TWI808490B

TWI808490B - 施工區域的監視裝置和監視方法

Info

Publication number: TWI808490B
Application number: TW110134681A
Authority: TW
Inventors: 温偉志; 黃柏升; 莊英瑋; 周烈盟
Original assignee: 中華電信股份有限公司
Priority date: 2021-09-16
Filing date: 2021-09-16
Publication date: 2023-07-11
Also published as: TW202314650A

Abstract

提供一種施工區域的監視裝置和監視方法。監視方法包含：接收施工區域的影像以及場景資訊；偵測影像中的人物以產生人物偵測結果；偵測影像中的物件以產生物件偵測結果；根據人物偵測結果自影像擷取人物影像，並且偵測人物影像中的穿戴裝置以產生穿戴裝置偵測結果；根據人物偵測結果以及穿戴裝置偵測結果追蹤人物以產生人物追蹤資訊，根據人物追蹤資訊以及物件偵測結果產生人物行為資訊，並且判斷人物行為資訊與對應於場景資訊的安全行為規範是否匹配；以及響應於人物行為資訊與安全行為規範不匹配而輸出告警訊息。

Description

施工區域的監視裝置和監視方法

本發明是有關於一種施工區域的監視裝置和監視方法。

隨著時代進步，人們對於勞動安全的要求也逐漸提升。為了維持施工場域的安全，主管機關常要求施工人員將現場的環境拍攝下來，以由主管機關確認施工環境是否安全以及施工人員是否配戴合適的安全裝置。然而，此作法不僅需花費大量的人力或時間在進行拍攝工作，也無法即時地監視施工現場。舉例來說，部份施工人員可能在拍攝工作結束後解除身上的安全裝置，從而成為工安漏洞。

本發明提供一種施工區域的監視裝置和監視方法，可自動地監視施工區域是否符合安全規範。

本發明的一種施工區域的監視裝置，包含處理器、儲存媒體以及收發器。收發器接收施工區域的影像以及場景資訊。儲存媒體儲存多個模組。處理器耦接儲存媒體以及收發器，並且存取和執行多個模組，其中多個模組包含人物偵測模組、物件偵測模組、穿戴裝置偵測模組、安全行為識別模組以及輸出模組。人物偵測模組偵測影像中的人物以產生人物偵測結果。物件偵測模組偵測影像中的物件以產生物件偵測結果。穿戴裝置偵測模組根據人物偵測結果自影像擷取人物影像，並且偵測人物影像中的穿戴裝置以產生穿戴裝置偵測結果。安全行為識別模組根據人物偵測結果以及穿戴裝置偵測結果追蹤人物以產生人物追蹤資訊，根據人物追蹤資訊以及物件偵測結果產生人物行為資訊，並且判斷人物行為資訊與對應於場景資訊的安全行為規範是否匹配。輸出模組響應於人物行為資訊與安全行為規範不匹配而通過收發器輸出告警訊息。

在本發明的一實施例中，上述的人物偵測結果包含對應於第一時間點的第一人物偵測結果以及對應於第二時間點的第二人物偵測結果，其中穿戴裝置偵測結果包含對應於第一時間點的第一穿戴裝置偵測結果以及對應於第二時間點的第二穿戴裝置偵測結果，其中安全行為識別模組根據第一人物偵測結果、第二人物偵測結果、第一穿戴裝置偵測結果以及第二穿戴裝置偵測結果產生人物追蹤資訊。

在本發明的一實施例中，上述的人物追蹤資訊包含人物位置資訊並且物件偵測結果包含物件位置資訊，其中安全行為識別模組根據人物位置資訊以及物件位置資訊產生人物行為資訊。

在本發明的一實施例中，上述的安全行為識別模組將人物位置資訊以及物件位置資訊輸入至遞歸神經網路以產生人物行為資訊。

在本發明的一實施例中，上述的遞歸神經網路包含長短期記憶模型。

在本發明的一實施例中，上述的安全行為識別模組根據人物位置資訊以及物件位置資訊將人物以及物件設為群組，並且根據群組產生人物行為資訊。

在本發明的一實施例中，上述的人物追蹤資訊包含分別對應於多個時間點的多個穿戴裝置偵測結果，其中安全行為識別模組根據對應於多個穿戴裝置偵測結果的統計參數產生穿戴裝置資訊，並且判斷穿戴裝置資訊與對應於場景資訊的穿戴裝置規範是否匹配，其中輸出模組響應於穿戴裝置資訊與穿戴裝置規範不匹配而輸出告警訊息。

