[发明专利]基于深度学习的施工隔离栅栏状态智能检测的方法及系统

说明书

本发明涉及一种基于深度学习技术实现施工隔离栅栏状态智能检测的方法及系统，包括、从视频监控系统中获取实时图像作为监控图像、建立针对所述的施工隔离栅栏状态进行分类的深度神经网络模型、对施工隔离栅栏进行监控处理操作、对监控图像进行归类并进行状态分类判断、针对所述的施工隔离栅栏发现异常状态启动告警。采用该基于深度学习技术实现施工隔离栅栏状态智能检测的方法及系统，能精确区分施工栅栏正常放置状态与非正常放置状态。当训练好深度神经网络模型后，对施工隔离栅栏的分类检测仅仅需要非迭代的前向运算，能满足实时检测的要求。本发明提供的施工隔离栅栏状态的智能检测方法运行速度快、检测精度高，因此能保障告警的及时性，能严格防范施工的安全隐患。

技术领域

本发明涉及施工安全防范领域，尤其涉及智能监测领域，具体是指一种基于深度学习技术的实现施工隔离栅栏状态的智能检测的方法及系统。

背景技术

在一些维修施工过程中，通常要放置施工隔离栅栏将施工场地隔离开来，以警示非相关人员远离施工场地，从而避免引起安全事故。

在施工场地如果忘记放置施工隔离栅栏或施工隔离栅栏处于倒地状态，都可能会引起其他值班人员或非相关施工人员闯入施工禁地，极端情况下会引起非常严重的伤亡事故。因此对施工隔离栅栏状态异常检测是施工过程中非常重要的一个环节。

依靠人工24小时现场值班看守或远程紧盯屏幕值班看守已经不是一个高效的解决方法。随着图像处理技术和机器视觉技术的发展和应用推广，近年来利用基于机器视觉技术的智能视频分析系统已经应用到视频异常事件检测中。但由于在的视频监控系统中，摄像头的监控景深、光照条件、监控视角往往不是固定不变的，在这种监控情况下基于机器视觉技术的智能视频分析系统对安全隔离栅栏状态的检测往往精度不高，对异常状态的判断会存在很多误判或漏判，对的日常运转还是存在安全隐患。

发明内容

本发明的目的是克服了上述现有技术的缺点，提供了一种能够基于深度学习技术实现施工隔离栅栏状态智能检测的方法及系统。

为了实现上述目的，本发明的能够基于深度学习技术实现施工隔离栅栏状态智能检测的方法及系统如下：

该基于深度学习技术实现施工隔离栅栏状态智能检测的方法，其主要特点是，包括以下步骤：

(1)从视频监控系统中获取实时图像作为监控图像；

(2)建立针对所述的施工隔离栅栏状态进行分类的深度神经网络模型；

(3)对所述的施工隔离栅栏进行监控处理操作；

(4)对所述的监控图像进行归类并进行状态分类判断，如果所述的监控图像中所述的隔离栅栏状态正常，则返回上述步骤(3)，否则继续步骤(5)；

(5)针对所述的施工隔离栅栏发现异常状态启动告警。

较佳地，所述的步骤(1)具体包括以下步骤：

(11)将摄像头调整到施工区域；

(12)从监控视频流中实时截取每帧所述的实时图像作为监控图像。

较佳地，所述的步骤(2)具体包括以下步骤：

(21)收集所述的施工隔离栅栏放置状态的所述的监控图像作为样本图像，并对所述的样本图像进行分类，分为正常放置状态下的样本图像和非正常放置状态下的样本图像；

(22)建立专用于所述的施工隔离栅栏的所述的样本图像各个状态分类的深度神经网络模型，并初始化各神经元之间的连接参数；

(23)将所述的施工隔离栅栏的监控图像的训练和验证样本输入到所述的深度神经网络模型进行迭代训练；