呂基平，熊政華，鄒容芳，文章英，肖 玲

(1.中建五局第三建設(shè)有限公司，湖南 長沙 410004；2.中國建筑第五工程局有限公司，湖南 長沙 410004；3.湖南大學(xué)，湖南 長沙 410082)

0 引言

目前我國建筑施工安全形勢依舊嚴(yán)峻，建筑施工安全事故發(fā)生率居高不下，事故起數(shù)和死亡人數(shù)仍偏多[1]。為探究造成建筑業(yè)安全形勢嚴(yán)峻的原因，實(shí)地調(diào)研建筑施工現(xiàn)場安全管理情況，發(fā)現(xiàn)傳統(tǒng)人工安全管理存在以下問題：工地安全管理涉及面廣、關(guān)注點(diǎn)多，傳統(tǒng)安全管理方式無法實(shí)現(xiàn)安全覆蓋或及時(shí)發(fā)現(xiàn)；建筑工地目標(biāo)多、分布散、維度多、受人力物力限制，難以解決監(jiān)管覆蓋面和及時(shí)性問題；監(jiān)管模式時(shí)效性差、取證困難，難以形成有效震懾。施工企業(yè)很難通過傳統(tǒng)管理方式進(jìn)行科學(xué)、有效、集中式的管理[2]。

圖1 AI視頻分析系統(tǒng)設(shè)計(jì)思路

圖2 平臺管理架構(gòu)

利用傳統(tǒng)安防視頻監(jiān)控技術(shù)解決工地安全管理問題存在如下弊端：①工地項(xiàng)目部監(jiān)控中心需要派專人值守，隨時(shí)多角度查看監(jiān)控，才有可能提前發(fā)現(xiàn)安全隱患并通知處理；②監(jiān)控中心值守人員難以做到24h不間斷檢查監(jiān)視器；③大部分視頻監(jiān)控影像僅作為事后追溯取證使用，無法主動識別預(yù)警人的不安全行為，物的不安全狀態(tài)，只能在異常事件發(fā)生后再查看錄像，但損失已經(jīng)無法挽回；④發(fā)現(xiàn)隱患-整改隱患-審核完成，主要靠口頭傳達(dá)和自覺完成，缺乏線上閉環(huán)流程，過程不可追溯；⑤不能及時(shí)發(fā)現(xiàn)攝像頭被遮擋、移位或損壞等問題，導(dǎo)致監(jiān)控有盲區(qū)時(shí)，無法及時(shí)發(fā)現(xiàn)安全隱患或偷盜行為。這些問題需借助智慧工地和人工智能等技術(shù)解決[3]。

為此，利用先進(jìn)的視頻分析和人工智能技術(shù)、通過智慧工地AI視頻分析系統(tǒng)和技術(shù)平臺，基于智能視頻分析和深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，實(shí)時(shí)分析現(xiàn)場采集的視頻，變被動監(jiān)督為主動監(jiān)控，真正做到事前預(yù)警、事中常態(tài)檢測、事后規(guī)范管理，將工地安全生產(chǎn)做到全天候精細(xì)化智能管理，為當(dāng)前工地安全管理提供一體化解決方案。該解決方案在傳統(tǒng)視頻監(jiān)控基礎(chǔ)上，提供面向工地的智能視頻分析算法，自動分析視頻中的違規(guī)、危險(xiǎn)行為，并實(shí)時(shí)進(jìn)行有效的反饋。智能視頻分析可實(shí)時(shí)精準(zhǔn)查驗(yàn)和監(jiān)管現(xiàn)場安全施工情況和施工動態(tài)，降低人員管理成本、提高工作效率?；谌斯ぶ悄芤曨l分析在智慧工地中的研究與應(yīng)用，將AI技術(shù)結(jié)合施工場景，為現(xiàn)場工作管理人員賦能。

1 “端-邊-云”協(xié)同智慧工地AI視頻分析系統(tǒng)