在本發明的一實施例中，上述的安全行為識別模組判斷人物位置資訊與對應於場景資訊的警戒區域資訊是否匹配，其中輸出模組響應於人物位置資訊與警戒區域資訊匹配而輸出告警訊息。

在本發明的一實施例中，上述的多個模組更包含防護設備偵測模組。防護設備偵測模組偵測影像中的防護設備以產生防護設備偵測結果，並且判斷防護設備偵測結果與對應於場景資訊的防護設備規範是否匹配，其中輸出模組響應於防護設備偵測結果與防護設備規範不匹配而輸出告警訊息。

在本發明的一實施例中，上述的人物偵測模組將影像輸入至第一深度學習模型以產生人物偵測結果，其中物件偵測模組將影像輸入至第二深度學習模型以產生物件偵測結果，其中穿戴裝置偵測模組將人物影像輸入至第三深度學習模型以產生穿戴裝置偵測結果，其中防護設備偵測模組將影像輸出至第四深度學習模型以產生防護設備偵測結果。

在本發明的一實施例中，上述的收發器接收對應於人物的圖像，其中多個模組更包含第二人物偵測模組、第二穿戴裝置偵測模組以及第二安全行為識別模組。第二人物偵測模組偵測圖像中的人物以產生第二人物偵測結果。第二穿戴裝置偵測模組根據第二人物偵測結果自圖像擷取人物圖像，並且偵測人物圖像中的第二穿戴裝置以產生第二穿戴裝置偵測結果。第二安全行為識別模組判斷第二穿戴裝置偵測結果與對應於場景資訊的穿戴裝置規範是否匹配，其中輸出模組響應於第二穿戴裝置偵測結果與穿戴裝置規範不匹配而輸出告警訊息。

在本發明的一實施例中，上述的多個模組更包含第二防護設備偵測模組。第二防護設備偵測模組偵測圖像中的防護設備以產生第二防護設備偵測結果，並且判斷第二防護設備偵測結果與對應於場景資訊的防護設備規範是否匹配，其中輸出模組響應於第二防護設備偵測結果與防護設備規範不匹配而輸出告警訊息。

在本發明的一實施例中，上述的第二人物偵測模組將圖像輸入至第一深度學習模型以產生第二人物偵測結果，其中第二穿戴裝置偵測模組將人物圖像輸入至第二深度學習模型以產生第二穿戴裝置偵測結果，其中第二防護設備偵測模組將圖像輸入至第三深度學習模型以產生第二防護設備偵測結果。

本發明的一種施工區域的監視方法，包含：接收施工區域的影像以及場景資訊；偵測影像中的人物以產生人物偵測結果；偵測影像中的物件以產生物件偵測結果；根據人物偵測結果自影像擷取人物影像，並且偵測人物影像中的穿戴裝置以產生穿戴裝置偵測結果；根據人物偵測結果以及穿戴裝置偵測結果追蹤人物以產生人物追蹤資訊，根據人物追蹤資訊以及物件偵測結果產生人物行為資訊，並且判斷人物行為資訊與對應於場景資訊的安全行為規範是否匹配；以及響應於人物行為資訊與安全行為規範不匹配而輸出告警訊息。

基於上述，本發明的監視裝置可根據施工區域的影像或圖像判斷施工現場是否安全，包括判斷施工人員的行為是否符合安全行為規範，判斷施工人員的穿戴裝置是否符合穿戴裝置規範，判斷現場的防護設備是否符合防護設備規範，並且判斷是否有施工人員誤闖警戒區域。

圖1根據本發明的一實施例繪示一種施工區域的監視裝置10的示意圖。監視裝置10可包含處理器100、儲存媒體200以及收發器300。

處理器100例如是中央處理單元（central processing unit，CPU），或是其他可程式化之一般用途或特殊用途的微控制單元（micro control unit，MCU）、微處理器（microprocessor）、數位信號處理器（digital signal processor，DSP）、可程式化控制器、特殊應用積體電路（application specific integrated circuit，ASIC）、圖形處理器（graphics processing unit，GPU）、影像訊號處理器（image signal processor，ISP）、影像處理單元（image processing unit，IPU）、算數邏輯單元（arithmetic logic unit，ALU）、複雜可程式邏輯裝置（complex programmable logic device，CPLD）、現場可程式化邏輯閘陣列（field programmable gate array，FPGA）或其他類似元件或上述元件的組合。處理器100可耦接至儲存媒體200以及收發器300，並且存取和執行儲存於儲存媒體200中的多個模組和各種應用程式。

