工地环境的识别判断方法与流程

1.本发明涉及人工智能技术领域，具体涉及一种工地环境的识别判断方法。


背景技术：

2.目前，装修工地上会使用大量的装修材料用以施工。由于工人们工作过程的疏忽，装修工地上经常会出现不整洁的状态。比如垃圾随处丢，装修材料摆放不整齐，以及电线安装不合理等。
3.装修工地上整洁的施工环境对于提升企业形象以及降低潜在的安全隐患具有重要的价值，目前的装修行业中大多数的企业都通过人工的方式对现场进行排查。这样，不仅浪费了人力和财力，还会出现排查不仔细的情况，导致反反复复，管理效率会很低。因此对于一个公司来说需要大量的人力和财力才能对所有的装修现场进行管理。进一步的，在实际操作过程中，相关人员在进行核查时，员工会提前收拾工地的环境，使得相关人员检测到的工地环境并不是员工工作时实际工作环境，而是员工为应付检查而收拾过后的环境，收拾后的工地环境无法真实有效的展示员工工作时的工地环境。


技术实现要素：

4.有鉴于此，提供一种装修工地环境的识别判断方法，以解决相关技术中的问题。
5.本发明采用如下技术方案：
6.第一方面，本发明实施例提供了一种工地环境的识别判断方法，该方法包括：
7.获取工地环境图像信息；所述环境视频信息包括有人图像和无人图像；
8.将所述工地环境图像信息输入预设的工地环境识别模型，得到所述工地环境识别模型输出的识别结果；
9.基于所述识别结果，对工地环境进行综合评分，得到工地环境状态；其中工地环境状态包括优秀，良好，较差。
10.可选的，所述工地环境识别模型包括：第一工地环境识别子模块；
11.第一工地环境识别子模块，用于基于所述工地环境图像信息，识别工地环境，并输出识别结果。
12.可选的，所述第一工地环境识别子模块进行识别之前还包括：
13.识别所述工地环境图像信息中的有人图像
14.识别所述有人图像中的人像区域；
15.对所述人像区域进行分割并且填充预设颜色，最终得到排除人像区域后的图片；
16.第一工地环境识别子模块，对所述排除人像区域后的图片和所述无人图像进行识别。
17.可选的，所述工地环境识别模型包括：第二工地环境识别子模块；
18.所述第二工地环境识别子模块用于：
19.基于有人图像，识别图像中员工的肢体行为和穿戴；
20.判断所述员工的肢体行为和穿戴是否符合工地安全规则；
21.若否，则输出识别结果。
22.可选的，所述将所述工地环境图像信息输入预设的工地环境识别模型之前，还包括：
23.基于预设规则，抽取所述工地环境图像信息中预设帧数的图像，作为输入工地环境识别模型的输入信息。
24.可选的，所述将所述工地环境视频信息输入预设的工地环境识别模型之前，还包括：
25.基于预设规则，抽取拍摄时间在预设时间段内的所述工地环境视频信息中预设帧数图像，作为多帧目标图像；
26.抠出各帧目标图像内的前景图样；
27.对各帧目标图像的背景图样进行拼接，得到不包含员工的工地环境图样；
28.将所述不包含员工的工地环境图，要作为输入所述工地环境识别模型的输入信息。
29.可选的，还包括；
30.获取识别出的员工工作行为；
31.判断所述员工工作行为的危险紧急程度；
32.若危险紧急程度超出预设程度，则进行告警。
33.可选的，所述告警包括：
34.通过施工现场的扬声器进行报警，以提醒员工；
35.或，像预设人员发送施工现场信息，供所述预设人员基于施工现场信息，进行下一步处理。
36.可选的，所述工地环境识别模型的训练过程包括：
37.获取第一预设数量样本图像信息；
38.对所述第一预设数量的样本图像信息进行标记；
39.将标记后的第一预设数量样本图像信息输入预先构建的深度学习模型进行训练；得到所述工地环境识别模型。
40.可选的，所述对所述第一预设数量的样本视频信息进行标记，包括：
41.对视频信息中员工的行为进行标记，和对视频信息中物品的摆放杂乱程度和场地清洁程度进行标记；
42.其中，员工行为包括：抽烟行为、是否佩戴安全帽、在危险区域停留行为、不合理聚集行为、斗殴行为。
43.第二方面，本发明实施例提供了一种工地环境的识别判断设备，包括：
44.处理器，以及与所述处理器相连接的存储器，所述处理器用于调用并执行所述存储器中的所述计算机程序；
