一种铁路作业现场监理旁站行为自动识别系统的制作方法

摘要: 本技术涉及铁路智能监理,特别是涉及一种铁路作业现场监理旁站行为自动识别系统。背景技术:1、随着铁路建设规模的持续扩大和施工智能化水平的不断提升,铁路作业现场对工...
一种铁路作业现场监理旁站行为自动识别系统的制作方法

本技术涉及铁路智能监理,特别是涉及一种铁路作业现场监理旁站行为自动识别系统。

背景技术:

1、随着铁路建设规模的持续扩大和施工智能化水平的不断提升,铁路作业现场对工程质量和安全监管的要求越来越高,在铁路工程建设过程中,监理旁站作为关键工序质量控制的重要手段,已成为保障施工合规性和安全性的核心环节。

2、现有技术中对监理旁站行为的监管主要依赖于人工签到、纸质记录或简单的视频回放核查,然而,人工签到、纸质记录或简单的视频回放核查无法判断监理人员的行为是否符合旁站规范。

技术实现思路

1、基于此,有必要针对上述技术问题,提供一种能够判断监理人员的行为符合旁站规范的一种铁路作业现场监理旁站行为自动识别系统。

2、第一方面,本技术提供了一种铁路作业现场监理旁站行为自动识别系统,所述铁路作业现场监理旁站行为自动识别系统包括视频采集模块、人员身份识别模块、空间定位分析模块、工序状态感知模块、多维数据融合判断模块;其中,

3、所述视频采集模块,用于在铁路作业现场获取视频流数据;

4、所述人员身份识别模块,用于通过基于深度学习的监理人员身份识别模型,对所述视频流数据中的人员进行监理人员身份识别,得到监理人员身份识别结果;

5、所述空间定位分析模块,用于若所述监理人员身份识别结果中包含已识别监理人员,则获取所述视频流数据中所述已识别监理人员的二维空间坐标;对所述二维空间坐标进行坐标映射估算,输出所述已识别监理人员的三维空间坐标;

6、所述工序状态感知模块,用于获取所述视频流数据中所述铁路作业现场的施工状态特征;基于所述施工状态特征和所述铁路作业现场的当前施工工序的监理要求生成工序状态判定结果;

7、所述多维数据融合判断模块,用于基于所述监理人员身份识别结果、所述三维空间坐标、所述工序状态判定结果判定所述监理人员在合规判定条件下执行旁站行为的有效度,输出多维数据融合判定结果。

8、在其中一个实施例中,所述视频采集模块包括全景覆盖子模块、区域聚焦子模块、光照自适应调节子模块;其中,

9、所述全景覆盖子模块,用于部署于所述铁路作业现场周界高位部署点,对所述铁路作业现场进行广角无死角的视频流数据采集,以记录所述铁路作业现场中监理活动与施工作业的整体态势;

10、所述区域聚焦子模块,用于对所述铁路作业现场中的监理旁站位置进行局部视频流采集,以记录在所述监理旁站位置的监理人员的面部特征、行为细节中的至少一项;

11、所述光照自适应调节子模块,用于获取环境光照参数、气象感知参数中的至少一项;基于所述环境光照参数、所述气象感知参数中的至少一项动态调整成像光学调控策略,以维持所述视频流数据的视频成像质量。

12、在其中一个实施例中,所述人员身份识别模块包括关键帧提取子模块、监理人脸特征增强子模块和旁站资格验证子模块;其中:

13、所述关键帧提取子模块,用于基于时间序列、视角多样性中的至少一项在所述视频流数据中抽取关键帧图像;

14、所述监理人脸特征增强子模块,用于基于所述深度学习的监理人员身份识别算法对所述关键帧图像中的人脸区域进行鲁棒性增强处理,生成监理人员脸部特征;

15、所述旁站资格验证子模块,用于将所述监理人员脸部特征与预存于监理人员资质数据库中的注册特征模板进行相似度比对;若所述监理人员脸部特征与所述注册特征模板的相似度大于预设相似度阈值,则获取当前施工工序授权信息;基于所述当前施工工序授权信息对所述监理人员脸部特征进行权限校验,以校验所述监理人员的当前施工工序授权资格。

16、在其中一个实施例中,所述空间定位分析模块包括电子围栏配置子模块、目标检测与跟踪子模块、空间映射子模块;其中:

17、所述电子围栏配置子模块,用于基于所述当前施工工序的旁站区域要求,在所述铁路作业现场的空间坐标基准体系中设置旁站区域对应的逻辑围栏边界,生成与所述当前施工工序绑定的动态电子围栏数据;

18、所述目标检测与跟踪子模块,用于对所述视频流数据对应的视频画面中所述已识别监理人员进行实时跨帧目标追踪,输出各所述视频画面中的二维轨迹数据;

19、所述空间映射子模块,用于获取摄像机的标定参数,所述摄像机用于采集所述视频流数据;基于所述摄像机的标定参数和所述铁路作业现场的空间坐标基准体系,将所述二维轨迹数据进行坐标映射估算,输出所述三维空间坐标;将所述三维空间坐标与所述动态电子围栏数据进行空间关系比对,以判断所述已识别监理人员与所述当前施工工序所要求的旁站区域的位置关系。

20、在其中一个实施例中,所述工序状态感知模块包括施工工序解析子模块、特征提取子模块和语义逻辑比对子模块;其中:

21、所述施工工序解析子模块,用于获取旁站关联工序规则集;基于所述旁站关联工序规则集生成需监理旁站的施工工序语义规则库;

22、所述特征提取子模块,用于基于预先训练得到的施工状态特征感知网络对所述视频流数据进行特征提取,得到所述施工状态特征,所述施工状态特征感知网络是基于深度学习驱动的;

