[发明专利]一种基于边缘计算的违规行为智能监测头盔及其监测方法

权利要求书

1.一种基于边缘计算的违规行为智能监测头盔，其特征在于，包括：

场景摄像头，用于采集不同场景下的施工现场图像；

场景检测模块，用于根据场景摄像头采集的施工现场图像检测是否发生场景变化；

4G通信模块，用于将当前场景检测结果对应的场景图像发送至远程服务器；

头盔自带边缘设备，用于根据场景检测结果，调用智能监测头盔内置的违规行为识别模型对当前场景图像进行违规行为识别；

远程服务器，用于根据接收到的当前场景检测结果对应的图像，调用违规行为识别模型进行违规行为识别。

2.根据权利要求1所述的基于边缘计算的违规行为智能监测头盔，其特征在于，所述场景摄像头包括红外摄像头和可见光摄像头；

所述红外摄像头用于采集夜晚施工现场的图像，所述可见光摄像头用于采集白天施工现场的图像；

当4G通信模块的信号弱或场景发生变化时，通过头盔自带边缘设备调用内置违规行为识别模型进行违规行为的识别；

当4G通信模块的信号强且场景未发生变化时，通过4G通信模块将当前场景图像发送至远程服务器，调用其内置的违规行为识别模型进行违规行为的识别。

3.一种基于权利要求1～2任意一条权利要求所述的基于边缘计算的违规行为智能监测头盔的智能监测方法，其特征在于，包括以下步骤：

S1、采集施工现场的场景图像；

S2、确定当前4G通信模块的信号强弱情况；

当信号弱时，进入步骤S4；

当信号强时，进入步骤S3；

S3、根据采集的施工现场的图像，判断场景是否发生变化；

若是，则进入步骤S4；

若否，则进入步骤S5；

S4、将当前场景图像直接传输至头盔自带边缘设备，进入步骤S6；

S5、通过4G通信模块将当前场景图像发送至远程服务器，进入步骤S6；

S6、通过头盔自带边缘设备或远程服务器内置的违规行为识别模型对当前场景图像的违规行为进行识别，获取违规行为识别结果。

4.根据权利要求3所述的基于边缘计算的违规行为智能监测方法，其特征在于，所述步骤S3具体为：

S31、提取施工现场的图像的特征点；

S32、对相邻两张图像的进行特征点匹配；

S33、基于特征点匹配结果，判断是否成立；

若是，则场景发生变化，进入步骤S4；

若否，则场景未发生变化，进入步骤S5；

式中，b为前后两张图像的进行匹配的特征点数量，a为前一张图像的特征点数量，k为设定的场景变化阈值。

5.根据权利要求4所述的基于边缘计算的违规行为智能监测方法，其特征在于，所述步骤S6中的违规行为识别模型包括依次连接的图像预处理层、卷积层、卷积网络层、池化层、全连接层和回归分类层；

所述全连接层的输入输出关系为：

式中，a_i为全连接层的输出，W_ij为当前输入所占的权重，b_i为偏置参数，x_j为全连接层的输入。

6.根据权利要求5所述的基于边缘计算的违规行为智能监测方法，其特征在于，所述步骤S6中，通过违规行为识别模型对当前场景图像的违规行为进行识别的方法具体为：

A1、通过图像预处理层采用区域合并算法提取当前场景图像的候选区域；

A2、通过卷积层提取当前场景图像的特征区域；

A3、将提取的候选区域对应的四元组坐标通过卷积网络映射到特征区域上；

A4、将取映射后的特征区域输入到池化层中，获取对应的目标特征图；

A5、将目标特征图依次输入到全连接层和回归分类层中，获取目标特征图中的结果识别框，即获得当前场景图像中的违规行为识别结果。