TWI820980B - 工程監造管理整合系統 - Google Patents
工程監造管理整合系統 Download PDFInfo
- Publication number
- TWI820980B TWI820980B TW111140581A TW111140581A TWI820980B TW I820980 B TWI820980 B TW I820980B TW 111140581 A TW111140581 A TW 111140581A TW 111140581 A TW111140581 A TW 111140581A TW I820980 B TWI820980 B TW I820980B
- Authority
- TW
- Taiwan
- Prior art keywords
- real
- target object
- function
- time
- operator
- Prior art date
Links
- 230000002159 abnormal effect Effects 0.000 claims abstract description 32
- 230000006870 function Effects 0.000 claims description 84
- 238000001514 detection method Methods 0.000 claims description 54
- 238000010276 construction Methods 0.000 claims description 39
- 238000010801 machine learning Methods 0.000 claims description 27
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Alarm Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
工程監造管理整合系統包括取得即時畫面的攝影機、運算伺服器及雲端伺服器。運算伺服器用以:提供使用者介面以供選擇安全帽辨識功能、安全帶辨識功能、安全網辨識功能、基本電子圍籬功能或進階電子圍籬功能;當選擇安全帽辨識功能、安全帶辨識功能、安全網辨識功能或基本電子圍籬功能時,使用者介面更用以供標記欲於即時畫面執行偵測的區域;當選擇進階電子圍籬功能時,使用者介面更用以供設定目標物警戒半徑;及根據所選功能判斷即時畫面是否存在異常情形。當即時畫面存在異常情形時,雲端伺服器發出警示訊息。
Description
本發明是關於一種管理整合系統,且特別是關於一種工程監造管理整合系統。
現有的工程監造管理大都是以人力監工的方式,安排特定人員在工地現場管理施工人員,這種方式不但耗費人力且管理成效不佳。雖然這幾年引進了工地即時影像系統,利用工地攝影機對工地現場內的施工人員進行現況觀察,但仍需要以人力的方式持續不間斷地觀看工地攝影機,因此容易導致仍有不可避免之疏漏情況產生,無法達到有效的工程監造管理。
本發明之目的在於提出一種工程監造管理整合系統,包括攝影機、運算伺服器及雲端伺服器。攝影機用以取得即時畫面。運算伺服器通訊連接至攝影機以接收即時畫面且用以:提供使用者介面以供操作者選擇以下功能之一:安全帽辨識功能、安全帶辨識功能、安全網辨識功能、基本電子圍籬功能與進階電子圍籬功能;當操作者選擇安全帶辨識功能時,使用者介面更用以供操作者選擇安全帶顏色;當該操作者選擇安全網辨識功能時,使用者介面更用以供操作者選擇安全網顏色;當操作者選擇安全帽辨識功能、安全帶辨識功能、安全網辨識功能或基本電子圍籬功能時,使用者介面更用以供操作者標記出欲於即時畫面中執行偵測的至少一區域;當操作者選擇進階電子圍籬功能時,使用者介面更用以供操作者設定目標物警戒半徑;及根據操作者所選擇的功能判斷即時畫面是否存在至少一異常情形。雲端伺服器通訊連接至運算伺服器且用以於即時畫面存在至少一異常情形時,發出警示訊息。
