一种施工安全事件的检测与分析方法和系统与流程

1.本技术的实施例涉及施工安全技术领域，尤其涉及一种施工安全事件的检测与分析方法和系统。


背景技术：

2.随着我国建筑行业的迅速发展，安全事故频发。许多作业场合，如建筑工地、码头、油田煤矿和电力基站等，由于工人安全防范意识低、物体容易坠落等原因，每年都会出现不少因为未穿戴劳保用品（如安全帽、反光衣）、未熄灭烟头和建筑物坍塌而酿成的事故。安全事故不仅给企业造成严重的经济损失，还给患难家属带来灾难，从而影响社会的稳定。因此，为有效的减少人员的伤害隐患，在上述场所进行实时安全检测是很有必要的。
3.在实现本发明的过程中，发明人发现，当前施工场所进行安全检测的检测结果重复发送且难以支持不同类型的施工场景。


技术实现要素：

4.本技术的实施例提供了一种施工安全事件的检测与分析方法和系统，能够改善当前施工场所进行安全检测的检测结果重复发送且难以支持不同类型的施工场景的问题。
5.在本技术的第一方面，提供了一种施工安全事件的检测与分析方法，包括：获取施工场所监控视频的第一关键帧序列集；根据所述第一关键帧序列集，通过训练完成的安全事件检测模型，检测是否存在安全事件；所述安全事件包括人为事件和自然事件，所述人为事件包括未穿戴劳保用品和/或人为遗留火源，所述自然事件包括焚烧和/或建筑物倒塌，所述训练完成的安全事件检测模型用于表示关键帧和安全事件的映射关系；若存在所述安全事件，则获取施工场所监控视频的第二关键帧序列集，所述第二关键帧的提取频率大于所述第一关键帧的提取频率；基于状态机规则、所述训练完成的安全事件检测模型和所述第二关键帧序列集，获得所述安全事件对应的事件状态，所述事件状态包括未开始/已结束状态、可能发生状态、确定发生状态和可能结束状态。
6.通过采用以上技术方案，获取施工场所监控视频的第一关键帧序列集；再根据第一关键帧序列集，通过训练完成的安全事件检测模型，检测是否存在安全事件；若存在安全事件，则获取施工场所监控视频的第二关键帧序列集；随后，基于状态机规则、训练完成的安全事件检测模型和第二关键帧序列集，获得安全事件对应的事件状态；综上可知，通过采用训练完成的安全事件检测模型，可以支持不同类型的施工场景进行安全检测，同时获得安全事件以及安全事件对应的事件状态，可以减少检测结果的重复发送；能够改善当前施工场所进行安全检测的检测结果重复发送且难以支持不同类型的施工场景的问题，达到减少重复发送施工场所检测结果并支持不同类型的施工场景进行安全检测的效果。
7.在一种可能的实现方式中，所述状态机规则包括：
第一状态机规则，为在初次检测到所述安全事件时，将所述安全事件的事件状态从所述未开始/已结束状态转换为所述可能发生状态；第二状态机规则，为在所述可能发生状态下，在超过第一预设时间内连续检测到所述安全事件时，将所述安全事件的事件状态从所述可能发生状态转换为所述确定发生状态；第三状态机规则，为在所述确定发生状态下，在开始未检测到所述安全事件时，将所述安全事件的事件状态从所述确定发生状态转换为所述可能结束状态；第四状态机规则，为在所述可能结束状态下，连续在第二预设时间内未检测到所述安全事件时，将所述安全事件的事件状态从所述可能结束状态转换为所述未开始/已结束状态。
8.在一种可能的实现方式中，所述基于状态机规则、所述训练完成的安全事件检测模型和所述第二关键帧序列集，获得所述安全事件对应的事件状态，包括：根据所述第二关键帧序列集，通过所述训练完成的安全事件检测模型，检测所述安全事件；在初次检测到所述安全事件下，根据所述第一状态机规则，获得所述安全事件对应的事件状态；在所述可能发生状态并超过所述第一预设时间内连续检测到所述安全事件下，根据所述第二状态机规则，获得所述安全事件对应的事件状态；在所述确定发生状态并开始未检测到所述安全事件下，根据所述第三状态机规则，获得所述安全事件对应的事件状态；在所述可能结束状态并连续在所述第二预设时间内未检测到所述安全事件下，根据所述第四状态机规则，获得所述安全事件对应的事件状态。
9.在一种可能的实现方式中，还包括：当所述安全事件为所述人为事件，基于目标跟踪算法对所述第二关键帧序列集中的人员进行跟踪。