儲存媒體200例如是任何型態的固定式或可移動式的隨機存取記憶體（random access memory，RAM）、唯讀記憶體（read-only memory，ROM）、快閃記憶體（flash memory）、硬碟（hard disk drive，HDD）、固態硬碟（solid state drive，SSD）或類似元件或上述元件的組合，而用於儲存可由處理器100執行的多個模組或各種應用程式。在本實施例中，儲存媒體200可儲存包含圖像處理模組210、影像處理模組220以及輸出模組230等多個模組，其功能將於後續說明。

圖像處理模組210可包含人物偵測模組211、穿戴裝置偵測模組212、防護設備偵測模組213以及安全行為識別模組214。影像處理模組220可包含人物偵測模組221、穿戴裝置偵測模組222、防護設備偵測模組223、安全行為識別模組224以及物件偵測模組225。

收發器300以無線或有線的方式傳送及接收訊號。收發器300還可以執行例如低噪聲放大、阻抗匹配、混頻、向上或向下頻率轉換、濾波、放大以及類似的操作。

圖2根據本發明的一實施例繪示基於圖像監視施工區域的方法的流程圖。在步驟S201中，圖像處理模組210可通過收發器300接收施工區域的圖像以及場景資訊，其中所述圖像例如是在開始施工前由施工人員利用手機所拍攝。圖像可包含單一時間點的施工區域的相關資訊。在一實施例中，圖像可關聯於與施工區域相對應的感興趣區域（region of interest，ROI）。

場景資訊可包含對應的安全行為規範、穿戴裝置規範、警戒區域資訊或防護設備規範。舉例來說，若施工區域為高空作業區，則場景資訊可包含指示施工人員不可移動使用中的合梯（herringbone ladder）的安全行為規範、指示施工人員應裝備安全帶的穿戴裝置規範、指示施工人員是否具有進入高空作業區之權限的警戒區域資訊或指示施工人員設置護欄的防護設備規範。

在步驟S202中，人物偵測模組211可偵測圖像中的人物以產生人物偵測結果，其中人物偵測結果例如指示圖像中的人物為負責施工區域的施工人員。在一實施例中，人物偵測模組211可將圖像輸入至深度學習模型以產生所述人物偵測結果。

在步驟S203中，穿戴裝置偵測模組212可根據在步驟S202中產生的人物偵測結果自圖像中擷取人物圖像，並且偵測人物圖像中的穿戴裝置以產生穿戴裝置偵測結果，其中穿戴裝置偵測結果例如指示圖像中的施工人員是否配戴著符合規範的穿戴裝置（例如：安全帽、安全帶）。在一實施例中，穿戴裝置偵測模組212可將擷取的人物圖像輸入至深度學習模型以產生所述穿戴裝置偵測結果。圖3根據本發明的一實施例繪示穿戴裝置偵測模組212使用的深度學習模型的示意圖。深度學習模型可根據人物圖像判斷施工人員配戴著安全帽的機率為0.91，配戴著螢光背心的機率為0.88，且配戴著腰式安全帶的機率為0.80。

回到圖2，在步驟S204中，安全行為識別模組214可判斷在步驟S203中產生的穿戴裝置偵測結果與對應於場景資訊的穿戴裝置規範是否匹配。若穿戴裝置偵測結果與穿戴裝置規範不匹配，則輸出模組230可通過收發器300輸出告警訊息，其中告警訊息可指示施工人員未配戴符合規範的穿戴裝置。在一實施例中，安全行為識別模組214可將穿戴裝置偵測結果輸入至深度學習模型以判斷穿戴裝置偵測結果與穿戴裝置規範是否匹配。

在步驟S205中，防護設備偵測模組213可偵測圖像中的防護設備以產生防護設備偵測結果，其中防護設備偵測結果例如指示圖像中的施工區域是否設置了符合規範的防護設備（例如：護欄、安全網）。在一實施例中，防護設備偵測模組213可將圖像輸入至深度學習模型以產生所述防護設備偵測結果。

