一种施工安全带规范化使用的智能监测方法与流程

1.本发明涉及智能监测技术领域，具体涉及一种施工安全带规范化使用的智能监测方法。


背景技术：

2.随着建筑市场由原有的粗放型管理向着精细化管理的发展，国家及企业对建筑安全生产的要求越来越高，对施工现场的各种安全防护产品提出了更高的要求，尤其高处作业存在很多不规范的操作行为，这就要求利用现在越来越普及的互联网信息技术来推新创新，做到智能监控与预警，以规范行为提高安全防护。目前，通常采用人为检查安全带的佩戴情况，不仅浪费人力，而且也容易出现漏查等情况。而基于图像处理的方式，由于建筑行业中施工环境复杂，容易对安全带的成像造成干扰，难以准确判断施工人员是否佩戴安全带，监测准确率不高。
3.主要目标为解决以下三个问题：1）对施工现场相关施工人员未能规范穿戴安全带时，进行自动判断、识别、提示和报警；2）对佩戴安全带人员临近临边洞口等危险区域时，进行自动及时提醒和警示；3）对人员在高空作业时，穿戴有安全带但未能系挂在牢固构件上进行自动及时提醒和报警，以规范施工人员安全带使用的不规范行为，降低人员安全作业风险，提高施工安全管理。