10.在一种可能的实现方式中，还包括：当所述安全事件对应的事件状态为所述可能发生状态，基于人脸检测模型和人脸底图库，对所述第二关键帧序列集中的人员进行人脸识别，获得人脸识别信息；推送所述安全事件与所述人脸识别信息。
11.在一种可能的实现方式中，获得所述人脸底图库方法包括：采集施工场所人员的人脸图片和人员id；将所述人脸图片输入人脸检测模型，输出所述人脸图片的一维向量；将所述人员id和所述一维向量储存在向量数据库中，获得所述人脸底图库，所述人脸底图库中的数据id为所述人员id, 所述人脸底图库中的人脸特征值为所述一维向量。
12.在一种可能的实现方式中，还包括：除所述安全事件为所述人为事件且所述安全事件对应的事件状态为所述可能发生状态之外的所述安全事件和所述安全事件对应的事件状态，直接推送所述安全事件和所述安全事件对应事件状态。
13.在一种可能的实现方式中，在所述获取施工场所监控视频的第一关键帧序列集之
前，还包括：获取施工场所监控视频的视频流，并将所述视频流解码为图像帧。
14.在本技术的第二方面，提供了一种安全事件检测模型的训练方法，包括：获取带有标签的不同类型施工场所的历史关键帧序列集；所述历史关键帧序列集包括带有未穿戴劳保用品标签、人为遗留火源标签、焚烧标签和/或建筑物倒塌标签的关键帧序列集；根据所述历史关键帧序列集，对安全事件检测模型进行训练，获得训练完成的安全事件检测模型。
15.在本技术的第三方面，提供了一种施工安全事件的检测与分析系统，包括：监控设备、边缘计算设备和后台服务设备；所述监控设备，与所述边缘计算设备连接，用于生成施工场所的监控视频的视频流；所述边缘计算设备，用于读取所述视频流，并对所述视频流进行解码和关键帧序列集提取；还用于根据所述视频流的关键帧序列集，获得施工场所的安全事件和安全事件对应的事件状态；所述后台服务设备，与所述边缘计算设备连接，用于推送所述安全事件和所述安全事件对应的事件状态，并对所述安全事件中人为事件进行人脸识别。
16.应当理解，发明内容部分中所描述的内容并非旨在限定本技术的实施例的关键或重要特征，亦非用于限制本技术的范围。本技术的其它特征将通过以下的描述变得容易理解。
附图说明
17.结合附图并参考以下详细说明，本技术各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：图1示出了本技术实施例中一种施工安全事件的检测与分析系统的结构图；图2示出了本技术实施例中一种施工安全事件的检测与分析方法的流程图；图3示出了本技术实施例中状态机规则的示意图；图4示出了本技术实施例中安全事件检测模型的训练方法的流程图。
具体实施方式
18.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。
19.应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。基于本技术提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本技术公开的内容相关的本领域的普通技术人员而言，在本技术揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本技术公开的内容不充分。
20.在本技术中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以
包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本技术所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
21.除非另作定义，本技术所涉及的技术术语或者科学术语应当为本技术所属技术领域内具有一般技能的人士所理解的通常意义。本技术所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本技术所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本技术所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本技术所涉及的“多个”是指大于或者等于两个。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。本技术所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
22.本技术实施例提供的一种施工安全事件的检测与分析方法可以应用于施工安全技术领域。
23.现如今，许多作业场合，如建筑工地、码头、油田煤矿和电力基站等，由于工人安全防范意识低、物体容易坠落等原因，每年都会出现不少因为未佩戴安全帽而酿成的事故。基于上述安全事件，可知，为了有效的减少人员的伤害隐患，在这些场所对工人佩戴安全帽情况进行实时检测是很有必要的。
24.同时，随着建筑施工不断向深基础、高楼层以及复杂工程发展，再加上周期长、劳动强度高等特点，各类建筑安全事故接连不断。例如，作为建筑施工过程中长期存在的频发事故，即坍塌事故，其发生比例更是呈现逐年增加的趋势。基于上述安全事件，可知，对建筑施工场所中坍塌事故进行预警是十分重要的。
25.另外，因人为遗留火源（如未熄灭的烟头）和在施工场所的焚烧引发的火灾也屡见不鲜。众所周知，火灾最佳扑救时期为初起阶段，即起火后十几分钟里。此时，燃烧面积不大，烟气流动速度较慢，是灭火的最有利时机，也是人员安全疏散的最有利时段。因此，高效准确的火灾识别报警系统有着至关重要的作用。基于上述安全事件，可知，可将吸烟检测算法应用于施工场所，实时检测视频场景内的人员是否有抽烟行为，在发现有人抽烟时立即产生预警事件，还可采用结合人体姿态的深度学习方式，即能识别实物又支持吸烟动作的行为识别，提高了识别能力，达到检测速度快、运算成本低的效果。与此同时，将火灾监测报警系统与智能视频分析相结合,自动对视频图像信息进行分析识别,无需人工干预，便可及时发现监控区域内的异常烟雾和火灾苗头，以最快、最佳的方式进行预警，有效的协助消防人员处理火灾危机，并最大限度的降低误报和漏报现象。
26.然而，在当前的解决方式中，现有检测技术只适用于单个或简单的场景，只能重复发送简单的检测结果的同时，对人脸检测还比较慢。换言之，即当前施工场所进行安全检测的检测结果重复发送且难以支持不同类型的施工场景为解决这个技术问题，本技术的实施例提供了一种施工安全事件的检测与分析系统。
27.图1示出了本技术实施例中一种施工安全事件的检测与分析系统的结构图。参见图1，本实施例中一种施工安全事件的检测与分析系统包括：监控设备101、与监控设备连接的边缘计算设备102以及与边缘计算设备连接的后台服务设备103。
28.监控设备101可以是安装在施工场所的各类摄像头，用于生成施工场所监控视频的视频流。
29.与监控设备101连接的边缘计算设备102内部部署有训练完成的安全事件检测模型。
30.边缘计算设备102可以在读取监控设备101中的施工场所监控视频的视频流后，直接将视频流解码成带有时间戳的图像帧序列集。随后，边缘计算设备102可以将对带有时间戳的图像帧序列集进行动态关键帧提取，并将提取后的关键帧序列集作为输入，发送给边缘计算设备102内部部署的训练完成的安全事件检测模型。随后，训练完成的安全事件检测模型将检测出关键帧序列集中的安全事件，即施工场所的安全事件。
31.其中，训练完成的安全事件检测模型使用的基础模型为pp-yolo模型。训练完成的安全事件检测模型部署到边缘计算设备102中的过程包括：使用训练模型的训练样本（即带有标签的不同类型施工场所的历史关键帧序列集）对pp-yolo模型进行迁移训练并输出paddle格式的模型，随后，导出onnx格式的模型，再将onnx格式的模型转换为半精度浮点数类型的tensorrt引擎文件，最后将tensorrt引擎文件（即训练完成的安全事件检测模型）部署到边缘计算设备102中。
32.边缘计算设备102内部还设置有状态机（事件状态机），其可以实现通过训练完成的安全事件检测模型检测出的安全事件后，获得施工场所的安全事件对应的事件状态，即对安全事件的事件状态进行维护。随后，边缘计算设备102将安全事件和安全事件对应的事件状态发送给后台服务设备103。
33.其中，状态机包括自然事件状态机和人为事件状态机。