智慧工地充分利用移動互聯(lián)、物聯(lián)網(wǎng)、人工智能AI、地理信息系統(tǒng)、大數(shù)據(jù)等信息技術(shù)，對施工現(xiàn)場的人、機(jī)、法、料、環(huán)要素進(jìn)行集中化、智能化管理，以可控化、數(shù)據(jù)化及可視化的智能系統(tǒng)對施工現(xiàn)場進(jìn)行全方位、立體化的實(shí)時(shí)監(jiān)管[4]。

1.1 設(shè)計(jì)思路

通過安裝在施工現(xiàn)場的監(jiān)控裝置，構(gòu)建智能監(jiān)控和防范體系。前端視覺感知設(shè)備可實(shí)現(xiàn)視頻數(shù)據(jù)采集，并通過有線、無線等方式將數(shù)據(jù)傳輸?shù)紸I平臺，智慧工地平臺利用智能視頻分析技術(shù)自動檢測人、環(huán)境中的不安全行為，并將檢測信息同步項(xiàng)目信息、工人數(shù)據(jù)，最終實(shí)現(xiàn)業(yè)務(wù)協(xié)同、數(shù)據(jù)聯(lián)動。AI視頻識別與分析系統(tǒng)設(shè)計(jì)思路如圖1所示。

該平臺管理架構(gòu)如圖2所示，包含AI視頻業(yè)務(wù)核心功能、分析服務(wù)和數(shù)據(jù)展現(xiàn)。分析服務(wù)包括數(shù)據(jù)采集、存儲、挖掘等。AI視頻業(yè)務(wù)核心功能與現(xiàn)場各子系統(tǒng)對接，獲取相關(guān)子系統(tǒng)中的視頻數(shù)據(jù)進(jìn)行分析，實(shí)現(xiàn)對穿戴管理、行為管理、區(qū)域管理、人員管理、安防、環(huán)境等AI算法的視頻智能分析檢測。數(shù)據(jù)展現(xiàn)通過大屏、PC端、移動端、管理報(bào)表、決策報(bào)告等形式進(jìn)行呈現(xiàn)。

圖3 系統(tǒng)的端-邊-云架構(gòu)

圖4 智能視頻分析系統(tǒng)的整體解決方案

1.2 整體架構(gòu)

該系統(tǒng)的端-邊-云架構(gòu)如圖3所示。端側(cè)通過多角度、多類型攝像頭設(shè)備采集視頻，邊側(cè)通過邊緣計(jì)算和AI算法降低視頻處理延遲問題，節(jié)約云資源費(fèi)用，為AI技術(shù)落地應(yīng)用提供可能。云端可結(jié)合施工業(yè)務(wù)場景，整合資源，提供高品質(zhì)服務(wù)。

該系統(tǒng)整體解決方案如圖4所示。AI視頻分析深度學(xué)習(xí)算法可部署在邊緣側(cè)設(shè)備上，作為AI視頻識別一體機(jī)接到交換機(jī)或網(wǎng)絡(luò)硬盤錄像機(jī)上。利用現(xiàn)有數(shù)據(jù)網(wǎng)絡(luò)將計(jì)算分析結(jié)果連同抓拍圖像打包成結(jié)構(gòu)化報(bào)警信息，推送至集控站主站端智能分析視頻云服務(wù)平臺，運(yùn)行在云端服務(wù)器的AI視頻分析算法中，可進(jìn)行二次深度分析和深層數(shù)據(jù)挖掘。整個(gè)系統(tǒng)利用事件管理平臺實(shí)時(shí)記錄違規(guī)事件，包含創(chuàng)建事件、事件描述、抓拍圖片、抓拍人員、抓拍攝像頭、處理狀態(tài)等信息。

