1.本發(fā)明涉及建筑監(jiān)控技術(shù)領(lǐng)域，尤其涉及一種施工區(qū)域的安全監(jiān)控方法、裝置、設(shè)備及存儲介質(zhì)。


背景技術(shù)：

2.隨著我國城市化進(jìn)程快速推進(jìn)的同時，建筑行業(yè)也進(jìn)出了發(fā)展發(fā)展的階段。以致城市中相關(guān)建筑工程數(shù)量不斷增加，使的建筑施工現(xiàn)場在城市之中隨處可見。而施工現(xiàn)場作為建筑施工的主要場所，在施工現(xiàn)場經(jīng)常能看到許多大型危險的施工設(shè)備，且其中的施工人員流動性非常大，導(dǎo)致整個施工現(xiàn)場危險源眾多，容易產(chǎn)生安全事故。因此，為了對建筑施工現(xiàn)場的安全隱患進(jìn)行監(jiān)督防護(hù)，需要對施工現(xiàn)場進(jìn)行安全監(jiān)測管理。
3.現(xiàn)今，對施工現(xiàn)場常常采用圍合式管理，通過將對應(yīng)的施工區(qū)域進(jìn)行圍合，并對圍合的進(jìn)出口設(shè)置相應(yīng)的保安亭進(jìn)行監(jiān)控，防止外人或其他生物進(jìn)行施工區(qū)域，但是由于這種安全監(jiān)控缺乏自動化實現(xiàn)，對施工現(xiàn)場在未施工時間段等特殊時間段時，生物意外闖入的安全問題不能及時發(fā)現(xiàn)、提前預(yù)警。即現(xiàn)有對施工現(xiàn)場圍合進(jìn)出口的安全監(jiān)控的預(yù)警效率較低。


技術(shù)實現(xiàn)要素：

4.本發(fā)明的主要目的在于解決現(xiàn)有對施工現(xiàn)場圍合進(jìn)出口的安全監(jiān)控的預(yù)警效率較低的問題。
5.本發(fā)明第一方面提供了一種施工區(qū)域的安全監(jiān)控方法，應(yīng)用于施工區(qū)域的安全監(jiān)控系統(tǒng)，所述安全監(jiān)控系統(tǒng)包括安全監(jiān)控模塊、iot平臺和ispm平臺，其中，所述iot平臺包括多個采集設(shè)備，所述施工區(qū)域的安全監(jiān)控方法包括：獲取各所述采集設(shè)備對應(yīng)定向區(qū)域的監(jiān)控區(qū)域坐標(biāo)集，并通過所述采集設(shè)備采集施工區(qū)域?qū)?yīng)的監(jiān)控視頻；通過所述iot平臺對所述監(jiān)控視頻進(jìn)行圖像分幀處理，得到多個初始監(jiān)控圖像，并通過所述安全監(jiān)控模塊檢測所述監(jiān)控圖像中的異常區(qū)域，以及提取所述異常區(qū)域在所述監(jiān)控圖像中對應(yīng)的異常坐標(biāo)；通過所述安全監(jiān)控模塊檢測所述異常坐標(biāo)是否為所述監(jiān)控區(qū)域坐標(biāo)集對應(yīng)的坐標(biāo)區(qū)域，并根據(jù)坐標(biāo)檢測的結(jié)果，對所述異常區(qū)域進(jìn)行網(wǎng)格劃分和異常類別概率預(yù)測，得到異常識別結(jié)果；基于所述異常識別結(jié)果，通過所述iot平臺對所述異常區(qū)域的異常對象匹配對應(yīng)告警事件，并通過ispm平臺根據(jù)所述告警事件生成告警信息，以及將所述告警信息推送至對應(yīng)的監(jiān)控終端。
6.可選的，在本發(fā)明第一方面的第一種實現(xiàn)方式中，所述通過所述iot平臺對所述監(jiān)控視頻進(jìn)行圖像分幀處理，得到多個初始監(jiān)控圖像，包括：通過所述iot平臺分別對各所述采集設(shè)備的建立單線程分幀通道；利用所述單線程分幀通道對各所述監(jiān)控視頻進(jìn)行圖像分幀，并將分幀后的圖像進(jìn)行數(shù)據(jù)流封裝，得到多個初始監(jiān)控圖像。
7.可選的，在本發(fā)明第一方面的第二種實現(xiàn)方式中，所述通過所述安全監(jiān)控模塊檢測所述監(jiān)控圖像中的異常區(qū)域，包括：通過所述安全監(jiān)控模塊，選取同一所述采集設(shè)備中預(yù)
置數(shù)量的所述監(jiān)控圖像，得到多組初級監(jiān)控圖像集，并對各所述初級監(jiān)控圖像集進(jìn)行圖像數(shù)據(jù)增強處理，得到增強后的多組監(jiān)控圖像集；對各所述監(jiān)控圖像集進(jìn)行要素切片，并對要素切片的結(jié)果進(jìn)行預(yù)設(shè)像素尺寸的加權(quán)平均處理，得到多個監(jiān)控特征圖；對各所述監(jiān)控特征圖進(jìn)行圖像網(wǎng)格劃分，并對劃分后各個網(wǎng)格的監(jiān)控特征圖進(jìn)行異常特征識別，得到異常識別結(jié)果；分別計算所述異常識別結(jié)果中對應(yīng)圖像網(wǎng)格的異常概率，并選擇超過預(yù)設(shè)異常概率的所述圖像網(wǎng)格，生成異常區(qū)域。
8.可選的，在本發(fā)明第一方面的第三種實現(xiàn)方式中，所述提取所述異常區(qū)域在所述監(jiān)控圖像中對應(yīng)的異常坐標(biāo)，包括：確定所述異常區(qū)域?qū)?yīng)的多個異常圖像網(wǎng)格；基于預(yù)設(shè)的特征圖像坐標(biāo)軸，識別各所述異常圖像網(wǎng)格的多個網(wǎng)格坐標(biāo)點；選取所述網(wǎng)格坐標(biāo)點中的區(qū)域邊界的坐標(biāo)點，得到異常坐標(biāo)。
9.可選的，在本發(fā)明第一方面的第四種實現(xiàn)方式中，所述根據(jù)坐標(biāo)檢測的結(jié)果，對所述異常區(qū)域進(jìn)行網(wǎng)格劃分和異常類別概率預(yù)測，得到異常識別結(jié)果，包括：根據(jù)坐標(biāo)檢測的結(jié)果，計算所述異常區(qū)域中各個網(wǎng)格的邊界框預(yù)測值；利用預(yù)設(shè)施工監(jiān)控模型中的全連接層對所述異常區(qū)域中各個網(wǎng)格中的物體進(jìn)行坐標(biāo)計算，并檢測坐標(biāo)計算的結(jié)果是否屬于邊界框預(yù)測值；若屬于，則對坐標(biāo)計算的結(jié)果與各所述邊界框預(yù)測值進(jìn)行置信度計算，得到對應(yīng)異常類別準(zhǔn)確率的異常識別結(jié)果。
10.可選的，在本發(fā)明第一方面的第五種實現(xiàn)方式中，所述基于所述異常識別結(jié)果，通過所述iot平臺對所述異常區(qū)域的異常對象匹配對應(yīng)告警事件，包括：若所述異常識別結(jié)果包含異常對象，則根據(jù)所述異常識別結(jié)果，對所述監(jiān)控圖像中的異常對象進(jìn)行標(biāo)注；根據(jù)標(biāo)注后的監(jiān)控圖像生成告警圖像集，將所述告警圖像集回調(diào)至所述iot平臺，并通過所述iot平臺，根據(jù)回調(diào)的告警圖像集，生成對應(yīng)異常類型的告警事件。
11.可選的，在本發(fā)明第一方面的第六種實現(xiàn)方式中，所述通過ispm平臺根據(jù)所述告警事件生成告警信息，以及將所述告警信息推送至對應(yīng)的監(jiān)控終端，包括：所述ispm平臺根據(jù)所述告警事件對應(yīng)的監(jiān)控場景，選取對應(yīng)的數(shù)據(jù)格式類型，對所述告警事件執(zhí)行預(yù)處理；根據(jù)預(yù)處理的結(jié)果，生成對應(yīng)的告警內(nèi)容，并利用預(yù)置監(jiān)控對象模板，采用所述告警內(nèi)容生成多個告警信息；將各所述告警信息推送至對應(yīng)的監(jiān)控終端。