34.当训练完成的安全事件检测模型检测出的安全事件为自然事件，边缘计算设备102将直接把安全事件发送给自然事件状态机，同时调整提取动态关键帧的时间间隔（即关键帧的提取频率），并根据状态机规则，对安全事件的事件状态进行状态转换。
35.当训练完成的安全事件检测模型检测出的安全事件为人为事件，边缘计算设备102首先会基于目标跟踪算法（如deep simple online realtime tracking，即deep sort算法）对关键帧序列集中的人员进行跟踪，同时调整提取动态关键帧的时间间隔（即关键帧的提取频率），然后再将安全事件发送给人为事件状态机，并根据状态机规则，对安全事件的事件状态进行状态转换。
36.后台服务设备103内部署有人脸检测模型（如insight face模型）和人脸底图库（如向量数据库milvus），主要实现人脸识别。
37.后台服务设备103收到安全事件和安全事件对应的事件状态后，将对安全事件的事件类型和事件状态的状态类型进行判断。
38.当安全事件为人为事件且安全事件对应的事件状态为可能发生状态，后台服务设备103才会基于人脸检测模型和人脸底图库，对关键帧序列集中的人员进行人脸识别，并将获得的人脸识别信息与安全事件一并推送给与施工安全事件的检测与分析系统连接的相应的业务系统。
39.除安全事件为人为事件且安全事件对应的事件状态为可能发生状态之外的安全事件和安全事件对应的事件状态，都将直接推送给与施工安全事件的检测与分析系统连接的相应的业务系统。
40.在本技术实施例中，施工安全事件的检测与分析系统，采用边缘计算和后台服务相结合的方法可减少计算和网络资源消耗；基于多目标跟踪、人脸识别和状态机实现事件化，可减少重复报警；基于向量数据库的人脸对比，可加快人脸识别；基于安全事件检测模型，采用单模型实现多场景，可同时支持场景可配置。另外，施工安全事件的检测与分析系统使用tensorrt 来实现模型加速，在同时减少运算所消耗的资源之外，还可以让算法运行在算力较小的边缘计算设备102上。
41.具体地，使用边缘计算和后台服务相结合的方法减少计算和网络资源消耗，其中安全时间检测模型部署在边缘计算设备102中，人脸检测模型部署在后台服务设备上。这意味着许多控制将通过本地设备实现，而无需交由云端，处理过程将在本地边缘计算层完成。这无疑将大大提升处理效率，减轻云端的负荷。同时，由于更加靠近用户，还可为用户提供更快的响应，将需求在边缘端解决。
42.此外，把所有的人脸识别摄像机做为一个整体，即施工场所多个摄像头联动进行人脸识别，在这个整体的基础上做联动联防和大数据分析，再根据设置的规则（即根据实际需要设置的预警规则）进行提前预警。比如，某个人或某个部门的人不应该出现在某个区域内，则在这个区域内，只要一出现就会预警提示。再比如，也可以设置一部分人在某个区域内出现的频率，一天或一个月出现的次数高于设置值就预警提示。
43.另外，根据不同场景，将事件进行分类，并提炼出共同地方，使用配置的方式减少开发工作量的同时，增加对多种场景的支持。基于目标跟踪、有限状态机将检测结果事件化，减少重复发送，同时根据不同的状态转换，适当发送图片或视频作为证据。
44.以上是关于施工安全事件的检测与分析系统实施例的介绍，以下通过施工安全事件的检测与分析方法实施例，对本技术所述方案进行进一步说明。
45.图2示出了本技术实施例中一种施工安全事件的检测与分析方法的流程图。参见图2，本实施例中一种施工安全事件的检测与分析方法包括：步骤s201：获取施工场所监控视频的第一关键帧序列集。
46.步骤s202：根据所述第一关键帧序列集，通过训练完成的安全事件检测模型，检测是否存在安全事件；所述安全事件包括人为事件和自然事件，所述人为事件包括未穿戴劳保用品和/或人为遗留火源，所述自然事件包括焚烧和/或建筑物倒塌，所述训练完成的安全事件检测模型用于表示关键帧和安全事件的映射关系。
47.步骤s203：若存在所述安全事件，则获取施工场所监控视频的第二关键帧序列集，所述第二关键帧的提取频率大于所述第一关键帧的提取频率。
48.步骤s204：基于状态机规则、所述训练完成的安全事件检测模型和所述第二关键帧序列集，获得所述安全事件对应的事件状态，所述事件状态包括未开始/已结束状态、可能发生状态、确定发生状态和可能结束状态。
