一种基于安全基模型迁移的少样本施工作业合规性监测方法与流程

摘要: 本发明涉及施工安全监测与计算机视觉,尤其涉及一种基于安全基模型迁移的少样本施工作业合规性监测方法。背景技术:1、随着我国城市轨道交通建设的快速发展,站后施工作为...
一种基于安全基模型迁移的少样本施工作业合规性监测方法与流程

本发明涉及施工安全监测与计算机视觉,尤其涉及一种基于安全基模型迁移的少样本施工作业合规性监测方法。

背景技术:

1、随着我国城市轨道交通建设的快速发展,站后施工作为工程交付前的关键环节,其安全管理要求日益严格。站后施工包括装饰装修、机电安装、轨道铺设等作业类型,施工作业现场环境复杂、人员密集、交叉作业频繁,对施工人员的安全行为合规性提出了很高的监管要求,例如安全防护用品规范佩戴、危险区域管控、操作规范执行等方面。

2、传统的施工合规性监测方法大都采用基于目标检测的监督学习范式,由于模型在一个施工工地训练后,迁移到光照条件、摄像头视角、背景环境不同的另一个工地时检测性能显著下降,从而造成模型场景泛化能力不足、难以快速跨场景复用的问题。

技术实现思路

1、为了弥补以上不足,本发明提供了一种基于安全基模型迁移的少样本施工作业合规性监测方法,旨在改善传统的施工合规性监测方法大都采用基于目标检测的监督学习范式,容易造成模型场景泛化能力不足、难以快速跨场景复用的问题。

2、本发明提供了如下技术方案,一种基于安全基模型迁移的少样本施工作业合规性监测方法,包括以下步骤:

3、s1、安全基模型预训练:从多个不同施工场景中采集正常作业状态下的图像数据,构建无标注的安全状态图像数据集,采用自监督学习机制对深度神经网络进行预训练,学习对光照、视角、背景变化不敏感的通用安全特征表示,得到安全基模型;

4、s2、新施工场景适配:在目标施工场景中,采集50至200张正常作业图像作为适配样本,冻结安全基模型的主干网络参数,仅利用所述适配样本更新批归一化层的统计均值和方差,得到适配后的安全基模型;

5、s3、正常特征基准建立:将全部适配样本输入所述适配后的安全基模型,分别提取特征向量;对所有适配样本的特征向量计算均值向量,将该均值向量作为该施工场景的正常特征基准;计算全部适配样本特征向量到所述均值向量的余弦距离,基于所述余弦距离确定预警阈值;

6、s4、在线合规性监测与预警:对实时采集的监控视频帧进行特征提取,计算当前特征向量与所述正常特征基准之间的余弦距离,当所述余弦距离超过所述预警阈值时,判定当前状态存在合规性异常,触发预警。

7、采用上述技术方案,通过从多个不同施工场景中采集正常作业状态下的图像数据,采用自监督学习机制对深度神经网络进行预训练,得到对光照、视角、背景变化不敏感的通用安全特征表示,进而在目标施工场景中仅需采集少量正常作业图像作为适配样本,冻结主干网络参数并仅更新批归一化层的统计均值和方差,即可完成模型的新场景适配,从而改善了传统的施工合规性监测方法大都采用基于目标检测的监督学习范式,由于模型在一个施工工地训练后,迁移到光照条件、摄像头视角、背景环境不同的另一个工地时检测性能显著下降,从而造成模型场景泛化能力不足、难以快速跨场景复用的问题。

8、本发明具有如下有益效果:

9、1、本发明中,通过从多个不同施工场景中采集正常作业状态下的图像数据,采用自监督学习机制对深度神经网络进行预训练,得到对光照、视角、背景变化不敏感的通用安全特征表示,进而在目标施工场景中仅需采集少量正常作业图像作为适配样本,冻结主干网络参数并仅更新批归一化层的统计均值和方差,即可完成模型的新场景适配,从而改善了传统的施工合规性监测方法大都采用基于目标检测的监督学习范式,由于模型在一个施工工地训练后,迁移到光照条件、摄像头视角、背景环境不同的另一个工地时检测性能显著下降,从而造成模型场景泛化能力不足、难以快速跨场景复用的问题。

10、2、本发明中,通过将全部适配样本输入适配后的安全基模型提取特征向量,计算均值向量作为正常特征基准,并基于特征向量到均值向量的余弦距离确定预警阈值,进而对实时采集的监控视频帧计算当前特征向量与正常特征基准之间的余弦距离,当余弦距离超过预警阈值时判定存在合规性异常并触发预警,从而改善了传统的施工合规性监测方法大都基于预定义的风险类别进行分类检测,由于仅能识别训练集中预定义的若干种违规类别,从而造成对未曾在训练数据中出现过的新型异常行为或复合型风险场景缺乏发现能力的问题。

11、3、本发明中,通过收集多个不同施工场景、不同时段、不同光照条件下的正常作业视频构建无标注的安全状态图像数据集,采用自监督学习机制进行预训练,无需对图像数据进行人工标注,从而改善了传统的施工合规性监测方法大都依赖大量高质量的人工标注数据,由于违规行为与异常行为的发生频率远低于正常作业,导致风险样本天然稀缺,从而造成训练数据类别不平衡、模型训练困难的问题。

1.一种基于安全基模型迁移的少样本施工作业合规性监测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于安全基模型迁移的少样本施工作业合规性监测方法,其特征在于,所述s1包括:

3.根据权利要求2所述的一种基于安全基模型迁移的少样本施工作业合规性监测方法,其特征在于,所述s2包括:

4.根据权利要求1所述的一种基于安全基模型迁移的少样本施工作业合规性监测方法,其特征在于,所述基于所述余弦距离确定预警阈值,具体为:

5.根据权利要求1所述的一种基于安全基模型迁移的少样本施工作业合规性监测方法,其特征在于,所述s4包括:

6.根据权利要求5所述的一种基于安全基模型迁移的少样本施工作业合规性监测方法,其特征在于,还包括:

7.根据权利要求2所述的一种基于安全基模型迁移的少样本施工作业合规性监测方法,其特征在于,所述安全基模型采用resnet-50作为主干网络;所述投影头的输出维度设置为128维;预训练时,批大小设置为256,初始学习率设置为0.03,采用随机梯度下降优化器,训练轮数设置为200轮。

8.根据权利要求1所述的一种基于安全基模型迁移的少样本施工作业合规性监测方法,其特征在于,所述s1中,所述多个不同施工场景包括城市轨道交通站后施工中的装饰装修作业区域、机电安装作业区域、轨道铺设作业区域,以及房屋建筑施工场景和道路桥梁施工场景;视频采集覆盖早、中、晚不同时段以及晴天、阴天、夜间照明不同光照条件。

9.根据权利要求1所述的一种基于安全基模型迁移的少样本施工作业合规性监测方法,其特征在于,所述s4中,当触发预警后,将确认为真实异常的新型违规行为样本保存,用于后续模型迭代优化。

10.一种基于安全基模型迁移的少样本施工作业合规性监测系统,其特征在于,用于执行权利要求1-9任一项所述的方法,所述系统包括: