沈燦鋼

（江陰職業(yè)技術(shù)學(xué)院 電子信息工程系，江蘇 江陰 214405）

0 引 言

目前，工程建設(shè)領(lǐng)域每年發(fā)生的人員傷亡數(shù)高居不下。隨著基礎(chǔ)建設(shè)以及新基建的不斷擴(kuò)張，工程施工量急劇上升，工地施工人員的安全問(wèn)題也成為了施工企業(yè)關(guān)注的焦點(diǎn)。為了最大程度地保證現(xiàn)場(chǎng)施工人員的安全，工地常會(huì)安排監(jiān)管人員對(duì)現(xiàn)場(chǎng)施工人員是否佩戴安全帽進(jìn)行監(jiān)督，同時(shí)監(jiān)管人員也需要實(shí)時(shí)地觀察工地情況，避免施工人員因摔倒而發(fā)生事故。同時(shí)，工地上需要禁止現(xiàn)場(chǎng)施工人員抽煙，避免發(fā)生火災(zāi)等情況。這些均屬于監(jiān)管人員的工作范疇，但這會(huì)消耗大量的人力資源，也無(wú)法保證監(jiān)管人員能夠及時(shí)發(fā)現(xiàn)風(fēng)險(xiǎn)。

基于計(jì)算機(jī)視覺(jué)技術(shù)的管理系統(tǒng)可以通過(guò)攝像頭對(duì)現(xiàn)場(chǎng)工地進(jìn)行實(shí)時(shí)的視頻分析，并準(zhǔn)確地判斷出現(xiàn)場(chǎng)施工人員的行為是否規(guī)范[1]，代替人工監(jiān)管現(xiàn)場(chǎng)是否有人員未佩戴安全帽、是否有施工人員摔倒，以及是否有人員違規(guī)抽煙等情況，從而大幅度地降低了現(xiàn)場(chǎng)的人力耗費(fèi)，提高監(jiān)管效率；同時(shí)覆蓋了人力監(jiān)管的盲區(qū)與死角，能夠更快地發(fā)現(xiàn)危險(xiǎn)情況，最大程度地降低安全風(fēng)險(xiǎn)。

本文研究的施工工地視覺(jué)管理系統(tǒng)分為三大模塊：人員安全帽穿戴識(shí)別模塊、現(xiàn)場(chǎng)抽煙告警模塊以及人員摔倒告警模塊[2]。該系統(tǒng)能夠極大程度地減輕工地安全監(jiān)管壓力，與人力監(jiān)管相結(jié)合能夠更好地保證現(xiàn)場(chǎng)施工人員的安全。

1 人員安全帽穿戴視覺(jué)識(shí)別模塊

1.1 人員安全帽穿戴識(shí)別檢測(cè)系統(tǒng)

安全帽穿戴識(shí)別系統(tǒng)在安全生產(chǎn)中起著重要的作用。7×24 h檢查和監(jiān)督員工佩戴安全帽，可以提高工人的安全意識(shí)，減少安全事故的發(fā)生。隨著行業(yè)需求的不斷細(xì)分，頭盔識(shí)別系統(tǒng)也將快速迭代，產(chǎn)生適用于不同行業(yè)、不同身份、不同顏色的安全帽，可以設(shè)置不同的場(chǎng)景和不同的區(qū)域。對(duì)安全帽或工作服進(jìn)行分級(jí)管理，對(duì)重點(diǎn)區(qū)域進(jìn)行部署和設(shè)防，允許授權(quán)人員（安全帽穿戴）或組員進(jìn)入，未經(jīng)確認(rèn)的則自動(dòng)報(bào)警。前期對(duì)以上各種安全信息進(jìn)行大量采集、標(biāo)注和處理，在算法上采用了人體姿態(tài)評(píng)估pose和分類檢測(cè)技術(shù)，對(duì)于pose部分使用了自上而下的方法，先用目標(biāo)檢測(cè)算法檢測(cè)出人，然后對(duì)人進(jìn)行單個(gè)姿態(tài)評(píng)估[3]。本設(shè)計(jì)主要是檢測(cè)出人的頭部信息，進(jìn)而使用分類算法檢測(cè)人的頭部是否穿戴安全帽。安全帽穿戴識(shí)別系統(tǒng)處理的邏輯流程如圖1所示。