在步驟S206中，防護設備偵測模組213可判斷在步驟S205中產生的防護設備偵測結果與對應於場景資訊的防護設備規範是否匹配。若防護設備偵測結果與防護設備規範不匹配，則輸出模組230可通過收發器300輸出告警訊息，其中告警訊息可指示施工區域未設置符合規範的防護設備。在一實施例中，防護設備偵測模組213可將防護設備偵測結果輸入至深度學習模型以判斷防護設備偵測結果與防護設備規範是否匹配。

圖4根據本發明的一實施例繪示基於影像監視施工區域的方法的流程圖。在步驟S401中，影像處理模組220可通過收發器300接收施工區域的影像以及場景資訊，其中所述影像例如是在施工期間由監視攝影機所拍攝。影像可包含多個連續時間點的施工區域的相關資訊。在一實施例中，影像可關聯於與施工區域相對應的感興趣區域。場景資訊可包含對應的安全行為規範、穿戴裝置規範、警戒區域資訊或防護設備規範。

在步驟S402中，人物偵測模組221可偵測影像中的人物以產生人物偵測結果，其中人物偵測結果例如指示影像中的人物為負責施工區域的施工人員。在一實施例中，人物偵測模組221可將影像輸入至深度學習模型以產生所述人物偵測結果。

在步驟S403中，穿戴裝置偵測模組222可根據在步驟S402中產生的人物偵測結果自影像擷取人物影像，並且偵測人物影像中的穿戴裝置以產生穿戴裝置偵測結果，其中穿戴裝置偵測結果例如指示圖像中的施工人員是否配戴著符合規範的穿戴裝置（例如：安全帽、安全帶）。在一實施例中，穿戴裝置偵測模組222可將擷取的人物影像輸入至深度學習模型以產生所述穿戴裝置偵測結果。

在步驟S404中，安全行為識別模組224可根據對應於多個穿戴裝置偵測結果（例如：在步驟S403中產生的穿戴裝置偵測結果）的統計參數產生穿戴裝置資訊，並且判斷穿戴裝置資訊與對應於場景資訊的穿戴裝置規範是否匹配，其中所述多個穿戴裝置偵測結果分別對應於多個時間點。舉例來說，安全行為識別模組224可統計多個穿戴裝置偵測結果中對應於「施工人員已配戴穿戴裝置」的穿戴裝置偵測結果數量以及對應於「施工人員未配戴穿戴裝置」的穿戴裝置偵測結果數量，藉以計算用於指示施工人員是否配置穿戴裝置的統計參數，從而根據統計參數判斷施工人員是否配戴了符合穿戴裝置規範的穿戴裝置。如此，可避免穿戴裝置偵測模組222僅在影像的少數幾幀中未辨識到穿戴裝置就誤判施工人員未配戴穿戴裝置。

若穿戴裝置偵測結果與穿戴裝置規範不匹配，則輸出模組230可通過收發器300輸出告警訊息，其中告警訊息可指示施工人員未配戴符合規範的穿戴裝置。安全行為識別模組224可將穿戴裝置資訊輸入至深度學習模型以判斷穿戴裝置資訊與穿戴裝置規範是否匹配。

在步驟S405中，安全行為識別模組224可根據在步驟S402中產生的人物偵測結果以及在步驟S403中產生的穿戴裝置偵測結果追蹤人物以產生人物追蹤資訊，其中人物追蹤資訊可包含人物位置資訊（例如：人物的座標）。

具體來說，人物偵測結果可包含分別對應於多個時間點的多個人物偵測結果，例如，人物偵測結果可包含對應於第一時間點的第一人物偵測結果以及對應於第二時間點的第二人物偵測結果，其中第一時間點與第二時間點相異。另一方面，穿戴裝置偵測結果可包含分別對應於多個時間點的多個穿戴裝置偵測結果，例如，穿戴裝置偵測結果可包含對應於第一時間點的第一穿戴裝置偵測結果以及對應於第二時間點的第二穿戴裝置偵測結果，其中第一時間點與第二時間點相異。安全行為識別模組224可根據第一人物偵測結果、第二人物偵測結果、第一穿戴裝置偵測結果以及第二穿戴裝置偵測結果產生人物追蹤資訊。在一實施例中，安全行為識別模組224可將第一人物偵測結果、第二人物偵測結果、第一穿戴裝置偵測結果以及第二穿戴裝置偵測結果輸入至深度學習模型以產生人物追蹤資訊。

