張守甲

為了保障施工安全，對(duì)施工現(xiàn)場(chǎng)的危險(xiǎn)行為進(jìn)行實(shí)時(shí)監(jiān)測(cè)和識(shí)別至關(guān)重要。近年，計(jì)算機(jī)視覺(jué)技術(shù)在此領(lǐng)域的應(yīng)用逐漸受到研究者的關(guān)注，其中目標(biāo)檢測(cè)算法是關(guān)鍵技術(shù)之一。傳統(tǒng)的目標(biāo)檢測(cè)算法，如Faster R-CNN、YOLO 等，在識(shí)別建筑工程施工現(xiàn)場(chǎng)危險(xiǎn)行為時(shí)面臨背景復(fù)雜、目標(biāo)多樣、尺度變化大等挑戰(zhàn)，檢測(cè)效果不佳。單次多框檢測(cè)器（Single Shot MultiBox Detector，SSD）[1]具有較高的檢測(cè)精度和速度，但在處理小目標(biāo)及密集分布的目標(biāo)時(shí)仍存在不足。筆者根據(jù)施工現(xiàn)場(chǎng)的特性，對(duì)SSD 算法進(jìn)行改進(jìn)，包括增加特征層次、優(yōu)化默認(rèn)框設(shè)置、引入非極大值抑制等，以對(duì)建筑工程施工現(xiàn)場(chǎng)危險(xiǎn)行為進(jìn)行識(shí)別。通過(guò)試驗(yàn)驗(yàn)證，改進(jìn)后的算法在建筑工程施工現(xiàn)場(chǎng)危險(xiǎn)行為的識(shí)別中準(zhǔn)確率和實(shí)時(shí)性更高。本研究的目的是為建筑施工現(xiàn)場(chǎng)的安全監(jiān)控提供技術(shù)支持，以實(shí)現(xiàn)自動(dòng)識(shí)別危險(xiǎn)行為并及時(shí)預(yù)警，降低施工現(xiàn)場(chǎng)的事故風(fēng)險(xiǎn)。

1 提取建筑工程施工現(xiàn)場(chǎng)危險(xiǎn)行為

設(shè)置建筑工程施工現(xiàn)場(chǎng)危險(xiǎn)行為特征子集為Null 集合，這個(gè)操作有添加和刪除2 個(gè)選項(xiàng)。使用Wrapper 進(jìn)行特征抽取。假設(shè)Gaussian 貝葉斯分類器[2]當(dāng)前狀態(tài)（特征子集）的分類準(zhǔn)確度為立即受益，此時(shí)可完成建筑工程施工現(xiàn)場(chǎng)危險(xiǎn)行為提取。

提取建筑工程施工現(xiàn)場(chǎng)危險(xiǎn)行為的步驟如下：第1，將建筑工程施工現(xiàn)場(chǎng)危險(xiǎn)行為圖像進(jìn)行標(biāo)準(zhǔn)化、離散化等預(yù)處理，得到訓(xùn)練樣本。第2，計(jì)算各個(gè)施工現(xiàn)場(chǎng)危險(xiǎn)行為特征的信息熵與信息熵均值，把施工現(xiàn)場(chǎng)危險(xiǎn)行為特征信息熵大于信息熵均值的特征標(biāo)記在信息熵表中。第3，計(jì)算各施工現(xiàn)場(chǎng)危險(xiǎn)行為特征的Pearson 系數(shù)和Pearson 系數(shù)平均值，用Pearson 表對(duì)施工現(xiàn)場(chǎng)危險(xiǎn)行為進(jìn)行統(tǒng)計(jì)分析。第4，將訓(xùn)練數(shù)據(jù)與Pearson 表、信息熵表[3]一起輸入Agent 中，Agent根據(jù)具有附加和剔除特性的施工現(xiàn)場(chǎng)危險(xiǎn)行為的差別利益來(lái)判定。第5，Agent 經(jīng)過(guò)一段時(shí)間的訓(xùn)練之后，可以得到Q表。在對(duì)Q表進(jìn)行分析后按R環(huán)排列，提取施工現(xiàn)場(chǎng)危險(xiǎn)行為特征子集。