在一些實施例中,上述攝影機更用以取得歷史監視資訊,歷史監視資訊包括有目標物畫面組與無目標物畫面組,運算伺服器接收歷史監視資訊且根據歷史監視資訊訓練機器學習模型,藉此判斷即時畫面是否存在至少一目標物。
在一些實施例中,當操作者選擇安全帽辨識功能時,運算伺服器更用以:藉由機器學習模型判斷即時畫面的至少一區域內是否存在至少一目標物,其中至少一目標物為人;當即時畫面的至少一區域內存在至少一目標物時,藉由辨識至少一目標物的頭部的形狀來判斷至少一目標物的頭部是否有佩戴安全帽;及當至少一目標物的頭部未佩戴安全帽時,判定即時畫面存在至少一異常情形。
在一些實施例中,當操作者選擇安全帶辨識功能時,運算伺服器更用以:藉由機器學習模型判斷即時畫面的至少一區域內是否存在至少一目標物,其中至少一目標物為人;當即時畫面的至少一區域內存在至少一目標物時,藉由辨識至少一目標物的周邊範圍內是否出現安全帶顏色及安全帶形狀來判斷至少一目標物是否有佩掛安全帶;及當至少一目標物未佩掛安全帶時,判定即時畫面存在至少一異常情形。
在一些實施例中,當操作者選擇安全網辨識功能時,運算伺服器更用以:藉由機器學習模型判斷即時畫面的至少一區域內是否出現安全網顏色及安全網形狀來判斷即時畫面的至少一區域內是否有鋪設安全網;及當即時畫面的至少一區域內未鋪設安全網時,判定即時畫面存在至少一異常情形。
在一些實施例中,當操作者選擇基本電子圍籬功能時,使用者介面更用以供操作者設定執行基本電子圍籬功能的至少一偵測時間段。
在一些實施例中,當操作者選擇基本電子圍籬功能時,運算伺服器更用以:於至少一偵測時間段,藉由機器學習模型判斷即時畫面的至少一區域內是否存在至少一目標物,其中目標物為人與車之至少一者;及當至少一區域內存在至少一目標物時,判定即時畫面存在至少一異常情形。
在一些實施例中,當操作者選擇進階電子圍籬功能時,使用者介面更用以供操作者設定執行進階電子圍籬功能的至少一偵測時間段。
在一些實施例中,當操作者選擇進階電子圍籬功能時,運算伺服器更用以:於至少一偵測時間段,藉由機器學習模型判斷即時畫面是否存在為車的至少一目標物;當即時畫面存在為車的至少一目標物時,藉由機器學習模型判斷自為車的至少一目標物往外的目標物警戒半徑內是否存在為人的至少一目標物;及當目標物警戒半徑內存在為人的至少一目標物時,判定即時畫面存在至少一異常情形。
在一些實施例中,上述雲端伺服器發出警示訊息的方式包括以下至少一者:電子郵件發送、手機簡訊推播、應用程式通知,上述警示訊息包括即時畫面與即時畫面所對應的時間戳記。
為讓本發明的上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明如下。
以下仔細討論本發明的實施例。然而,可以理解的是,實施例提供許多可應用的概念,其可實施於各式各樣的特定內容中。所討論、揭示之實施例僅供說明,並非用以限定本發明之範圍。
圖1係根據本發明的實施例之工程監造管理整合系統100的示意圖。工程監造管理整合系統100包括攝影機120、運算伺服器140及雲端伺服器160。
攝影機120用以朝向工地拍攝,以取得工地的影像畫面。應注意的是,圖1中所示的攝影機的數量為1僅是為了方便說明,在本發明的其他實施例中,攝影機的數量為多台,分別朝向工地中的不同位置進行拍攝,以分別取得工地中的不同位置的多個影像畫面。
運算伺服器140通訊連接至攝影機120以接收工地的影像畫面。運算伺服器140可以實作為個人電腦、伺服器、工業電腦、分散式系統或具有計算能力的各種電子裝置。雲端伺服器160通訊連接至運算伺服器140以根據運算伺服器140的判斷結果而對應地發出警示訊息。
