一种基于注意力机制神经网络的施工安全预警方法和装置与流程

技术特征：
1.一种基于注意力机制神经网络的施工安全预警方法，其特征在于，包括：当接收到物体图像数据集时，对所述物体图像数据集进行图像预处理，生成对应的训练图像数据集；采用预设卷积神经网络模型与预设lstm神经网络模型构建初始注意力机制神经网络模型；采用所述训练图像数据集对所述初始注意力机制神经网络模型进行训练，生成对应的目标注意力机制神经网络模型；当接收到待识别物体图像时，采用所述待识别物体图像输入所述目标注意力机制神经网络模型，生成物体位置框图；提取所述物体位置框图内电力施工人员的人员位置数据，提取所述物体位置特征图内施工设备的设备位置数据；以各所述人员位置数据为区域中心，选取所述设备位置数据处于预设半径的危险区域内的施工设备作为目标预警施工设备并输出警报信号。2.根据权利要求1所述的基于注意力机制神经网络的施工安全预警方法，其特征在于，所述采用所述训练图像数据集对所述初始注意力机制神经网络模型进行训练，生成对应的目标注意力机制神经网络模型的步骤，包括：将所述训练图像数据集输入所述初始注意力机制神经网络模型，生成对应的训练位置框图；计算所述训练位置框图与关联的标准位置框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，生成目标注意力机制神经网络模型。3.根据权利要求2所述的基于注意力机制神经网络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注意力机制神经网络模型的参数，并跳转所述将所述训练图像数据集输入所述初始注意力机制神经网络模型，生成对应的训练位置框图的步骤。4.根据权利要求1所述的基于注意力机制神经网络的施工安全预警方法，其特征在于，所述当接收到待识别物体图像时，采用所述待识别物体图像输入所述目标注意力机制神经网络模型，生成物体位置框图的步骤，包括：当接收到待识别物体图像时，采用所述待识别物体图像输入所述目标注意力机制神经网络模型进行训练，提取多个对应的全局特征图；对多个所述全局特征图进行降维和归一化操作，生成对应的特征概率图；对所述特征概率图进行细化，生成第一细化特征图；对所述第一细化特征图进行全局池化，并与所述全局特征图进行点积操作，生成对应的第二细化特征图；对所述第二细化特征图进行提取操作，生成对应的物体位置框图。5.根据权利要求1所述的基于注意力机制神经网络的施工安全预警方法，其特征在于，所述以各所述人员位置数据为区域中心，选取所述设备位置数据处于预设半径的危险区域
内的施工设备作为目标预警施工设备并输出警报信号的步骤，包括：以各所述人员位置数据为区域中心，计算任一所述人员位置数据关联的施工人员与各个所述设备位置数据关联的施工设备之间的目标距离值；若所述目标距离值大于所述危险区域关联的半径值，则不输出警报信号；若所述目标距离值小于或等于所述危险区域关联的半径值，则将所述所述设备位置数据关联的施工设备作为目标预警施工设备并输出警报信号。6.一种基于注意力机制神经网络的施工安全预警装置，其特征在于，包括：训练图像数据集获取模块，用于当接收到物体图像数据集时，对所述物体图像数据集进行图像预处理，生成对应的训练图像数据集；初始注意力机制神经网络模型构建模块，用于采用预设卷积神经网络模型与预设lstm神经网络模型构建初始注意力机制神经网络模型；目标注意力机制神经网络模型生成模块，用于采用所述训练图像数据集对所述初始注意力机制神经网络模型进行训练，生成对应的目标注意力机制神经网络模型；物体位置框图获取模块，用于当接收到待识别物体图像时，采用所述待识别物体图像输入所述目标注意力机制神经网络模型，生成物体位置框图；位置数据获取模块，用于提取所述物体位置框图内电力施工人员的人员位置数据，提取所述物体位置特征图内施工设备的设备位置数据；目标预警施工设备确定模块，用于以各所述人员位置数据为区域中心，选取所述设备位置数据处于预设半径的危险区域内的施工设备作为目标预警施工设备并输出警报信号。7.根据权利要求6所述的基于注意力机制神经网络的施工安全预警装置，其特征在于，所述目标注意力机制神经网络模型生成模块包括：训练位置框图获取子模块，用于将所述训练图像数据集输入所述初始注意力机制神经网络模型，生成对应的训练位置框图；训练损失值获取子模块，用于计算所述训练位置框图与关联的标准位置框图之间的训练损失值；比较子模块，用于比较所述训练损失值与预设的训练标准阈值；第一数据处理子模块，用于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，生成目标注意力机制神经网络模型。8.根据权利要求7所述的基于注意力机制神经网络的施工安全预警装置，其特征在于，所述目标注意力机制神经网络模型生成模块还包括：第二数据处理子模块，用于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注意力机制神经网络模型的参数，并跳转所述将所述训练图像数据集输入所述初始注意力机制神经网络模型，生成对应的训练位置框图的步骤。9.根据权利要求6所述的基于注意力机制神经网络的施工安全预警装置，其特征在于，所述物体位置框图获取模块包括：全局特征图获取子模块，用于当接收到待识别物体图像时，采用所述待识别物体图像输入所述目标注意力机制神经网络模型进行训练，提取多个对应的全局特征图；特征概率图获取子模块，用于对多个所述全局特征图进行降维和归一化操作，生成对应的特征概率图；
第一细化特征图获取子模块，用于对所述特征概率图进行细化，生成第一细化特征图；第二细化特征图获取子模块，用于对所述第一细化特征图进行全局池化，并与所述全局特征图进行点积操作，生成对应的第二细化特征图；提取子模块，用于对所述第二细化特征图进行提取操作，生成对应的物体位置框图。10.根据权利要求6所述的基于注意力机制神经网络的施工安全预警装置，其特征在于，所述目标预警施工设备确定模块包括：目标距离值获取子模块，用于以各所述人员位置数据为区域中心，计算任一所述人员位置数据关联的施工人员与各个所述设备位置数据关联的施工设备之间的目标距离值；第三数据处理子模块，用于若所述目标距离值大于所述危险区域关联的半径值，则不输出警报信号；第四数据处理子模块，用于若所述目标距离值小于或等于所述危险区域关联的半径值，则将所述所述设备位置数据关联的施工设备作为目标预警施工设备并输出警报信号。

技术总结
本发明公开了一种基于注意力机制神经网络的施工安全预警方法和装置，对物体图像数据集进行图像预处理，生成对应的训练图像数据集，构建初始注意力机制神经网络模型，训练生成对应的目标注意力机制神经网络模型，采用待识别物体图像输入目标注意力机制神经网络模型，提取物体位置框图内电力施工人员的人员位置数据与施工设备的设备位置数据，以各人员位置数据为区域中心，选取设备位置数据处于预设半径的危险区域内的施工设备作为目标预警施工设备并输出警报信号；解决现有的卷积神经网络对于图片特征提取不够细化，难以甄别出电力施工人员与施工设备之间的位置关系，从而导致电力施工现场的电力施工人员的存在安全隐患的技术问题。的技术问题。的技术问题。


技术研发人员：曾啸 陈霖 许典鸿 苗浩 徐雪丹 阮贝 黄国智 王兴圣 彭家欣 郑栩凡 王强 刘锦湖
受保护的技术使用者：广东电网有限责任公司珠海供电局
技术研发日：2022.11.09
技术公布日：2023/2/3