23、所述语义逻辑比对子模块,用于将所述施工状态特征与所述施工工序语义规则库进行施工工序语义逻辑比对,判断所述铁路作业现场的当前施工工序的监理要求,生成所述工序状态判定结果。

24、在其中一个实施例中,所述多维数据融合判断模块包括四维要素对齐子模块、一致性校验子模块和旁站行为记录子模块;其中:

25、所述四维要素对齐子模块,用于获取所述铁路作业现场监理旁站行为自动识别系统的系统时间戳;对所述监理人员身份识别结果、所述三维空间坐标、所述系统时间戳、所述工序状态判定结果进行时间同步与空间坐标统一,形成时空对齐的四维要素融合数据集;

26、所述一致性校验子模块,用于基于监理旁站的业务逻辑,构建四维一致性校验机制;基于所述四维一致性校验机制对所述四维要素融合数据集进行一致性校验,以判定所述监理人员在合规判定条件下执行旁站行为的有效度,输出多维数据融合判定结果;

27、所述旁站行为记录子模块,用于将所述多维数据融合判定结果和所述四维要素融合数据集、所述系统时间戳封装为旁站行为记录,以对接异常行为预警功能。

28、第二方面,本技术还提供了一种铁路作业现场监理旁站行为自动识别方法,包括:

29、在铁路作业现场获取视频流数据;

30、通过基于深度学习的监理人员身份识别模型,对所述视频流数据中的人员进行监理人员身份识别,得到监理人员身份识别结果;

31、若所述监理人员身份识别结果中包含已识别监理人员,则获取所述视频流数据中所述已识别监理人员的二维空间坐标;

32、对所述二维空间坐标进行坐标映射估算,输出所述已识别监理人员的三维空间坐标;

33、获取所述视频流数据中所述铁路作业现场的施工状态特征;

34、基于所述施工状态特征和所述铁路作业现场的当前施工工序的监理要求生成工序状态判定结果;

35、基于所述监理人员身份识别结果、所述三维空间坐标、所述工序状态判定结果判定所述监理人员在合规判定条件下执行旁站行为的有效度,输出多维数据融合判定结果。

36、第三方面,本技术还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:

37、在铁路作业现场获取视频流数据;

38、通过基于深度学习的监理人员身份识别模型,对所述视频流数据中的人员进行监理人员身份识别,得到监理人员身份识别结果;

39、若所述监理人员身份识别结果中包含已识别监理人员,则获取所述视频流数据中所述已识别监理人员的二维空间坐标;

40、对所述二维空间坐标进行坐标映射估算,输出所述已识别监理人员的三维空间坐标;

41、获取所述视频流数据中所述铁路作业现场的施工状态特征;

42、基于所述施工状态特征和所述铁路作业现场的当前施工工序的监理要求生成工序状态判定结果;

43、基于所述监理人员身份识别结果、所述三维空间坐标、所述工序状态判定结果判定所述监理人员在合规判定条件下执行旁站行为的有效度,输出多维数据融合判定结果。

44、第四方面,本技术还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:

45、在铁路作业现场获取视频流数据;

46、通过基于深度学习的监理人员身份识别模型,对所述视频流数据中的人员进行监理人员身份识别,得到监理人员身份识别结果;

47、若所述监理人员身份识别结果中包含已识别监理人员,则获取所述视频流数据中所述已识别监理人员的二维空间坐标;

48、对所述二维空间坐标进行坐标映射估算,输出所述已识别监理人员的三维空间坐标;

49、获取所述视频流数据中所述铁路作业现场的施工状态特征;

50、基于所述施工状态特征和所述铁路作业现场的当前施工工序的监理要求生成工序状态判定结果;

51、基于所述监理人员身份识别结果、所述三维空间坐标、所述工序状态判定结果判定所述监理人员在合规判定条件下执行旁站行为的有效度,输出多维数据融合判定结果。

52、第五方面,本技术还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:

53、在铁路作业现场获取视频流数据;

54、通过基于深度学习的监理人员身份识别模型,对所述视频流数据中的人员进行监理人员身份识别,得到监理人员身份识别结果;

55、若所述监理人员身份识别结果中包含已识别监理人员,则获取所述视频流数据中所述已识别监理人员的二维空间坐标;

56、对所述二维空间坐标进行坐标映射估算,输出所述已识别监理人员的三维空间坐标;

57、获取所述视频流数据中所述铁路作业现场的施工状态特征;

58、基于所述施工状态特征和所述铁路作业现场的当前施工工序的监理要求生成工序状态判定结果;

59、基于所述监理人员身份识别结果、所述三维空间坐标、所述工序状态判定结果判定所述监理人员在合规判定条件下执行旁站行为的有效度,输出多维数据融合判定结果。

60、上述一种铁路作业现场监理旁站行为自动识别系统,通过基于深度学习的监理人员身份识别模型,对所述视频流数据中的人员进行监理人员身份识别,得到监理人员身份识别结果,从而可以验证监理人员是否符合身份要求,通过获取所述视频流数据中所述已识别监理人员的二维空间坐标;对所述二维空间坐标进行坐标映射估算,输出所述已识别监理人员的三维空间坐标,将监理人员的三维空间坐标与铁路作业现场的监理区域进行比对,从而可以验证监理人员是否处于正确的旁站区域;获取所述视频流数据中所述铁路作业现场的当前施工工序的施工状态特征,基于所述施工状态特征判断所述铁路作业现场当前是否处于需监理旁站的工序阶段,生成工序状态判定结果,从而可以验证监理人员是否对应正确的需旁站工序;最终,基于所述监理人员身份识别结果、所述三维空间坐标、所述工序状态判定结果可以判断监理人员是否符合旁站规范,从而提升铁路监理工作的真实性、实时性、有效性。