在一些實施例中,工程監造管理整合系統100具有訓練階段以及於訓練階段完成後的偵測階段。於訓練階段,(1)攝影機120用以取得歷史監視資訊,歷史監視資訊包括有目標物畫面組(即:由攝影機120所拍攝取得之工地的多張歷史影像畫面且每張歷史影像畫面中有目標物存在)與無目標物畫面組(即:由攝影機120所拍攝取得之工地的多張歷史影像畫面且每張歷史影像畫面中無目標物存在);(2)運算伺服器140自攝影機120接收歷史監視資訊且運算伺服器140根據歷史監視資訊可以訓練出至少一個機器學習模型,此機器學習模型可以是線性迴歸模型、嶺迴歸模型、KNN(k-nearest neighbors)迴歸器、XGBoost或LGBM(light gradient boosting algorithm)、支持向量機、各種類型的神經網路等,本發明並不在此限。在一些實施例中,可將工地的影像畫面輸入至經訓練完成後的機器學習模型,而經訓練完成後的機器學習模型即可輸出其預測該影像畫面是否有目標物的預測結果。
在一些實施例中,上述之目標物為人(例如施工人員)和/或車(例如怪手、挖土機、吊車、攪拌車、水泥車等等之類的工程車輛)。
在一些實施例中,於偵測階段,攝影機120用以取得工地的即時畫面,運算伺服器140自攝影機120接收即時畫面且運算伺服器140根據經訓練完成後的機器學習模型來對於即時畫面進行偵測。
在一些實施例中,運算伺服器140具有一顯示裝置以提供使用者介面,操作者可透過運算伺服器140的使用者介面來進行一些設定。首先,操作者可透過運算伺服器140的使用者介面來選擇以下功能之一:「安全帽辨識功能」、「安全帶辨識功能」、「安全網辨識功能」、「基本電子圍籬功能」與「進階電子圍籬功能」。具體而言,「安全帽辨識功能」用以辨識即時畫面中之特定區域內的人員是否有工安規定來佩戴安全帽,「安全帶辨識功能」用以辨識即時畫面中之特定區域內的人員是否有工安規定來佩掛安全帶,「安全網辨識功能」用以辨識即時畫面中之特定區域內是否有依照工安規定來鋪設安全網,「基本電子圍籬功能」用以辨識即時畫面中之人員和/或車輛是否進入電子圍籬範圍而進入危險或管制區域,「進階電子圍籬功能」用以辨識即時畫面中是否有人員出現在工程車的警戒半徑內。
圖2係根據本發明的實施例之工程監造管理整合系統100的執行流程圖。請一併參照圖1與圖2,於步驟S1,於工程監造管理整合系統100的偵測階段,攝影機120取得工地的即時畫面。於步驟S2,於工程監造管理整合系統100的偵測階段,操作者透過運算伺服器140的使用者介面來選擇以下功能之一:「安全帽辨識功能」、「安全帶辨識功能」、「安全網辨識功能」、「基本電子圍籬功能」與「進階電子圍籬功能」。於步驟S3,於工程監造管理整合系統100的偵測階段,根據操作者於運算伺服器140的使用者介面所選擇的功能來對應地判斷即時畫面是否存在至少一異常情形。於步驟S4,於工程監造管理整合系統100的偵測階段,當即時畫面存在至少一異常情形時,雲端伺服器160發出警示訊息。於步驟S4之後以及於步驟S3的判斷結果為否時,回到步驟S1。
在一些實施例中,於步驟S2,當操作者透過運算伺服器140的使用者介面而選擇「安全帽辨識功能」時,運算伺服器140的使用者介面更用以供操作者標記出欲於即時畫面中執行安全帽辨識偵測的至少一區域,並且運算伺服器140的使用者介面更用以供操作者設定執行「安全帽辨識功能」的至少一偵測時間段。換言之,操作者可透過運算伺服器140的使用者介面自由標示安全帽辨識的區域範圍與執行時段。於步驟S2,當操作者透過運算伺服器140的使用者介面而選擇「安全帽辨識功能」且標記好欲執行安全帽辨識偵測的至少一區域及執行安全帽辨識偵測的至少一偵測時間段時,於步驟S3,工程監造管理整合系統100處於偵測階段,運算伺服器140於至少一偵測時間段藉由經訓練完成後的機器學習模型來對於即時畫面的至少一區域內進行偵測以判斷即時畫面的至少一區域內是否存在一個以上的目標物(此時的目標物為人)。當運算伺服器140判定即時畫面的至少一區域內存在目標物之後,運算伺服器140先標記出目標物於即時畫面的至少一區域內的位置且進一步地對於目標物所涵蓋的影像區塊進行影像切割以找出為人的目標物的頭部,接著運算伺服器140根據目標物的頭部的形狀來進行影像處理及辨識以判斷目標物的頭部是否有佩戴安全帽。值得一提的是,上述之影像切割與影像處理及辨識也可由運算伺服器140經由例如支持向量機之機器學習演算法的方式來實現。當運算伺服器140判定目標物的頭部未佩戴安全帽時,則判定即時畫面存在異常情形(異常情形的數量可為一個或更多,依據未佩戴安全帽的目標物的數量而定),此時運算伺服器140將即時畫面(可為單純即時畫面或者是有於即時畫面上標記出異常情形的位置)與即時畫面所對應的時間戳記傳送至雲端伺服器160,於步驟S4,雲端伺服器160對應地發出警示訊息以通知管理者在時間戳記的時間點有施工人員未依工地安全規定佩戴安全帽。
