本發(fā)明涉及定位跟蹤，特別涉及一種施工人員定位跟蹤方法、裝置、設(shè)備和存儲介質(zhì)。

背景技術(shù)：

1、在施工現(xiàn)場，安全監(jiān)控和管理是極其重要的任務(wù)之一。確保施工人員的安全不僅涉及到個人健康，同時也關(guān)系到工程進度和成本控制。一直以來，施工現(xiàn)場依賴于人工視察、定期巡查等傳統(tǒng)方法進行管理和監(jiān)控，然而這些方法費時費力，且不能實時有效地跟蹤施工人員的具體位置，一旦發(fā)生緊急情況，不能及時做出反應。近年來，隨著計算機視覺技術(shù)的快速發(fā)展，尤其是深度學習技術(shù)在圖像處理領(lǐng)域的廣泛應用，為施工現(xiàn)場人員定位跟蹤提供了新的技術(shù)途徑。

技術(shù)實現(xiàn)思路

1、本發(fā)明的主要目的為提供一種施工人員定位跟蹤方法、裝置、設(shè)備和存儲介質(zhì)，實現(xiàn)了對施工人員的精確跟蹤和管理。

2、為實現(xiàn)上述目的，本發(fā)明提供了一種施工人員定位跟蹤方法，包括以下步驟：

3、對現(xiàn)場施工人員進行持續(xù)視頻采集，得到施工人員的實時圖像，通過目標檢測算法對所述實時圖像進行實時區(qū)分，得到圖像中的施工人員和非施工人員，并將實時圖像內(nèi)的非施工人員剔除；

4、對所述圖像中的施工人員進行圖像分割掩碼，得到施工人員的精細掩碼，并對施工人員的精細掩碼進行形態(tài)膨脹和/或腐蝕處理，得到施工人員對應的目標輪廓；

5、基于施工人員的目標輪廓繪制矩形框圖像，得到對應施工人員對應的矩形框圖像；

6、通過比較施工人員對應的矩形框圖像的位置變化，得到施工人員對應的運動軌跡；

7、利用預設(shè)的目標輪廓算法對所述施工人員的目標輪廓進行特征提取，得到對應施工人員的特征；

8、獲取各個施工人員的編碼信息，基于各個施工人員的編碼信息、運動軌跡以及施工人員的特征，得到對應施工人員的實時定位坐標。

9、進一步的，對現(xiàn)場施工人員進行持續(xù)視頻采集，得到施工人員的實時圖像，通過目標檢測算法對所述實時圖像進行實時區(qū)分，得到圖像中的施工人員和非施工人員，包括：

10、通過預設(shè)高分辨攝像頭對現(xiàn)場施工人員進行持續(xù)視頻采集，得到施工人員的實時圖像；

11、基于數(shù)字圖像處理技術(shù)，對所述施工人員的實時圖像進行圖像預處理，以增強施工人員的實時圖像，得到預處理圖像；

12、對所述預處理圖像進行畸變糾正和尺度調(diào)整，得到校準施工圖像；

13、通過目標檢測算法對所述校準施工圖像進行實時區(qū)分，得到圖像中的施工人員和非施工人員。

14、進一步的，通過目標檢測算法對所述校準施工圖像進行實時區(qū)分，得到圖像中的施工人員和非施工人員，包括：

15、將所述校準施工圖像輸入預設(shè)的目標檢測算法內(nèi)進行目標檢測；其中，所述目標檢測算法包括gsconv模塊、cbam模塊、c2f-faster模塊及分類層模塊；

16、通過gsconv模塊對所述校準施工圖像進行施工特征提取，得到提取施工特征；其中，所述提取施工特征包括施工人員特征和非施工人員特征；

17、通過cbam模塊對所述提取施工特征進行注意力關(guān)注，得到注意力關(guān)注特征；

18、通過c2f-faster模塊對所述注意力關(guān)注特征進行特征融合，得到融合特征；

19、通過分類層模塊對所述融合特征進行實時區(qū)分，得到圖像中的施工人員和非施工人員。

20、進一步的，所述對所述圖像中的施工人員進行圖像分割掩碼，得到施工人員的精細掩碼，并對施工人員的精細掩碼進行形態(tài)膨脹和/或腐蝕處理，得到施工人員對應的目標輪廓，包括：

21、對所述圖像中的施工人員進行圖像分割掩碼，以將施工人員的圖像與背景進行分割，得到施工人員的初始精細掩碼；

22、對所述施工人員的初始精細掩碼進行形態(tài)膨脹和/或腐蝕處理，得到施工人員的精細掩碼；

23、將施工人員的精細掩碼映射回原始圖像，以定位施工人員在圖像中的精確位置；對所述施工人員的精細掩碼映射回原始圖像進行邊緣檢測或輪廓跟蹤，得到施工人員對應的目標輪廓。

