本發(fā)明涉及信息，尤其涉及一種建筑施工監(jiān)測方法。

背景技術：

1、在建筑施工現(xiàn)場，各工種之間的協(xié)調配合至關重要。傳統(tǒng)的人工監(jiān)督模式難以全面掌握現(xiàn)場的實時動態(tài)，容易出現(xiàn)工種之間銜接不暢、交叉作業(yè)沖突等問題。利用計算機視覺技術進行自動化監(jiān)測，雖然可以實時獲取現(xiàn)場的可視化數(shù)據，但如何從海量的視頻圖像中準確識別不同工種的作業(yè)狀態(tài)，并進行有效的邏輯關聯(lián)和分析，是一個亟待解決的技術難題。

2、具體來說，由于建筑施工環(huán)境復雜多變，不同工種作業(yè)人員的服飾、設備、材料千差萬別，且作業(yè)場景中經常存在遮擋、光照變化等因素的干擾，導致工種識別的準確率難以保證。此外，不同工種之間存在錯綜復雜的邏輯關系，如何根據識別結果合理推斷各工種的作業(yè)進度和銜接情況，并預判可能出現(xiàn)的沖突，也是一個技術挑戰(zhàn)。同時，由于施工現(xiàn)場的動態(tài)性和不確定性，視覺監(jiān)測系統(tǒng)需要具備一定的自適應能力和魯棒性，能夠應對現(xiàn)場的各種變化和突發(fā)情況，持續(xù)輸出可靠的監(jiān)測結果，這對算法的設計和實現(xiàn)提出了更高的要求。

技術實現(xiàn)思路

1、本發(fā)明提供了一種建筑施工監(jiān)測方法，主要包括：

2、獲取施工現(xiàn)場的多視角視頻圖像數(shù)據，采用圖像拼接算法對所述多視角視頻圖像數(shù)據進行融合處理，得到施工現(xiàn)場全景三維場景模型；

3、獲取所述全景三維場景模型中的圖像幀，采用預先訓練的工種識別模型對所述圖像幀進行分析，得到各個工種的作業(yè)人員和設備的位置信息；

4、獲取所述各個工種的作業(yè)人員的位置信息，采用預先訓練的人體姿態(tài)估計模型，對各個作業(yè)人員的姿態(tài)進行分析，得到各個作業(yè)人員的動作狀態(tài)信息；

5、獲取所述各個工種的作業(yè)人員的位置信息和動作狀態(tài)信息，結合預先建立的工種作業(yè)知識庫，判斷各個工種作業(yè)人員的具體作業(yè)狀態(tài)；

6、獲取所述各個工種作業(yè)人員的具體作業(yè)狀態(tài)，采用注意力機制的視覺跟蹤算法，對各個工種作業(yè)人員進行持續(xù)跟蹤，若出現(xiàn)遮擋，則獲取所述遮擋前后的上下文信息和目標特征，將所述上下文信息和目標特征輸入至預先訓練的遮擋處理模型，重新識別目標并恢復狀態(tài)信息；

7、獲取所述各個工種的作業(yè)狀態(tài)信息，采用時空數(shù)據關聯(lián)分析算法，構建不同工種之間的邏輯依賴關系圖，基于預設的工種協(xié)作規(guī)則，判斷不同工種在時間和空間上的銜接是否存在沖突，若存在沖突，則生成預警信息并發(fā)送至現(xiàn)場管理人員終端；

8、獲取所述施工現(xiàn)場的各個工種的最新作業(yè)狀態(tài)信息，采用增量學習算法對所述工種識別模型和人體姿態(tài)估計模型進行優(yōu)化，采用在線學習算法對所述遮擋處理模型進行更新，提高系統(tǒng)的魯棒性和泛化能力。

9、本發(fā)明實施例提供的技術方案可以包括以下有益效果：

10、本發(fā)明公開了一種基于多視角視頻圖像的施工現(xiàn)場智能監(jiān)控方法。該方法通過圖像拼接算法構建全景三維場景模型，利用工種識別和人體姿態(tài)估計模型分析作業(yè)人員狀態(tài)，結合工種作業(yè)知識庫判斷具體作業(yè)狀態(tài)。采用注意力機制的視覺跟蹤算法持續(xù)監(jiān)控各工種，并通過遮擋處理模型解決遮擋問題。通過時空數(shù)據關聯(lián)分析構建工種間邏輯依賴關系，基于預設規(guī)則判斷沖突并生成預警。本發(fā)明還利用增量學習和在線學習算法持續(xù)優(yōu)化各模型，提高系統(tǒng)魯棒性和泛化能力。該方法實現(xiàn)了對施工現(xiàn)場的全方位智能監(jiān)控，有效提升了施工管理效率和安全性。