12.本發(fā)明第二方面提供了一種施工區(qū)域的安全監(jiān)控裝置，應(yīng)用于施工區(qū)域的安全監(jiān)控系統(tǒng)，所述安全監(jiān)控系統(tǒng)包括安全監(jiān)控模塊、iot平臺和ispm平臺，其中，所述iot平臺包括多個采集設(shè)備，所述施工區(qū)域的安全監(jiān)控裝置包括：視頻采集模塊，用于獲取各所述采集設(shè)備對應(yīng)定向區(qū)域的監(jiān)控區(qū)域坐標(biāo)集，并通過所述采集設(shè)備采集施工區(qū)域?qū)?yīng)的監(jiān)控視頻；坐標(biāo)提取模塊，用于通過所述iot平臺對所述監(jiān)控視頻進(jìn)行圖像分幀處理，得到多個初始監(jiān)控圖像，并通過所述安全監(jiān)控模塊檢測所述監(jiān)控圖像中的異常區(qū)域，以及提取所述異常區(qū)域在所述監(jiān)控圖像中對應(yīng)的異常坐標(biāo)；異常識別模塊，用于通過所述安全監(jiān)控模塊檢測所述異常坐標(biāo)是否為所述監(jiān)控區(qū)域坐標(biāo)集對應(yīng)的坐標(biāo)區(qū)域，并根據(jù)坐標(biāo)檢測的結(jié)果，對所述異常區(qū)域進(jìn)行網(wǎng)格劃分和異常類別概率預(yù)測，得到異常識別結(jié)果；告警推送模塊，用于基于所述異常識別結(jié)果，通過所述iot平臺對所述異常區(qū)域的異常對象匹配對應(yīng)告警事件，并通過ispm平臺根據(jù)所述告警事件生成告警信息，以及將所述告警信息推送至對應(yīng)的監(jiān)控終端。
13.可選的，在本發(fā)明第二方面的第一種實現(xiàn)方式中，所述坐標(biāo)提取模塊包括：通道建
立單元，用于通過所述iot平臺分別對各所述采集設(shè)備的建立單線程分幀通道；圖像分幀單元，用于利用所述單線程分幀通道對各所述監(jiān)控視頻進(jìn)行圖像分幀，并將分幀后的圖像進(jìn)行數(shù)據(jù)流封裝，得到多個初始監(jiān)控圖像。
14.可選的，在本發(fā)明第二方面的第二種實現(xiàn)方式中，所述坐標(biāo)提取模塊還包括：圖像增強單元，用于通過所述安全監(jiān)控模塊，選取同一所述采集設(shè)備中預(yù)置數(shù)量的所述監(jiān)控圖像，得到多組初級監(jiān)控圖像集，并對各所述初級監(jiān)控圖像集進(jìn)行圖像數(shù)據(jù)增強處理，得到增強后的多組監(jiān)控圖像集；加權(quán)平均單元，用于對各所述監(jiān)控圖像集進(jìn)行要素切片，并對要素切片的結(jié)果進(jìn)行預(yù)設(shè)像素尺寸的加權(quán)平均處理，得到多個監(jiān)控特征圖；特征識別單元，用于對各所述監(jiān)控特征圖進(jìn)行圖像網(wǎng)格劃分，并對劃分后各個網(wǎng)格的監(jiān)控特征圖進(jìn)行異常特征識別，得到異常識別結(jié)果；概率計算單元，用于分別計算所述異常識別結(jié)果中對應(yīng)圖像網(wǎng)格的異常概率，并選擇超過預(yù)設(shè)異常概率的所述圖像網(wǎng)格，生成異常區(qū)域。
15.可選的，在本發(fā)明第二方面的第三種實現(xiàn)方式中，所述坐標(biāo)提取模塊還包括：網(wǎng)格確定單元，用于確定所述異常區(qū)域?qū)?yīng)的多個異常圖像網(wǎng)格；坐標(biāo)識別單元，用于基于預(yù)設(shè)的特征圖像坐標(biāo)軸，識別各所述異常圖像網(wǎng)格的多個網(wǎng)格坐標(biāo)點；坐標(biāo)選取單元，用于選取所述網(wǎng)格坐標(biāo)點中的區(qū)域邊界的坐標(biāo)點，得到異常坐標(biāo)。
16.可選的，在本發(fā)明第二方面的第四種實現(xiàn)方式中，所述異常識別模塊包括：邊界預(yù)測單元，用于根據(jù)坐標(biāo)檢測的結(jié)果，計算所述異常區(qū)域中各個網(wǎng)格的邊界框預(yù)測值；坐標(biāo)計算單元，用于利用預(yù)設(shè)施工監(jiān)控模型中的全連接層對所述異常區(qū)域中各個網(wǎng)格中的物體進(jìn)行坐標(biāo)計算，并檢測坐標(biāo)計算的結(jié)果是否屬于邊界框預(yù)測值；異常識別單元，用于若屬于，則對坐標(biāo)計算的結(jié)果與各所述邊界框預(yù)測值進(jìn)行置信度計算，得到對應(yīng)異常類別準(zhǔn)確率的異常識別結(jié)果。
17.可選的，在本發(fā)明第二方面的第五種實現(xiàn)方式中，所述告警推送模塊包括：異常標(biāo)注單元，用于若所述識別結(jié)果包含異常施工區(qū)域，則根據(jù)所述識別結(jié)果，對所述監(jiān)控圖像中的異常施工區(qū)域進(jìn)行標(biāo)注；圖像回調(diào)單元，用于根據(jù)標(biāo)注后的監(jiān)控圖像生成告警圖像集，將所述告警圖像集回調(diào)至所述iot平臺，并通過所述iot平臺，根據(jù)回調(diào)的告警圖像集，生成對應(yīng)異常類型的告警事件。
18.可選的，在本發(fā)明第二方面的第六種實現(xiàn)方式中，所述告警推送模塊還包括：類型選擇單元，用于所述ispm平臺根據(jù)所述告警事件對應(yīng)的監(jiān)控場景，選取對應(yīng)的數(shù)據(jù)格式類型，對所述告警事件執(zhí)行預(yù)處理；信息生成單元，用于根據(jù)預(yù)處理的結(jié)果，生成對應(yīng)的告警內(nèi)容，并利用預(yù)置監(jiān)控對象模板，采用所述告警內(nèi)容生成多個告警信息；告警推送單元，用于將各所述告警信息推送至對應(yīng)的監(jiān)控終端。
19.本發(fā)明第三方面提供了一種施工區(qū)域的安全監(jiān)控設(shè)備，包括：存儲器和至少一個處理器，所述存儲器中存儲有指令；所述至少一個處理器調(diào)用所述存儲器中的所述指令，以使得所述施工區(qū)域的安全監(jiān)控設(shè)備執(zhí)行上述的施工區(qū)域的安全監(jiān)控方法的各個步驟。
20.本發(fā)明的第四方面提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)中存儲有指令，當(dāng)其在計算機上運行時，使得計算機執(zhí)行上述的施工區(qū)域的安全監(jiān)控方法的各個步驟。
21.本發(fā)明提供的技術(shù)方案中，該方法應(yīng)用于施工區(qū)域的安全監(jiān)控系統(tǒng)，獲取各采集設(shè)備對應(yīng)定向區(qū)域的監(jiān)控區(qū)域坐標(biāo)集，并通過采集設(shè)備采集施工區(qū)域?qū)?yīng)的監(jiān)控視頻；通
過iot平臺對監(jiān)控視頻進(jìn)行圖像分幀處理，得到多個初始監(jiān)控圖像，并通過安全監(jiān)控模塊檢測監(jiān)控圖像中的異常區(qū)域，以及提取異常區(qū)域在監(jiān)控圖像中對應(yīng)的異常坐標(biāo)；通過安全監(jiān)控模塊檢測異常坐標(biāo)是否為監(jiān)控區(qū)域坐標(biāo)集對應(yīng)的坐標(biāo)區(qū)域，并根據(jù)坐標(biāo)檢測的結(jié)果，對異常區(qū)域進(jìn)行網(wǎng)格劃分和異常類別概率預(yù)測，得到異常識別結(jié)果；基于異常識別結(jié)果，通過iot平臺對異常區(qū)域的異常對象匹配對應(yīng)告警事件，并通過ispm平臺根據(jù)告警事件生成告警信息，以及將告警信息推送至對應(yīng)的監(jiān)控終端。相比于現(xiàn)有技術(shù)，本技術(shù)通過利用采集設(shè)備采集相應(yīng)進(jìn)出口區(qū)域的視頻，進(jìn)而對采集的視頻進(jìn)行分幀和異常坐標(biāo)匹配，進(jìn)而通過對異常區(qū)域進(jìn)行異常類別的識別，從而根據(jù)異常識別結(jié)果生成相應(yīng)的預(yù)警信息并進(jìn)行推送。實現(xiàn)了對施工進(jìn)出口區(qū)域中的定點采集區(qū)域的實時檢測，并將存在異常闖入的異常類型生成相應(yīng)的預(yù)警信息并進(jìn)行推送，提高了對施工現(xiàn)場圍合進(jìn)出口的安全監(jiān)控的預(yù)警效率。
附圖說明
22.圖1為本發(fā)明實施例中施工區(qū)域的安全監(jiān)控方法的第一個實施例示意圖；圖2為本發(fā)明實施例中施工區(qū)域的安全監(jiān)控方法的第二個實施例示意圖；圖3為本發(fā)明實施例中施工區(qū)域的安全監(jiān)控方法的第三個實施例示意圖；圖4為本發(fā)明實施例中施工區(qū)域的安全監(jiān)控裝置的一個實施例示意圖；圖5為本發(fā)明實施例中施工區(qū)域的安全監(jiān)控裝置的另一個實施例示意圖；圖6為本發(fā)明實施例中施工區(qū)域的安全監(jiān)控設(shè)備的一個實施例示意圖。