45.所述存储器用于存储计算机程序，所述计算机程序至少用于执行如本发明实施例第一方面所述的工地环境的识别判断方法。
46.第三方面，本发明实施例提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现如本发明实施例第一方面所述的工地环境的识别判
断方法。
47.本发明采用以上技术方案，获取工地环境图像信息；所述环境图像信息包括有人图像和无人图像；将所述工地环境图像信息输入预设的工地环境识别模型，得到所述工地环境识别模型输出的识别结果；基于所述识别结果，对工地环境进行综合评分，得到工地环境状态；其中，工地环境状态包括优秀，良好，较差。这样，可以使装修工地的整洁度检测更加高效，节省人力财力，进而能够提升装修工地的管理效率。进一步的，本申请提供的方案中可以在员工正常工作时，对工地环境进行识别判断，得到的识别结果更加符合员工的实际工作场景。
附图说明
48.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
49.图1是本发明实施例提供的一种工地环境的识别判断方法的流程图；
50.图2是本发明实施例提供的一种工地环境的识别判断方法的部分流程图；
51.图3是本发明实施例提供的一种工地环境的识别判断方法的部分流程图；
52.图4是本发明实施例提供的一种工地环境的识别判断方法的部分流程图；
53.图5是本发明实施例提供的一种工地环境的识别判断方法的部分流程图；
54.图6是本发明实施例提供的一种工地环境的识别判断设备的结构示意图。
具体实施方式
55.为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
56.首先对本发明实施例的应用场景进行说明，目前，装修工地上会使用大量的装修材料用以施工。由于工人们工作的疏忽，装修工地上经常会出现不整洁的状态。比如垃圾随处丢，装修材料摆放不整齐，以及电线安装不合理等。装修工地上整洁的施工环境对于提升企业形象以及降低潜在的安全隐患具有重要的价值，目前的装修行业中大多数的企业都通过人工的方式对现场进行排查。这样，不仅浪费了人力和财力，还会出现排查不仔细的情况，导致反反复复，管理效率会很低。因此对于一个公司来说需要大量的人力和财力才能对所有的装修现场进行管理。进一步的，在实际操作过程中，相关人员在进行核查时，员工会提前收拾工地的环境，使得相关人员检测到的工地环境并不是员工工作时实际工作环境，而是员工为应付检查而收拾过后的环境，收拾后的工地环境无法真实有效的展示员工工作时的工地环境。本申请针对这一问题提出了对应的解决方案。
57.实施例
58.图1是本发明实施例提供的一种工地环境的识别判断方法的流程图；参考图1，该方法具体可以包括如下步骤：
59.s101、获取工地环境图像信息；其中，所述环境图像信息包括有人图像和无人图像
60.需要说明的是，本申请提供的方案中获取工地环境图像信息的方法可以是：通过预设的摄像机，按照预设规则进行拍照。例如：摄像机间隔预设时间拍摄一次照片；或者，摄像机基于预设规则不停的切换角度，以拍摄工地现场不同区域的照片。
61.步骤s101的主要目的是，获取实际施工现场的工地环境。所以本步骤中的核心为：获取工人施工时的工地现场的图像信息。
62.s102、将所述工地环境视频信息输入预设的工地环境识别模型，得到所述工地环境识别模型输出的识别结果；
63.需要说明的是，在将工地环境图像信息输入之前，需要对工地环境图像信息进行预处理。
64.具体的，预处理主要包括：基于预设规则，抽取所述工地环境视频信息中预设帧数的图像，作为输入工地环境识别模型的输入信息。
65.如此设置将大量的视频信息转化为少数的图片信息，以便于工厂环境识别模型进行识别，提高识别速度和效率。
66.进一步的，参照图2，预处理还包括：
67.s201、基于预设规则抽取，抽取拍摄时间在预设时间段内的所述工地环境视频信息中预设帧数图像，作为多帧目标图像；
68.s202、抠出各帧目标图像内的前景图样；
