[发明专利]一种吊装过程人员安全监测方法及系统

说明书

本发明公开了一种吊装过程人员安全监测方法及系统，其中，方法包括：构建标识有障碍物的吊装场地模型；训练生成工人、吊装物体检测网络；不断进行正确佩戴安全帽的工人、未正确佩戴安全帽的工人及吊装物体的检测；当检测到工人但吊装场地不允许人进入时，和/或检测到未正确佩戴安全帽的工人时，触发报警；否则，判断工人与吊装物体间是否存在相对运动；若是，结合吊装场地模型、利用滑动窗口的方法预测工人路径；基于吊装场地模型，利用蚁群算法预测吊装物体路径；判断工人及吊装物体是否存在某一时刻工人及吊装物体的距离小于预设距离，若是，触发报警。本发明对吊装过程中的危险进行全面、及时的识别，能够有效预防吊装事故的发生。

技术领域

本发明涉及图像处理技术领域，具体涉及一种吊装过程人员安全监测方法及系统。

背景技术

随着城镇人口的不断增加，对高层和超高层建筑的需求越来越大，为了提高施工机械化和工业化，塔吊被广泛应用在高层、超高层建筑的施工过程中。吊装过程中出现的安全事故依旧层出不穷，目前已有的吊装过程监测系统主要考虑吊车的安全状态以及与周围结构物的碰撞情况。然而，最严重的吊装事故往往与人有关，事故的后果严重，重伤和死亡的比例也很高。

现有的吊装过程人员安全监测主要使用数字摄像机，确定建筑工人的位置，或者使用静态放置的和动态移动的摄像机来跟踪施工现场的工人。此外，现有技术提出了一种基于机器学习的跟踪方法，用于追踪施工现场的工人。然而，上述方法只是跟踪工人，无法识别吊装过程是否安全，无法对工人进行预警。

公开号为CN 109019335A的发明专利申请公开了一种基手深度学习的吊装安全距离检测方法，其包括：通过摄像头获取塔吊结构中吊装物体周围的图像；针对获取图像中的工人和吊装物体进行标记、制作成数据集；利用深度学习中的faster R-CNN对数据集进行训练；利用训练好的检测模型对图像中的工人和吊装物体进行识别和定位；根据检测结果中的定位信息计算出图像中工人和吊装物体的像素距离，再根据吊装物体和摄像头的高度以及吊装物体的真实长度和像素长度，将工人与吊装物体的像素距离换算成工人与吊装物体垂直投影点的实际距离，进而实现对吊装安全距离的监测。

上述申请虽然能通过工人与吊装物体间的距离检测来提高吊装过程中的安全性，但是对吊装过程的危险识别方式单一，且在检测到工人与吊装物体间的距离低于一定值时才进行安全预警，并不能有效预防吊装事故的发生。因此，如何实现全面、及时的吊装过程危险识别，有效预防吊装事故的发生，这是本领域亟待解决的问题。

发明内容

本发明的目的是针对现有技术的缺陷，提供了一种吊装过程人员安全监测及系统。本发明对吊装过程中的危险进行全面、及时的识别，能够有效预防吊装事故的发生。

为了实现以上目的，本发明采用以下技术方案：

一种吊装过程人员安全监测方法，包括：

S1、采集吊装场地图像，识别吊装场地中的障碍物，构建标识有障碍物的吊装场地模型；

S2、训练生成Faster R-CNN工人、吊装物体检测网络；

S3、利用所述检测网络对吊装场地拍摄视频中的帧图像不断进行正确佩戴安全帽的工人、未正确佩戴安全帽的工人及吊装物体的检测，直到检测出正确佩戴安全帽的工人和/或未正确佩戴安全帽的工人；

S4、当检测到工人但吊装场地不允许人进入时，和/或检测到未正确佩戴安全帽的工人时，触发报警；否则执行步骤S5；

S5、基于工人与吊装物体在前后两帧图像间的距离差值，判断工人与吊装物体间是否存在相对运动；若是，执行步骤S6；

S6、基于检测到的工人历史路径，训练生成LSTM工人路径预测模型，结合所述标识有障碍物的吊装场地模型、利用滑动窗口的方法预测工人路径；