[发明专利]一种融合时空特征的施工高空作业失稳状态检测方法

说明书

本发明公开了一种融合时空特征的施工高空作业失稳状态检测方法，方法包含如下步骤：提取检测目标时间运动特征，计算图像序列帧间像素的运动信息；提取检测目标空间定位特征，融合时间运动特征来获取建筑工人骨骼关节点的空间坐标信息；依据建筑工人骨骼关节空间位置实现高空作业失稳状态检测。方法通过时序特征聚集网络模型，人体空间定位网络模型和安全状态检测网络模型级联的神经网络模型实现。本发明融合时空特征，利用图像像素的时序关系来丰富人体骨骼关节点在图像连续帧上的空间联系，以骨骼关节点连线的倾斜度为阈值实现施工高空作业失稳状态检测。发明智能化水平高，具备较好的应用前景和实用价值。

技术领域

本发明涉及计算机视觉技术领域，包含了深度学习技术，尤其是涉及一种融合时空特征的施工高空作业失稳状态检测方法。

背景技术

建筑行业在我国国民经济中占据重要地位，但相较于其它行业，却也具备高危险性和事故多发性。虽然施工现场已制定大量安全管控措施，但建筑工程施工安全现状依旧严峻。而在众多安全事故类型中，高处坠落又是最主要的事故类型，占据事故起数半数以上。据统计，高空探身作业等失稳施工状态极易引发高处坠落事故。如果能够及时、准确地对建筑工人高空作业时失稳状态进行检测与预警，将有效预防高处坠落事故的发生，保障建筑工人的生命安全。

安全状态检测的目的是及时发现高空险态，但当前施工现场仍以人工检测为主，人工检测效率低、频率低，难以做到全天候、全覆盖检测，且人工检测提交的书面检测报告难以详尽地反映检测结果，不利于安全隐患的发现与消除。

所以，基于上述问题，亟需设计一种智能化的高空作业失稳状态检测方法，实现施工作业状态的实时、动态检测。为施工现场的安全管理和绩效考核提高可视化依据。

发明内容

针对现有技术存在的问题和不足，本发明的目的在于提供一种融合时空特征的施工高空作业失稳状态检测方法，用于实现动态视频流状态下施工作业状态的实时检测。

本发明采用的技术方案是：提供一种融合时空特征的施工高空作业失稳状态检测方法，方法通过时序特征聚集网络模型，人体空间定位网络模型和安全状态检测网络模型级联的神经网络模型实现检测；包含如下步骤：

步骤S1：通过时序特征聚集网络模型，提取检测目标时间运动特征，计算图像序列帧间像素的运动信息；

步骤S2：通过人体空间定位网络模型，提取检测目标空间定位特征，融合步骤S1获得的时间运动特征来获取建筑工人骨骼关节点的空间坐标信息；

步骤S3：依据步骤S2获得的建筑工人骨骼关节空间坐标信息，通过安全状态检测网络模型，实现高空作业失稳状态检测。

优选的，步骤S1和S2所述时序特征聚集网络模型与人体空间定位网络模型为主干特征提取网络，采用并联方式连接，输出带坐标信息并界定建筑工人人体区域的连续帧图像；步骤S3所述安全状态检测网络模型为结果判断输出模型，串联于时序特征聚集网络模型和人体空间定位网络模型之后。

优选的，所述的级联模型除了引用轻型网络结构外，还使用深度可分离卷积层替换普通卷积层。模型为轻量级模型，可载入存储介质中使用。

优选的，融合时空特征的施工高空作业失稳状态检测方法将建议的包含坐标信息的建筑工人人体区域图像和图像帧间关系输入安全状态检测网络模型，对传入的图像与信息先进行整体目标特征提取与增强，再实现施工作业状态分类。

优选的，所述时序特征聚集网络模型由帧间联系网络和特征补偿网络组成。其中，帧间联系网络通过图像像素在离散时间序列上的变化情况来计算临近帧间的相对关系；特征补偿网络依据正常图像帧和帧间运动对图像损失帧进行像素预测与补偿，获取点像素的运动信息。

优选的，所述的人体空间定位网络模型由骨骼关节定位网络、时空特征融合网络和人体区域建议网络组成。先利用骨骼关节点定位图像中建筑工人人体区域，再利用卷积神经网络实现最佳区域预测与关键点坐标输出。