49.通过采用以上技术方案，获取施工场所监控视频的第一关键帧序列集；再根据第一关键帧序列集，通过训练完成的安全事件检测模型，检测是否存在安全事件；若存在安全事件，则获取施工场所监控视频的第二关键帧序列集；随后，基于状态机规则、训练完成的
安全事件检测模型和第二关键帧序列集，获得安全事件对应的事件状态；综上可知，通过采用训练完成的安全事件检测模型，可以支持不同类型的施工场景进行安全检测，同时获得安全事件以及安全事件对应的事件状态，可以减少检测结果的重复发送；能够改善当前施工场所进行安全检测的检测结果重复发送且难以支持不同类型的施工场景的问题，达到减少重复发送施工场所检测结果并支持不同类型的施工场景进行安全检测的效果。
50.在步骤s201中，施工场所包括但不限于建筑工地、码头、油田煤矿和电力基站。施工场所监控视频的第一关键帧序列集可通过边缘计算设备，根据预设的第一提取频率获取。第一关键帧序列集可以是边缘计算设备，根据第一提取频率，直接对图像帧进行动态关键帧提取。第一关键帧序列集也可以是边缘计算设备，在对图像帧进行动态关键帧提取后，根据第一提取频率，再从动态关键帧中提取第一关键帧序列集。
51.在本技术实施例中，第一提取频率为施工安全事件的检测与分析系统默认的关键帧提取频率，即施工安全事件的检测与分析系统默认将以每m秒提取一帧，固定地对关键帧进行提取。例如，将m的值设定为2，即施工安全事件的检测与分析系统将以每2秒提取一帧的固定频率，对关键帧进行提取。
52.在本技术实施例中，第一提取频率可以根据实际情况，通过更改配置参数来进行修改。通过对动态关键帧进行提取，可是减少边缘计算设备的计算资源消耗。
53.在步骤s202中，训练完成的安全事件检测模型用于表示关键帧和安全事件的映射关系，即将获取的施工场所监控视频的第一关键帧序列集输入到训练完成的安全事件检测模型，通过训练完成的安全事件检测模型，就可检测到第一关键帧序列集是否存在安全事件以及安全事件的事件类型。
54.在本技术实施例中，安全事件的事件类型包括人为事件和自然事件。
55.其中，人为事件包括未穿戴劳保用品和/或人为遗留火源。未穿戴劳保用品包括关键帧中存在未佩戴安全帽、未穿反光衣和/或劳保鞋等的人员，人为遗留火源包括关键帧中存在吸烟和/或丢弃未熄灭烟头的人员。
56.例如，第一关键帧序列集中的关键帧中存在未佩戴安全帽的人，通过训练完成的安全事件检测模型即可检测出该第一关键帧序列集中的关键帧中存在人为事件，并检测出人为事件为未穿戴劳保用品。
57.自然事件包括焚烧和/或建筑物倒塌。焚烧包括关键帧中存在焚烧产生的火焰和烟，建筑物倒塌包括关键帧中存在倒塌的建筑物。
58.例如，第一关键帧序列集中的关键帧中存在倒塌的建筑物，通过训练完成的安全事件检测模型即可检测出该第一关键帧序列集中的关键帧中存在自然事件，并检测出人为事件为建筑物倒塌。
59.在步骤s203中，当检测出第一关键帧序列集中的关键帧中存在安全事件，则通过边缘计算设备，根据预设的第二提取频率，获取施工场所监控视频的第二关键帧序列集。第二关键帧序列集可以是边缘计算设备，根据第二提取频率，直接对图像帧进行动态关键帧提取。第二关键帧序列集也可以是边缘计算设备，在对图像帧进行动态关键帧提取后，根据第二提取频率，再从动态关键帧中提取第二关键帧序列集。
60.在本技术实施例中，第二关键帧的提取频率大于第一关键帧的提取频率，即预设的第二提取频率大于预设的第一提取频率。例如，第一提取频率设定为以每2秒提取一帧的
固定频率，对关键帧进行提取，则第二提取频率将设定为每帧都对关键帧进行提取，以便用于后续对安全事件进行跟踪。
61.在本技术实施例中，当安全事件的事件状态为已结束状态，关键帧的提取频率将从第二提取频率恢复到第一提取频率，关键帧的提取时间间隔恢复默认值。
62.在步骤s204中，状态机规则将依托于边缘计算设备内部设置的状态机（事件状态机）实现。
63.在本技术实施例中，边缘计算设备内部设置的状态机为有限状态机。对于自然事件，单监控中不区分事件类型，所以每类事件有一个状态机，因此，在实现时使用全局状态机。对于人为事件，单监控中会关注不同的人，所以每个人会有一个状态机，因此，在实现时使用局部状态机，即根据某个人对应的事件的发生而创建，结束而销毁。