按照上述5 個(gè)步驟，設(shè)定建筑工程施工現(xiàn)場(chǎng)危險(xiǎn)行為數(shù)據(jù)集為：

式中：Y為施工現(xiàn)場(chǎng)危險(xiǎn)行為數(shù)據(jù)集函數(shù)；（Yj）M×E為M個(gè)建筑工程施工現(xiàn)場(chǎng)危險(xiǎn)行為和E個(gè)樣本特征。

建筑工程施工現(xiàn)場(chǎng)危險(xiǎn)行為樣本的種類參量為：

式中：D為建筑工程施工現(xiàn)場(chǎng)危險(xiǎn)行為樣本數(shù)量；dj為施工現(xiàn)場(chǎng)j的危險(xiǎn)行為樣本。

設(shè)定施工現(xiàn)場(chǎng)危險(xiǎn)行為樣本數(shù)據(jù)集為（D1，D2，…，DM）T，那么建筑工程施工現(xiàn)場(chǎng)危險(xiǎn)行為特征集可用（g1，g2，…，gE）表示，其中g(shù)∈M。

將現(xiàn)有建筑工程施工現(xiàn)場(chǎng)危險(xiǎn)行為特征集輸入改進(jìn)的SSD 算法中，輸出最優(yōu)施工現(xiàn)場(chǎng)危險(xiǎn)行為特性子集的過(guò)程為：

1）初始化施工現(xiàn)場(chǎng)危險(xiǎn)行為特征子集H=φ，將備選特征集合T設(shè)為T(mén)=（g1，g2，…，gE）。

2）通過(guò)對(duì)個(gè)體行為特征進(jìn)行統(tǒng)計(jì)分析，得到個(gè)體信息熵度與信息熵度平均值，并用Pearson 表對(duì)其進(jìn)行統(tǒng)計(jì)分析。

3）通過(guò)分析不同因素之間Pearson系數(shù)和Pearson 系數(shù)平均值，將其大于平均值的數(shù)據(jù)加入Pearson 表中。

4）若H=φ，任意加入一個(gè)施工現(xiàn)場(chǎng)危險(xiǎn)行為特征W，W∈T。

5）從T中選擇一處建筑工地的特點(diǎn)W，計(jì)算特征子集的正確率，并將其設(shè)為SW。找出當(dāng)前工地危害行為特征子區(qū)集H中特征之間相關(guān)性最大的特點(diǎn)，在特征庫(kù)中隨機(jī)選擇一個(gè)特性V，計(jì)算出施工現(xiàn)場(chǎng)危害行為特征子集H/{V}的分類準(zhǔn)確率，并將其設(shè)定為SV，將SW與SV中值最大的施工現(xiàn)場(chǎng)危險(xiǎn)行為設(shè)成決策[4]，則有：

式中：f為性能轉(zhuǎn)換因子。

根據(jù)以上危險(xiǎn)行為的決策結(jié)果，計(jì)算Q值，刷新Q表格。

6）判斷是否滿足終止條件，若滿足則終止，并根據(jù)Q表格中最大的Q值輸出所對(duì)應(yīng)的子集；如果沒(méi)有，則進(jìn)入第4）步。通過(guò)以上6 個(gè)步驟，可以得到建筑工程施工現(xiàn)場(chǎng)危險(xiǎn)行為特征。

2 危險(xiǎn)行為極坐標(biāo)變換

為確保危險(xiǎn)行為坐標(biāo)的一致性，必須將各危險(xiǎn)行為特性進(jìn)行坐標(biāo)轉(zhuǎn)換?？梢杂玫芽朳5]坐標(biāo)（x，y），在一張建筑工地危害行為圖片中，對(duì)所有行為特性的像素坐標(biāo)進(jìn)行描述，還可以用極坐標(biāo)（r，θ）加以說(shuō)明，則r和θ為：

式中：（x0，y0）為坐標(biāo)原點(diǎn)，假定其為（0，0），可以用一個(gè)復(fù)數(shù)z來(lái)表示：

假 設(shè)：w=l nz=f1（r，θ） +i f2（r，θ） = l nr+iθ，則卡爾坐標(biāo)可由式（7）轉(zhuǎn)換為對(duì)數(shù)極坐標(biāo)的變換方程式：