智能視頻分析檢測出的事件包含以下反饋方式：在施工現(xiàn)場通過智慧工地控制模組對不安全事件進(jìn)行本地實(shí)時(shí)廣播、指示燈閃亮等警示；對不安全事件及相關(guān)事件抓取的圖片等信息，通過移動通信網(wǎng)絡(luò)推送給相應(yīng)崗位管理人員、項(xiàng)目負(fù)責(zé)人及企業(yè)職能部門、公司領(lǐng)導(dǎo)移動端，以便及時(shí)處理。項(xiàng)目工地大屏、智慧安全監(jiān)管云平臺、用戶移動端APP可展示違規(guī)日期、類型、地點(diǎn)、人員維度等違規(guī)事件；企業(yè)監(jiān)管人員可定期抽查系統(tǒng)記錄的違規(guī)行為，同步推送監(jiān)管項(xiàng)目處理意見，進(jìn)行應(yīng)急指揮，督促企業(yè)落實(shí)隱患整改，提升管理效率。

2 AI深度視頻分析系統(tǒng)

2.1 智能視頻分析系統(tǒng)的實(shí)施部署方式

智能視頻分析系統(tǒng)可采用云端部署和邊緣側(cè)部署模式，如圖5所示。云端部署架構(gòu)為處于網(wǎng)絡(luò)邊緣的設(shè)備端攝像頭，直接通過互聯(lián)網(wǎng)將視頻傳輸?shù)骄W(wǎng)絡(luò)中心的云服務(wù)器中。云服務(wù)器獲得視頻后存儲視頻，并進(jìn)行推理分析，再在云端整合利用推理結(jié)果。這種部署方式適用于對實(shí)時(shí)性要求不高的應(yīng)用，如安全帽、反光衣監(jiān)測等。但智能視頻分析的云端部署面臨占用帶寬大、傳輸延遲高、網(wǎng)絡(luò)不可靠和隱私保護(hù)難等問題。

圖5 云端智能視頻分析部署架構(gòu)

針對建筑工地安全監(jiān)控、設(shè)備設(shè)施監(jiān)控、突發(fā)事件處理等對實(shí)時(shí)性要求高的情況，采用邊緣側(cè)AI部署方式，將計(jì)算任務(wù)從網(wǎng)絡(luò)中心的云服務(wù)器下沉到與視頻源物理接近的、擁有一定計(jì)算能力的邊緣智能設(shè)備上，就近提供端服務(wù)，滿足實(shí)時(shí)業(yè)務(wù)、智能應(yīng)用等需求。智能視頻分析的邊緣側(cè)部署識別分析響應(yīng)快，能完成如危險(xiǎn)區(qū)域人員闖入、高空施工人員未佩戴安全繩等對實(shí)時(shí)性要求高的分析檢測任務(wù)[5]。

另外，相比云端視頻分析部署模式，端邊部署模式對視頻源和網(wǎng)絡(luò)邊緣的連接相對簡單可控，能保證足夠的傳輸帶寬和穩(wěn)定性；在邊緣端直接處理視頻數(shù)據(jù)，也可有效避免云端隱私泄漏。利用深度學(xué)習(xí)模型裁剪、量化加速等方式實(shí)現(xiàn)深度學(xué)習(xí)模型的壓縮與加速，解決深度學(xué)習(xí)模型輕量化和小型化，實(shí)現(xiàn)計(jì)算、存儲和通信邊緣融合與AI算法加載。

2.2 基于AI邊緣計(jì)算的視頻智能分析裝置

在硬件方面，充分采用邊緣計(jì)算技術(shù)，采用寒武紀(jì)、英偉達(dá)等學(xué)習(xí)芯片，構(gòu)建建筑工地視頻場景專用智能視頻分析裝置，并以以太網(wǎng)形式接入網(wǎng)絡(luò)視頻錄像機(jī)或交換機(jī)，滿足多路全高清視頻信號實(shí)時(shí)分析需求。構(gòu)建嵌入式現(xiàn)場專用計(jì)算單元，實(shí)現(xiàn)就地分布式計(jì)算，減小通信延時(shí)和服務(wù)器計(jì)算壓力，具有低延時(shí)、低功耗、低成本的優(yōu)勢，實(shí)現(xiàn)視頻信號的高速接入和實(shí)時(shí)分析。