69.s203、对各帧目标图像的背景图样进行拼接，得到不包含员工的工地环境图样；
70.s204、将所述不包含员工的工地环境图，要作为输入所述工地环境识别模型的输入信息。
71.需要说明的是在实际应用中员工在施工现场的行动会破坏对于工地环境的整洁性以及物品摆放的判断，本申请提供的方案中，基于预设时间内作为前景图像的员工会发生移动和变化，作为背景图像的工地环境则不会或很少发生变化的原理，获取预设时间内的多帧图像，删除掉这些图像中的前景信息，由这些图像的背景信息进行拼接得到一个没有员工影响工地上环境图像，以便于对工地环境中一些静态物品的摆放进行识别和评价。
72.需要说明的是，本申请提供的方案中，例如：对于一个上午4个小时的工地环境视频信息。首先可以每间隔5分钟或60分钟抽出一帧图像作为用于识别员工行为的图像，输入工地场景识别模块。其次，每间隔5分钟，抽出一分钟时间内的图像信息进行拼接，拼接的过程具体包括抽取该一分钟视频信息中的预设帧数的图像。例如抽取10帧。删除每一帧图像中的前景信息主要是员工图像，得到只包含有施工现场工地环境的背景图像的背景帧图像，将这些处理过的图像进行拼接得到比较完整的没有员工图样的现场工地环境图样。如此设置，工地环境识别模型可以基于这个图样判断垃圾随处丢，装修材料摆放不整齐，以及电线安装不合理等问题。
73.具体的，步骤s102中，识别结果包括：所述工地环境识别模型输出的对工地环境和员工工作行为的识别结果；
74.需要说明的是，工地环境信息主要包括两方面一方面是实际的物件摆放环境整洁程度等信息，另一方面是员工在工作过程中的行为穿戴等信息。相对应的工地环境识别模型可以分为两个模块一个是用于识别工地上物件摆放以及整洁等问题的第一工地环境识
别子模块(第一工地环境识别子模型)；一个是用于识别员工自身行为的第二工地环境识别子模块(第二工地环境识别子模型)。可以通过上述训练方式对两个子模块分别进行训练以得到符合要求的工地环境信息识别模型。
75.具体的，所述工地环境识别模型包括：第一工地环境识别子模块；
76.第一工地环境识别子模块，用于基于所述工地环境图像信息，识别工地环境，并输出识别结果。
77.所述第一工地环境识别子模块进行识别之前还包括：
78.识别所述工地环境图像信息中的有人图像
79.识别所述有人图像中的人像区域；
80.对所述人像区域进行分割并且填充预设颜色，最终得到排除人像区域后的图片；
81.第一工地环境识别子模块，对所述排除人像区域后的图片和所述无人图像进行识别。
82.进一步的，所述工地环境识别模型包括：第二工地环境识别子模块；
83.所述第二工地环境识别子模块用于：
84.基于有人图像，识别图像中员工的肢体行为和穿戴；
85.判断所述员工的肢体行为和穿戴是否符合工地安全规则；
86.若否，则输出识别结果。
87.需要说明的是，本申请提供的方案中使用到了预训练的工地环境识别模型；
88.所述工地环境识别模型的训练过程包括：
89.获取第一预设数量样本图像信息；
90.对所述第一预设数量的样本图像信息进行标记；
91.将标记后的第一预设数量样本图像信息输入预先构建的深度学习模型进行训练；得到所述工地环境识别模型。
92.其中，所述对所述第一预设数量的样本图像信息进行标记，包括：
93.对视频信息中员工的行为进行标记，和对视频信息中物品的摆放杂乱程度和场地清洁程度进行标记；
94.其中，员工行为包括：抽烟行为、是否佩戴安全帽、在危险区域停留行为、不合理聚集、斗殴。
95.s103、基于所述识别结果，对工地环境进行综合评分，得到工地环境状态；其中工地环境状态包括优秀，良好，较差。
96.本发明采用以上技术方案，获取工地环境图像信息；将所述工地环境图像信息输入预设的工地环境识别模型，得到所述工地环境识别模型输出的对工地环境和员工工作行为的识别结果；基于所述识别结果，对工地环境进行综合评分，得到工地环境状态；其中工地环境状态包括优秀，良好，较差。这样，可以使装修工地的整洁度检测更加高效，节省人力财力，进而能够提升装修工地的管理效率。进一步的，本申请提供的方案中可以在员工正常工作时，对工地环境进行识别判断，得到的识别结果更加符合员工的实际工作场景。