在笛卡爾坐標(biāo)系下，若與坐標(biāo)原點(diǎn)相比，有縮放和旋轉(zhuǎn)現(xiàn)象，則其極坐標(biāo)（r，θ）可表示為（r+r0，θ+θ0），其對(duì)數(shù)極坐標(biāo)（u，v）將轉(zhuǎn)換成u=lnr+lnr0，v=θ+θ0。在笛卡爾坐標(biāo)系下，相對(duì)于對(duì)數(shù)極坐標(biāo)，施工現(xiàn)場(chǎng)危險(xiǎn)行為影像變化僅僅是在水平和豎直2 個(gè)方向上的平動(dòng)，并具有對(duì)數(shù)極化坐標(biāo)的縮放和轉(zhuǎn)動(dòng)不變性。

3 建立危險(xiǎn)行為識(shí)別模型

圍繞獲取的施工現(xiàn)場(chǎng)危險(xiǎn)行為特征和危險(xiǎn)行為極坐標(biāo)變換，構(gòu)建危險(xiǎn)行為識(shí)別模型。

筆者將影像中的危險(xiǎn)行為作為辨識(shí)目標(biāo)。在辨識(shí)危險(xiǎn)行為之前，必須先擷取出危險(xiǎn)行為的輪廓。在此基礎(chǔ)上，以影像中的橫向?yàn)閄軸、豎向?yàn)閅軸，將人體為圓心的坐標(biāo)設(shè)為（x0，y0），則外形等高線的某一點(diǎn)（xb，yb）可以從該點(diǎn)到該中心點(diǎn)的距離來(lái)計(jì)算該坐標(biāo)位置，因此，在建筑工地上進(jìn)行危險(xiǎn)行為時(shí)比較容易判定人體的姿勢(shì)，計(jì)算公式為：

設(shè)定建筑工程施工現(xiàn)場(chǎng)危險(xiǎn)行為模型Bj相應(yīng)的第i個(gè)施工現(xiàn)場(chǎng)行為特征是Bji。設(shè)置不同類型的工地危害行為資料，并進(jìn)行相應(yīng)的行為表征。對(duì)于所獲得的Bji的分布式特性，需去除冗余特性，詳細(xì)公式為：

式中：r為Bji的樣本數(shù)目，xji、yji為施工現(xiàn)場(chǎng)危險(xiǎn)行為特征分布范圍。

利用方差變量對(duì)不同行為的特征量進(jìn)行統(tǒng)一，并對(duì)其進(jìn)行規(guī)范化處理，從而獲得高精度的差別行為。

把建筑工程施工現(xiàn)場(chǎng)危險(xiǎn)行為特征集合G={B1，B2，B3，B4}設(shè)定為待辨識(shí)對(duì)象，并且按照順序辨識(shí)G，將標(biāo)準(zhǔn)危害行為模型Bj進(jìn)行比較，可以得到Bj（G），即：

選取Bj（G）中的最高值，則有：

因?yàn)槟：蛹疊1、B2、B3、B4只屬于域內(nèi)O的一個(gè)子集，因此，為提高識(shí)別結(jié)果的準(zhǔn)確性，根據(jù)實(shí)際的危險(xiǎn)行為建設(shè)現(xiàn)場(chǎng)值來(lái)測(cè)試，設(shè)定從屬度門(mén)限值θ。如果Bj（G）超過(guò)從屬度門(mén)限值θ，那么存在第j類施工現(xiàn)場(chǎng)危險(xiǎn)行為；如果Bj（G）低于從屬度門(mén)限值θ，那么施工現(xiàn)場(chǎng)不存在危險(xiǎn)行為。

4 基于改進(jìn)的SSD 識(shí)別人與危險(xiǎn)源空間位置關(guān)系

識(shí)別人與危險(xiǎn)源常用的方法是目標(biāo)檢測(cè)算法，即通過(guò)訓(xùn)練一種能自動(dòng)識(shí)別圖像中物體的模型，檢測(cè)出圖像中的人和危險(xiǎn)源。目前，常用的目標(biāo)檢測(cè)算法是SSD。SSD 是一種單次多框檢測(cè)器，能夠在單一的神經(jīng)網(wǎng)絡(luò)中完成物體檢測(cè)任務(wù)。為了提高檢測(cè)的準(zhǔn)確性，可以對(duì)SSD 進(jìn)行改進(jìn)，例如使用更深的卷積神經(jīng)網(wǎng)絡(luò)，例如VGG16、ResNet 等，來(lái)增加訓(xùn)練數(shù)據(jù)的多樣性[7]。