具體實施方式
23.本發(fā)明實施例提供了一種施工區(qū)域的安全監(jiān)控方法、裝置、設(shè)備及存儲介質(zhì)，該方法包括：通過所述iot平臺獲取施工區(qū)域的監(jiān)控視頻，并對所述監(jiān)控視頻進(jìn)行分幀處理，得到多個監(jiān)控圖像；通過所述安全監(jiān)控模塊，利用預(yù)置的場景監(jiān)控模型對各所述監(jiān)控圖像進(jìn)行數(shù)據(jù)增強和抽象特征點提取，并根據(jù)提取的抽象特征點，對各所述監(jiān)控圖像進(jìn)行異常施工區(qū)域識別，得到識別結(jié)果；若所述識別結(jié)果包含異常施工區(qū)域，則根據(jù)所述識別結(jié)果，觸發(fā)所述iot平臺中對異常施工區(qū)域的對應(yīng)異常類型的告警事件；所述ispm平臺根據(jù)所述告警事件生成告警信息，并推送至對應(yīng)的監(jiān)控終端。本發(fā)明提高了對施工現(xiàn)場安全監(jiān)控的預(yù)警效率。
24.本發(fā)明的說明書和權(quán)利要求書及上述附圖中的術(shù)語“第一”、“第二”、“第三”、“第四”等（如果存在）是用于區(qū)別類似的對象，而不必用于描述特定的順序或先后次序。應(yīng)該理解這樣使用的數(shù)據(jù)在適當(dāng)情況下可以互換，以便這里描述的實施例能夠以除了在這里圖示或描述的內(nèi)容以外的順序?qū)嵤４送?，術(shù)語“包括”或“具有”及其任何變形，意圖在于覆蓋不排他的包含，例如，包含了一系列步驟或單元的過程、方法、系統(tǒng)、產(chǎn)品或設(shè)備不必限于清楚地列出的那些步驟或單元，而是可包括沒有清楚地列出的或?qū)τ谶@些過程、方法、產(chǎn)品或設(shè)備固有的其它步驟或單元。
25.為便于理解，下面對本發(fā)明實施例的具體流程進(jìn)行描述，請參閱圖1，本發(fā)明實施例中施工區(qū)域的安全監(jiān)控方法的第一個實施例包括：101、獲取各采集設(shè)備對應(yīng)定向區(qū)域的監(jiān)控區(qū)域坐標(biāo)集，并通過采集設(shè)備采集施工區(qū)域?qū)?yīng)的監(jiān)控視頻；
可以理解的是，本發(fā)明的執(zhí)行主體可以為施工區(qū)域的安全監(jiān)控裝置，還可以是終端或者服務(wù)器，具體此處不做限定。本發(fā)明實施例以服務(wù)器為執(zhí)行主體為例進(jìn)行說明。
26.本技術(shù)實施例可以基于人工智能技術(shù)對相關(guān)的數(shù)據(jù)進(jìn)行獲取和處理。其中，人工智能（artificial intelligence，ai)是利用數(shù)字計算機或者數(shù)字計算機控制的機器模擬、延伸和擴展人的智能，感知環(huán)境、獲取知識并使用知識獲得最佳結(jié)果的理論、方法、技術(shù)及應(yīng)用系統(tǒng)。
27.人工智能基礎(chǔ)技術(shù)一般包括如傳感器、專用人工智能芯片、云計算、分布式存儲、大數(shù)據(jù)處理技術(shù)、操作/交互系統(tǒng)、機電一體化等技術(shù)。人工智能軟件技術(shù)主要包括計算機視覺技術(shù)、機器人技術(shù)、生物識別技術(shù)、語音處理技術(shù)、自然語言處理技術(shù)以及機器學(xué)習(xí)/深度學(xué)習(xí)等幾大方向。
28.本實施例中，這里的采集設(shè)備，指的是能用來采集相應(yīng)視頻的設(shè)備，包括各種功能類型的攝像頭；這里的監(jiān)控區(qū)域坐標(biāo)集，指的是相應(yīng)進(jìn)出口或者其他施工區(qū)域中需要特別監(jiān)控的區(qū)域，將這些區(qū)域在采集設(shè)備中相應(yīng)的坐標(biāo)位置進(jìn)行標(biāo)記，從而得到監(jiān)控區(qū)域坐標(biāo)集。
29.在實際應(yīng)用中，通過iot平臺中連接的多個采集設(shè)備，調(diào)用后臺中的監(jiān)控區(qū)域的設(shè)置參數(shù)數(shù)據(jù)，從而獲取各采集設(shè)備對應(yīng)定向區(qū)域的監(jiān)控區(qū)域坐標(biāo)集，并利用物聯(lián)網(wǎng)技術(shù)連接各個采集設(shè)備，控制各個采集設(shè)備采集所在施工工作區(qū)域的監(jiān)控視頻數(shù)據(jù)。
30.102、通過iot平臺對監(jiān)控視頻進(jìn)行圖像分幀處理，得到多個初始監(jiān)控圖像，并通過安全監(jiān)控模塊檢測監(jiān)控圖像中的異常區(qū)域，以及提取異常區(qū)域在監(jiān)控圖像中對應(yīng)的異常坐標(biāo)；本實施例中，這里的iot平臺，指的是物聯(lián)網(wǎng)平臺，指通過各種攝像頭等傳感器設(shè)備采集、監(jiān)控物體狀態(tài)信息，并通過多樣的網(wǎng)絡(luò)連接手段將物體狀態(tài)信息與互聯(lián)網(wǎng)連通，實現(xiàn)對物品和過程的智能化感知、監(jiān)控和管理；通過利用iot平臺來獲取聯(lián)網(wǎng)監(jiān)控攝像設(shè)備所拍攝的監(jiān)控視頻，進(jìn)而對監(jiān)控視頻進(jìn)行圖像分幀處理，從而實現(xiàn)實時監(jiān)控相應(yīng)的施工區(qū)域；這里的異常區(qū)域，指的是施工進(jìn)出口區(qū)域存在異常對象（如人或者其他生物）異常進(jìn)出的對應(yīng)區(qū)域，其中這里對施工進(jìn)出口進(jìn)行異常監(jiān)控，即可以在施工階段也可在非施工階段的進(jìn)出口的異常監(jiān)控；這里的異常坐標(biāo)，指的是監(jiān)控區(qū)域出現(xiàn)異常生物在整個畫面中的相對坐標(biāo)位置。
31.在實際應(yīng)用中，通過iot平臺分別對各采集設(shè)備的建立對應(yīng)的數(shù)據(jù)處理的單線程分幀通道；利用單線程分幀通道對各監(jiān)控視頻進(jìn)行圖像分幀，并將分幀后的圖像利用數(shù)據(jù)傳輸方式（如json數(shù)據(jù)流）進(jìn)行數(shù)據(jù)流封裝，得到多個初始監(jiān)控圖像；進(jìn)而通過安全監(jiān)控模塊，選取同一采集設(shè)備中預(yù)置數(shù)量的監(jiān)控圖像組合成對應(yīng)的圖像集合，得到多組初級監(jiān)控圖像集，并對各初級監(jiān)控圖像集進(jìn)行圖像數(shù)據(jù)增強處理，如通過對各初級監(jiān)控圖像集中的圖像進(jìn)行隨機縮放、隨機裁剪、隨機排布的方式進(jìn)行拼接，從而得到增強后的多組監(jiān)控圖像集；進(jìn)而對各監(jiān)控圖像集進(jìn)行要素切片，如對圖像中各種非空白區(qū)域進(jìn)行切分，并對要素切片的結(jié)果進(jìn)行預(yù)設(shè)像素尺寸的加權(quán)平均處理，將其中的像素特征進(jìn)行卷積計算，得到多個監(jiān)控特征圖；進(jìn)而對各監(jiān)控特征圖進(jìn)行圖像網(wǎng)格劃分，并對劃分后各個網(wǎng)格的監(jiān)控特征圖進(jìn)行異常特征識別，得到異常識別結(jié)果；進(jìn)而分別計算異常識別結(jié)果中對應(yīng)圖像網(wǎng)格的異常概率，并選擇超過預(yù)設(shè)異常概率的圖像網(wǎng)格，將這些圖像網(wǎng)格進(jìn)行組合生成異常區(qū)域；進(jìn)
而確定異常區(qū)域?qū)?yīng)的多個異常圖像網(wǎng)格；進(jìn)而基于預(yù)設(shè)的特征圖像坐標(biāo)軸，識別各異常圖像網(wǎng)格的多個網(wǎng)格坐標(biāo)點；從而選取網(wǎng)格坐標(biāo)點中的區(qū)域邊界的坐標(biāo)點，得到異常坐標(biāo)。
