基于計算機圖像識別的工程監(jiān)理新模式探索

李奇巖

(上海建科工程咨詢有限公司，上海 200010)

0 引言

施工現(xiàn)場環(huán)境多變且復(fù)雜，工程施工人員交叉作業(yè)、高空作業(yè)多，施工作業(yè)人員安全意識薄弱，因此是一個具有一定安全隱患的復(fù)雜環(huán)境。目前，施工現(xiàn)場的工程監(jiān)理仍然采用的是人工監(jiān)察，人工監(jiān)管具有效率低，排查慢，預(yù)防性差等特點，與此同時也常常出現(xiàn)監(jiān)督人員不足，管理工作量大，違規(guī)行為操作無法有效杜絕，事故發(fā)生處理不及時，取證難度大等問題。隨著科技的進步，視頻監(jiān)控系統(tǒng)、無人機與計算機圖像識別技術(shù)的結(jié)合為上述問題提供了新思路，也為工程監(jiān)理行業(yè)開辟了一個新的發(fā)展方向，同時也符合建筑智能化、信息化的發(fā)展趨勢。

1 基于圖像識別的工程監(jiān)理發(fā)展現(xiàn)狀

圖像識別技術(shù)是一種能夠在視頻和圖片中檢測出樣本物體的算法，常見的圖像識別技術(shù)包括人臉識別、行人檢測、車輛檢測、物品檢測等。近年來，國內(nèi)的專家學(xué)者對圖像傳輸和處理也有了較大的進展，并不斷將圖像識別技術(shù)應(yīng)用到工程領(lǐng)域各個方面，如利用無人機技術(shù)結(jié)合數(shù)字圖像識別技術(shù)檢查施工現(xiàn)場鋼筋數(shù)量、間距、尺寸是否符合要求[3]，將圖像識別應(yīng)用于橋梁裂縫檢測[6]，或者利用圖像識別技術(shù)打造一套鐵塔施工現(xiàn)場的智能監(jiān)控系統(tǒng)[5]等等。

2 應(yīng)用于工程監(jiān)理的計算機圖像識別系統(tǒng)平臺搭建

目前圖像識別技術(shù)應(yīng)用于施工領(lǐng)域較多，與傳統(tǒng)工程監(jiān)理業(yè)務(wù)相結(jié)合的應(yīng)用相對較少，因此本文建立了一套與傳統(tǒng)監(jiān)理業(yè)務(wù)相結(jié)合的計算機圖像識別系統(tǒng)，系統(tǒng)建立流程如圖1所示，并以識別現(xiàn)場施工人員施工作業(yè)時安全帽佩戴情況為例論述該系統(tǒng)在工程監(jiān)理領(lǐng)域的應(yīng)用，進而打造一種現(xiàn)代科技與傳統(tǒng)監(jiān)理業(yè)務(wù)相結(jié)合的工程監(jiān)理新模式。

2.1 采集施工現(xiàn)場圖像數(shù)據(jù)

本系統(tǒng)開發(fā)過程中對于現(xiàn)場施工圖像數(shù)據(jù)的獲取主要采取兩種方式，一種是安裝在活動板房的半固定攝像頭(如圖2所示)，另一種方式是無人機搭載高清攝像機。半固定攝像頭安裝有軌道，可在一定范圍內(nèi)進行移動和旋轉(zhuǎn)，通過調(diào)節(jié)攝像頭位置及角度本系統(tǒng)平臺在搭建過程中選定了299個特定場景，可以覆蓋整個施工現(xiàn)場，通過Python語言編程可以實現(xiàn)攝像頭對299個特定場景進行自動巡航，從而實現(xiàn)實時的、全過程的、不間斷地獲取整個施工現(xiàn)場圖像數(shù)據(jù)。無人機搭載高清攝像機的獲取圖像數(shù)據(jù)的方式為人為操作無人機對建筑物細部或者環(huán)繞施工場地進行拍攝，在系統(tǒng)平臺搭建過程中建立了用于接收無人機圖像數(shù)據(jù)的rtmp服務(wù)器，通過圖傳技術(shù)可以將獲取的圖像數(shù)據(jù)實時上傳至系統(tǒng)平臺，更快捷地排查施工現(xiàn)場局部安全隱患。

2.2 圖像預(yù)處理

圖像數(shù)據(jù)的獲取是圖像識別系統(tǒng)的關(guān)鍵步驟，然而由于施工現(xiàn)場環(huán)境較為復(fù)雜，攝像頭或無人機采集回來的圖像數(shù)據(jù)往往清晰度不高，且光線對圖像也造成一定的影響，為弱化圖像數(shù)據(jù)中由于拍攝原因造成的不良干擾,以便提高圖像識別的準確度,需要對圖像進行預(yù)處理，將圖像標準化。本系統(tǒng)搭建過程中首先對獲取的圖像數(shù)據(jù)采用H.264編解碼技術(shù)對每一幀進行解碼將其轉(zhuǎn)換為RGB圖像數(shù)據(jù)，然后對其采用“高斯濾波”“圖像歸一化”及“圖像特定尺寸縮放”等方式進行處理，從而提高圖像質(zhì)量,增強細節(jié)顯示,強調(diào)圖像特征，具體處理過程如圖3所示。