技術特征：

1.一種建筑施工監(jiān)測方法，其特征在于，所述方法包括：

2.根據權利要求1所述的方法，其特征在于，所述獲取施工現(xiàn)場的多視角視頻圖像數(shù)據，采用圖像拼接算法對所述多視角視頻圖像數(shù)據進行融合處理，得到施工現(xiàn)場全景三維場景模型，包括:

3.根據權利要求1所述的方法，其特征在于，所述獲取所述全景三維場景模型中的圖像幀，采用預先訓練的工種識別模型對所述圖像幀進行分析，得到各個工種的作業(yè)人員和設備的位置信息，包括:

4.根據權利要求1所述的方法，其特征在于，所述獲取所述各個工種的作業(yè)人員的位置信息，采用預先訓練的人體姿態(tài)估計模型，對各個作業(yè)人員的姿態(tài)進行分析，得到各個作業(yè)人員的動作狀態(tài)信息，包括:

5.根據權利要求1所述的方法，其特征在于，所述獲取所述各個工種的作業(yè)人員的位置信息和動作狀態(tài)信息，結合預先建立的工種作業(yè)知識庫，判斷各個工種作業(yè)人員的具體作業(yè)狀態(tài)，包括:

6.根據權利要求1所述的方法，其特征在于，所述獲取所述各個工種作業(yè)人員的具體作業(yè)狀態(tài)，采用注意力機制的視覺跟蹤算法，對各個工種作業(yè)人員進行持續(xù)跟蹤；若出現(xiàn)遮擋，則獲取所述遮擋前后的上下文信息和目標特征，將所述上下文信息和目標特征輸入至預先訓練的遮擋處理模型，重新識別目標并恢復狀態(tài)信息，包括:

7.根據權利要求1所述的方法，其特征在于，所述獲取所述各個工種的作業(yè)狀態(tài)信息，采用時空數(shù)據關聯(lián)分析算法，構建不同工種之間的邏輯依賴關系圖；基于預設的工種協(xié)作規(guī)則，判斷不同工種在時間和空間上的銜接是否存在沖突；若存在沖突，則生成預警信息并發(fā)送至現(xiàn)場管理人員終端，包括:

8.根據權利要求1所述的方法，其特征在于，所述獲取所述施工現(xiàn)場的各個工種的最新作業(yè)狀態(tài)信息，采用增量學習算法對所述工種識別模型和人體姿態(tài)估計模型進行優(yōu)化；采用在線學習算法對所述遮擋處理模型進行更新，提高系統(tǒng)的魯棒性和泛化能力，包括:

技術總結
本申請?zhí)峁┮环N建筑施工監(jiān)測方法，包括：獲取施工現(xiàn)場的多視角視頻圖像數(shù)據，采用圖像拼接算法對所述多視角視頻圖像數(shù)據進行融合處理，得到施工現(xiàn)場全景三維場景模型；獲取所述全景三維場景模型中的圖像幀，采用預先訓練的工種識別模型對所述圖像幀進行分析，得到各個工種的作業(yè)人員和設備的位置信息；獲取所述各個工種的作業(yè)人員的位置信息，采用預先訓練的人體姿態(tài)估計模型，對各個作業(yè)人員的姿態(tài)進行分析，得到各個作業(yè)人員的動作狀態(tài)信息；獲取所述各個工種的作業(yè)人員的位置信息和動作狀態(tài)信息，結合預先建立的工種作業(yè)知識庫，判斷各個工種作業(yè)人員的具體作業(yè)狀態(tài)。

技術研發(fā)人員：王波,吳業(yè)華,趙艷華,高錫奎,陳奕進,楊云,劉有祥,朱建華,李偉雄,秦杰
受保護的技術使用者：廣東德弘建設工程有限公司
技術研發(fā)日：
技術公布日：2025/1/6