32.103、通過安全監(jiān)控模塊檢測異常坐標(biāo)是否為監(jiān)控區(qū)域坐標(biāo)集對應(yīng)的坐標(biāo)區(qū)域，并根據(jù)坐標(biāo)檢測的結(jié)果，對異常區(qū)域進(jìn)行網(wǎng)格劃分和異常類別概率預(yù)測，得到異常識別結(jié)果；本實施例中，這里的異常類別概率，指的是對存在監(jiān)控異常的中非常進(jìn)出生活類型或者其他異常情況的類型對應(yīng)判斷的準(zhǔn)確率。
33.在實際應(yīng)用中，通過安全監(jiān)控模塊檢測當(dāng)前異常坐標(biāo)是否為該監(jiān)控區(qū)域坐標(biāo)集中對應(yīng)的坐標(biāo)區(qū)域中的一部分坐標(biāo)，即該異常坐標(biāo)及其構(gòu)成的區(qū)域是否屬于監(jiān)控區(qū)域坐標(biāo)集子集或者交集的一部分，進(jìn)而根據(jù)上述坐標(biāo)檢測的結(jié)果，若上述異常坐標(biāo)符合要求，則根據(jù)坐標(biāo)檢測的結(jié)果，計算異常區(qū)域中各個網(wǎng)格的邊界框預(yù)測值；進(jìn)而利用預(yù)設(shè)施工監(jiān)控模型中的全連接層對異常區(qū)域中各個網(wǎng)格中的物體進(jìn)行坐標(biāo)計算，并檢測坐標(biāo)計算的結(jié)果是否屬于邊界框預(yù)測值；若屬于，則對坐標(biāo)計算的結(jié)果與各邊界框預(yù)測值進(jìn)行置信度計算，將其中異常生物進(jìn)出的情況以及對應(yīng)的生物類型識別出來，得到對應(yīng)異常類別準(zhǔn)確率的異常識別結(jié)果。此外若不屬于，則對該異常坐標(biāo)對應(yīng)異常監(jiān)控區(qū)域，利用施工監(jiān)控模型對其進(jìn)行異常情況分析處理，分析當(dāng)前的異常情況是否屬于其他額外異常施工狀態(tài)（如施工建材掉落、工作人員不按規(guī)定施工、施工休息階段發(fā)生火災(zāi)、爆炸等異常情況），并生成相應(yīng)的相應(yīng)異常類型識別結(jié)果。
34.104、基于異常識別結(jié)果，通過iot平臺對異常區(qū)域的異常對象匹配對應(yīng)告警事件，并通過ispm平臺根據(jù)告警事件生成告警信息，以及將告警信息推送至對應(yīng)的監(jiān)控終端。
35.本實施例中，里的告警事件，指的是對監(jiān)控圖像進(jìn)行分析過后，對存在異常區(qū)域的所對應(yīng)的施工違規(guī)違法情況進(jìn)行分析，得到施工違規(guī)違法情況對應(yīng)的施工告警事件；通過施工異常區(qū)域進(jìn)行分析，可知得知當(dāng)前監(jiān)控施工區(qū)域中存在異常情況所對應(yīng)的施工告警事件，從而可以根據(jù)相應(yīng)的告警事件來生成對應(yīng)的告警信息，從而提醒相應(yīng)工作人員進(jìn)行巡檢以及改進(jìn)。這里的ispm平臺（智慧工程項目管理平臺），指的是針對單項目實現(xiàn)業(yè)務(wù)功能的平臺，其具有過程控制臺賬的功能（工程全過程控制臺賬，清晰可視）、工程報審工作流表單（工程在線報審，靈活方便）、多個參建單位協(xié)同工作表單（在線多方協(xié)同，高效便捷）、ispm檔案中心（在線文件管理，易存易查）、全套建筑工程項目表單（可直接套用，提升效率）的有事。實現(xiàn)了對相應(yīng)告警事件來生成對應(yīng)的告警信息，利用ispm平臺來對告警信息進(jìn)行存檔以及發(fā)送給相應(yīng)工作人員進(jìn)行處理。
36.在實際應(yīng)用中，基于異常識別結(jié)果，對監(jiān)控圖像中的異常施工區(qū)域中的非法生物進(jìn)行異常進(jìn)出標(biāo)注；進(jìn)而根據(jù)標(biāo)注后的監(jiān)控圖像生成告警圖像集，將告警圖像集回調(diào)至iot平臺，并通過iot平臺，根據(jù)回調(diào)的告警圖像集，生成對應(yīng)異常進(jìn)出類型的告警事件；進(jìn)而通過ispm平臺根據(jù)異常進(jìn)出告警事件對應(yīng)的監(jiān)控場景，選取對應(yīng)的數(shù)據(jù)格式類型，對告警事件執(zhí)行預(yù)處理；根據(jù)預(yù)處理的結(jié)果，將其中異常進(jìn)出的人員或者生物及其對應(yīng)的預(yù)測情況來生成對應(yīng)的告警內(nèi)容，并利用預(yù)置監(jiān)控對象模板，采用告警內(nèi)容生成多個告警信息；將各告警信息推送至對應(yīng)的監(jiān)控終端。
37.本發(fā)明實施例中，該方法應(yīng)用于施工區(qū)域的安全監(jiān)控系統(tǒng)，獲取各采集設(shè)備對應(yīng)定向區(qū)域的監(jiān)控區(qū)域坐標(biāo)集，并通過采集設(shè)備采集施工區(qū)域?qū)?yīng)的監(jiān)控視頻；通過iot平臺對監(jiān)控視頻進(jìn)行圖像分幀處理，得到多個初始監(jiān)控圖像，并通過安全監(jiān)控模塊檢測監(jiān)控圖
像中的異常區(qū)域，以及提取異常區(qū)域在監(jiān)控圖像中對應(yīng)的異常坐標(biāo)；通過安全監(jiān)控模塊檢測異常坐標(biāo)是否為監(jiān)控區(qū)域坐標(biāo)集對應(yīng)的坐標(biāo)區(qū)域，并根據(jù)坐標(biāo)檢測的結(jié)果，對異常區(qū)域進(jìn)行網(wǎng)格劃分和異常類別概率預(yù)測，得到異常識別結(jié)果；基于異常識別結(jié)果，通過iot平臺對異常區(qū)域的異常對象匹配對應(yīng)告警事件，并通過ispm平臺根據(jù)告警事件生成告警信息，以及將告警信息推送至對應(yīng)的監(jiān)控終端。相比于現(xiàn)有技術(shù)，本技術(shù)通過利用采集設(shè)備采集相應(yīng)進(jìn)出口區(qū)域的視頻，進(jìn)而對采集的視頻進(jìn)行分幀和異常坐標(biāo)匹配，進(jìn)而通過對異常區(qū)域進(jìn)行異常類別的識別，從而根據(jù)異常識別結(jié)果生成相應(yīng)的預(yù)警信息并進(jìn)行推送。實現(xiàn)了對施工進(jìn)出口區(qū)域中的定點采集區(qū)域的實時檢測，并將存在異常闖入的異常類型生成相應(yīng)的預(yù)警信息并進(jìn)行推送，提高了對施工現(xiàn)場圍合進(jìn)出口的安全監(jiān)控的預(yù)警效率。
38.請參閱圖2，本發(fā)明實施例中施工區(qū)域的安全監(jiān)控方法的第二個實施例包括：201、獲取各采集設(shè)備對應(yīng)定向區(qū)域的監(jiān)控區(qū)域坐標(biāo)集，并通過采集設(shè)備采集施工區(qū)域?qū)?yīng)的監(jiān)控視頻；202、通過iot平臺分別對各采集設(shè)備的建立單線程分幀通道；本實施例中，這里的單線程分幀通道，指的是對各個采集設(shè)備建立相應(yīng)的單線程處理程序通道，來實現(xiàn)每個采集設(shè)備的采集數(shù)據(jù)的單獨初步處理，加快整體數(shù)據(jù)的處理效率，從而后端控制系統(tǒng)可以僅對存在異常的監(jiān)控區(qū)域進(jìn)行異常識別處理。
39.在實際應(yīng)用中，通過iot平臺對每個采集設(shè)備進(jìn)行單線程綁定，從而對各采集設(shè)備的建立單線程分幀通道。
40.203、利用單線程分幀通道對各監(jiān)控視頻進(jìn)行圖像分幀，并將分幀后的圖像進(jìn)行數(shù)據(jù)流封裝，得到多個初始監(jiān)控圖像；本實施例中，這里圖像分幀，指的是按照預(yù)設(shè)時間間隔對視頻進(jìn)行圖像截?。贿@里的數(shù)據(jù)流封裝，指的是截取到的圖片利用相應(yīng)的數(shù)據(jù)傳輸方式進(jìn)行傳輸處理，生成對應(yīng)傳輸數(shù)據(jù)流。