圖1 安全帽穿戴識(shí)別系統(tǒng)處理的邏輯流程

1.2 人員安全帽穿戴識(shí)別異常處理模塊

人員安全帽穿戴識(shí)別異常處理模塊主要是對(duì)未戴安全帽的行為進(jìn)行檢測(cè)，并記錄未戴安全帽的異常行為數(shù)據(jù)。采用FFmpeg對(duì)多媒體數(shù)據(jù)進(jìn)行編輯和存儲(chǔ)，對(duì)RTSP數(shù)據(jù)流硬解碼，將解碼后的圖片幀數(shù)據(jù)發(fā)送給算法模型進(jìn)行計(jì)算[4]，對(duì)于異常數(shù)據(jù)觸發(fā)語(yǔ)音播報(bào)和異常信息推送，并記錄相關(guān)的異常圖片和前后五秒小視頻，實(shí)時(shí)計(jì)算當(dāng)前畫(huà)面是否出現(xiàn)未戴安全帽行為，并將異常數(shù)據(jù)進(jìn)行保存，同時(shí)可以在前端展示和查看異常歷史數(shù)據(jù)。人形檢測(cè)算法使用了YOLOv3+K-means+GUI。圖2是網(wǎng)絡(luò)結(jié)構(gòu)。實(shí)際測(cè)試結(jié)果如圖3所示。

圖2 網(wǎng)絡(luò)結(jié)構(gòu)

圖3 實(shí)際測(cè)試效果

2 現(xiàn)場(chǎng)抽煙告警模塊

2.1 現(xiàn)場(chǎng)抽煙識(shí)別告警系統(tǒng)

在施工現(xiàn)場(chǎng)是嚴(yán)禁出現(xiàn)明火的，在嚴(yán)禁用火的地方吸煙、隨手亂扔煙頭，接觸到易燃、易爆的物品，極易引發(fā)火災(zāi)，發(fā)生嚴(yán)重安全事故。傳統(tǒng)的管理模式下人員管理的負(fù)擔(dān)較大，管理效率不高，無(wú)法24 h全覆蓋監(jiān)管。公路工地視覺(jué)管理系統(tǒng)中的現(xiàn)場(chǎng)抽煙告警模塊能夠通過(guò)施工現(xiàn)場(chǎng)的攝像頭對(duì)人員抽煙進(jìn)行實(shí)時(shí)無(wú)死角地檢測(cè)與分析，對(duì)人員抽煙情況進(jìn)行及時(shí)抓拍與告警[5]。

2.2 人體姿態(tài)預(yù)估算法

本文采用實(shí)時(shí)多目標(biāo)人體姿態(tài)預(yù)估算法，實(shí)時(shí)檢測(cè)攝像機(jī)識(shí)別區(qū)域內(nèi)人員[6]。通過(guò)攝像機(jī)中的視頻流抽取出RGB圖像，圖像中檢測(cè)出多人的人體骨骼結(jié)構(gòu)，并預(yù)估出人體關(guān)節(jié)的空間坐標(biāo)，綜合分析出人體的頭部、頸部、手腕和腳踝等關(guān)鍵部位。如圖5所示，其中左邊為人體姿態(tài)預(yù)估關(guān)鍵點(diǎn)模型[7]，右邊為多目標(biāo)人體關(guān)鍵點(diǎn)預(yù)估圖。分析每個(gè)人的頭部，并檢測(cè)人的唇部附近是否存在香煙，如果檢測(cè)到香煙則視為存在違規(guī)抽煙行為（如圖6所示），將違規(guī)記錄推送至可視化的系統(tǒng)管理平臺(tái)。

圖5 人體姿態(tài)預(yù)估模型和多目標(biāo)人體關(guān)鍵點(diǎn)預(yù)估

圖6 違規(guī)抽煙行為檢測(cè)

