系统、介质及终端 |
CN115294610A (zh) * | 2022-08-17 | 2022-11-04 | 长沙海信智能系统研究院有限公司 | 围墙攀爬识别方法、装置及电子设备 |
CN115917589A (zh) * | 2021-07-22 | 2023-04-04 | 京东方科技集团股份有限公司 | 攀爬行为预警方法和装置、电子设备、存储介质 |
CN116009024A (zh) * | 2022-12-13 | 2023-04-25 | 中国十七冶集团有限公司 | 一种基于bim技术的附着式升降脚手架监测模拟应用系统 |
-
2023
- 2023-10-23 CN CN202311369093.0A patent/CN117115924B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111636669A (zh) * | 2020-06-08 | 2020-09-08 | 广东星层建筑科技股份有限公司 | 一种基于bim的爬架智能安全监测及预警方法和系统 |
CN115917589A (zh) * | 2021-07-22 | 2023-04-04 | 京东方科技集团股份有限公司 | 攀爬行为预警方法和装置、电子设备、存储介质 |
CN114022810A (zh) * | 2021-10-29 | 2022-02-08 | 上海鸢安智能科技有限公司 | 建筑工地爬架防护网工作状态检测方法、系统、介质及终端 |
CN115294610A (zh) * | 2022-08-17 | 2022-11-04 | 长沙海信智能系统研究院有限公司 | 围墙攀爬识别方法、装置及电子设备 |
CN116009024A (zh) * | 2022-12-13 | 2023-04-25 | 中国十七冶集团有限公司 | 一种基于bim技术的附着式升降脚手架监测模拟应用系统 |
Non-Patent Citations (1)
Title |
---|
远程智能爬架监控系统研发;寇建惠 等;建设科技(第419期);第37-39页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117115924A (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Feng et al. | Computer vision for SHM of civil infrastructure: From dynamic response measurement to damage detection–A review | |
Sony et al. | A literature review of next‐generation smart sensing technology in structural health monitoring | |
Xu et al. | Review of machine-vision based methodologies for displacement measurement in civil structures | |
US9560246B2 (en) | Displacement monitoring system having vibration cancellation capabilities | |
US8405720B2 (en) | Automatic calibration of PTZ camera system | |
EP3308356B1 (en) | System and method for detecting a dissimilar object in undercarriage of a vehicle | |
US20060045311A1 (en) | Moving-object height determining apparatus | |
Javed et al. | Vibration measurement of a rotating cylindrical structure using subpixel-based edge detection and edge tracking | |
CN102202164A (zh) | 基于运动估计的道路视频稳定方法 | |
EP2476999B1 (en) | Method for measuring displacement, device for measuring displacement, and program for measuring displacement | |
Bai et al. | UAV based accurate displacement monitoring through automatic filtering out its camera's translations and rotations | |
CN114527294B (zh) | 一种基于单个摄像头的目标速度测量方法 | |
CN117115924B (zh) | 基于ai的爬架监控方法和系统 | |
Bolognini et al. | Vision-based modal analysis of built environment structures with multiple drones | |
Doukovska et al. | Image processing for technological diagnostics of metallurgical facilities | |
Ji et al. | A novel image-based approach for structural displacement measurement | |
CN114821497A (zh) | 目标物位置的确定方法、装置、设备及存储介质 | |
Byun et al. | Vision-based virtual vibration sensor using error calibration convolutional neural network with signal augmentation | |
Kogler et al. | Embedded stereo vision system for intelligent autonomous vehicles | |
JP5409451B2 (ja) | 3次元変化検出装置 | |
KR101514366B1 (ko) | 감시 카메라 시스템의 영상합성 장치 및 그 방법 | |
Kolesnik | On vision-based orientation method of a robot head in a dark cylindrical pipe | |
KR20210010262A (ko) | 모바일매핑시스템을 이용한 시설물 안전점검 이동체 | |
Marinel et al. | Operational modal analysis of a cantilever beam by phase-based sub-pixel motion estimated from experimental videos | |
Chen et al. | Exploring of PST-TBPM in Monitoring Dynamic Deformation of Steel Structure in Vibration |
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 |