41.在實際應(yīng)用中，按照預(yù)設(shè)的圖像截取時間間隔，利用單線程分幀通道對對應(yīng)的監(jiān)控視頻進(jìn)行圖像分幀處理，并將截圖得到的同個采集設(shè)備到的圖片利用json技術(shù)進(jìn)行數(shù)據(jù)流打包，得到多個初始監(jiān)控圖像；204、通過安全監(jiān)控模塊，選取同一采集設(shè)備中預(yù)置數(shù)量的監(jiān)控圖像，得到多組初級監(jiān)控圖像集，并對各初級監(jiān)控圖像集進(jìn)行圖像數(shù)據(jù)增強處理，得到增強后的多組監(jiān)控圖像集；本實施例中，這里的數(shù)據(jù)增強，指的是將原來不清晰的圖像變得清晰或強調(diào)某些感興趣的特征或者增加圖片的數(shù)量，擴大圖像中不同物體特征之間的差別，抑制不感興趣的特征，使之改善圖像質(zhì)量、豐富信息量，加強圖像判讀和識別效果，滿足某些特殊分析的需要。
42.在實際應(yīng)用中，通過安全監(jiān)控模塊，按照預(yù)設(shè)選取數(shù)量（如4張圖片），對監(jiān)控圖像集中的監(jiān)控圖像進(jìn)行選取，組成多組初級監(jiān)控圖像集，進(jìn)而對各初級監(jiān)控圖像集進(jìn)行圖像數(shù)據(jù)增強處理，通過對初級監(jiān)控圖像集進(jìn)行隨機縮放、隨機裁剪、隨機排布的方式進(jìn)行拼接，從而豐富了數(shù)據(jù)集，得到增強后的多組監(jiān)控圖像集。
43.205、對各監(jiān)控圖像集進(jìn)行要素切片，并對要素切片的結(jié)果進(jìn)行預(yù)設(shè)像素尺寸的加權(quán)平均處理，得到多個監(jiān)控特征圖；
本實施例中，這里的要素切片，指的是將圖片中非空白區(qū)域給切分出來，這里的加權(quán)平均處理，指的是利用卷積核進(jìn)行多次卷積計算。
44.在實際應(yīng)用中，根據(jù)上述處理的到監(jiān)控圖像集，識別各個監(jiān)控圖像集非空白對應(yīng)區(qū)域，進(jìn)而將不同非空白區(qū)域進(jìn)行切分處理，進(jìn)而對要素切片的結(jié)果利用32個卷積核進(jìn)行卷積計算，例如原始監(jiān)控圖像608*608*3的圖像輸入卷積層結(jié)構(gòu)中，先變成304*304*12的特征圖，再經(jīng)過一次32個卷積核的卷積操作，最終變成304*304*32的特征圖，得到多個監(jiān)控特征圖。
45.206、對各監(jiān)控特征圖進(jìn)行圖像網(wǎng)格劃分，并對劃分后各個網(wǎng)格的監(jiān)控特征圖進(jìn)行異常特征識別，得到異常識別結(jié)果；本實施例中，將上述處理得到的各監(jiān)控特征圖進(jìn)行圖像網(wǎng)格劃分，通過全連接層對監(jiān)控特征圖分成預(yù)設(shè)數(shù)量的網(wǎng)格，進(jìn)而對劃分后各個網(wǎng)格的監(jiān)控特征圖進(jìn)行異常特征識別，通過將其中不屬于正常監(jiān)控圖像的要素識別出來，得到異常識別結(jié)果。其中，這里的網(wǎng)格是對應(yīng)的卷積網(wǎng)格。
46.207、分別計算異常識別結(jié)果中對應(yīng)圖像網(wǎng)格的異常概率，并選擇超過預(yù)設(shè)異常概率的圖像網(wǎng)格，生成異常區(qū)域；本實施例中，分別計算異常識別結(jié)果中對應(yīng)圖像網(wǎng)格的異常概率，即分別計算異常識別結(jié)果中是否是異常要素所對應(yīng)的異常概率，進(jìn)而選擇超過預(yù)設(shè)異常概率的圖像網(wǎng)格，將這些網(wǎng)格圖像組合合并成異常區(qū)域。
47.208、確定異常區(qū)域?qū)?yīng)的多個異常圖像網(wǎng)格；本實施例中，通過確定異常區(qū)域在整體監(jiān)控圖像中對應(yīng)的多個異常圖像網(wǎng)格，其中這里的異常圖像網(wǎng)格是對應(yīng)的坐標(biāo)軸的網(wǎng)格。
48.209、基于預(yù)設(shè)的特征圖像坐標(biāo)軸，識別各異常圖像網(wǎng)格的多個網(wǎng)格坐標(biāo)點；本實施例中，基于預(yù)設(shè)的特征圖像坐標(biāo)軸，識別各異常圖像網(wǎng)格在整體特征圖像坐標(biāo)軸中的相對值位置，得到多個網(wǎng)格坐標(biāo)點。
49.210、選取網(wǎng)格坐標(biāo)點中的區(qū)域邊界的坐標(biāo)點，得到異常坐標(biāo)；本實施例中，通過選取上述網(wǎng)格坐標(biāo)點中的對應(yīng)區(qū)域邊界的坐標(biāo)點，將這些邊界坐標(biāo)點作為整體異常區(qū)域的坐標(biāo)點，得到異常坐標(biāo)。
50.211、通過安全監(jiān)控模塊檢測異常坐標(biāo)是否為監(jiān)控區(qū)域坐標(biāo)集對應(yīng)的坐標(biāo)區(qū)域，并根據(jù)坐標(biāo)檢測的結(jié)果，對異常區(qū)域進(jìn)行網(wǎng)格劃分和異常類別概率預(yù)測，得到異常識別結(jié)果；212、基于異常識別結(jié)果，通過iot平臺對異常區(qū)域的異常對象匹配對應(yīng)告警事件，并通過ispm平臺根據(jù)告警事件生成告警信息，以及將告警信息推送至對應(yīng)的監(jiān)控終端。
51.本發(fā)明實施例中，該方法應(yīng)用于施工區(qū)域的安全監(jiān)控系統(tǒng)，獲取各采集設(shè)備對應(yīng)定向區(qū)域的監(jiān)控區(qū)域坐標(biāo)集，并通過采集設(shè)備采集施工區(qū)域?qū)?yīng)的監(jiān)控視頻；通過iot平臺對監(jiān)控視頻進(jìn)行圖像分幀處理，得到多個初始監(jiān)控圖像，并通過安全監(jiān)控模塊檢測監(jiān)控圖像中的異常區(qū)域，以及提取異常區(qū)域在監(jiān)控圖像中對應(yīng)的異常坐標(biāo)。相比于現(xiàn)有技術(shù)，本技術(shù)通過利用采集設(shè)備采集相應(yīng)進(jìn)出口區(qū)域的視頻，進(jìn)而對采集的視頻進(jìn)行分幀和異常坐標(biāo)匹配，進(jìn)而通過對異常區(qū)域進(jìn)行異常類別的識別，從而根據(jù)異常識別結(jié)果生成相應(yīng)的預(yù)警信息并進(jìn)行推送。實現(xiàn)了對施工進(jìn)出口區(qū)域中的定點采集區(qū)域的實時檢測，并將存在異常闖入的異常類型生成相應(yīng)的預(yù)警信息并進(jìn)行推送，提高了對施工現(xiàn)場圍合進(jìn)出口的安全監(jiān)
控的預(yù)警效率。
52.請參閱圖3，本發(fā)明實施例中施工區(qū)域的安全監(jiān)控方法的第三個實施例包括：301、獲取各采集設(shè)備對應(yīng)定向區(qū)域的監(jiān)控區(qū)域坐標(biāo)集，并通過采集設(shè)備采集施工區(qū)域?qū)?yīng)的監(jiān)控視頻；302、通過iot平臺對監(jiān)控視頻進(jìn)行圖像分幀處理，得到多個初始監(jiān)控圖像，并通過安全監(jiān)控模塊檢測監(jiān)控圖像中的異常區(qū)域，以及提取異常區(qū)域在監(jiān)控圖像中對應(yīng)的異常坐標(biāo)；303、根據(jù)坐標(biāo)檢測的結(jié)果，計算異常區(qū)域中各個網(wǎng)格的邊界框預(yù)測值；本實施例中，這里的邊界框預(yù)測值，指的是yolov5s算法中的bounding box值，其中這里的bounding box包含5個預(yù)測值。
53.在實際應(yīng)用中，通過安全監(jiān)控模塊檢測異常坐標(biāo)是否為監(jiān)控區(qū)域坐標(biāo)集對應(yīng)的坐標(biāo)區(qū)域，進(jìn)而根據(jù)坐標(biāo)檢測的結(jié)果，分別計算異常區(qū)域中各個網(wǎng)格的對應(yīng)數(shù)量邊界框的預(yù)測值。
