[发明专利]一种基于计算机视觉和轨迹预测的工人安全动态评估方法

说明书

一种基于计算机视觉和轨迹预测的工人安全动态评估方法，首先，收集施工现场的有工人和运动危险物体的视频数据，对工人和危险物体进行数据标注，形成多目标跟踪训练数据集，提取物体的中心点坐标，形成轨迹预测训练数据集。其次，将视频数据输入到多目标跟踪模型中训练模型。接下来，将物体的轨迹序列输入到轨迹预测模型中训练模型。之后，选择一个未被标注的视频数据依次输入到两个模型中，根据轨迹预测模型的输出结果结合安全评价规则输出视频安全风险评估结果。本发明结合计算机视觉技术的多目标跟踪技术对施工现场的工人和危险物体进行跟踪，将被跟踪物体的轨迹结合轨迹预测方法预测其未来一段时间的轨迹，根据预测轨迹和创建的安全水平评价规则识别出是否有碰撞的风险。

技术领域

本发明属于施工现场管理技术领域，涉及到一种识别建筑工人安全风险的方法，尤其涉及一种基于计算机视觉和轨迹预测的工人安全动态评估方法。

背景技术

建筑施工现场工人的职业健康和安全一直是备受关注问题，一旦工人出现安全问题会给各方带来经济损失。当前建筑工地的安全风险管理主要依赖于安全管理人员的人工监测，这是劳动密集型工作，需要大量的人力成本且难以全天候监测。近年来，计算机视觉快速发展，建筑工地普遍安装摄像头以监控作业场所，这为计算机视觉在建筑工地上的应用提供了支持。基于计算机视觉方法的安全风险管理方法具有无接触性、全天无休等优点被广泛应用，但当前的研究大多分析某一时刻施工现场的安全状况，并没有考虑到事故之间的前后关联，无法对未来是否发生危险进行预测，提前预测往往比预防接近事故更加重要和有效。

在施工现场，工人与设备之间的碰撞和挤压是一种主要的事故类型。由于工人过于关注完成自己的工作或施工现场环境复杂，工人难以注意到周围环境的变化，容易使自己陷入到危险之中。即使工人能够注意到距离自己周围比较近的空间，但如果危险物体运动速度过快，工人来不及反应做出相应的规避动作，依然会发生安全事故。因此，提前预测工人和物体的运动并保留一定的时间给工人思考和规避对降低安全事故的发生率具有重要意义。

发明内容

考虑到的视频监控方法为管理人员和从业者提供改善现场施工作业安全性能的优势。未解决上述难题，本发明借助于计算机视觉技术和轨迹预测，构建动态实时的施工现场的安全风险评估系统，旨在用于监测施工现场的风险动向和辅助完成事故预警，改善目前施工现场管理水平，最大程度地降低事故发生概率，以保障施工项目的人员和财产安全。

为了实现上述目的，本发明采用的技术方案如下：

一种基于计算机视觉和轨迹预测的工人安全动态评估方法，包含以下步骤：

第一步，收集含有工人和移动危险物体施工现场的视频数据，将其作为模型的原始数据。视频数据从施工现场垂直往下拍摄的摄像头中获取。对视频数据进行划分，不同作业区和不连续的视频分别作为单独的数据集进行标注，连续的视频片段但被单独存放的视频合并为同一个视频文件。

第二步，制作多目标跟踪模型的数据集。使用多目标跟踪视频标注工具DarkLabel对收集到的视频数据进行标注。标签选择工人、危险物体两类，用一个物体标注框圈住图片中出现的这两类物体。建立像素坐标系，以图片左上角为原点，向右为x轴，向下为y轴，每个像素为1单位。视频的每帧图片i中一个物体的标注框数据为分别为左上角x轴和y轴的像素坐标，右下角x轴和y轴的像素坐标。不同的工人赋予不同的跟踪ID，从1开始连续编号；不同的危险物体同样赋予不同的跟踪ID，从1开始连续编号。按照时间的先后顺序划分数据，形成多目标跟踪模型训练的训练集、验证集，比例为8:2。第i帧图片中物体j的标注数据为：

其中，C_i为物体类别(工人或危险物体)，ID_i为每个标注框赋予的跟踪ID，取值为正自然数。

第三步，制作轨迹预测模型的数据集。根据第二步对视频数据标注的结果，经过处理形成物体的轨迹数据。对视频的每帧图片i提取每个物体标注的中线点，物体中心点像素坐标按照下式计算：