64.在本技术实施例中，根据状态机规则训练完成的安全事件检测模型和第二关键帧序列集，获得的安全事件对应的事件状态，也会随着事件的发生进程，进行状态的转换。状态机规则即为安全事件对应的事件状态转换的条件和触发的操作。
65.在一些实施例中，所述状态机规则包括：第一状态机规则，为在初次检测到所述安全事件时，将所述安全事件的事件状态从所述未开始/已结束状态转换为所述可能发生状态。
66.第二状态机规则，为在所述可能发生状态下，在超过第一预设时间内连续检测到所述安全事件时，将所述安全事件的事件状态从所述可能发生状态转换为所述确定发生状态。
67.第三状态机规则，为在所述确定发生状态下，在开始未检测到所述安全事件时，将所述安全事件的事件状态从所述确定发生状态转换为所述可能结束状态。
68.第四状态机规则，为在所述可能结束状态下，连续在第二预设时间内未检测到所述安全事件时，将所述安全事件的事件状态从所述可能结束状态转换为所述未开始/已结束状态。
69.图3示出了本技术实施例中状态机规则的示意图。参见图3，当初次检测到安全事件时，安全事件对应的事件状态将由未开始/已结束状态转换为可能发生状态。该安全事件的事件状态在转换时会触发事件推送，即会将当前的事件状态和关键帧（图像）推送到后台服务设备，并开始录制视频。
70.如果连续超过第一预设时间内连续检测到安全事件，即连续超过n秒检测到安全事件，则安全事件对应的事件状态转换为确定发生状态。该安全事件的事件状态转换后会触发事件推送，即会将当前的事件状态和录制的n秒视频发推送到后台服务设备，并结束录制视频。
71.其中，对于自然事件，会将关键帧提取时间间隔恢复到默认初始值（即第一提取频率）。对于人为事件，会在当前没有人为事件状态机的情况下，才会将关键帧提取时间间隔恢复到默认初始值（即第一提取频率）。
72.需说明的是，如果不是连续n秒都能检测到安全事件，则安全事件对应的事件状态将退回到未开始/已结束状态，此时，不会触发事件推送，会结束视频录制。
73.在本技术实施例中，第一预设时间（即n）默认为10。第一预设时间可以根据实际情况，通过更改配置参数来进行修改。
74.在本技术实施例中，在安全事件的事件状态为确定发生状态下，如果开始未检测到存在安全事件，则安全事件对应的事件状态转换为可能结束状态，该安全事件对应的事件状态的转换不会触发事件推送，但会将关键帧提取时间间隔调整为每帧都提取（即将关键帧提取频率调整为第二提取频率）。
75.在本技术实施例中，在安全事件的事件状态为可能结束状态下，如果在连续第二预设时间内未检测到安全事件，即连续t秒未检测到安全事件，则安全事件对应的事件状态转换为未开始/已结束状态，同时触发事件推送，会将当前安全事件对应的事件状态和关键帧（图像）推送给后台服务设备。如果不是持续t秒未检测到安全事件，则安全事件对应的事件状态将退回到确定发生状态。
76.需要说明的是，确定发生状态转换到可能结束状态和可能结束状态转换到确定发生状态，这两个转换都会触发关键帧提取时间间隔的修改。对于自然事件，会将关键帧提取时间间隔恢复到默认初始值（即第一提取频率），而对于人为事件，则会在当前没有人为事件状态机的情况下才会将关键帧提取时间间隔恢复到默认初始值（即第一提取频率）。
77.在本技术实施例中，第二预设时间（即t）默认为10。第二预设时间可以根据实际情况，通过更改配置参数来进行修改。
78.在一些实施例中，步骤s204包括：步骤a1-步骤a5。
79.步骤a1：根据所述第二关键帧序列集，通过所述训练完成的安全事件检测模型，检测所述安全事件。
80.步骤a2：在初次检测到所述安全事件下，根据所述第一状态机规则，获得所述安全事件对应的事件状态。
81.步骤a3：在所述可能发生状态并超过所述第一预设时间内连续检测到所述安全事件下，根据所述第二状态机规则，获得所述安全事件对应的事件状态。
82.步骤a4：在所述确定发生状态并开始未检测到所述安全事件下，根据所述第三状态机规则，获得所述安全事件对应的事件状态。
83.步骤a5：在所述可能结束状态并连续在所述第二预设时间内未检测到所述安全事件下，根据所述第四状态机规则，获得所述安全事件对应的事件状态。