AI邊緣計(jì)算盒子在性能上可滿足1～4個(gè)場景、4～16路1 080P視頻源，支持每秒5～60幀算法視頻獲取，處理能力可根據(jù)場景數(shù)量、視頻源數(shù)量、采集幀數(shù)進(jìn)行相應(yīng)配置，以滿足視頻處理的實(shí)時(shí)性要求。單個(gè)AI邊緣計(jì)算盒子根據(jù)配置不同，成本在1萬～2萬元。

2.3 AI深度學(xué)習(xí)視頻分析算法及模型加速

在場景識別算法方面，基于深度卷積神經(jīng)網(wǎng)絡(luò) (deep convolutional neural networks，Deep CNN) ，采用YoLov5單階段目標(biāo)檢測算法架構(gòu)，該算法均值權(quán)重文件更小，訓(xùn)練時(shí)間和推理速度短。

基于深度學(xué)習(xí)的計(jì)算機(jī)視覺模型，通常由百萬甚至上億的參數(shù)組成, 雖然分析準(zhǔn)確度很高, 但深度學(xué)習(xí)模型對計(jì)算和內(nèi)存資源要求較高，難以在存儲空間、計(jì)算資源有限的邊緣端設(shè)備上運(yùn)行[6]。通過TensorRT加速工具部署加速YoLov5模型，有效降低參數(shù)冗余，減少存儲占用和計(jì)算復(fù)雜度，使之能加載到邊緣端設(shè)備，在提升邊緣端設(shè)備處理速度時(shí)降低能耗。通過TensorRT加速后的YoLov5模型可實(shí)現(xiàn)近20倍加速，達(dá)到45幀每秒的運(yùn)算速度，滿足實(shí)時(shí)性要求且準(zhǔn)確率高。

3 智能視頻分析在智慧工地中的應(yīng)用分析

針對工地場景下人的不安全行為、工地環(huán)境安全問題，實(shí)現(xiàn)作業(yè)人員安全監(jiān)測、設(shè)備安全監(jiān)測與預(yù)警、環(huán)境監(jiān)測、安全監(jiān)控等智能視頻分析[7]。

3.1 智能視頻分析算法功能應(yīng)用

1)無感考勤與陌生人檢測 無感考勤系統(tǒng)不用配置專門的考勤設(shè)備，采用廣角攝像頭可全面覆蓋進(jìn)出場通道，遠(yuǎn)距離抓取面部信息，實(shí)現(xiàn)無感打卡通行，解決傳統(tǒng)考勤排長隊(duì)的情況，提升用戶考勤體驗(yàn)，有效提高考勤效率[3]。無感考勤系統(tǒng)以人臉識別技術(shù)為基礎(chǔ)，采用深度學(xué)習(xí)技術(shù)[8]，收集整理海量人臉數(shù)據(jù)，設(shè)計(jì)定制模型，計(jì)算出快速精準(zhǔn)的人臉檢測、人臉識別算法，將算法裝載到高性能邊緣設(shè)備中，實(shí)現(xiàn)多人員無感快速識別考勤功能。在算法上采用深度卷積神經(jīng)網(wǎng)絡(luò)、分布式人臉訓(xùn)練、場景自適應(yīng)等手段，在人員密集場所及高峰期時(shí)間，工人均可被有效識別并記錄通行實(shí)況。自動捕捉員工動態(tài)畫面比對人臉庫，并將比對失敗的標(biāo)注為陌生人，方便管理人員及時(shí)關(guān)注陌生入侵情況。

通過在工地部署人臉識別攝像頭，可及時(shí)掌握任何人進(jìn)出工地的時(shí)間、地點(diǎn)、當(dāng)場抓圖等信息，方便查詢行動軌跡。利用智能視頻分析行為重識技術(shù)，可通過分析人體特征識別身份，克服在施工作業(yè)區(qū)等復(fù)雜場景下人臉識別的困難。