一旦準(zhǔn)確檢測(cè)出人和危險(xiǎn)源在圖像中的位置，就要確定他們之間的空

除了人和危險(xiǎn)源之間的距離，還可以進(jìn)一步分析他們的相對(duì)位置。例如，如果人的位置在危險(xiǎn)源的正下方或者正前方，可以認(rèn)為他們之間存在某種特定的空間關(guān)系。這種關(guān)系的判斷可以通過(guò)編寫(xiě)規(guī)則或者使用機(jī)器學(xué)習(xí)算法來(lái)實(shí)現(xiàn)。

通過(guò)上述方法，可以有效識(shí)別出建筑工程施工現(xiàn)場(chǎng)中人與危險(xiǎn)源之間的空間位置關(guān)系。這不僅有助于及時(shí)發(fā)現(xiàn)潛在的安全隱患，而且可以為管理者提供決策支持，如優(yōu)化施工布局、調(diào)整安全措施等。

5 試驗(yàn)檢測(cè)

5.1 試驗(yàn)準(zhǔn)備

結(jié)合建設(shè)項(xiàng)目實(shí)例，收集了近年來(lái)在本地同類項(xiàng)目中發(fā)生的各種危害行為的安全事故報(bào)道，并對(duì)事故報(bào)道進(jìn)行分類和編號(hào)。抽取有關(guān)細(xì)節(jié)，創(chuàng)建CSV 文件，并將CSV 文件輸入數(shù)據(jù)庫(kù)中。試驗(yàn)所需的儀器設(shè)備參數(shù)如表1 所示。

表1 儀器設(shè)備參數(shù)

5.2 試驗(yàn)結(jié)果

以工程建設(shè)全過(guò)程50 個(gè)星期的工地危害行為作為試驗(yàn)數(shù)據(jù)，選取其中任意6 周數(shù)據(jù)以及兩種已有的危險(xiǎn)行為識(shí)別方法與文中設(shè)計(jì)方法進(jìn)行對(duì)比。將文獻(xiàn)[2]中提出的基于改進(jìn)OpenPose算法的礦工危險(xiǎn)行為識(shí)別研究記為方法1，將文獻(xiàn)[6]中提出的基于強(qiáng)化學(xué)習(xí)的建筑工程施工現(xiàn)場(chǎng)危險(xiǎn)行為識(shí)別方法記為方法2。通過(guò)試驗(yàn)對(duì)比，得到不同方法下危險(xiǎn)行為識(shí)別成功次數(shù)，結(jié)果如表2 所示。由表可知，在連續(xù)6 周的試驗(yàn)中，本文設(shè)計(jì)的方法對(duì)危險(xiǎn)行為識(shí)別成功的次數(shù)均高于方法1和方法2。本文方法的平均識(shí)別成功次數(shù)為18.3 次，而方法1 和方法2 的平均識(shí)別成功次數(shù)均為13 次。由此可以看出，本文設(shè)計(jì)的改進(jìn)后的SSD 建筑工程施工現(xiàn)場(chǎng)危險(xiǎn)行為識(shí)別方法，在危險(xiǎn)行為識(shí)別方面具有更高的準(zhǔn)確性和可靠性，能有效識(shí)別施工現(xiàn)場(chǎng)的危險(xiǎn)行為，為預(yù)防和應(yīng)對(duì)安全事故提供有力支持。

表2 危險(xiǎn)行為識(shí)別成功次數(shù)

6 結(jié)語(yǔ)

基于改進(jìn)SSD 的建筑工程施工現(xiàn)場(chǎng)危險(xiǎn)行為識(shí)別技術(shù)，不僅提高了危險(xiǎn)行為的識(shí)別率，而且對(duì)非危險(xiǎn)行為的誤報(bào)率也有所降低。這項(xiàng)技術(shù)不僅增強(qiáng)了施工現(xiàn)場(chǎng)的安全性，也為企業(yè)提供了有力的數(shù)據(jù)支持，幫助管理者做出更準(zhǔn)確的決策。然而，技術(shù)的進(jìn)步永無(wú)止境，未來(lái)還需要進(jìn)一步研究更高效、更精確的危險(xiǎn)行為識(shí)別方法，以應(yīng)對(duì)更為復(fù)雜多變的施工現(xiàn)場(chǎng)環(huán)境。期待更多的技術(shù)創(chuàng)新為建筑工程安全保駕護(hù)航。