2.3 圖像特征提取

圖像處理結(jié)束后需要對圖像特征進行提取，圖像特征骨干網(wǎng)絡(luò)提取的好壞直接關(guān)系到整個檢測識別的準確度。在本系統(tǒng)平臺搭建過程中，提取圖像特征骨干網(wǎng)絡(luò)采用深度殘差卷積神經(jīng)網(wǎng)絡(luò)(英文簡稱DenseNet)，通過基于模型權(quán)重的遷移學(xué)習(xí)方法，在已有的DenseNet預(yù)訓(xùn)練模型上，結(jié)合所采集的工程圖像數(shù)據(jù)對其實現(xiàn)微調(diào)，得到一個適用于工程圖像數(shù)據(jù)領(lǐng)域的深度學(xué)習(xí)訓(xùn)練模型，具體處理過程如圖4所示。

2.4 目標檢測與識別

攝像頭、無人機獲取的圖像數(shù)據(jù)經(jīng)過圖像預(yù)處理、特征提取后可以得到一個深度學(xué)習(xí)訓(xùn)練模型，在獲取大量圖像的前提下可以構(gòu)建一個深度學(xué)習(xí)訓(xùn)練模型集合，對該集合進行標記目標對象(如：未戴安全帽的操作工人)可以得到一個初步的檢測識別模型，利用深度學(xué)習(xí)技術(shù)對初步檢測識別模型進行前期訓(xùn)練和后期優(yōu)化兩個階段后可以實現(xiàn)構(gòu)建最終的檢測識別模型。

在檢測識別模型的構(gòu)建過程中，前期模型訓(xùn)練首先采用人工標記，人工標記通過矩形框的形式對深度學(xué)習(xí)訓(xùn)練模型集合進行標注從而得到一個初步的檢測識別模型，將該模型數(shù)據(jù)與基“Anchor”機制的目標檢測位置實現(xiàn)回歸、擬合訓(xùn)練，通過批量的數(shù)據(jù)訓(xùn)練，得到一個經(jīng)過訓(xùn)練后的檢測識別模型，驗證訓(xùn)練后的檢測識別模型，若正確率達到90%以上則視為訓(xùn)練完成，進入后期優(yōu)化階段，若正確率未達到則進行重新訓(xùn)練(如圖5所示)。

對于已訓(xùn)練完成的工程圖像數(shù)據(jù)檢測識別模型后期優(yōu)化采用人工異常矯正，模型自我強化學(xué)習(xí)的方式。在此階段，對獲取的經(jīng)圖像預(yù)處理后實時圖像數(shù)據(jù)用訓(xùn)練好的檢測識別模型進行目標對象的檢測與識別，識別有誤時進行人工矯正，使檢測識別模型根據(jù)矯正信息實現(xiàn)重新學(xué)習(xí)自我更新，從而使模型優(yōu)化，當準確率達到項目實際需求時(如準確率95%)即可投入使用，完成圖像識別系統(tǒng)平臺搭建工作，未達到則繼續(xù)進行優(yōu)化(如圖6所示)。應(yīng)用于工程監(jiān)理的圖像識別系統(tǒng)如圖7所示。

3 結(jié)合圖像識別系統(tǒng)處理現(xiàn)場安全隱患

以識別某項目施工現(xiàn)場施工作業(yè)人員安全帽佩戴情況為例，對基于圖像識別系統(tǒng)的工程監(jiān)理新模式下安全隱患處理過程進行簡述。在視頻監(jiān)控設(shè)備安裝完成后，將上述系統(tǒng)平臺安裝在項目監(jiān)理部電腦上，將系統(tǒng)平臺賬號與項目主管安全的監(jiān)理工程師手機號綁定，當系統(tǒng)檢測到施工現(xiàn)場有施工人員未佩戴安全帽時，系統(tǒng)將以短信的形式將報警信息發(fā)送給主管安全的監(jiān)理工程師，監(jiān)理工程師可根據(jù)短信報警時間在系統(tǒng)查找該時間段視頻資料，下載保存后可作為后期對施工單位開出整改通知的依據(jù)(見圖8)。

4 結(jié)語

通過現(xiàn)場安全佩戴情況識別的例子可以證明圖像識別技術(shù)與傳統(tǒng)監(jiān)理業(yè)務(wù)相結(jié)合的可行性和實用性，目前系統(tǒng)在搭建過程中成功以安全帽佩戴和防護欄設(shè)置兩種安全隱患作為有效目標進行識別，該技術(shù)還可進一步用于高空作業(yè)安全帶佩戴、安全網(wǎng)缺失等其他施工安全隱患，能夠有效完成工程監(jiān)理中安全監(jiān)督的任務(wù)。除此之外，基于圖像識別系統(tǒng)下的工程監(jiān)理模式在管理方面不僅減少了安全監(jiān)理工程師工作量，同時還最大限度的提高了工程監(jiān)理的安全監(jiān)管力度，另一方面，對于施工人員，在視頻監(jiān)控24 h不間斷的安全監(jiān)管下，施工人員個人的操作也會得到一定的約束，使得他們在施工過程中更加規(guī)范自己的行為，從而更有效的做到自主管理。