[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

说明书

本发明公开了一种基于机器学习和图像识别的施工现场人员管理方法，其包括：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；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；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；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；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。

技术领域

本发明属于建筑工程技术领域，涉及一种基于机器学习和图像识别的施工现场人员管理方法。

背景技术

建筑工程中，施工作业现场环境复杂，施工人员组成类别繁多，传统的施工现场人员管理方式存在着管理人员无法客观判定情况、现场作业面具有监管盲区、现场人员动态信息无法实时传输等问题。

目前施工现场采用的人员门禁系统基本分为刷卡门禁系统、指纹门禁系统、人脸识别门禁系统。上述系统均为被动式识别，需要来访者佩戴可识别标签、体态特征明显以及满足运动静止的条件等，容易出现标签丢失，导致非本工地施工人员进入施工现场以及施工现场环境无法满足体态特征识别条件的情况。

此外，当前的施工现场监控系统仅能做好实时监控现场情况，无法对施工人员的危险动作进行预警，以及对于体感温度过高人员的轨迹追踪。

因此，亟需设计一种基于机器学习和图像识别的施工现场人员管理方法，解决现有技术中存在的技术问题。

发明内容

本发明的目的是至少一定程度上解决现有技术中存在的部分技术问题，提供的一种基于机器学习和图像识别的施工现场人员管理方法，基于机器学习、计算机视觉和图像识别，并联合物联网技术，对施工现场人员的行为、人像、衣着装扮、运动轨迹、体感温度等五个方面进行人员信息化管理，进而实现对施工现场的精细化管理，能够实时快速高效的管理施工现场人员。

为解决上述技术问题，本发明提供的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。

作为优选实施例，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。

作为优选实施例，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。

作为优选实施例，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。