在一些實施例中,上述之雲端伺服器160發出警示訊息給管理者(例如監工或管理員)的方式包括以下至少一者:發送電子郵件給管理者、推播手機簡訊給管理者、透過應用程式(例如即時通訊軟體)通知管理者。在一些實施例中,上述之雲端伺服器160發出的警示訊息包括即時畫面(可為單純即時畫面或者是有於即時畫面上標記出異常情形的位置)的截圖與即時畫面所對應的時間戳記,以使得管理者明確地瞭解異常情形發生的所在位置及時間點。在一些實施例中,當管理者接受到警示訊息時,可對應地進行異常處理作業,並可於異常處理作業完成後以文字、圖片、影像或附件的方式回覆異常處理結果。
在一些實施例中,當操作者透過運算伺服器140的使用者介面而選擇「安全帶辨識功能」時,運算伺服器140的使用者介面更用以供操作者選擇安全帶顏色,操作者可依據當下工地所規定要佩掛之安全帶的顏色而選擇決定,安全帶顏色例如為紅色、黃色、綠色等,本發明並不在此限。於步驟S2,當操作者透過運算伺服器140的使用者介面而選擇「安全帶辨識功能」且選擇好安全帶顏色時,運算伺服器140的使用者介面更用以供操作者標記出欲於即時畫面中執行安全帶辨識偵測的至少一區域,並且運算伺服器140的使用者介面更用以供操作者設定執行「安全帶辨識功能」的至少一偵測時間段。換言之,操作者可透過運算伺服器140的使用者介面自由標示安全帶辨識的區域範圍與執行時段。於步驟S2,當操作者透過運算伺服器140的使用者介面而選擇「安全帶辨識功能」且標記好欲執行安全帶辨識偵測的至少一區域及執行安全帶辨識偵測的至少一偵測時間段時,於步驟S3,工程監造管理整合系統100處於偵測階段,運算伺服器140於至少一偵測時間段藉由經訓練完成後的機器學習模型來對於即時畫面的至少一區域內進行偵測以判斷即時畫面的至少一區域內是否存在一個以上的目標物(此時的目標物為人)。當運算伺服器140判定即時畫面的至少一區域內存在目標物之後,運算伺服器140先標記出目標物於即時畫面的至少一區域內的位置且進一步地對於距離目標物的一定距離內所涵蓋的影像區塊進行影像定位以找出目標物的周邊範圍,接著運算伺服器140根據目標物的周邊範圍是否出現有具有安全帶顏色的安全帶形狀來進行影像處理及辨識以判斷為人的目標物是否有佩掛安全帶。值得一提的是,上述之影像定位與影像處理及辨識也可由運算伺服器140經由機器學習演算法的方式來實現。當運算伺服器140判定為人的目標物未佩掛安全帶時,則判定即時畫面存在異常情形(異常情形的數量可為一個或更多,依據未佩掛安全帶的目標物的數量而定),此時運算伺服器140將即時畫面(可為單純即時畫面或者是有於即時畫面上標記出異常情形的位置)與即時畫面所對應的時間戳記傳送至雲端伺服器160,於步驟S4,雲端伺服器160對應地發出警示訊息以通知管理者在時間戳記的時間點有施工人員未依工地安全規定佩掛安全帶。
在一些實施例中,當操作者透過運算伺服器140的使用者介面而選擇「安全網辨識功能」時,運算伺服器140的使用者介面更用以供操作者選擇安全網顏色,操作者可依據當下工地所規定要鋪設之安全網的顏色而選擇決定,安全網顏色例如為紅色、黃色、綠色等,本發明並不在此限。於步驟S2,當操作者透過運算伺服器140的使用者介面而選擇「安全網辨識功能」且選擇好安全網顏色時,運算伺服器140的使用者介面更用以供操作者標記出欲於即時畫面中執行安全網辨識偵測的至少一區域,並且運算伺服器140的使用者介面更用以供操作者設定執行「安全網辨識功能」的至少一偵測時間段。換言之,操作者可透過運算伺服器140的使用者介面自由標示安全網辨識的區域範圍與執行時段。