基于圖像識別的基坑自動化監(jiān)測異常數(shù)據(jù)篩選方法

阮國榮

上海建工集團工程研究總院 上海 201114

1 基坑監(jiān)測現(xiàn)狀

基坑監(jiān)測分為基坑本體以及周邊環(huán)境監(jiān)測2個部分，主要監(jiān)測內(nèi)容包含了支護結(jié)構(gòu)、周邊沉降、土體和建筑物水平位移等。

目前常用的全站儀、水準儀等自動化監(jiān)測設(shè)備，可以自動采集數(shù)據(jù)，然后采用藍牙、GPRS等網(wǎng)絡(luò)通信方式，上傳至線上存儲單元。

工程數(shù)據(jù)監(jiān)測，需要在國標及地方標準的基礎(chǔ)之上，結(jié)合工程所在地的地質(zhì)條件、水文信息以及周邊環(huán)境，推算出適用的監(jiān)測報警限值。而監(jiān)測數(shù)據(jù)很容易受到外界因素的干擾，比如測量導(dǎo)管人為觸碰、監(jiān)測區(qū)域附近大型施工車輛經(jīng)過等，都會引起測值突變。這就使得目前的工地施工監(jiān)測，依然需要大量技術(shù)人員進行人工分析，去除一些不會影響工程安全的超標數(shù)據(jù)。

要讓自動監(jiān)測系統(tǒng)在基坑工程的日常安全管控中發(fā)揮更大的作用，讓自動預(yù)警的有效性得到專業(yè)人員的認可，必須尋找一種可靠的數(shù)據(jù)篩選辦法，降低外部因素對自動監(jiān)測結(jié)果的影響。

2 數(shù)據(jù)篩選原理

本數(shù)據(jù)篩選方法的原理，是尋找數(shù)據(jù)突變與現(xiàn)場人為因素之間的關(guān)聯(lián)，當(dāng)出現(xiàn)數(shù)據(jù)突變時，自動根據(jù)突變發(fā)生時間點前后的圖像變化，來判斷該突變是否由外部人為因素造成[1-2]。

考慮到施工現(xiàn)場的實際情況，根據(jù)工程安全的管理經(jīng)驗，將需要篩選的數(shù)據(jù)對象限定為速率變化超過警戒限制的那部分圖片數(shù)據(jù)。針對這部分數(shù)據(jù)，根據(jù)數(shù)據(jù)監(jiān)測時間的視頻圖像分析，判別是否有人員、車輛或其他施工設(shè)備進入監(jiān)測設(shè)備的受干擾區(qū)域。如果判定結(jié)果監(jiān)測數(shù)據(jù)突變與周邊環(huán)境變化有關(guān)，則將這部分數(shù)據(jù)自動篩選出來，作為后續(xù)人工判別或智能判別的基礎(chǔ)。其實現(xiàn)邏輯如下：

1）根據(jù)不同監(jiān)測項目，設(shè)定監(jiān)測值變化速率的警戒范圍，該報警值可能隨著施工推進發(fā)生變化。

2）當(dāng)自動監(jiān)測數(shù)據(jù)變化速率超出警戒范圍時，觸發(fā)圖像識別系統(tǒng)。

3）圖像識別系統(tǒng)根據(jù)監(jiān)測數(shù)據(jù)報警的時間點，尋找該時間點附近的視頻圖像是否存在變化。

4）當(dāng)圖像存在變化，將該數(shù)據(jù)標識為待篩選數(shù)據(jù)。

5）定時比對待篩選數(shù)據(jù)和最新數(shù)據(jù)，如果產(chǎn)生數(shù)值回落，則可將回落后的監(jiān)測數(shù)據(jù)作為準確數(shù)值進行后續(xù)統(tǒng)計分析，把中間一段波峰數(shù)據(jù)視為外部人為影響造成的突變數(shù)據(jù)（圖1）。

圖1 受人為干擾后自動監(jiān)測數(shù)據(jù)變化

3 圖像識別系統(tǒng)

眾所周知，視頻監(jiān)控的搭建成本與分辨率、碼流成正比。目前市場上已經(jīng)有了很多具備人像識別功能、車輛識別功能的視頻監(jiān)控系統(tǒng)，但這種基于物理輪廓和行為跟蹤的智能檢測分析，需要前端具備高分辨率、碼流的視頻硬件和網(wǎng)絡(luò)帶寬支撐。這樣的系統(tǒng)，雖然可以達到快速判別人員、車輛是否進入監(jiān)測設(shè)備的干擾區(qū)域的要求，但其使用成本決定了其在數(shù)量較大的監(jiān)測點監(jiān)視工作中，無法被大規(guī)模推廣應(yīng)用。

圖像識別系統(tǒng)要做到與數(shù)據(jù)監(jiān)測在實際工程中結(jié)合使用，有2個核心指標必須達成：低成本的視頻采集硬件和高效率的圖像識別軟件。我們針對此需求設(shè)計了專門的圖像識別系統(tǒng)，該系統(tǒng)具備以下特點：

1）持續(xù)運行的網(wǎng)絡(luò)攝像頭，由于采用灰度對比的方式來進行識別，因此攝像頭可選擇比較便宜的型號，對清晰度沒有要求，也不需要控制云臺等配件，光感度良好即可。

2）當(dāng)數(shù)據(jù)突變發(fā)生時，本系統(tǒng)是針對突變時間點以前的一段7 s的視頻進行分析，該時間段為考慮到施工現(xiàn)場的人員和車輛的運行速度得出的經(jīng)驗值。