3 人員摔倒告警模塊

3.1 人體摔倒視覺(jué)檢測(cè)告警系統(tǒng)

工地環(huán)境復(fù)雜，機(jī)械、車輛、建材等因素都對(duì)人員安全存在潛在威脅，如果施工人員摔倒更會(huì)增加事故風(fēng)險(xiǎn)，過(guò)往管理中對(duì)于人員摔倒事件較難監(jiān)控預(yù)警，這為安全管理造成了更多不確定風(fēng)險(xiǎn)[8]。對(duì)此本文結(jié)合公路工地實(shí)際情況，開(kāi)發(fā)了基于計(jì)算機(jī)視覺(jué)技術(shù)的人員摔倒告警模塊，可以幫助安全管理者及時(shí)發(fā)現(xiàn)現(xiàn)場(chǎng)的人員摔倒事件，并且能及時(shí)報(bào)警，進(jìn)而與其他模塊聯(lián)動(dòng)，以確保工地內(nèi)人員的人身安全，減少安全管理過(guò)程中的危險(xiǎn)因素，提升安全管理智能化、數(shù)字化的質(zhì)量。

3.2 基于深度學(xué)習(xí)的視覺(jué)檢測(cè)

人員摔倒告警模塊立足工地已有監(jiān)控系統(tǒng)的視頻攝像頭資源，對(duì)現(xiàn)場(chǎng)環(huán)境人員進(jìn)行在線分析。系統(tǒng)檢測(cè)到摔倒事件，進(jìn)行實(shí)時(shí)告警，工作流程如圖7所示。首先判斷畫(huà)面中是否有物體運(yùn)動(dòng)，進(jìn)而對(duì)發(fā)生運(yùn)動(dòng)的視頻幀進(jìn)行檢測(cè)，對(duì)于其中的人員進(jìn)行人體關(guān)鍵點(diǎn)檢測(cè)，以得到人員姿態(tài)的骨骼圖；通過(guò)對(duì)骨骼圖的分析，確定視頻幀中的人員人體姿態(tài)，如果姿態(tài)為摔倒，則觸發(fā)報(bào)警邏輯，否則重復(fù)以上檢測(cè)流程[9]。

圖7 人員摔倒告警模塊工作流程

基于計(jì)算機(jī)視覺(jué)技術(shù)構(gòu)建了以上檢測(cè)流程，其中人形檢測(cè)、關(guān)鍵點(diǎn)檢測(cè)、姿態(tài)分類器均基于深度學(xué)習(xí)技術(shù)，依托海量的現(xiàn)場(chǎng)數(shù)據(jù)，經(jīng)由人工標(biāo)注，采用GPU計(jì)算平臺(tái)進(jìn)行多輪訓(xùn)練與精調(diào)[10]，才得到了符合實(shí)際應(yīng)用標(biāo)準(zhǔn)的模型[11]。

4 結(jié) 語(yǔ)

在計(jì)算機(jī)視覺(jué)技術(shù)日益更新的時(shí)代，以機(jī)器代替人工對(duì)施工現(xiàn)場(chǎng)進(jìn)行實(shí)時(shí)監(jiān)管是一種必然的趨勢(shì)[12]。一方面，工地現(xiàn)場(chǎng)攝像頭的全方位無(wú)死角監(jiān)控加上計(jì)算機(jī)視覺(jué)管理系統(tǒng)能夠做到更快更精確地對(duì)現(xiàn)場(chǎng)人員的行為進(jìn)行實(shí)時(shí)分析，并及時(shí)告警，避免危險(xiǎn)事故的發(fā)生[13]；另一方面，機(jī)器代替人工能夠很大程度地降低人力資源的耗費(fèi)，同時(shí)也避免了人力監(jiān)管的不到位，實(shí)現(xiàn)公路工地管理的精細(xì)化、信息化，保障施工人員的現(xiàn)場(chǎng)安全，減少每年工地出現(xiàn)的人員傷亡，進(jìn)而減少人員的傷亡導(dǎo)致的施工延誤[12]。