97.进一步的，本申请提供的方案中还包括：
98.获取识别出的员工工作行为；
99.判断所述员工工作行为的危险紧急程度；
100.若危险紧急程度超出预设程度，则进行告警。
101.例如：识别出员工随意丢弃垃圾的行为，该行为危险紧急程度较低可以不予理会只是在后期进行提醒即可。若识别出员工长时间停靠在危险区域、发生斗殴等行为这些行为的危险紧急程度超出预设程度应及时进行告警。
102.需要说明的是本申请提供的方案中，应提前对员工行为进行危险紧急程度的确定，并输入数据库。以便于机器通过数据库内的数据进行判断。
103.具体的，所述告警包括：
104.通过施工现场的扬声器进行报警，以提醒员工；
105.或，像预设人员发送施工现场信息，供所述预设人员基于施工现场信息，进行下一步处理。
106.具体的，例如在员工发生长时间停靠在危险区域的行为时，可以通过扬声器进行提醒，以便于及时提醒员工远离危险。当发生斗殴时可以在通过扬声器进行提醒的同时向预设人员发送施工现场的信息进行告警以便现场其他人员或外界力量及时介入避免斗殴行为进一步恶化。
107.综合上述各个优选实施例，本申请提供的方案中，包括如图3、图4、图5所示的三种工地环境的识别判断方法；
108.具体的，参照图3，工地环境的识别判断方法可以包括：
109.抓拍正在施工工地图像，施工工地图像包括：1、有人图像2、无人图像；
110.将图像输入训练好的计算模型；
111.模型计算排除人像数据因素；
112.模型计算工地环境识别对比数据；
113.通过和数据库的数据对比，得出工地环境检测结果；
114.具体的，参照图4，工地环境的识别判断方法可以包括：
115.抓拍正在施工工地图像，施工工地图像包括：1、有人图像2、无人图像；
116.对有人图像进行处理：识别有人图像中的人像，人像区域分割后且填充固定颜色，最终得到排除人像图片；
117.将图像输入训练好的计算模型；其中图像包括无人图像处理后的有人图像；
118.计算对比数据，得到工地环境检测结果。
119.具体的，参照图5，工地环境的识别判断方法还可以包括：
120.抓拍正在施工工地图像，施工工地图像包括：1、有人图像2、无人图像；
121.将图像输入训练好的计算模型；其中，计算模型包括子模型1和子模型2；
122.子模型1计算基于有人图像装修工人行为，吸烟、安全帽、工作服、安全区域等；
123.子模型2计算工地环境识别对比数据；
124.具体的，子模型2计算工地环境识别对比数据的具体方法可以参照图4中的方案。
125.数据汇总，得出工地施工规范管理检测结果。
126.图6是本发明实施例提供的一种工地环境的识别判断设备的结构示意图。
127.参照图6，本申请还提供一种工地环境的识别判断设备，包括：
128.处理器61，以及与所述处理器相连接的存储器62，所述处理器61用于调用并执行所述存储器62中的所述计算机程序；
129.所述存储器62用于存储计算机程序，所述计算机程序至少用于执行本申请提供的工地环境的识别判断方法。
130.本申请还提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现如本申请提供的工地环境的识别判断方法。
131.可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
132.需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。
133.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
134.应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
135.本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
136.此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
137.上述提到的存储介质可以是只读存储器，磁盘或光盘等。