2)安全晨會檢測 工程施工前，施工現(xiàn)場要求每天早上在固定時(shí)間及地點(diǎn)召開班前晨會，以加強(qiáng)工地日常安全管理?，F(xiàn)有晨會管理模式為人工打卡，由項(xiàng)目工程小組負(fù)責(zé)人負(fù)責(zé)召集晨會，在晨會時(shí)拍照、拍視頻，然后微信上傳給相關(guān)管理人員。實(shí)際的安全晨會召開率僅38%左右。安全晨會可自動檢測識別安全宣講臺區(qū)域，并通過隊(duì)形和人數(shù)判斷檢測區(qū)域內(nèi)是否有開會行為，若檢測到晨會，算法觸發(fā)前端攝像頭自動抓取晨會開始和結(jié)束時(shí)的視頻截圖并存檔，通過手機(jī)APP實(shí)時(shí)上報(bào)給安全管理人員。

3)安全帽、反光衣、安全繩佩戴檢測 基于工地視頻監(jiān)控實(shí)時(shí)檢測技術(shù)，預(yù)警在崗工人是否按照要求做好安全防范措施。在項(xiàng)目出入口、作業(yè)面等區(qū)域能檢測施工人員是否佩戴安全帽、穿戴反光衣、高空作業(yè)是否系安全繩等行為，若檢測到不安全行為，則立即報(bào)警，通知安全管理人員進(jìn)行處理。

4)危險(xiǎn)區(qū)域人員闖入與人員徘徊檢測 對塔式起重機(jī)、圍欄等易發(fā)生事故的危險(xiǎn)場所進(jìn)行檢測，當(dāng)有人員闖入時(shí)，視頻分析系統(tǒng)會自動實(shí)時(shí)報(bào)警，并聯(lián)動現(xiàn)場語音提示。檢測系統(tǒng)不僅監(jiān)控實(shí)時(shí)工作情況，還可及時(shí)檢測工地危險(xiǎn)區(qū)域闖入情況，在事故發(fā)生前采取有效措施，降低事故發(fā)生率，有效提高工程質(zhì)量監(jiān)控。對視頻監(jiān)控區(qū)域內(nèi)出現(xiàn)的目標(biāo)進(jìn)行定位與跟蹤，并記錄跟蹤目標(biāo)的出現(xiàn)時(shí)間或次數(shù)。

5)作業(yè)面人數(shù)統(tǒng)計(jì)、人員聚集檢測 可自定義多個(gè)區(qū)域或圈定工作面，實(shí)現(xiàn)對設(shè)定監(jiān)控區(qū)域的勞動人員與現(xiàn)場人員的數(shù)量統(tǒng)計(jì)。檢測工地周邊或場地內(nèi)聚集人數(shù)是否超過設(shè)定值，可在不同檢測區(qū)域設(shè)定不同聚集人數(shù)閾值，當(dāng)監(jiān)控區(qū)域人數(shù)超過閾值時(shí)進(jìn)行報(bào)警。

6)人員攀爬、跌倒、抽煙、打電話檢測 當(dāng)圖像中有人跌倒時(shí)將抓拍圖像并報(bào)警，可識別各種跌倒姿勢與跌倒方向(橫向和縱向等)。可設(shè)置物理圍欄或虛擬圍欄，檢測非法攀越圍墻行為，一旦檢測到有人企圖從圍墻進(jìn)入施工區(qū)，系統(tǒng)立刻報(bào)警、抓拍。對部分施工現(xiàn)場或高空作業(yè)區(qū)可設(shè)置打電話檢測的方式，防止作業(yè)人員打電話時(shí)分心造成事故。