3）一個視頻源可以同時對多個監(jiān)測設(shè)備進行觀測，分析其干擾因素。

4）多個視頻源可以形成網(wǎng)絡(luò)重疊，用分布式計算的方式同時判別，相互校驗判別結(jié)果。

4 圖像識別算法

在圖像處理中，圖像的頻率代表了圖像中各個區(qū)域灰度變化的劇烈程度，是灰度在平面空間上的變化梯度。如果把圖片看成一個二維信號，一個維度是單元坐標，一個維度是單元灰度，可以發(fā)現(xiàn)灰度變化劇烈的區(qū)域，一般稱之為圖像的高頻成分，正是對象的邊緣區(qū)域，它描述的是對象的具體細節(jié)；而圖像的低頻區(qū)域則描述圖像的整體框架。顯然，灰度轉(zhuǎn)化是將高維圖像數(shù)據(jù)進行簡化的最有效方式之一。

首先，我們要把需要分析的視頻段落，進行畫面截取，按1幀/s，獲得8張圖片。

然后，把這些圖片通過縮小尺寸來去除高頻信息。因為最終分析結(jié)果取決于單位區(qū)域灰度變化的分析，因此圖像的尺寸、縱橫比并不影響分析的結(jié)果。我們將圖片壓縮至8×8像素或者12×12像素的標準尺寸（單個項目中，一旦選定壓縮比，就不再變化；壓縮比與攝像頭安裝位置、拍攝范圍有關(guān)），不保留縱橫比，摒棄圖片尺寸差異。

接著，將壓縮后的圖片轉(zhuǎn)換，獲得一組64像素或144像素的灰度圖像（圖2）。

圖2 8×8像素圖像布局

假設(shè)5-5為監(jiān)測設(shè)備所在區(qū)域，5-5和與其相鄰的8個像素構(gòu)成設(shè)備的受干擾區(qū)域，這個區(qū)域的4個對角元素3-3、3-7、7-3、7-7為參照系。

計算8張圖片中受干擾區(qū)域灰度變化率，灰度值變化率=[第（n＋1）秒灰度值－第n秒灰度值]/第n秒灰度值。

當(dāng)干擾區(qū)域的灰度值變化率高于4個參照系中灰度值變化率最小的一個時，即判定干擾區(qū)域內(nèi)存在干擾因素，并設(shè)定為條件A。

在施工現(xiàn)場，會選定不同的光照強度，對人員或設(shè)備進入干擾區(qū)域后，灰度值變化率進行預(yù)測，選擇3～10組數(shù)據(jù)進行分析，得出一個灰度值變化率的上下限區(qū)域，并將灰度值變化率處于該區(qū)段內(nèi)設(shè)定為條件B。

當(dāng)條件A、B同時成立，即判定為人員、車輛或其他設(shè)備進入干擾區(qū)域。

5 數(shù)據(jù)篩選算法

經(jīng)過監(jiān)測數(shù)據(jù)的自動預(yù)報警和圖像識別系統(tǒng)的判定，即可得到一個速率變化超標時間，并知道這個點是否受到人員和車輛等外部因素干擾。

假設(shè)監(jiān)測數(shù)據(jù)的變化速率在后續(xù)的線性變化中，出現(xiàn)負值，則在下次速率歸0前必然會出現(xiàn)一個低于監(jiān)測數(shù)據(jù)峰值的回落下探。線性分析時，系統(tǒng)可自動篩選掉這部分數(shù)據(jù)，把這部分數(shù)據(jù)視為外部因素造成的突變數(shù)據(jù)（圖3）。

從圖3可見，自動數(shù)據(jù)監(jiān)測的數(shù)值判定算法是整個數(shù)據(jù)篩選算法的起始，當(dāng)發(fā)生數(shù)值超標時，觸發(fā)分支算法——視頻圖像識別，這個分支根據(jù)圖像比對來判斷是否存在人為因素干擾，并將判定結(jié)果傳遞到主算法。當(dāng)人為干擾判定成立時，記錄起始時間點，在后續(xù)測值速率出現(xiàn)負值時，自動捕捉測值波谷作為結(jié)束時間點，將該時間段與預(yù)設(shè)的閾值進行比對（一般設(shè)為5 min，可根據(jù)施工現(xiàn)場管理需要調(diào)整），如果時間段長度小于閾值設(shè)定，則判定該時間段內(nèi)的全部數(shù)據(jù)為可篩選數(shù)據(jù)，并進行標記。

圖3 數(shù)據(jù)篩選整體邏輯

用戶在后續(xù)數(shù)據(jù)分析功能，例如報警短信提示、數(shù)據(jù)匯總、數(shù)據(jù)曲線繪制等功能中，根據(jù)需要自行決定是否屏蔽這部分監(jiān)測數(shù)據(jù)。

6 結(jié)語

本文提出了一種基于圖像識別的基坑自動監(jiān)測數(shù)據(jù)篩選方法。針對基坑自動監(jiān)測數(shù)據(jù)容易受到外部人為因素影響的問題，給出了一個切實可行的解決方案。該篩選方法，充分考慮了施工現(xiàn)場的實際環(huán)境，在低成本實施的條件下，對突變超標數(shù)據(jù)進行了有效甄別。隨著系統(tǒng)的運行以及積累數(shù)據(jù)量的豐富，系統(tǒng)中一些預(yù)設(shè)閾值會愈發(fā)合理，輸出的數(shù)據(jù)篩選的結(jié)果也會更加的準確。將來還可以通過機器學(xué)習(xí)算法的引入，通過工程類型、施工方法、施工參數(shù)等元素，自動推算更佳的篩選條件。也可以根據(jù)篩選結(jié)果，用大數(shù)據(jù)手段反向指導(dǎo)現(xiàn)場文明施工，協(xié)助施工安全管理。