24、進一步的，所述基于施工人員的目標輪廓繪制矩形框圖像，得到對應施工人員對應的矩形框圖像，包括：

25、基于施工人員的目標輪廓確定矩形框的比例和尺寸，以確保所述矩形框能夠適應施工人員的輪廓并準確覆蓋；

26、基于矩形框的比例和尺寸，對施工人員的目標輪廓進行繪制，得到施工人員對應的矩形框圖像。

27、進一步的，通過比較施工人員對應的矩形框圖像的位置變化，得到施工人員對應的運動軌跡，包括：

28、通過圖像合成技術(shù)將施工人員對應的矩形框圖像進行圖像合成，生成施工人員矩形視頻；

29、遍歷施工人員矩形視頻的每一幀，以確保捕捉到施工人員在各個時間點的活動狀態(tài)，得到施工人員矩形幀圖像；

30、對連續(xù)矩形幀圖像中每個施工人員的矩形框位置進行記錄，并比較記錄后的施工人員對應的矩形框圖像的位置變化，得到施工人員的初始移動軌跡；

31、通過多目標跟蹤算法，對每幀圖像中識別的施工人員進行跟蹤，以便追蹤施工人員在連續(xù)幀中的位置變化，生成施工人員對應的驗證運動軌跡；

32、采用驗證運動軌跡對初始移動軌跡進行軌跡驗證，若驗證運動軌跡與初始移動軌跡重合，則將初始移動軌跡作為施工人員對應的運動軌跡。

33、進一步的，利用預設(shè)的目標輪廓算法對所述施工人員的目標輪廓進行特征提取，得到對應施工人員的特征，包括：

34、將所述施工人員的目標輪廓輸入預設(shè)的目標輪廓算法內(nèi)進行特征提??；其中，所述目標輪廓算法包括c2f_faster模塊、slim-neck結(jié)構(gòu)、分類模塊及注意力機制ema模塊；其中，所述slim-neck結(jié)構(gòu)包括gsconv卷積層和vov-gscsp模塊；

35、通過所述c2f_faster模塊對所述施工人員的目標輪廓進行初步特征提取，得到初步輪廓特征；

36、通過所述slim-neck結(jié)構(gòu)對所述初步輪廓特征進行特征增強和融合，得到增強融合特征；

37、通過所述分類模塊對所述增強融合特征進行定位和分類，得到分類特征；

38、通過所述注意力機制ema模塊對所述分類特征進行注意力關(guān)注，得到對應施工人員的特征；其中，所述施工人員的特征包括施工人員的輪廓特征、服裝顏色特征、動態(tài)特征以及時空特征，所述時空特征是施工人員在視頻序列中的位置變化和時間變化信息。

39、本發(fā)明還提供了一種施工人員定位跟蹤裝置，包括：

40、采集模塊，用于對現(xiàn)場施工人員進行持續(xù)視頻采集，得到施工人員的實時圖像，通過目標檢測算法對所述實時圖像進行實時區(qū)分，得到圖像中的施工人員和非施工人員，并將實時圖像內(nèi)的非施工人員剔除；

41、分割模塊，用于對所述圖像中的施工人員進行圖像分割掩碼，得到施工人員的精細掩碼，并對施工人員的精細掩碼進行形態(tài)膨脹和/或腐蝕處理，得到施工人員對應的目標輪廓；

42、繪制模塊，用于基于施工人員的目標輪廓繪制矩形框圖像，得到對應施工人員對應的矩形框圖像；

43、比較模塊，用于通過比較施工人員對應的矩形框圖像的位置變化，得到施工人員對應的運動軌跡；

44、提取模塊，用于利用預設(shè)的目標輪廓算法對所述施工人員的目標輪廓進行特征提取，得到對應施工人員的特征；

45、定位模塊，用于獲取各個施工人員的編碼信息，基于各個施工人員的編碼信息、運動軌跡以及施工人員的特征，得到對應施工人員的實時定位坐標。

46、本發(fā)明還提供一種計算機設(shè)備，包括存儲器和處理器，所述存儲器中存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述任一項所述方法的步驟。

47、本發(fā)明還提供一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述任一項所述的方法的步驟。

48、本發(fā)明提供的施工人員定位跟蹤方法、裝置、計算機設(shè)備和存儲介質(zhì)，包括以下步驟：對現(xiàn)場施工人員進行持續(xù)視頻采集，得到施工人員的實時圖像，對所述實時圖像進行實時區(qū)分，得到圖像中的施工人員和非施工人員，并將實時圖像內(nèi)的非施工人員剔除；基于施工人員的目標輪廓繪制矩形框圖像，得到對應施工人員對應的矩形框圖像；通過比較施工人員對應的矩形框圖像的位置變化，得到施工人員對應的運動軌跡；利用預設(shè)的目標輪廓算法對所述施工人員的目標輪廓進行特征提取，得到對應施工人員的特征；獲取各個施工人員的編碼信息，基于各個施工人員的編碼信息、運動軌跡以及施工人員的特征，得到對應施工人員的實時定位坐標。基于施工人員的編碼信息、運動軌跡以及特征提取結(jié)果，解決了不能實時有效地跟蹤施工人員的具體位置的技術(shù)問題，實現(xiàn)了得到每個施工人員的實時定位坐標，從而實現(xiàn)精確跟蹤和管理。