於步驟S2,當操作者透過運算伺服器140的使用者介面而選擇「安全網辨識功能」且標記好欲執行安全網辨識偵測的至少一區域及執行安全網辨識偵測的至少一偵測時間段時,於步驟S3,工程監造管理整合系統100處於偵測階段,運算伺服器140於至少一偵測時間段藉由經訓練完成後的機器學習模型來對於即時畫面的至少一區域內進行偵測以判斷即時畫面的至少一區域內是否出現有具有安全網顏色的安全網形狀來進行影像處理及辨識以判斷即時畫面的至少一區域內是否有鋪設安全網。值得一提的是,上述之影像處理及辨識也可由運算伺服器140經由機器學習演算法的方式來實現。當運算伺服器140判定即時畫面的至少一區域內未鋪設安全網時,則判定即時畫面存在異常情形,此時運算伺服器140將即時畫面與即時畫面所對應的時間戳記傳送至雲端伺服器160,於步驟S4,雲端伺服器160對應地發出警示訊息以通知管理者在時間戳記的時間點於即時畫面的至少一區域內並未依工地安全規定鋪設安全網。
在一些實施例中,當操作者透過運算伺服器140的使用者介面而選擇「基本電子圍籬功能」時,運算伺服器140的使用者介面更用以供操作者標記出欲於即時畫面中執行電子圍籬偵測的至少一區域,並且運算伺服器140的使用者介面更用以供操作者設定執行「基本電子圍籬功能」的至少一偵測時間段。換言之,操作者可透過運算伺服器140的使用者介面自由標示電子圍籬的區域範圍與執行時段。於步驟S2,當操作者透過運算伺服器140的使用者介面而選擇「基本電子圍籬功能」且標記好欲執行電子圍籬偵測的至少一區域及執行電子圍籬偵測的至少一偵測時間段時,於步驟S3,工程監造管理整合系統100處於偵測階段,運算伺服器140於至少一偵測時間段藉由經訓練完成後的機器學習模型來對於即時畫面進行偵測以判斷即時畫面是否存在一個以上的目標物(此時的目標物為人與車之至少一者),當運算伺服器140判定即時畫面存在目標物之後,運算伺服器140先標記出目標物於即時畫面的位置且進一步判斷目標物是否位於即時畫面的至少一區域內(即判斷目標物是否進入至少一區域(危險或管制區域)內)。當運算伺服器140判定目標物位於即時畫面的至少一區域內(即:即時畫面的至少一區域內存在目標物)時,則判定即時畫面存在異常情形(異常情形的數量可為一個或更多,依據進入危險或管制區域的目標物的數量而定),此時運算伺服器140將即時畫面(可為單純即時畫面或者是有於即時畫面上標記出異常情形的位置)與即時畫面所對應的時間戳記傳送至雲端伺服器160,於步驟S4,雲端伺服器160對應地發出警示訊息以通知管理者在時間戳記的時間點有施工人員和/或工程車輛進入電子圍籬的管制範圍而進入危險或管制區域。
在一些實施例中,當操作者透過運算伺服器140的使用者介面而選擇「進階電子圍籬功能」時,運算伺服器140的使用者介面更用以供操作者設定目標物警戒半徑,並且運算伺服器140的使用者介面更用以供操作者設定執行「進階電子圍籬功能」的至少一偵測時間段。換言之,操作者可透過運算伺服器140的使用者介面自由設定目標物警戒半徑與進階電子圍籬的執行時段。於步驟S2,當操作者透過運算伺服器140的使用者介面而選擇「進階電子圍籬功能」且設定好目標物警戒半徑及執行進階電子圍籬偵測的至少一偵測時間段時,於步驟S3,工程監造管理整合系統100處於偵測階段,運算伺服器140於至少一偵測時間段藉由經訓練完成後的機器學習模型來對於即時畫面進行偵測以判斷即時畫面是否存在一個以上的目標物(此時的目標物為車(工程車輛)),當運算伺服器140判定即時畫面存在目標物之後,運算伺服器140先標記出目標物於即時畫面的位置且進一步地對於自目標物往外的目標物警戒半徑內所涵蓋的影像區塊進行影像定位以找出為車的目標物的警戒範圍,接著運算伺服器140根據目標物的警戒範圍是否出現有出現一個以上的為人的目標物進行影像處理及辨識以判斷是否有為人的目標物出現在工程車輛的警戒半徑之內。值得一提的是,上述之影像定位與影像處理及辨識也可由運算伺服器140經由機器學習演算法的方式來實現。當運算伺服器140判定有為人的目標物出現在工程車輛的警戒半徑的範圍之內(根據工地安全規範,工程車輛的警戒半徑的範圍之內不得有人員進入以避免工程車輛進行施工時發生工安危險)時,則判定即時畫面存在異常情形(異常情形的數量可為一個或更多,依據工程車輛的警戒半徑的範圍之內有為人的目標物的數量而定),此時運算伺服器140將即時畫面(可為單純即時畫面或者是有於即時畫面上標記出異常情形的位置)與即時畫面所對應的時間戳記傳送至雲端伺服器160,於步驟S4,雲端伺服器160對應地發出警示訊息以通知管理者在時間戳記的時間點有施工人員出現在工程車輛的警戒半徑的範圍之內。
