[发明专利]神经网络训练行为图片进行工地施工异常行为提取方法

权利要求书

1.一种神经网络训练行为图片进行工地施工异常行为提取方法，其特征在于，包括如下步骤：

S1，通过数据库获取工地施工人员行为数据，对行为数据进行训练；

S2，将行为数据进行训练提取之后，获得最优获取工地人员安全行为图像距离属性；

S3，设置安全行为评判方法，从而对工地施工行为进行有效提取。

2.根据权利要求1所述的神经网络训练行为图片进行工地施工异常行为提取方法，其特征在于，所述S1包括：

经过安全行为识别过程中，对于建筑工地安全行为图像的特征集F进行聚类，初步筛选之后，对于不同的工地人员特征集合C的图像数据进行模型判断；提取特定特征图像的属性值，构造纹理信息，

头盔属性值其中ψ_i为某一时刻工地人员安全帽佩戴行为属性值，为安全行为中佩戴安全帽控制因子，为危险行为中未佩戴安全帽控制因子，

行走速度属性值其中r_i为某一时刻工地人员行走速度行为属性值，为安全行为中正常行走速度控制因子，为危险行为中非正常行走速度控制因子，

反光马甲属性值其中γ_i为某一时刻工地人员穿着反光马甲行为属性值，为安全行为中穿着反光马甲控制因子，为危险行为中未穿着反光马甲控制因子，

手持物品属性值其中η_i为某一时刻工地人员手持物品行为属性值，为安全行为中手持物品控制因子，为危险行为中未手持物品控制因子，由于工地人员手持物品长度和宽度影响，也要考虑相应的活动半径，如果是手持砖块，则其他工地人员的活动半径相对较大，如果是肩挑钢筋，则其他工地人员的活动半径相对较小，而且通过该属性值判断的行为控制因子收敛快速，防止危险行为发生；

违规逆行属性值其中为某一时刻工地人员违规逆行行为属性值，为安全行为中未违规逆行控制因子，为危险行为中违规逆行控制因子。

3.根据权利要求1所述的神经网络训练行为图片进行工地施工异常行为提取方法，其特征在于，所述S2包括：

对头盔属性值、行走速度属性值、反光马甲属性值、手持物品属性值和违规逆行属性值进行纹理特征提取后，通过相应的控制因子进行筛选，

在最优获取工地人员安全行为图像距离属性中

通过工地人员安全行为权重向量J和安全行为向量转置J^T与安全行为提取样本u_i相乘后的卷积计算获得安全行为图像的距离属性，通过工地人员危险行为权重向量K和危险行为向量转置K^T与危险行为提取样本c_i相乘后的卷积计算获得危险行为图像的距离属性，

由于S3-1中已经对相应行为属性进行了判断，通过S3-2步骤对行为进行属性判断，该距离属性用于判断安全行为图像的临界值，也就是说相应的图片属性能否达到安全行为判定的程度，所以称为距离属性；

最优化安全行为收敛函数

和最优化危险行为收敛函数

4.根据权利要求1所述的神经网络训练行为图片进行工地施工异常行为提取方法，其特征在于，所述S3包括：

通过安全行为估计值进行评判

其中，τ为结果控制算子；

如果高于安全行为估计值则列为安全行为，如果低于安全行为估计值则列为危险行为。