技术实现要素：

4.针对现有技术存在的上述不足，本发明的目的在于提供一种施工安全带规范化使用的智能监测方法，以解决现有技术人为检查浪费人力、容易漏查、仅用图像处理容易造成干扰、且准确率不高的问题。
5.为了解决上述技术问题，本发明采用如下技术方案：一种施工安全带规范化使用的智能监测方法，包括如下步骤：步骤（1）：利用人脸识别将施工人员与带有编码的安全带绑定，并建立训练深度神经网络模型；步骤（2）：通过图像识别获取监测区域内施工人员的视频图像；步骤（3）：深度神经网络模型对图像识别获取的视频图像进行分析，确认施工人员身上是否佩戴有对应编码的安全带，同时，通过uwb获取安全带的位置，从而确定施工人员的位置；步骤（4）：如果深度神经网络模型未监测到施工人员和其身上带有编码的安全带，利用射频识别确认施工区域内的安全带是否固定在挂锁上，同时，通过警示模块对其进行提醒和警示。
6.优选地，所述步骤（1）中，利用人脸识别系统记录施工人员的信息，并将该施工人员与一带有编码的安全带绑定；完成施工后，归还安全带并解除安全带与该施工人员的绑定。
7.优选地，所述步骤（1）中以安全带图像数据和未佩戴安全带的人体图像数据训练深度神经网络，得到可以在图像中检测安全带位置的深度神经网络模型。
8.优选地，所述步骤（2）中，在各入口和通道内安装摄像头和uwb定位基站，uwb定位标签佩戴在施工人员身上，uwb定位基站通过接收uwb定位标签发送的信号，确定进入监测区域内施工人员的数量和位置。
9.优选地，所述步骤（3）中，深度神经网络模型对图像识别获取的视频图像进行分析，具体为：首先采用背景建模方法，提取待检测视频图像中的施工区域，作为待检测区域；采用ssd算法，识别出待检测区域中的人体图像，得到人体检测结果；采用深度神经网络模型对待检测区域中人体的躯干部分进行检测，得到安全带检测结果，从而判断该施工人员是否佩戴安全带。
10.优选地，所述步骤（4）中，在监测区域外侧设置有专用挂锁，在挂锁上安装有信息感应模块，当安全带被正确固定在挂锁上，通过获取安全带编码数据与射频识别监测的安全带数据一致；当安全带未按要求固定在挂锁上，获取挂钩上安全带编码的数量少于射频识别监测的安全带数量，通过安全带编码和施工人员绑定的信息，确定未正确固定安全带的施工人员信息，并将该施工人员未正确固定安全带的信息传入警示模块进行处理。
11.优选地，所述警示模块包括提示灯和扩音器，根据警示信息对施工人员进行提醒和警示。
12.与现有技术相比，本发明具有如下有益效果：本发明利用深度神经网络模型，配合人脸识别、图像识别、uwb超宽带和rfid射频识别，能够准确识别施工人员是否佩戴安全带，同时，对安全带的位置进行定位，确认安全带是否正确挂在挂锁上。本发明基于深度学习的安全带检测技术相较于其他技术不仅成本较低，技术水平较高，而且识别精度高，能够识别低挂高用违规使用等情况，而且能提取多种信息，如人员信息、场景信息、违规类别信息等，对于违规人员确定、责任划分、后续重点注意方向等都有较为现实的意义，最终达到保障人员生命安全的目的。
具体实施方式
13.下面将结合实施例对本发明作进一步说明。
14.本发明提供一种施工安全带规范化使用的智能监测方法，包括如下步骤：步骤（1）：利用人脸识别将施工人员与带有编码的安全带绑定，并建立训练深度神经网络模型；其中，利用人脸识别系统记录施工人员的信息，并将该施工人员与一带有编码的安全带绑定；完成施工后，归还安全带并解除安全带与该施工人员的绑定。施工人员进场施工前，需要给施工人员分发安全带，并将安全带与施工人员信息进行绑定，以便后续监测过程中根据安全带编码确定人员信息。在完成施工离场前，需要将安全带归还，解除安全带与施工人员的绑定。同时，以安全带图像数据和未佩戴安全带的人体图像数据训练深度神经网络，得到可以在图像中检测安全带位置的深度神经网络模型。
15.步骤（2）：通过图像识别获取监测区域内施工人员的视频图像。其中，在各入口和通道内安装摄像头和uwb定位基站，uwb定位标签佩戴在施工人员身上，uwb定位基站通过接收uwb定位标签发送的信号，确定进入监测区域内施工人员的数量和位置。在电梯井道、屋
内洞口、各类管道井等位置安装摄像头和uwb定位等相关技术装备，利用图像识别等技术监测区域内的人员是否佩戴安全带，并与系统检测定位数据进行核对，从而确定区域内是否有人未佩戴安全带。利用图像识别和区域内安全带编码信息比对技术，确定区域是未佩戴安全带人员信息，并上报到警示系统。
16.步骤（3）：深度神经网络模型对图像识别获取的视频图像进行分析，确认施工人员身上是否佩戴有对应编码的安全带，同时，通过uwb获取安全带的位置，从而确定施工人员的位置。其中，深度神经网络模型对图像识别获取的视频图像进行分析，具体为：首先采用背景建模方法，提取待检测视频图像中的施工区域，作为待检测区域。为了提高检测速度，利用帧差法对视频中的施工区域进行检测。采用ssd算法，识别出待检测区域中的人体图像，得到人体检测结果；采用深度神经网络模型对待检测区域中人体的躯干部分进行检测，得到安全带检测结果，从而判断该施工人员是否佩戴安全带。
17.步骤（4）：如果深度神经网络模型未监测到施工人员和其身上带有编码的安全带，利用射频识别确认施工区域内的安全带是否固定在挂锁上，同时，通过警示模块对其进行提醒和警示。其中，所述警示模块包括提示灯和扩音器，根据警示信息对施工人员进行提醒和警示。所述步骤（4）中，在监测区域外侧设置有专用挂锁，在挂锁上安装有信息感应模块，当安全带被正确固定在挂锁上，通过获取安全带编码数据与rfid射频识别监测的安全带数据一致；当安全带未按要求固定在挂锁上，获取挂钩上安全带编码的数量少于rfid射频识别监测的安全带数量，通过安全带编码和施工人员绑定的信息，确定未正确固定安全带的施工人员信息，并将该施工人员未正确固定安全带的信息传入警示模块进行处理。当警示模块收到警示信息后，通过扩音器向相关施工人员播报警示信息，并对未按要求及时改正的施工人员，收集其信息，并进行汇总统计，便于后续依据落实处罚。
18.本发明首先利用人脸识别等相关技术将施工人员与编码的安全带绑定，利用图像识别技术等检测区域内工作人员是否佩戴安全带，进一步地利用uwb等相关技术获取安全带位置，从而确定施工人员位置，再使用rfid等相关技术确定外墙等区域施工的安全带是否固定在挂锁上。通过采用分级判定识别的方法，先判定是否佩戴安全带，再判定安全带是否固定，从而构建安全带佩戴警示系统，保障施工安全。
19.最后需要说明的是，以上实施例仅用以说明本发明的技术方案而非限制技术方案，本领域的普通技术人员应当理解，那些对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，均应涵盖在本发明的权利要求范围当中。