綜合上述,本發明提出一種工程監造管理整合系統,具有各式的工程監造管理功能,可對於攝影機所取得的即時畫面進行偵測,以判斷是否有工安危害出現在即時畫面之中。
以上概述了數個實施例的特徵,因此熟習此技藝者可以更了解本發明的態樣。熟習此技藝者應了解到,其可輕易地把本發明當作基礎來設計或修改其他的製程與結構,藉此實現和在此所介紹的這些實施例相同的目標及/或達到相同的優點。熟習此技藝者也應可明白,這些等效的建構並未脫離本發明的精神與範圍,並且他們可以在不脫離本發明精神與範圍的前提下做各種的改變、替換與變動。
100:工程監造管理整合系統
120:攝影機
140:運算伺服器
160:雲端伺服器
S1,S2,S3,S4:步驟
從以下結合所附圖式所做的詳細描述,可對本發明之態樣有更佳的了解。需注意的是,根據業界的標準實務,各特徵並未依比例繪示。事實上,為了使討論更為清楚,各特徵的尺寸都可任意地增加或減少。
[圖1]係根據本發明的實施例之工程監造管理整合系統的示意圖。
[圖2]係根據本發明的實施例之工程監造管理整合系統的執行流程圖。
100:工程監造管理整合系統
120:攝影機
140:運算伺服器
160:雲端伺服器
Claims (9)
- 一種工程監造管理整合系統,包括:一攝影機,用以取得一即時畫面;一運算伺服器,通訊連接至該攝影機以接收該即時畫面且用以:提供一使用者介面以供一操作者選擇以下功能之一:一安全帽辨識功能、一安全帶辨識功能、一安全網辨識功能、一基本電子圍籬功能與一進階電子圍籬功能;當該操作者選擇該安全帶辨識功能時,該使用者介面更用以供該操作者選擇一安全帶顏色;當該操作者選擇該安全網辨識功能時,該使用者介面更用以供該操作者選擇一安全網顏色且用以供該操作者設定執行該安全網辨識功能的至少一偵測時間段;當該操作者選擇該安全帽辨識功能、該安全帶辨識功能、該安全網辨識功能或該基本電子圍籬功能時,該使用者介面更用以供該操作者標記出欲於該即時畫面中執行偵測的至少一區域;當該操作者選擇該進階電子圍籬功能時,該使用者介面更用以供該操作者設定一目標物警戒半徑;及根據該操作者所選擇的功能判斷該即時畫面是否存在至少一異常情形;及一雲端伺服器,通訊連接至該運算伺服器且用以於該即時畫面存在該至少一異常情形時,發出包括該即時畫面與該即時畫面所對應的一時間戳記的一警示訊息; 其中當該操作者選擇該安全網辨識功能時,該運算伺服器更用以:藉由該機器學習模型判斷該即時畫面的該至少一區域內是否出現該安全網顏色及一安全網形狀來判斷該即時畫面的該至少一區域內是否有依照工地安全規定來鋪設安全網;及當該即時畫面的該至少一區域內未鋪設安全網時,判定該即時畫面存在該至少一異常情形以通知管理者在該時間戳記的時間點於該即時畫面的該至少一區域內並未依工地安全規定鋪設安全網。
- 如請求項1所述之工程監造管理整合系統,其中該攝影機更用以取得一歷史監視資訊,該歷史監視資訊包括一有目標物畫面組與一無目標物畫面組,其中該運算伺服器接收該歷史監視資訊且根據該歷史監視資訊訓練一機器學習模型,藉此判斷該即時畫面是否存在至少一目標物。
- 如請求項2所述之工程監造管理整合系統,其中當該操作者選擇該安全帽辨識功能時,該運算伺服器更用以:藉由該機器學習模型判斷該即時畫面的該至少一區域內是否存在該至少一目標物,其中該至少一目標物為人;當該即時畫面的該至少一區域內存在該至少一目標物時, 藉由辨識該至少一目標物的頭部的形狀來判斷該至少一目標物的頭部是否有佩戴安全帽;及當該至少一目標物的頭部未佩戴安全帽時,判定該即時畫面存在該至少一異常情形。