54.304、利用預(yù)設(shè)施工監(jiān)控模型中的全連接層對異常區(qū)域中各個網(wǎng)格中的物體進(jìn)行坐標(biāo)計算，并檢測坐標(biāo)計算的結(jié)果是否屬于邊界框預(yù)測值；本實施例中，這里的施工監(jiān)控模型，指的是利用yolov5s等相關(guān)算法構(gòu)成的特征卷積計算的模型，該模型通過相關(guān)數(shù)據(jù)庫或者網(wǎng)頁收集網(wǎng)上與現(xiàn)有工地現(xiàn)場視頻拍攝的圖像，從而獲取施工區(qū)域的歷史監(jiān)控圖像，進(jìn)而將獲取的歷史監(jiān)控圖像中相同的圖像進(jìn)行剔除，并對其中與施工區(qū)域預(yù)警無關(guān)的圖片進(jìn)行清洗處理，從而得到清洗后的歷史監(jiān)控圖像；進(jìn)而對清洗后的歷史監(jiān)控圖片利用標(biāo)注工具自動（或者通過人工輔助）對圖片進(jìn)行標(biāo)注形成“施工作業(yè)規(guī)范”、“人員著裝行為規(guī)范”、“管控區(qū)域”、“環(huán)境”、“異常生物進(jìn)入”等監(jiān)控場景類型進(jìn)行分類和場景標(biāo)注，從而得到圖像訓(xùn)練集；進(jìn)而通過利用監(jiān)控場景訓(xùn)練集對預(yù)置預(yù)訓(xùn)練模型進(jìn)行訓(xùn)練以及更新，通過反復(fù)訓(xùn)練預(yù)訓(xùn)練模型算法提高其場景類型的識別精度，從而得到所需的場景監(jiān)控模型。
55.在實際應(yīng)用中，通過利用預(yù)設(shè)施工監(jiān)控模型中的全連接層對異常區(qū)域中各個網(wǎng)格中的物體進(jìn)行坐標(biāo)計算，即利用全連接層將各個網(wǎng)格中的各個物體的坐標(biāo)值計算出來，并檢測坐標(biāo)計算的結(jié)果是否屬于邊界框預(yù)測值。
56.305、若屬于，則對坐標(biāo)計算的結(jié)果與各邊界框預(yù)測值進(jìn)行置信度計算，得到對應(yīng)異常類別準(zhǔn)確率的異常識別結(jié)果；本實施例中，若屬于，則利用yolov5算法全連接計算公式將坐標(biāo)計算的結(jié)果分別與各邊界框預(yù)測值進(jìn)行卷積計算，從而得到對應(yīng)異常類別準(zhǔn)確率的異常識別結(jié)果。即通過利用施工監(jiān)控模型中的全連接層，根據(jù)上述的抽象特征點，利用全連接層來預(yù)測目標(biāo)對應(yīng)的場景類型，進(jìn)而對該場景類型進(jìn)行問題區(qū)域的分析和生物類型的概率計算，從而得到各監(jiān)控圖像對應(yīng)類型的監(jiān)控生物類型和監(jiān)控區(qū)域，進(jìn)而根據(jù)上述各監(jiān)控場景類型，對各監(jiān)控區(qū)域進(jìn)行異常生物識別，通過利用施工監(jiān)控模型識別各監(jiān)控區(qū)域是否存在異常進(jìn)出的特征，將存在異常進(jìn)出的特征作為異常進(jìn)出區(qū)域，不存在異常施工的特征作為正常進(jìn)出區(qū)域，從而得到對應(yīng)異常類別準(zhǔn)確率的異常識別結(jié)果，其中識別結(jié)果包括異常進(jìn)出區(qū)域和正常進(jìn)出區(qū)域。
57.306、若異常識別結(jié)果包含異常對象，則根據(jù)異常識別結(jié)果，對監(jiān)控圖像中的異常
對象進(jìn)行標(biāo)注；本實施例中，若識別結(jié)果為包含異常生物進(jìn)出區(qū)域或者其他施工異常情況區(qū)域，則根據(jù)該識別結(jié)果，對監(jiān)控圖像中的異常異常區(qū)域進(jìn)行異常標(biāo)注。
58.307、根據(jù)標(biāo)注后的監(jiān)控圖像生成告警圖像集，將告警圖像集回調(diào)至iot平臺，并通過iot平臺，根據(jù)回調(diào)的告警圖像集，生成對應(yīng)異常類型的告警事件；本實施例中，將上述的異常施工標(biāo)注后的監(jiān)控圖像進(jìn)行提取分類，并將分類后的監(jiān)控圖像進(jìn)行圖片集生成，得到對應(yīng)的告警圖像集，進(jìn)而將告警圖像集回調(diào)至iot平臺，通過http網(wǎng)頁接口等方式將告警圖像集回傳至iot平臺的告警臺賬展示，并通過iot平臺，根據(jù)回調(diào)的告警圖像集，生成對應(yīng)異常類型的告警事件。實現(xiàn)對施工區(qū)域的智能安全監(jiān)測功能。
59.308、ispm平臺根據(jù)告警事件對應(yīng)的監(jiān)控場景，選取對應(yīng)的數(shù)據(jù)格式類型，對告警事件執(zhí)行預(yù)處理；本實施例中，這里的數(shù)據(jù)局格式類型，指的是不同監(jiān)控終端對應(yīng)發(fā)送信息的格式類型。
60.在實際應(yīng)用中，ispm平臺根據(jù)告警事件對應(yīng)的監(jiān)控場景，所要發(fā)送監(jiān)控信息所對應(yīng)監(jiān)控終端，進(jìn)而根據(jù)監(jiān)控終端選取對應(yīng)的數(shù)據(jù)格式類型，從而對對告警事件執(zhí)行信息的預(yù)處理。通過對告警事件預(yù)處理，可以實現(xiàn)根據(jù)告警事件，對不同監(jiān)控終端來生成對應(yīng)的監(jiān)控信息。
61.309、根據(jù)預(yù)處理的結(jié)果，生成對應(yīng)的告警內(nèi)容，并利用預(yù)置監(jiān)控對象模板，采用告警內(nèi)容生成多個告警信息；本實施例中，這里的監(jiān)控對象模板，指的是不同監(jiān)控終端或者平臺發(fā)送信息對應(yīng)的信息生成模板。
62.在實際應(yīng)用中，根據(jù)預(yù)處理的結(jié)果，生成對應(yīng)的告警內(nèi)容，并利用預(yù)置監(jiān)控對象模板，采用告警內(nèi)容生成多個告警信息。
63.310、將各告警信息推送至對應(yīng)的監(jiān)控終端。
64.本實施例中，將上述生成的告警信息推送至對應(yīng)的監(jiān)控終端。
65.其中，ispm平臺處理過程一個較佳的實現(xiàn)方式是，ispm在接收到iot平臺的告警數(shù)據(jù)后，ispm會對告警事件進(jìn)行預(yù)處理生成對應(yīng)的告警信息，自動根據(jù)不同告警類型通過短信、公眾號消息、系統(tǒng)內(nèi)部消息通知到預(yù)先設(shè)置的相應(yīng)負(fù)責(zé)人。負(fù)責(zé)人可以登錄系統(tǒng)在告警臺賬頁面查看，或者在app、微信小程序也可查看相關(guān)的告警數(shù)據(jù)。進(jìn)而負(fù)責(zé)人可針對未處理的告警事件并根據(jù)實際情況通過小程序?qū)拥墓さ噩F(xiàn)場廣播系統(tǒng)，實時發(fā)送語音警告相關(guān)施工人員，或者通過app、微信小程序快速發(fā)起整改單并附上告警圖片責(zé)令其相關(guān)人員處理、又或者在工地ispm智慧大屏通報批評并責(zé)令其繳納處罰金。
66.本發(fā)明實施例中，本技術(shù)通過利用場景監(jiān)控模型對監(jiān)控圖像進(jìn)行異常施工區(qū)域識別，進(jìn)而根據(jù)識別結(jié)果，將其中的異常施工區(qū)域進(jìn)行標(biāo)記，以生成對應(yīng)的告警事件，進(jìn)而利用ispm平臺來對告警事件進(jìn)行分析，根據(jù)不同的監(jiān)控終端生成對應(yīng)的告警信息以進(jìn)行信息推送。實現(xiàn)了對監(jiān)控圖像的分析和告警推送，通過結(jié)合ispm系統(tǒng)的pc、app、小程序不同的終端，讓安全員快速處理安全告警事件，并且實現(xiàn)文件留痕，數(shù)據(jù)快速整合，流程閉環(huán)的功能，此外通過對需要特殊監(jiān)控的圖像區(qū)域進(jìn)行特殊標(biāo)記，從而對特殊場景加強監(jiān)控。提高了對
施工監(jiān)控的識別效率和特殊場景的監(jiān)控力度。