在步驟S406中，安全行為識別模組224可判斷在步驟S404中產生的人物位置資訊與對應於場景資訊的警戒區域資訊是否匹配。若人物位置資訊與警戒區域資訊匹配，輸出模組230可通過收發器300輸出告警訊息，其中告警訊息可指示有施工人員誤入警戒區域。在一實施例中，安全行為識別模組224可將人物位置資訊輸入至深度學習模型以判斷人物位置資訊與警戒區域資訊是否匹配。

在步驟S407中，物件偵測模組225可偵測影像中的物件（非人員的物件）以產生物件偵測結果。在一實施例中，物件偵測模組225可將影像輸入至深度學習模型以產生物件偵測結果。

在步驟S408中，安全行為識別模組224可根據人物追蹤資訊以及物件偵測結果產生人物行為資訊。具體來說，人物追蹤資訊可包含人物位置資訊，並且物件偵測結果可包含物件位置資訊。安全行為識別模組224可根據人物位置資訊與物件位置資訊以將人物和物件設為一個群組，並且根據群組產生人物行為資訊。舉例來說，人物追蹤資訊可包含施工人員的位置，並且物件偵測結果可包含合梯的位置。安全行為識別模組224可根據施工人員及合梯的位置將施工人員及合梯設為代表「站立在合梯上的施工人員」的群組，從而根據群組產生人物行為資訊。

在一實施例中，安全行為識別模組224可將人物位置資訊以及物件位置資訊輸入至遞歸神經網路（recurrent neural network，RNN）以產生人物行為資訊，其中所述遞歸神經網路例如是長短期記憶（long short-term memory，LSTM）模型。

在步驟S409中，安全行為識別模組224可判斷人物行為資訊與對應於場景資訊的安全行為規範是否匹配。若人物行為資訊與安全行為規範不匹配，則輸出模組230可通過收發器300輸出告警訊息，其中告警訊息可指示施工人員正進行不安全的行為（例如：在有施工人員站立在合梯上的情況下移動合梯）。在一實施例中，安全行為識別模組224可將人物行為資訊輸入至深度學習模型以判斷人物行為資訊與安全行為規範是否匹配。

在步驟S410中，防護設備偵測模組223可偵測影像中的防護設備以產生防護設備偵測結果，其中防護設備偵測結果例如指示影像中的施工區域是否設置了符合規範的防護設備（例如：護欄、安全網）。在一實施例中，防護設備偵測模組223可將影像輸入至深度學習模型以產生所述防護設備偵測結果。

在步驟S411中，防護設備偵測模組223可判斷在步驟S410中產生的防護設備偵測結果與對應於場景資訊的防護設備規範是否匹配。若防護設備偵測結果與防護設備規範不匹配，則輸出模組230可通過收發器300輸出告警訊息，其中告警訊息可指示施工區域未設置符合規範的防護設備。在一實施例中，防護設備偵測模組223可將防護設備偵測結果輸入至深度學習模型以判斷防護設備偵測結果與防護設備規範是否匹配。

圖5根據本發明的一實施例繪示一種施工區域的監視方法的流程圖，其中所述方法可由如圖1所示的監視裝置10實施。在步驟S501中，接收施工區域的影像以及場景資訊。在步驟S502中，偵測影像中的人物以產生人物偵測結果。在步驟S503中，偵測影像中的物件以產生物件偵測結果。在步驟S504中，根據人物偵測結果自影像擷取人物影像，並且偵測人物影像中的穿戴裝置以產生穿戴裝置偵測結果。在步驟S505中，根據人物偵測結果以及穿戴裝置偵測結果追蹤人物以產生人物追蹤資訊，根據人物追蹤資訊以及物件偵測結果產生人物行為資訊，並且判斷人物行為資訊與對應於場景資訊的安全行為規範是否匹配。在步驟S506中，響應於人物行為資訊與安全行為規範不匹配而輸出告警訊息。

綜上所述，針對工地內的施工人員，本發明的監視裝置可使用單一或多鏡頭拍攝施工人員全身照。監視裝置可自動偵測人形並辨識出施工人員身上所穿戴之裝備，達到核准施工自動化之目的。此外，本發明使用基於深度學習模型技術的多重屬性辨識方法取代一般常用的物件偵測方法，提升施工人員身上小物件裝備的辨識效果。本發明的模型可自動判別人物是否穿戴工地帽、反光背心、背式安全帶或腰式安全帶…等安全裝備。再者，本發明可為不同屬性的環境定義不同的安全規範（例如：高空作業區的人員需裝備安全帶），讓本發明的應用具有更多彈性。

