[发明专利]基于区块链与BIM的工地人员异常聚集检测系统

权利要求书

1.一种基于区块链与BIM的工地人员异常聚集检测系统，其特征在于，该系统基于工地区域建筑信息模型进行工地人员异常聚集检测，该系统包括：

图像采集单元，用于获取包含深度信息的监控区域彩色图像；

人员密度热图获取单元，用于基于人员定位深度神经网络对监控区域彩色图像进行分析，获得人员密度热图，人员定位深度神经网络包括人员定位编码器、联合特征提取编码器、人员定位解码器；

人员密度估计单元，用于对人员密度热图中的热斑进行位置回归、计数，得到人员密度估计结果；

可视化单元，用于从工地区域建筑信息模型获取数据，结合Web GIS对工地区域建筑信息模型进行渲染，将工地人员聚集情况展示在前台页面；

异常预警单元，用于当人员密度估计结果超过设定阈值时，发送异常预警信息至前台页面；

系统还包括服务器集群，服务器集群中的所有节点载入人员定位深度神经网络所需参数；针对每一个人员定位深度神经网络推理请求，从服务器集群中选择多个可用节点，将分别分布于不同可用节点的人员定位编码器、联合特征提取编码器、人员定位解码器所需参数作为区块数据，按照人员定位深度神经网络推理顺序，生成人员定位深度神经网络推理区块链私链，并执行人员定位深度神经网络推理。

2.如权利要求1所述的系统，其特征在于，所述区块链私链中的区块对其要传输至下一区块的神经网络推理中间结果数据进行加密，对其从上一区块接收到的神经网络推理中间结果数据进行解密。

3.如权利要求2所述的系统，其特征在于，所述区块采用张量混淆加密机制进行加密、解密操作。

4.如权利要求1-3任一项所述的系统，其特征在于，对人员定位编码器、联合特征提取编码器、人员定位解码器分别进行适当细分，将分别分布于不同节点的细分后的每一模块的参数作为区块数据，按照人员定位深度神经网络推理顺序，生成人员定位深度神经网络推理区块链私链。

5.如权利要求1-3任一项所述的系统，其特征在于，所述人员定位编码器，用于对从监控区域彩色图像提取的多通道数据进行特征编码，得到初始人员密度特征；

联合特征提取编码器，用于对初始人员密度特征与深度信息按通道接合后的特征进行特征提取；

人员定位解码器，用于对联合特征提取解码器的输出进行解码，得到人员密度热图。

6.如权利要求1-3任一项所述的系统，其特征在于，所述工地区域建筑信息模型包括工地场景建模信息、监控区域信息、人员密度数据。

7.如权利要求1所述的系统，其特征在于，所述可视化单元包括：

初始化模块，用于从工地区域建筑信息模型获取工地场景建模信息，结合Web GIS技术对工地区域建筑信息模型进行渲染，展示在前台Web页面，得到工地区域建筑信息模型的初始展示结果；

数据获取模块，用于从工地区域建筑信息模型获取监控区域信息、人员密度数据；

人员聚集情况可视化模块，用于从根据监控区域信息的地理位置将监控区域信息、人员密度数据匹配至初始展示结果中，并根据异常预警信息对监控区域进行警示标记。

8.如权利要求3所述的系统，其特征在于，所述张量混淆加密机制包括：

随机生成C组随机数，每一组包括两个随机数值，其中C为区块所在节点输出张量的通道数；

根据两个随机数值分别对张量的宽、高方向进行循环移位操作。