- 如請求項2所述之工程監造管理整合系統,其中當該操作者選擇該安全帶辨識功能時,該運算伺服器更用以:藉由該機器學習模型判斷該即時畫面的該至少一區域內是否存在該至少一目標物,其中該至少一目標物為人;當該即時畫面的該至少一區域內存在該至少一目標物時,藉由辨識該至少一目標物的一周邊範圍內是否出現該安全帶顏色及一安全帶形狀來判斷該至少一目標物是否有佩掛安全帶;及當該至少一目標物未佩掛安全帶時,判定該即時畫面存在該至少一異常情形。
- 如請求項2所述之工程監造管理整合系統,其中當該操作者選擇該基本電子圍籬功能時,該使用者介面更用以供該操作者設定執行該基本電子圍籬功能的至少一偵測時間段。
- 如請求項5所述之工程監造管理整合系統,其中當該操作者選擇該基本電子圍籬功能時,該運算伺服 器更用以:於該至少一偵測時間段,藉由該機器學習模型判斷該即時畫面的該至少一區域內是否存在該至少一目標物,其中該目標物為人與車之至少一者;及當該至少一區域存在該至少一目標物時,判定該即時畫面存在該至少一異常情形。
- 如請求項2所述之工程監造管理整合系統,其中當該操作者選擇該進階電子圍籬功能時,該使用者介面更用以供該操作者設定執行該進階電子圍籬功能的至少一偵測時間段。
- 如請求項7所述之工程監造管理整合系統,其中當該操作者選擇該進階電子圍籬功能時,該運算伺服器更用以:於該至少一偵測時間段,藉由該機器學習模型判斷該即時畫面是否存在為車的該至少一目標物;當該即時畫面存在為車的該至少一目標物時,藉由該機器學習模型判斷自為車的該至少一目標物往外的該目標物警戒半徑內是否存在為人的該至少一目標物;及當該目標物警戒半徑內存在為人的該至少一目標物時,判定該即時畫面存在該至少一異常情形。
- 如請求項1所述之工程監造管理整合系統, 其中該雲端伺服器發出該警示訊息的方式包括以下至少一者:電子郵件發送、手機簡訊推播、應用程式通知。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111140581A TWI820980B (zh) | 2022-10-26 | 2022-10-26 | 工程監造管理整合系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111140581A TWI820980B (zh) | 2022-10-26 | 2022-10-26 | 工程監造管理整合系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI820980B true TWI820980B (zh) | 2023-11-01 |
TW202418057A TW202418057A (zh) | 2024-05-01 |
Family
ID=89722363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111140581A TWI820980B (zh) | 2022-10-26 | 2022-10-26 | 工程監造管理整合系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI820980B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWM607740U (zh) * | 2020-11-06 | 2021-02-11 | 泛亞工程建設股份有限公司 | 智慧工地管理設備 |
TW202125444A (zh) * | 2019-12-19 | 2021-07-01 | 國立臺北科技大學 | 警戒區域設定系統及其方法 |
TW202228010A (zh) * | 2020-12-29 | 2022-07-16 | 大陸商富泰華工業(深圳)有限公司 | 著裝及作業檢查方法、電腦裝置及儲存介質 |
-
2022
- 2022-10-26 TW TW111140581A patent/TWI820980B/zh active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW202125444A (zh) * | 2019-12-19 | 2021-07-01 | 國立臺北科技大學 | 警戒區域設定系統及其方法 |
