[发明专利]一种基于显著性神经网络模型的施工安全预警方法和装置

权利要求书

1.一种基于显著性神经网络模型的施工安全预警方法，其特征在于，包括：

当接收到施工设备和人员图像集时，对所述施工设备和人员图像集进行图像预处理，生成训练样本数据；

采用预设VGGnet16卷积神经网络模型与预设交并空间型神经网络模型构建交并空间注意力机制卷积神经网络模型，并结合预设LSTM神经网络模型构建初始显著性神经网络模型；

采用所述训练样本数据对所述初始显著性神经网络模型进行训练，生成目标显著性神经网络模型；

当接收到待识别施工现场图像时，采用所述待识别施工现场图像输入所述目标显著性神经网络模型，生成目标细化特征图；

从所述目标细化特征图提取对应的目标本体数据，根据所述目标本体数据确定多个对应的目标本体区域，并对所述目标本体区域进行标识；

基于多个所述目标本体区域是否满足预设条件的判断结果，判断所述目标本体数据关联的施工人员是否存在施工安全隐患。

2.根据权利要求1所述的基于显著性神经网络模型的施工安全预警方法，其特征在于，所述采用所述训练样本数据对所述初始显著性神经网络模型进行训练，生成目标显著性神经网络模型的步骤，包括：

将所述训练样本数据输入所述初始显著性神经网络模型，生成对应的训练细化特征图；

计算所述训练细化特征图与关联的标准细化特征图之间的训练损失值；

比较所述训练损失值与预设的训练标准阈值；

若所述训练损失值小于或等于所述训练标准阈值，则停止训练，生成目标显著性神经网络模型。

3.根据权利要求2所述的基于显著性神经网络模型的施工安全预警方法，其特征在于，还包括：

若所述训练损失值大于所述训练标准阈值，则按照预设梯度调整所述初始显著性神经网络模型的参数，并跳转所述将所述训练样本数据输入所述初始显著性神经网络模型，生成对应的训练细化特征图的步骤。

4.根据权利要求1所述的基于显著性神经网络模型的施工安全预警方法，其特征在于，所述当接收到待识别施工现场图像时，采用所述待识别施工现场图像输入所述目标显著性神经网络模型，生成目标细化特征图的步骤，包括：

当接收到待识别施工现场图像时，采用所述待识别施工现场图像输入所述交并空间注意力机制卷积神经网络模型进行训练，提取多个对应的卷积图像特征图；

对多个所述卷积图像特征图进行归一化操作和映射，得到多个对应的图像特征概率图；

采用所述图像特征概率图输入所述LSTM神经网络模型进行训练，提取多个对应的目标显著图；

对多个所述目标显著图进行线性拟合操作，得到对应的目标细化特征图。

5.根据权利要求1所述的基于显著性神经网络模型的施工安全预警方法，其特征在于，所述目标本体数据包括施工设备本体数据和施工人员本体数据，所述目标本体区域包括施工设备本体区域和施工人员本体区域，所述从所述目标细化特征图提取对应的目标本体数据，根据所述目标本体数据确定多个对应的目标本体区域，并对所述目标本体区域进行标识的步骤，包括：

从所述目标细化特征图提取对应的施工设备本体数据，以各个所述施工设备本体数据所处位置为区域中心，划分预设半径的多个施工设备本体区域；

按照所述施工设备本体区域关联的施工设备的设备类型对所述施工设备本体区域标识预设的类别颜色；

从所述目标细化特征图提取对应的施工人员本体数据，以各个所述施工人员本体数据所处位置为区域中心，划分所述预设半径的多个施工人员本体区域；

对所述施工人员本体区域关联的施工人员标识预设的显著边框。

6.根据权利要求5所述的基于显著性神经网络模型的施工安全预警方法，其特征在于，所述基于多个所述目标本体区域是否满足预设条件的判断结果，判断所述目标本体数据关联的施工人员是否存在施工安全隐患的步骤，包括：

若任一所述施工设备本体区域与各个所述施工人员本体区域之间存在区域重叠，则判定所述施工人员本体区域关联的施工人员存在施工安全隐患；

若所有所述施工设备本体区域与各个所述施工人员本体区域之间不存在区域重叠，则判定所述施工人员本体区域关联的施工人员不存在施工安全隐患。