138.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
139.尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

技术特征：
1.一种工地环境的识别判断方法，其特征在于，包括：获取工地环境图像信息；所述环境视频信息包括有人图像和无人图像；将所述工地环境图像信息输入预设的工地环境识别模型，得到所述工地环境识别模型输出的识别结果；基于所述识别结果，对工地环境进行综合评分，得到工地环境状态；其中工地环境状态包括优秀，良好，较差。2.根据权利要求1所述的工地环境的识别判断方法，其特征在于，所述工地环境识别模型包括：第一工地环境识别子模块；第一工地环境识别子模块，用于基于所述工地环境图像信息，识别工地环境，并输出识别结果。3.根据权利要求1所述的工地环境的识别判断方法，其特征在于，所述第一工地环境识别子模块进行识别之前还包括：识别所述工地环境图像信息中的有人图像识别所述有人图像中的人像区域；对所述人像区域进行分割并且填充预设颜色，最终得到排除人像区域后的图片；第一工地环境识别子模块，对所述排除人像区域后的图片和所述无人图像进行识别。4.根据权利要求1所述的工地环境的识别判断方法，其特征在于，所述工地环境识别模型包括：第二工地环境识别子模块；所述第二工地环境识别子模块用于：基于有人图像，识别图像中员工的肢体行为和穿戴；判断所述员工的肢体行为和穿戴是否符合工地安全规则；若否，则输出识别结果。5.根据权利要求1所述的工地环境的识别判断方法，其特征在于，所述将所述工地环境图像信息输入预设的工地环境识别模型之前，还包括：基于预设规则，抽取所述工地环境视频信息中预设帧数的图像，作为输入工地环境识别模型的输入信息。6.根据权利要求1所述的工地环境的识别判断方法，其特征在于，所述将所述工地环境图像信息输入预设的工地环境识别模型之前，还包括：基于预设规则，抽取拍摄时间在预设时间段内的所述工地环境视频信息中预设帧数图像，作为多帧目标图像；抠出各帧目标图像内的前景图样；对各帧目标图像的背景图样进行拼接，得到不包含员工的工地环境图样；将所述不包含员工的工地环境图，要作为输入所述工地环境识别模型的输入信息。7.根据权利要求1所述的工地环境的识别判断方法，其特征在于，还包括；获取识别出的员工工作行为；判断所述员工工作行为的危险紧急程度；若危险紧急程度超出预设程度，则进行告警。8.根据权利要求7所述的工地环境的识别判断方法，其特征在于，所述告警包括：通过施工现场的扬声器进行报警，以提醒员工；
或，像预设人员发送施工现场信息，供所述预设人员基于施工现场信息，进行下一步处理。9.根据权利要求1所述的工地环境的识别判断方法，其特征在于，所述工地环境识别模型的训练过程包括：获取第一预设数量样本图像信息；对所述第一预设数量的样本图像信息进行标记；将标记后的第一预设数量样本图像信息输入预先构建的深度学习模型进行训练；得到所述工地环境识别模型。10.根据权利要求9所述的工地环境的识别判断方法，其特征在于，所述对所述第一预设数量的样本视频信息进行标记，包括：对视频信息中员工的行为进行标记，和对视频信息中物品的摆放杂乱程度和场地清洁程度进行标记；其中，员工行为包括：抽烟行为、是否佩戴安全帽、在危险区域停留行为、不合理聚集行为、斗殴行为。
技术总结
本发明提供一种工地环境的识别判断方法，具体包括：获取工地环境视频信息；所述环境视频信息包括有人图像和无人图像；将所述工地环境视频信息输入预设的工地环境识别模型，得到所述工地环境识别模型输出的识别结果；基于所述识别结果，对工地环境进行综合评分，得到工地环境状态；其中工地环境状态包括优秀，良好，较差。如此设置，可以使装修工地的环境检测更加高效，节省人力财力，进而能够提升装修工地的管理效率。进一步的，本申请提供的方案中可以在员工正常工作时，对工地环境进行识别判断，得到的识别结果更加符合员工的实际工作场景。景。景。


技术研发人员：康志伟
受保护的技术使用者：烟台大迈物联科技有限公司
技术研发日：2021.04.25
技术公布日：2021/6/29