[發明專利]一種基于顯著性神經網絡模型的施工安全預警方法和裝置

在審

• 申請號: 202211399577.5
• 申請日: 2022-11-09
• 公開（公告）號: CN115578693A
• 公開（公告）日: 2023-01-06
• 發明（設計）人: 曾嘯;陳霖;阮貝;王強;劉錦湖;許典鴻;黃國智;王興圣;彭家欣;鄭栩凡;苗浩;徐雪丹
• 申請（專利權）人: 廣東電網有限責任公司;廣東電網有限責任公司珠海供電局
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/42;G06V10/44;G06V10/46;G06V10/764;G06V10/80;G06V10/82;G08B21/02;G08B31/00;G06N3/04;G06N3/08;G06Q10/06;G06Q50/08;G06Q50/26
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 楊藝

本發明公開了一種基于顯著性神經網絡模型的施工安全預警方法和裝置，通過對施工設備和人員圖像集進行圖像預處理，生成訓練樣本數據，構建初始顯著性神經網絡模型，訓練生成目標顯著性神經網絡模型，當接收到待識別施工現場圖像時，采用待識別施工現場圖像輸入目標顯著性神經網絡模型，生成目標細化特征圖，確定多個對應的目標本體區域，并對目標本體區域進行標識，基于是否滿足預設條件的判斷結果，判斷目標本體數據關聯的施工人員是否存在施工安全隱患；解決現有卷積神經網絡無法準確的識別圖片中施工人員與施工設備的像素點特征差異，突出施工人員局部區域的顯著特征，從而造成未能及時給施工人員提供安全預警，存在施工安全隱患的技術問題。

技術領域

本發明涉及工地現場安全監測技術領域，尤其涉及一種基于顯著性神經網絡模型的施工安全預警方法和裝置。

背景技術

隨著人工智能技術的飛速發展，推動了計算機視覺領域的發展，當大量的圖片數據信息在互聯網上傳輸，可供利用的數據集也就越來越多，對圖片信息的特征提取就愈發重要。

早期的顯著性檢測大多將研究重心放在人眼注意點的檢測上，即檢測圖像中最吸引人類眼光的地方，檢測結果為一組光亮點組成的感興趣區域，隨著計算機視覺的進一步發展，單一的視覺注意點檢測逐漸難以滿足其需求。

因此，研究者提出將顯著性檢測看作是一個圖像分割問題，將圖像的顯著性目標區域從背景中分割出來，并將該任務稱為顯著性目標檢測。

目前，通過利用卷積神經網絡高效的特征提取能力，雖然極大地提升了顯著性目標檢測算法的性能，但是僅僅依靠卷積神經網絡做簡單的特征拼接或相加等融合策略還是無法有效地增強特征，導致檢測算法在施工場景中出現圖片噪聲和冗余像素輸入過多，無法準確的識別圖片中施工人員與施工設備的像素點特征差異，突出施工人員局部區域的顯著特征，從而造成未能及時給施工人員提供安全預警，存在施工安全隱患。

發明內容

本發明提供了一種基于顯著性神經網絡模型的施工安全預警方法和裝置，解決了現有卷積神經網絡無法有效地增強特征，導致檢測算法在施工場景中出現圖片噪聲和冗余像素輸入過多，無法準確的識別圖片中施工人員與施工設備的像素點特征差異，突出施工人員局部區域的顯著特征，從而造成未能及時給施工人員提供安全預警，存在施工安全隱患的技術問題。

本發明第一方面提供的一種基于顯著性神經網絡模型的施工安全預警方法，包括：

當接收到施工設備和人員圖像集時，對所述施工設備和人員圖像集進行圖像預處理，生成訓練樣本數據；

采用預設VGGnet16卷積神經網絡模型與預設交并空間型神經網絡模型構建交并空間注意力機制卷積神經網絡模型，并結合預設LSTM神經網絡模型構建初始顯著性神經網絡模型；

采用所述訓練樣本數據對所述初始顯著性神經網絡模型進行訓練，生成目標顯著性神經網絡模型；

當接收到待識別施工現場圖像時，采用所述待識別施工現場圖像輸入所述目標顯著性神經網絡模型，生成目標細化特征圖；

從所述目標細化特征圖提取對應的目標本體數據，根據所述目標本體數據確定多個對應的目標本體區域，并對所述目標本體區域進行標識；

基于多個所述目標本體區域是否滿足預設條件的判斷結果，判斷所述目標本體數據關聯的施工人員是否存在施工安全隱患。

可選地，所述采用所述訓練樣本數據對所述初始顯著性神經網絡模型進行訓練，生成目標顯著性神經網絡模型的步驟，包括：

將所述訓練樣本數據輸入所述初始顯著性神經網絡模型，生成對應的訓練細化特征圖；

計算所述訓練細化特征圖與關聯的標準細化特征圖之間的訓練損失值；

比較所述訓練損失值與預設的訓練標準閾值；