TWM607740U (zh) * | 2020-11-06 | 2021-02-11 | 泛亞工程建設股份有限公司 | 智慧工地管理設備 |
TW202228010A (zh) * | 2020-12-29 | 2022-07-16 | 大陸商富泰華工業(深圳)有限公司 | 著裝及作業檢查方法、電腦裝置及儲存介質 |
Also Published As
Publication number | Publication date |
---|---|
TW202418057A (zh) | 2024-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230362324A1 (en) | Video surveillance system, video processing apparatus, video processing method, and video processing program | |
KR101808064B1 (ko) | 관제 시스템 및 방법 | |
KR101723283B1 (ko) | 작업자 행동기반 안전 관리 시스템 및 방법 | |
JP2019022209A (ja) | ビデオ監視システム並びにビデオ監視方法 | |
KR102398841B1 (ko) | 영상 분석에 기반하여 건설 현장의 위험을 판단하기 위한 방법 및 시스템 | |
CN106412501A (zh) | 一种视频的施工安全行为智能监控系统及其监控方法 | |
US11501619B2 (en) | Worksite classification system and method | |
KR102174784B1 (ko) | 딥 러닝과 멀티 에이전트를 활용한 대규모 개체 식별 및 추적 방법 | |
CN109996182B (zh) | 一种基于uwb定位与监控结合的定位方法、装置及系统 | |
CN105847769A (zh) | 一种建筑现场行为分析系统及分析方法 | |
KR102332818B1 (ko) | Rtls센서 연동 디지털 트윈 가상프록시 센서 및 디지털 트윈 가상공간 기반 위험구역 설정을 통한 위험 알림 시스템 및 그 방법 | |
KR20230094768A (ko) | 안전 보호구 착용 상태 모니터링 방법 및 그 방법을 제공하는 서버 | |
CN115150552A (zh) | 一种基于深度学习自适应的施工人员安全监测方法、系统及装置 | |
TWI820980B (zh) | 工程監造管理整合系統 | |
JP2017034511A (ja) | 移動体検出システム | |
CN108388873A (zh) | 一种机器视觉的监管系统、方法及客户机、存储介质 | |
CN117115999A (zh) | 移动式安全巡检方法、终端设备 | |
JP6226859B2 (ja) | 作業監視システム | |
KR20230138301A (ko) | 건설 통합 안전관리 시스템 및 이를 이용한 안전관리 방법 | |
KR20230029052A (ko) | 산업현장 위험방지시스템 | |
JP2017004184A (ja) | 侵入監視装置及び侵入監視システム | |
JP2021043932A (ja) | 情報処理システム、情報処理装置、サーバ装置、プログラム、又は方法 | |
KR102391575B1 (ko) | 비전카메라를 이용한 크레인 안전관리 시스템 | |
JP7247310B2 (ja) | 制御装置、制御方法、プログラム、及びシステム | |
KR102595115B1 (ko) | 사고 발생 위험 현장에서 cctv 영상 개별 작업자의위치추적정보를 이용한 안전체크의 모니터링 시스템 및 방법 |