另一方面，針對施工區域，本發明可使用單一或多鏡頭拍攝施工區域，並且根據物件偵測技術與物件分類統計推測現場環境是否符合施工安全規範。本發明還可使用單一或多鏡頭拍攝施工區域，並採用遞歸神經網路（例如：長短期記憶網路）用來識別施工人員是否進行了不安全的行為。

10:監視裝置 100:處理器 200:儲存媒體 210:圖像處理模組 211、221:人物偵測模組 212、222:穿戴裝置偵測模組 213、223:防護設備偵測模組 214、224:安全行為識別模組 220:影像處理模組 225:物件偵測模組 230:輸出模組 300:收發器 S201、S202、S203、S204、S205、S206、S401、S402、S403、S404、S405、S406、S407、S408、S409、S410、S411、S501、S502、S503、S504、S505、S506:步驟

圖1根據本發明的一實施例繪示一種施工區域的監視裝置的示意圖。圖2根據本發明的一實施例繪示基於圖像監視施工區域的方法的流程圖。圖3根據本發明的一實施例繪示穿戴裝置偵測模組使用的深度學習模型的示意圖。圖4根據本發明的一實施例繪示基於影像監視施工區域的方法的流程圖。圖5根據本發明的一實施例繪示一種施工區域的監視方法的流程圖。