67.上面對本發(fā)明實施例中施工區(qū)域的安全監(jiān)控方法進(jìn)行了描述，下面對本發(fā)明實施例中施工區(qū)域的安全監(jiān)控裝置進(jìn)行描述，請參閱圖4，本發(fā)明實施例中施工區(qū)域的安全監(jiān)控裝置一個實施例包括：視頻采集模塊401，用于獲取各所述采集設(shè)備對應(yīng)定向區(qū)域的監(jiān)控區(qū)域坐標(biāo)集，并通過所述采集設(shè)備采集施工區(qū)域?qū)?yīng)的監(jiān)控視頻；坐標(biāo)提取模塊402，用于通過所述iot平臺對所述監(jiān)控視頻進(jìn)行圖像分幀處理，得到多個初始監(jiān)控圖像，并通過所述安全監(jiān)控模塊檢測所述監(jiān)控圖像中的異常區(qū)域，以及提取所述異常區(qū)域在所述監(jiān)控圖像中對應(yīng)的異常坐標(biāo)；異常識別模塊403，用于通過所述安全監(jiān)控模塊檢測所述異常坐標(biāo)是否為所述監(jiān)控區(qū)域坐標(biāo)集對應(yīng)的坐標(biāo)區(qū)域，并根據(jù)坐標(biāo)檢測的結(jié)果，對所述異常區(qū)域進(jìn)行網(wǎng)格劃分和異常類別概率預(yù)測，得到異常識別結(jié)果；告警推送模塊404，用于基于所述異常識別結(jié)果，通過所述iot平臺對所述異常區(qū)域的異常對象匹配對應(yīng)告警事件，并通過ispm平臺根據(jù)所述告警事件生成告警信息，以及將所述告警信息推送至對應(yīng)的監(jiān)控終端。
68.本發(fā)明實施例中，該方法應(yīng)用于施工區(qū)域的安全監(jiān)控系統(tǒng)，獲取各采集設(shè)備對應(yīng)定向區(qū)域的監(jiān)控區(qū)域坐標(biāo)集，并通過采集設(shè)備采集施工區(qū)域?qū)?yīng)的監(jiān)控視頻；通過iot平臺對監(jiān)控視頻進(jìn)行圖像分幀處理，得到多個初始監(jiān)控圖像，并通過安全監(jiān)控模塊檢測監(jiān)控圖像中的異常區(qū)域，以及提取異常區(qū)域在監(jiān)控圖像中對應(yīng)的異常坐標(biāo)；通過安全監(jiān)控模塊檢測異常坐標(biāo)是否為監(jiān)控區(qū)域坐標(biāo)集對應(yīng)的坐標(biāo)區(qū)域，并根據(jù)坐標(biāo)檢測的結(jié)果，對異常區(qū)域進(jìn)行網(wǎng)格劃分和異常類別概率預(yù)測，得到異常識別結(jié)果；基于異常識別結(jié)果，通過iot平臺對異常區(qū)域的異常對象匹配對應(yīng)告警事件，并通過ispm平臺根據(jù)告警事件生成告警信息，以及將告警信息推送至對應(yīng)的監(jiān)控終端。相比于現(xiàn)有技術(shù)，本技術(shù)通過利用采集設(shè)備采集相應(yīng)進(jìn)出口區(qū)域的視頻，進(jìn)而對采集的視頻進(jìn)行分幀和異常坐標(biāo)匹配，進(jìn)而通過對異常區(qū)域進(jìn)行異常類別的識別，從而根據(jù)異常識別結(jié)果生成相應(yīng)的預(yù)警信息并進(jìn)行推送。實現(xiàn)了對施工進(jìn)出口區(qū)域中的定點采集區(qū)域的實時檢測，并將存在異常闖入的異常類型生成相應(yīng)的預(yù)警信息并進(jìn)行推送，提高了對施工現(xiàn)場圍合進(jìn)出口的安全監(jiān)控的預(yù)警效率。
69.請參閱圖5，本發(fā)明實施例中施工區(qū)域的安全監(jiān)控裝置的另一個實施例包括：視頻采集模塊401，用于獲取各所述采集設(shè)備對應(yīng)定向區(qū)域的監(jiān)控區(qū)域坐標(biāo)集，并通過所述采集設(shè)備采集施工區(qū)域?qū)?yīng)的監(jiān)控視頻；坐標(biāo)提取模塊402，用于通過所述iot平臺對所述監(jiān)控視頻進(jìn)行圖像分幀處理，得到多個初始監(jiān)控圖像，并通過所述安全監(jiān)控模塊檢測所述監(jiān)控圖像中的異常區(qū)域，以及提取所述異常區(qū)域在所述監(jiān)控圖像中對應(yīng)的異常坐標(biāo)；異常識別模塊403，用于通過所述安全監(jiān)控模塊檢測所述異常坐標(biāo)是否為所述監(jiān)控區(qū)域坐標(biāo)集對應(yīng)的坐標(biāo)區(qū)域，并根據(jù)坐標(biāo)檢測的結(jié)果，對所述異常區(qū)域進(jìn)行網(wǎng)格劃分和異常類別概率預(yù)測，得到異常識別結(jié)果；告警推送模塊404，用于基于所述異常識別結(jié)果，通過所述iot平臺對所述異常區(qū)域的異常對象匹配對應(yīng)告警事件，并通過ispm平臺根據(jù)所述告警事件生成告警信息，以及將所述告警信息推送至對應(yīng)的監(jiān)控終端。
70.進(jìn)一步的，所述坐標(biāo)提取模塊402包括：通道建立單元4021，用于通過所述iot平臺分別對各所述采集設(shè)備的建立單線程分幀通道；圖像分幀單元4022，用于利用所述單線程分幀通道對各所述監(jiān)控視頻進(jìn)行圖像分幀，并將分幀后的圖像進(jìn)行數(shù)據(jù)流封裝，得到多個初始監(jiān)控圖像。
71.進(jìn)一步的，所述坐標(biāo)提取模塊402還包括：圖像增強單元4023，用于通過所述安全監(jiān)控模塊，選取同一所述采集設(shè)備中預(yù)置數(shù)量的所述監(jiān)控圖像，得到多組初級監(jiān)控圖像集，并對各所述初級監(jiān)控圖像集進(jìn)行圖像數(shù)據(jù)增強處理，得到增強后的多組監(jiān)控圖像集；加權(quán)平均單元4024，用于對各所述監(jiān)控圖像集進(jìn)行要素切片，并對要素切片的結(jié)果進(jìn)行預(yù)設(shè)像素尺寸的加權(quán)平均處理，得到多個監(jiān)控特征圖；特征識別單元4025，用于對各所述監(jiān)控特征圖進(jìn)行圖像網(wǎng)格劃分，并對劃分后各個網(wǎng)格的監(jiān)控特征圖進(jìn)行異常特征識別，得到異常識別結(jié)果；概率計算單元4026，用于分別計算所述異常識別結(jié)果中對應(yīng)圖像網(wǎng)格的異常概率，并選擇超過預(yù)設(shè)異常概率的所述圖像網(wǎng)格，生成異常區(qū)域。
72.進(jìn)一步的，所述坐標(biāo)提取模塊402還包括：網(wǎng)格確定單元4027，用于確定所述異常區(qū)域?qū)?yīng)的多個異常圖像網(wǎng)格；坐標(biāo)識別單元4028，用于基于預(yù)設(shè)的特征圖像坐標(biāo)軸，識別各所述異常圖像網(wǎng)格的多個網(wǎng)格坐標(biāo)點；坐標(biāo)選取單元4029，用于選取所述網(wǎng)格坐標(biāo)點中的區(qū)域邊界的坐標(biāo)點，得到異常坐標(biāo)。
73.進(jìn)一步的，所述異常識別模塊403包括：邊界預(yù)測單元4031，用于根據(jù)坐標(biāo)檢測的結(jié)果，計算所述異常區(qū)域中各個網(wǎng)格的邊界框預(yù)測值；坐標(biāo)計算單元4032，用于利用預(yù)設(shè)施工監(jiān)控模型中的全連接層對所述異常區(qū)域中各個網(wǎng)格中的物體進(jìn)行坐標(biāo)計算，并檢測坐標(biāo)計算的結(jié)果是否屬于邊界框預(yù)測值；異常識別單元4033，用于若屬于，則對坐標(biāo)計算的結(jié)果與各所述邊界框預(yù)測值進(jìn)行置信度計算，得到對應(yīng)異常類別準(zhǔn)確率的異常識別結(jié)果。
74.進(jìn)一步的，所述告警推送模塊404包括：異常標(biāo)注單元4041，用于若所述識別結(jié)果包含異常施工區(qū)域，則根據(jù)所述識別結(jié)果，對所述監(jiān)控圖像中的異常施工區(qū)域進(jìn)行標(biāo)注；圖像回調(diào)單元4042，用于根據(jù)標(biāo)注后的監(jiān)控圖像生成告警圖像集，將所述告警圖像集回調(diào)至所述iot平臺，并通過所述iot平臺，根據(jù)回調(diào)的告警圖像集，生成對應(yīng)異常類型的告警事件。
