-
公开(公告)号:CN117079185A
公开(公告)日:2023-11-17
申请号:CN202311052781.4
申请日:2023-08-21
Applicant: 上海交通大学
IPC: G06V20/40 , G06V10/22 , G06V40/10 , G06V40/20 , G06Q10/0635 , G06Q10/0639
Abstract: 本发明涉及一种基于计算机视觉的工人入侵施工危险区域风险评估方法,包括:获取工人施工区域的视频信息;对视频信息进行工人目标检测和危险区域标注,提取人体骨架关键点位置坐标和危险区域边界线坐标;根据人体骨架关键点位置坐标和危险区域边界线坐标提取人体距离危险区域边界线的距离、人体步行运动方向、人体步行运动的步频和人体步行运动的步态周期稳定性,从而获取各个指标的风险评估数据;根据各个指标的风险评估数据的波动性计算各个指标的权重;根据各个指标的风险评估数据和对应的权重,获取工人入侵施工危险区域的风险评估结果。与现有技术相比,本发明具有能针对工人个体差异,获取精细化的入侵施工危险区域的风险评估结果等优点。
-
公开(公告)号:CN116778582A
公开(公告)日:2023-09-19
申请号:CN202310748542.6
申请日:2023-06-25
Applicant: 上海交通大学
IPC: G06V40/20 , G06V10/774 , G06V10/77 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于计算机视觉的建筑施工现场工人跌倒前兆检测方法,包括:获取施工现场视频流;建立人体三维姿态估计模型并进行训练,提取三维坐标系中工人人体骨架关节点的坐标值;利用主成分分析方法,对工人人体骨架关节点坐标矩阵进行降维,并选取对人体三维姿态估计模型有正面或负面影响的人体骨架关节点;基于权重函数融合有正面影响的人体骨架关节点的三维坐标信息,构建基于改进Fusion‑KNN的机器学习模型并进行训练,获得最优化权重函数;基于机器学习模型检测工人跌倒前兆,并输出工人人体姿态的状态:稳定、失去平衡或跌倒。与现有技术相比,本发明预测准确,且可以在事前获取工人的跌倒风险程度,实现施工现场工人跌倒事故的事前预防。
-
公开(公告)号:CN116645633A
公开(公告)日:2023-08-25
申请号:CN202310633024.X
申请日:2023-05-31
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于计算机视觉的工人翻越围栏行为检测方法和系统,方法包括针对施工现场监控摄像机获得的视频,首先,通过实例分割算法判断视频中工人是否接触到了围栏;其次,通过3D骨架识别算法获得视频中工人当前的动作姿态,并将其与通过预先建立的不安全行为数据库中的判断规则阈值进行比对,判断工人是否存在围栏翻越的动作;最后,融合上述两种算法的检测结果,综合判断工人翻越围栏不安全行为的出现概率。与现有技术相比,本发明能够提高施工现场工人翻越围栏不安全行为的检查效率,从而提高施工现场安全管理水平,并可推广至施工现场其他多种工人不安全行为的检测。
-
公开(公告)号:CN116469037A
公开(公告)日:2023-07-21
申请号:CN202310437824.4
申请日:2023-04-23
Applicant: 上海交通大学
IPC: G06V20/40 , G06V20/52 , G06V40/20 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/09 , G06N3/084
Abstract: 本发明涉及一种基于计算机视觉的挖掘机与人碰撞事故预警方法及系统。本发明首先通过目标检测、2D关键点检测、3D姿势识别等计算机视觉算法,对施工现场视频流进行工人和挖掘机的3D骨架识别;其次,基于挖掘机3D骨架在工作状态下的3D运动姿态,划定出挖掘机工作状态下周围的3D动态危险区域;最后,对工人的3D骨架关键点是否入侵了挖掘机工作状态下周围的3D动态危险区域进行判断,作为是否有挖掘机与人碰撞危险的依据,如有危险则发出预警。与现有技术相比,本发明通过计算机视觉技术构建了挖掘机工作状态下周围的3D动态危险区域,提升了挖掘机与人碰撞事故自动预警的精确性和有效性,最大程度避免了误判的发生,有利于施工现场的智能化安全管理。
-
公开(公告)号:CN116665305A
公开(公告)日:2023-08-29
申请号:CN202310708247.8
申请日:2023-06-15
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于计算机视觉和知识图谱的工人行为检测方法,包括:获取施工现场图像,并根据目标检测模型,进行施工现场目标实体的识别;采用全景分割模型对施工现场图像进行全景分割,获取工人所处的场景信息;采用轨迹跟踪识别模型对施工现场图像中的工人进行运动轨迹跟踪,获取工人的运动状态信息;根据从施工现场图像获取的信息进行二次数据挖掘,获取与本体模型相对应的图像特征信息,从而创建图形数据实例;根据图形数据实例,通过与规则库中规则进行条件匹配,从而判断不安全行为类型、不安全行为的后果和给出不安全行为的干预或管理措施。与现有技术相比,本发明具有能实现对工人不安全行为的自动判断,且易于拓展,能够灵活适应不同施工场景的需求等优点。
-
公开(公告)号:CN116629813A
公开(公告)日:2023-08-22
申请号:CN202310451934.6
申请日:2023-04-24
Applicant: 上海交通大学
IPC: G06Q10/105 , G06Q10/10
Abstract: 本发明涉及一种基于智能安全帽的施工人员管理系统及其方法,该系统包括分别与管理平台通信连接的智能安全帽、管理方客户端、施工人员客户端,智能安全帽用于记录施工人员行动轨迹、拍摄现场照片、记录施工人员的佩戴时间及脱帽时间并传输至管理平台,从管理平台接收安全指导信息后进行提示;管理方客户端用于录入施工人员个体信息、施工手册信息、施工规划内容并传输至管理平台,从管理平台接收备选膳食方案信息、施工人员清单信息、施工人员安全行为报告;施工人员客户端用于将个体作息时间上传至管理平台,从管理平台接收安全指导信息后进行展示。与现有技术相比,本发明能够个性化、精细地对多名施工人员进行综合管理,提高管理方的工作效率。
-
-
-
-
-