84.在本技术实施例中，为便于理解，将以安全事件为人为事件中的未穿戴劳保用品为例，对步骤s204进行说明。
85.在本技术实施例中，根据第二关键帧序列集，通过训练完成的安全事件检测模型，对未穿戴劳保用品进行检测。在初次检测到未穿戴劳保用品下，根据第一状态机规则，此时未穿戴劳保用品对应的事件状态从未开始/已结束状态转换为可能发生状态，即此时获得的未穿戴劳保用品对应的事件状态为未穿戴劳保用品为可能发生状态。
86.在本技术实施例中，在未穿戴劳保用品为可能发生状态并超过第一预设时间内连续检测到未穿戴劳保用品下，根据第二状态机规则，此时未穿戴劳保用品对应的事件状态从可能发生状态转换为确定发生状态，即此时获得的未穿戴劳保用品对应的事件状态为未穿戴劳保用品为确定发生状态。
87.在本技术实施例中，在未穿戴劳保用品为确定发生状态并开始未检测到未穿戴劳保用品下，根据第三状态机规则，此时未穿戴劳保用品对应的事件状态从确定发生状态转换为可能结束状态，即此时获得的未穿戴劳保用品对应的事件状态为未穿戴劳保用品为可
能结束状态。
88.在本技术实施例中，在未穿戴劳保用品为可能结束状态并连续在第二预设时间内未检测到未穿戴劳保用品下，根据第四状态机规则，此时未穿戴劳保用品对应的事件状态从可能结束状态转换为未开始/已结束状态，即此时获得的未穿戴劳保用品对应的事件状态为未穿戴劳保用品为未开始/已结束状态。
89.在本技术实施例中，若上述过程中，未超过第一预设时间内连续检测到未穿戴劳保用品和未连续在第二预设时间内未检测到未穿戴劳保用品，此时根据对应的状态机规则，也将做相应的事件状态的转换。
90.在一些实施例中，所述方法还包括：步骤s205。
91.步骤s205：当所述安全事件为所述人为事件，基于目标跟踪算法对所述第二关键帧序列集中的人员进行跟踪。
92.在本技术实施例中，当训练完成的安全事件检测模型检测到人为事件后，边缘计算设备将会启动对人为事件的处理方式，即首先会基于目标跟踪算法，对关键帧序列集中的人员进行跟踪，同时调整提取动态关键帧的时间间隔，然后再将安全事件发送给人为事件状态机，并根据状态机规则，对安全事件的事件状态进行状态转换。
93.在一些实施例中，所述方法还包括：步骤s206-步骤s207。
94.步骤s206：当所述安全事件对应的事件状态为所述可能发生状态，基于人脸检测模型和人脸底图库，对所述第二关键帧序列集中的人员进行人脸识别，获得人脸识别信息；步骤s207：推送所述安全事件与所述人脸识别信息。
95.在本技术实施例中，在后台服务设备接收到边缘计算设备发送过来的安全事件和安全事件对应的事件状态后，对安全事件的事件类型和事件状态的状态类型进行判断。
96.当后台服务设备接收到人为事件且人为事件对应的事件状态为可能发生状态，就会基于人脸检测模型和人脸底图库，对第二关键帧序列集中的人员进行人脸识别，获得人脸识别信息。为便于后续的处理，后台服务设备会将人脸识别信息附加到人为事件中，将人为事件和人脸识别信息一并推送给与施工安全事件的检测与分析系统连接的相应的业务系统。
97.在一些实施例中，获得人脸底图库方法包括：步骤b1-步骤b3。
98.步骤b1：采集施工场所人员的人脸图片和人员id。
99.步骤b2：将所述人脸图片输入人脸检测模型，输出所述人脸图片的一维向量。
100.步骤b3：将所述人员id和所述一维向量储存在向量数据库中，获得所述人脸底图库，所述人脸底图库中的数据id为所述人员id, 所述人脸底图库中的人脸特征值为所述一维向量。
101.在本技术实施例中，人脸检测模型可以使用insight face模型，但不限于该模型。人脸识别模型不需要单独训练，可以直接使用预训练的模型。
102.在本技术实施例中，采集施工场地的人员的人脸图片，每人可采集1至3张，并将这些图片作为输入，通过人脸检测模型输出一维向量。将人员id作为数据id，输出的一维向量作为人脸特征值，存储到向量数据库milvus中，此时，向量数据库可作为人脸底图库，用于后续的人脸对比识别。
103.在一些实施例中，所述方法还包括：步骤s208。
104.步骤s208：除所述安全事件为所述人为事件且所述安全事件对应的事件状态为所述可能发生状态之外的所述安全事件和所述安全事件对应的事件状态，直接推送所述安全事件和所述安全事件对应事件状态。