75.進(jìn)一步的，所述告警推送模塊404還包括：類型選擇單元4043，用于所述ispm平臺根據(jù)所述告警事件對應(yīng)的監(jiān)控場景，選取對應(yīng)的數(shù)據(jù)格式類型，對所述告警事件執(zhí)行預(yù)處理；信息生成單元4044，用于根據(jù)預(yù)處理的結(jié)果，生成對應(yīng)的告警內(nèi)容，并利用預(yù)置監(jiān)控對象模板，采用所述告警內(nèi)容生成多個告警信息；
告警推送單元4045，用于將各所述告警信息推送至對應(yīng)的監(jiān)控終端。
76.本發(fā)明實施例中，該方法應(yīng)用于施工區(qū)域的安全監(jiān)控系統(tǒng)，獲取各采集設(shè)備對應(yīng)定向區(qū)域的監(jiān)控區(qū)域坐標(biāo)集，并通過采集設(shè)備采集施工區(qū)域?qū)?yīng)的監(jiān)控視頻；通過iot平臺對監(jiān)控視頻進(jìn)行圖像分幀處理，得到多個初始監(jiān)控圖像，并通過安全監(jiān)控模塊檢測監(jiān)控圖像中的異常區(qū)域，以及提取異常區(qū)域在監(jiān)控圖像中對應(yīng)的異常坐標(biāo)；通過安全監(jiān)控模塊檢測異常坐標(biāo)是否為監(jiān)控區(qū)域坐標(biāo)集對應(yīng)的坐標(biāo)區(qū)域，并根據(jù)坐標(biāo)檢測的結(jié)果，對異常區(qū)域進(jìn)行網(wǎng)格劃分和異常類別概率預(yù)測，得到異常識別結(jié)果；基于異常識別結(jié)果，通過iot平臺對異常區(qū)域的異常對象匹配對應(yīng)告警事件，并通過ispm平臺根據(jù)告警事件生成告警信息，以及將告警信息推送至對應(yīng)的監(jiān)控終端。相比于現(xiàn)有技術(shù)，本技術(shù)通過利用采集設(shè)備采集相應(yīng)進(jìn)出口區(qū)域的視頻，進(jìn)而對采集的視頻進(jìn)行分幀和異常坐標(biāo)匹配，進(jìn)而通過對異常區(qū)域進(jìn)行異常類別的識別，從而根據(jù)異常識別結(jié)果生成相應(yīng)的預(yù)警信息并進(jìn)行推送。實現(xiàn)了對施工進(jìn)出口區(qū)域中的定點采集區(qū)域的實時檢測，并將存在異常闖入的異常類型生成相應(yīng)的預(yù)警信息并進(jìn)行推送，提高了對施工現(xiàn)場圍合進(jìn)出口的安全監(jiān)控的預(yù)警效率。
77.上面圖4和圖5從模塊化功能實體的角度對本發(fā)明實施例中的施工區(qū)域的安全監(jiān)控裝置進(jìn)行詳細(xì)描述，下面從硬件處理的角度對本發(fā)明實施例中施工區(qū)域的安全監(jiān)控設(shè)備進(jìn)行詳細(xì)描述。
78.圖6是本發(fā)明實施例提供的一種施工區(qū)域的安全監(jiān)控設(shè)備的結(jié)構(gòu)示意圖，該施工區(qū)域的安全監(jiān)控設(shè)備600可因配置或性能不同而產(chǎn)生比較大的差異，可以包括一個或一個以上處理器（central processing units，cpu）610（例如，一個或一個以上處理器）和存儲器620，一個或一個以上存儲應(yīng)用程序633或數(shù)據(jù)632的存儲介質(zhì)630（例如一個或一個以上海量存儲設(shè)備）。其中，存儲器620和存儲介質(zhì)630可以是短暫存儲或持久存儲。存儲在存儲介質(zhì)630的程序可以包括一個或一個以上模塊（圖示沒標(biāo)出），每個模塊可以包括對施工區(qū)域的安全監(jiān)控設(shè)備600中的一系列指令操作。更進(jìn)一步地，處理器610可以設(shè)置為與存儲介質(zhì)630通信，在施工區(qū)域的安全監(jiān)控設(shè)備600上執(zhí)行存儲介質(zhì)630中的一系列指令操作。
79.施工區(qū)域的安全監(jiān)控設(shè)備600還可以包括一個或一個以上電源640，一個或一個以上有線或無線網(wǎng)絡(luò)接口650，一個或一個以上輸入輸出接口660，和/或，一個或一個以上操作系統(tǒng)631，例如windows serve，mac os x，unix，linux，freebsd等等。本領(lǐng)域技術(shù)人員可以理解，圖6示出的施工區(qū)域的安全監(jiān)控設(shè)備結(jié)構(gòu)并不構(gòu)成對施工區(qū)域的安全監(jiān)控設(shè)備的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件布置。
80.本發(fā)明還提供一種施工區(qū)域的安全監(jiān)控設(shè)備，所述計算機設(shè)備包括存儲器和處理器，存儲器中存儲有計算機可讀指令，計算機可讀指令被處理器執(zhí)行時，使得處理器執(zhí)行上述各實施例中的所述施工區(qū)域的安全監(jiān)控方法的各個步驟。
81.本發(fā)明還提供一種計算機可讀存儲介質(zhì)，該計算機可讀存儲介質(zhì)可以為非易失性計算機可讀存儲介質(zhì)，該計算機可讀存儲介質(zhì)也可以為易失性計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)中存儲有指令，當(dāng)所述指令在計算機上運行時，使得計算機執(zhí)行所述施工區(qū)域的安全監(jiān)控方法的各個步驟。
82.所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡潔，上述描述的系統(tǒng)，裝置和單元的具體工作過程，可以參考前述方法實施例中的對應(yīng)過程，在此不再贅述。
83.所述集成的單元如果以軟件功能單元的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用
時，可以存儲在一個計算機可讀取存儲介質(zhì)中?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的全部或部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機設(shè)備（可以是個人計算機，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等）執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲介質(zhì)包括：u盤、移動硬盤、只讀存儲器（read-only memory， rom）、隨機存取存儲器（random access memory，ram）、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。
84.本技術(shù)可用于眾多通用或?qū)Ｓ玫挠嬎銠C系統(tǒng)環(huán)境或配置中。例如：個人計算機、服務(wù)器計算機、手持設(shè)備或便攜式設(shè)備、平板型設(shè)備、多處理器系統(tǒng)、基于微處理器的系統(tǒng)、置頂盒、可編程的消費電子設(shè)備、網(wǎng)絡(luò)pc、小型計算機、大型計算機、包括以上任何系統(tǒng)或設(shè)備的分布式計算環(huán)境等等。本技術(shù)可以在由計算機執(zhí)行的計算機可執(zhí)行指令的一般上下文中描述，例如程序模塊。一般地，程序模塊包括執(zhí)行特定任務(wù)或?qū)崿F(xiàn)特定抽象數(shù)據(jù)類型的例程、程序、對象、組件、數(shù)據(jù)結(jié)構(gòu)等等。也可以在分布式計算環(huán)境中實踐本技術(shù)，在這些分布式計算環(huán)境中，由通過通信網(wǎng)絡(luò)而被連接的遠(yuǎn)程處理設(shè)備來執(zhí)行任務(wù)。在分布式計算環(huán)境中，程序模塊可以位于包括存儲設(shè)備在內(nèi)的本地和遠(yuǎn)程計算機存儲介質(zhì)中。
85.以上所述，以上實施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照前述實施例對本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對前述各實施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實施例技術(shù)方案的精神和范圍。