S501、S502、S503、S504、S505、S506:步驟

Claims

一種施工區域的監視裝置，包括：收發器，接收所述施工區域的影像以及場景資訊；儲存媒體，儲存多個模組；以及處理器，耦接所述儲存媒體以及所述收發器，並且存取和執行所述多個模組，其中所述多個模組包括：人物偵測模組，偵測所述影像中的人物以產生人物偵測結果；物件偵測模組，偵測所述影像中的物件以產生物件偵測結果；穿戴裝置偵測模組，根據所述人物偵測結果自所述影像擷取人物影像，並且偵測所述人物影像中的穿戴裝置以產生穿戴裝置偵測結果；安全行為識別模組，根據所述人物偵測結果以及所述穿戴裝置偵測結果追蹤所述人物以產生人物追蹤資訊，其中，所述人物追蹤資訊包括分別對應於多個時間點的多個穿戴裝置偵測結果，根據所述人物追蹤資訊以及所述物件偵測結果產生人物行為資訊，並且判斷所述人物行為資訊與對應於所述場景資訊的安全行為規範是否匹配；根據對應於所述多個穿戴裝置偵測結果的統計參數產生穿戴裝置資訊，並且判斷所述穿戴裝置資訊與對應於所述場景資訊的穿戴裝置規範是否匹配，其中所述統計參數包括所述多個穿戴裝置偵測結果中的第一穿戴裝置偵測結果的數量和所述多個穿戴裝置偵測結果中的第二穿戴裝置偵測結果的數量，其中所述第一穿戴裝置偵測結果與所述第二穿戴裝置偵測結果相異；以及輸出模組，響應於所述人物行為資訊與所述安全行為規範不匹配而通過所述收發器輸出告警訊息，並且響應於所述穿戴裝置資訊與所述穿戴裝置規範不匹配而輸出所述告警訊息。
如請求項1所述的監視裝置，其中所述人物偵測結果包括對應於第一時間點的第一人物偵測結果以及對應於第二時間點的第二人物偵測結果，其中所述穿戴裝置偵測結果包括對應於所述第一時間點的第三穿戴裝置偵測結果以及對應於所述第二時間點的第四穿戴裝置偵測結果，其中所述安全行為識別模組根據所述第一人物偵測結果、所述第二人物偵測結果、所述第三穿戴裝置偵測結果以及所述第四穿戴裝置偵測結果產生所述人物追蹤資訊。
如請求項1所述的監視裝置，其中所述人物追蹤資訊包括人物位置資訊並且所述物件偵測結果包括物件位置資訊，其中所述安全行為識別模組根據所述人物位置資訊以及所述物件位置資訊產生所述人物行為資訊。
如請求項3所述的監視裝置，其中所述安全行為識別模組將所述人物位置資訊以及所述物件位置資訊輸入至遞歸神經網路以產生所述人物行為資訊。
如請求項4所述的監視裝置，其中所述遞歸神經網路包括長短期記憶模型。
如請求項3所述的監視裝置，其中所述安全行為識別模組根據所述人物位置資訊以及所述物件位置資訊將所述人物以及所述物件設為群組，並且根據所述群組產生所述人物行為資訊。
如請求項3所述的監視裝置，其中所述安全行為識別模組判斷所述人物位置資訊與對應於所述場景資訊的警戒區域資訊是否匹配，其中所述輸出模組響應於所述人物位置資訊與所述警戒區域資訊匹配而輸出所述告警訊息。
如請求項1所述的監視裝置，其中所述多個模組更包括：防護設備偵測模組，偵測所述影像中的防護設備以產生防護設備偵測結果，並且判斷所述防護設備偵測結果與對應於所述場景資訊的防護設備規範是否匹配，其中所述輸出模組響應於所述防護設備偵測結果與所述防護設備規範不匹配而輸出所述告警訊息。
如請求項8所述的監視裝置，其中所述人物偵測模組將所述影像輸入至第一深度學習模型以產生所述人物偵測結果，其中所述物件偵測模組將所述影像輸入至第二深度學習模型以產生所述物件偵測結果，其中所述穿戴裝置偵測模組將所述人物影像輸入至第三深度學習模型以產生所述穿戴裝置偵測結果，其中所述防護設備偵測模組將所述影像輸出至第四深度學習模型以產生所述防護設備偵測結果。
如請求項1所述的監視裝置，其中所述收發器接收對應於所述人物的圖像，其中所述多個模組更包括：第二人物偵測模組，偵測所述圖像中的所述人物以產生第二人物偵測結果；第二穿戴裝置偵測模組，根據所述第二人物偵測結果自所述圖像擷取人物圖像，並且偵測所述人物圖像中的第二穿戴裝置以產生第三穿戴裝置偵測結果；以及第二安全行為識別模組，判斷所述第三穿戴裝置偵測結果與對應於所述場景資訊的穿戴裝置規範是否匹配，其中所述輸出模組響應於所述第三穿戴裝置偵測結果與所述穿戴裝置規範不匹配而輸出所述告警訊息。
如請求項10所述的監視裝置，其中所述多個模組更包括：第二防護設備偵測模組，偵測所述圖像中的防護設備以產生第二防護設備偵測結果，並且判斷所述第二防護設備偵測結果與對應於所述場景資訊的防護設備規範是否匹配，其中所述輸出模組響應於所述第二防護設備偵測結果與所述防護設備規範不匹配而輸出所述告警訊息。
如請求項11所述的監視裝置，其中所述第二人物偵測模組將所述圖像輸入至第一深度學習模型以產生所述第二人物偵測結果，其中所述第二穿戴裝置偵測模組將所述人物圖像輸入至第二深度學習模型以產生所述第三穿戴裝置偵測結果，其中所述第二防護設備偵測模組將所述圖像輸入至第三深度學習模型以產生所述第二防護設備偵測結果。
一種施工區域的監視方法，包括：接收所述施工區域的影像以及場景資訊；偵測所述影像中的人物以產生人物偵測結果；偵測所述影像中的物件以產生物件偵測結果；根據所述人物偵測結果自所述影像擷取人物影像，並且偵測所述人物影像中的穿戴裝置以產生穿戴裝置偵測結果；根據所述人物偵測結果以及所述穿戴裝置偵測結果追蹤所述人物以產生人物追蹤資訊，其中所述人物追蹤資訊包括分別對應於多個時間點的多個穿戴裝置偵測結果；根據所述人物追蹤資訊以及所述物件偵測結果產生人物行為資訊，並且判斷所述人物行為資訊與對應於所述場景資訊的安全行為規範是否匹配；根據對應於所述多個穿戴裝置偵測結果的統計參數產生穿戴裝置資訊，並且判斷所述穿戴裝置資訊與對應於所述場景資訊的穿戴裝置規範是否匹配，其中所述統計參數包括所述多個穿戴裝置偵測結果中的第一穿戴裝置偵測結果的數量和所述多個穿戴裝置偵測結果中的第二穿戴裝置偵測結果的數量，其中所述第一穿戴裝置偵測結果與所述第二穿戴裝置偵測結果相異；響應於所述人物行為資訊與所述安全行為規範不匹配而輸出告警訊息；以及響應於所述穿戴裝置資訊與所述穿戴裝置規範不匹配而輸出所述告警訊息。