7)煙霧、煙火檢測 在施工現(xiàn)場的加工區(qū)、材料堆放區(qū)等易發(fā)生火災(zāi)的隱患區(qū)域安裝煙火預(yù)警系統(tǒng)，一旦出現(xiàn)煙霧及火焰，系統(tǒng)自動預(yù)警，相關(guān)項(xiàng)目部人員能迅速響應(yīng)。采用基于人工智能的視頻分析和深度學(xué)習(xí)技術(shù)，對監(jiān)控區(qū)域內(nèi)的煙和火進(jìn)行識別、實(shí)時(shí)分析報(bào)警。不需要布置傳統(tǒng)傳感設(shè)備，就可大面積直接對視頻監(jiān)控區(qū)域初期形成的煙霧和火焰及時(shí)進(jìn)行準(zhǔn)確識別，無誤報(bào)、無漏報(bào)。同時(shí)將報(bào)警信息快照和報(bào)警視頻存入數(shù)據(jù)庫，將報(bào)警信息及時(shí)推送給相關(guān)管理人員。該系統(tǒng)可協(xié)助管理人員，對監(jiān)控區(qū)域進(jìn)行實(shí)時(shí)分析并及時(shí)報(bào)警。

8)臨邊防護(hù)缺失檢測 當(dāng)高處作業(yè)無臨邊防護(hù)時(shí)，存在人員墜落的安全隱患，臨邊防護(hù)缺失檢測系統(tǒng)可對無臨邊防護(hù)的高空作業(yè)面進(jìn)行預(yù)警和廣播提醒，并將報(bào)警截圖和視頻保存到數(shù)據(jù)庫，可根據(jù)時(shí)段對報(bào)警記錄、報(bào)警截圖、視頻進(jìn)行查詢。

3.2 工程案例

長沙機(jī)場改擴(kuò)建綜合交通樞紐工程項(xiàng)目總建筑面積為28.5萬m2，由軌道交通、綜合交通樞紐工程、市政配套構(gòu)成。項(xiàng)目難點(diǎn)主要為施工分布廣、體量大、工期緊、平面管理難度大、機(jī)械設(shè)備多、超大超深基坑施工、總包管理難度大、多方協(xié)同、信息傳遞難。為解決以上難點(diǎn)，借助此次建設(shè)項(xiàng)目，展開智能視頻分析技術(shù)，為項(xiàng)目高品質(zhì)建設(shè)賦能，并借長沙機(jī)場改擴(kuò)建綜合交通樞紐工程開展數(shù)字建造的應(yīng)用示范，打造樣板工程。目前已實(shí)現(xiàn)晨會交底、安全帽檢測、反光衣檢測、安全繩檢測、跨越危險(xiǎn)區(qū)域識別等人的不安全行為檢測，以及火焰識別、煙霧識別、臨洞識別等環(huán)境和物的不安全狀態(tài)檢測。運(yùn)行結(jié)果表明，該系統(tǒng)場景的平均檢測精度達(dá)90%，平均誤發(fā)率<10%。

4 結(jié)語

本文對建筑施工現(xiàn)場安全管理效率低、工作量大及傳統(tǒng)安防視頻監(jiān)控技術(shù)存在的諸多弊端，提出“端-邊-云”協(xié)同智慧工地場景視頻智能分析系統(tǒng)的整體解決方案，通過智慧工地邊緣智能視頻分析裝置精確識別檢測，減小深度學(xué)習(xí)算法對服務(wù)器、云端計(jì)算的依賴，實(shí)現(xiàn)視頻監(jiān)控內(nèi)容的智能識別和自動推送，極大提高視頻監(jiān)控質(zhì)量和效率，也可通過云平臺二次深度分析服務(wù)器進(jìn)行復(fù)雜視頻分析及深度數(shù)據(jù)挖掘。該系統(tǒng)針對工地場景下人的不安全行為、工地環(huán)境安全問題，可實(shí)現(xiàn)作業(yè)人員安全監(jiān)測、環(huán)境安全監(jiān)測與預(yù)警。該系統(tǒng)在長沙機(jī)場改擴(kuò)建工程綜合交通樞紐工程項(xiàng)目中進(jìn)行應(yīng)用試點(diǎn)，并取得較好效果。智能視頻分析技術(shù)在智慧工地的研究與應(yīng)用，將AI技術(shù)深入結(jié)合施工場景，改變原有人工視頻監(jiān)控模式，推動傳統(tǒng)被動型建筑工地視頻監(jiān)控業(yè)務(wù)的智能化轉(zhuǎn)型。