[发明专利]一种基于机器学习和图像识别的施工现场人员管理方法

权利要求书

1.一种基于机器学习和图像识别的施工现场人员管理方法，其特征在于，包括：

S1，使用AI智能检测相机对施工人员进行信息采集与标注，建立施工人员人像库；

S2，使用AI智能检测相机采集施工现场人员的动态图像，使用多模型融合算法实施人像识别，建立施工人员档案；

所述多模型融合算法包括：

S21,从模型池中寻找一个最优的模型组合；

S22，以多个模型计算出的top-k图像的相似度为基础，利用神经网络模型确定多种人像特征信息在相似度级别上的关联；

S23，计算得到一个综合的人像比对排序和打分；

S3，根据施工现场人员的动态图像，对施工人员的运行轨迹进行初步分析，基于初步分析结果、施工现场的时空联系信息和施工人员档案构建训练模型；

S4，通过人像、人体的多特征信息，基于深层神经网络模型，融合大场景空间模型，实现对人员的连续动态轨迹追踪；

S5，根据追踪的人员轨迹对人员的行为信息进行评估，视需做出预警。

2.根据权利要求1所述的施工现场人员管理方法，其特征在于，步骤S2中，人像识别包括人脸检测、质量分析、关键点检测对齐、人脸特征提取和人脸比对，实现不利检测环境下的快速标记人像位置。

3.根据权利要求2所述的施工现场人员管理方法，其特征在于，在进行人像识别之前，需要进行图像画质矫正，分析人像五官的完整性，过滤不利于特征提取的人像，对在较远距离中捕捉到的模糊人像进行超分优化。

4.根据权利要求1所述的施工现场人员管理方法，其特征在于，建立施工人员档案是对施工现场采集的人像图像进行自动聚类，将同一人的人像图像合并自动建档并赋予唯一ID，自动记录被采集人员的所有行为数据。

5.根据权利要求4所述的施工现场人员管理方法，其特征在于，施工人员档案建立包括实时建档模式和离线建档模式，其设置于分布式的计算集群系统中，以对数据进行快速计算及存储。

6.根据权利要求1所述的施工现场人员管理方法，其特征在于，步骤S2中，建立施工人员档案包括：

S210，通过多相机获取的人像图像，通过提取人像、人体及其他辅助特征，采用无监督聚类的方法与身份证信息关联，得到人像图像的一人一档ID标签；

S220,在当日人像建档的基础上，通过提取人像特征和身份证信息辅助的方式，进行跨天的ID标签关联，最后得到每个图片一个跨天全局的ID标签；

S230，对采用不同型号的相机拍摄或拍摄角度不同的人像图片，进行特殊的模型训练及针对性的阈值调整。

7.根据权利要求1所述的施工现场人员管理方法，其特征在于，步骤S22中，利用多种不同场景下的人像识别模型提取人像特征，对于每张人像图像I_j都会得到一个人像特征集F_j＝{f_1j,f_2j,f_3j,...,f_mj}；计算人像图像对中图像I_a和图像I_b的相似度，得到一组相似度向量其中，

8.根据权利要求7所述的施工现场人员管理方法，其特征在于，通过将每一个相似度向量传递至神经网络模型进行计算，得到第一概率P₁和第二概率P₂，对第一概率P₁和第二概率P₂归一化处理，确定相似度阈值；根据相似度阈值利用临近算法寻找出与比对图片最接近的top-k图像。

9.根据权利要求1所述的施工现场人员管理方法，其特征在于，所述连续动态轨迹追踪为单相机多目标的轨迹追踪，其包括以下步骤：

S41,基于给定的视频截图，通过训练机器学习模型，实时且高精度地检测出人体、人像、人头的矩形区域；

S42，根据施工现场步骤的温度传感器得出被检测人员的体感温度，发送给后端进行跟踪和人像识别；

S43，在视频序列中，对抓拍到的人像图像按照模糊度、角度、遮挡程度进行质量综合打分和排序，最后选出质量最高的图片发送到后端进行运行轨迹调参。