105.在本技术实施例中，对于除人为事件且人为事件对应的事件状态为可能发生状态之外的其他类型的安全事件和安全事件对应的事件状态，将直接推送给与施工安全事件的检测与分析系统连接的相应的业务系统。
106.在一些实施例中，在步骤s201之前包括：步骤c。
107.步骤c：获取施工场所监控视频的视频流，并将所述视频流解码为图像帧。
108.在本技术实施例中，施工场所监控视频的视频流可以是实时视频流，并根据实时视频流，对当前和未来的施工场所所发生的安全事件做处理。施工场所监控视频的视频流可以是不是实时视频流，如历史的视频流，随后根据历史视频流，对历史的施工场所所发生的安全事件做事故分析。
109.综上可见，一种施工安全事件的检测与分析方法主要面向施工场所事件的安全检测，首先根据事件中是否包含人，将事件分为人为事件和自然事件，如人为事件包括未带安全帽和抽烟，自然事件包括焚烧和建筑物倒塌。根据焚烧和建筑物倒塌事件的特点（即事件发生后位置基本不再变动，而且事件发生后状态持续时间较长），得知该类别的事件不需要长时间跟踪和进行id识别，因此，对于该类别的事件只需要在检测后进行事件的推送。根据未带安全帽和抽烟事件的特点（即需要责任到人，而且很有可能在监控区域内移动），得知该类别事件需要跟踪，防止重复报警，同时需要进行人脸id识别，因此，对于该类别的事件需要在检测后进行人脸识别，随后再进行事件的推送，这样有助于后续的监管和自动警告。
110.可见，为保障建设工程领域作业区人员的安全，通过安装在施工现场的各类摄像头配合ai视频处理、人脸识别技术，全时侦测待检测事件，分析、挖掘前端视频图像数据，提供人员、环境、设备、物料等安全风险事件识别和报警服务，实现对人、机、料、法、环的全方位实时监控，满足不同工地应用场景的人员安全、财产安全的管理需要。实时监测劳务工人是否佩戴安全帽、穿戴反光衣，有效防止因疏忽造成的意外事故，避免潜在安全事故，提高监管效率。
111.需要进一步说明的是，所述一种施工安全事件的检测与分析方法除可适用于坍塌、火灾、未带安全帽和其他非工地人员进入工地等施工安全事件，还可适用于高处坠物、物体打击、机械伤害、起重伤害、车辆伤害和擅自拆除安全设施等施工安全事件。
112.以上是关于施工安全事件的检测与分析方法实施例的介绍，以下通过安全事件检测模型的训练方法实施例，对本技术所述方案进行进一步说明。
113.图4示出了本技术实施例中安全事件检测模型的训练方法的流程图。参见图4，本实施例中安全事件检测模型的训练方法包括：步骤s401：获取带有标签的不同类型施工场所的历史关键帧序列集；所述历史关键帧序列集包括带有未穿戴劳保用品标签、人为遗留火源标签、焚烧标签和/或建筑物倒塌标签的关键帧序列集。
114.步骤s402：根据所述历史关键帧序列集，对安全事件检测模型进行训练，获得训练完成的安全事件检测模型。
115.在本技术实施例中，通过从施工现场的相关录制视频中寻找未带安全帽、抽烟、焚
烧和建筑物倒塌的图像，然后从网络上收集同样类型的图像，场景不限于施工现场，再然后对所有的图像进行标注，即对事件的主要部分用矩形框起来，然后标注其类型，获得带有标签的不同类型施工场所的历史关键帧序列集。
116.具体地，将未带安全帽的人整个框起来，标记上未穿戴劳保用品标签和人为事件标签；将抽烟的人整个框起来，标记上人为遗留火源标签和人为事件标签；将焚烧产生的火焰和烟整个框起来，标记上焚烧标签和自热事件标签；将倒塌的建筑物整个框起来，标记上建筑物倒塌标签和自热事件标签。
117.在本技术实施例中，还可以使用马赛克、颜色变化、翻转、缩放和剪切处理对历史关键帧序列集进行增强，生成处理后的历史关键帧序列集。
118.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本技术所必须的。
119.应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
120.以上所述仅是本技术的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。