可视化系统在工程建设中的应用

杨介立，徐代鸿，安 然，高 跃

(华能新能源四川凉山州项目建设联合指挥部，四川 西昌 615021)

随着智慧工地安全生产的要求越来越高，目前的视频图像识别技术还达不到智能识别的要求，生产中难以实现视频代替人工。智慧工地的发展给视频图像智能识别发展带来新契机，使人脸识别、安全帽识别技术的研发成为首个条件。无论从技术角度还是经济效益出发，工地智能行为识别算法的研究都具有极其重要的意义。目前，国外对视频图像识别技术的分析研究十分活跃，由 IBM 公司开发的智能监控系统S3(Smart Surveillance System)用于对外部环境的实时监控，针对异常状况实时报警，并将异常视频信息实时上传远程监控系统上。DARPA 支撑的 AVS 项目基于图像识别和跟踪技术，对特定场所采集到的静态和动态物体信息及多物体的行为进行实时识别分析[1-2]。我国在图像识别领域依然处在起步阶段。

1 系统结构

可视化系统由前端子系统、传输网络和监控中心组成[3]，以实现对工程项目重点施工区域的实时远程视频监控。

前端子系统。其作为整个系统的信息采集中心，主要组成设备包括低功耗球机、太阳能电池板、蓄电池组、网桥、可拆卸支架、可移动箱子、存储设备、喇叭等。前端网络实现信号的模数变换，将信号传入网络。结合现场临时用电情况，高清网络摄像机采用以太阳能电池板供电为主、蓄电池从电为辅的供电方式。

图1 无线网桥示意图Fig.1 Schematic diagram of wireless bridge

传输网络。由于工程项目监控环境的特殊性较强，有线网络难以布置，考虑现场实际情况，应采用无线网桥传输方式。在无线网桥前端和中心端分别部署定向天线，有效传输距离长达数公里，传输质量高。当前端与中心端之间存在遮挡物时，在两者之间选择中继点进行传输，无线网桥传输支持背靠背多对设备传输，单设备带宽可以达80 M以上，可有效满足监控系统的传输。考虑网桥需要布置在距离工地较偏远的山顶上，风力较大，因此需要具备抗风能力。因工地各工作面比较分散，距离较远，采用最大传输距离的网桥设备。

监控中心。监控中心是整个系统的控制中心，主要由服务器管理系统、存储系统、解码系统、控制系统、显示系统等组成。作为多个工地监控中心的汇聚点，管理区域工地的所有设备，接收所辖电厂监控系统上报的设备，均满足区域监控中心用户视频信息查看、设备控制需求。

图2 监控中心系统拓扑图Fig.2 Topological graph of monitoring center system

为保障前端系统的监控质量，监控中心采用双机双网配置，双机分别冗余部署在两个不同的网络中；为保障平台的网络安全，需在平台与MIS网、电力综合数据网之间配置防火墙，通过定义安全策略来实现网络安全；为实现监控系统的实时性和便捷性，在后台控制中心加入手机客户端APP功能。

2 视频图像识别

视频图像识别技术是工程可视化系统的核心技术，包括人脸识别、安全帽佩戴检测识别、车牌识别、工地违章现象监控等。

2.1 人脸识别

为减少管控人员的工作强度，提高现场作业效率，避免作业人员顶替的现象，系统使用人物画像识别技术实现作业人员比对过程。

人物画像识别技术是基于深度学习的生物特征识别技术，该技术主要包括人脸检测模块、图像预处理模块、面部特征提取、人脸识别模块等4个模块[4-5]。人脸检测模块是对输入图像进行像素点扫面并对大块像素点进行分析，以判断是否存在人脸，及人脸中各器官之间的位置、角度、区域特征信息等；图像预处理模块利用灰度化、平滑化、几何归一化等技术，消除图像中不必要的干扰；面部特征提取是基于主要器官之间的几何特征参数，对图像进行像素点的特征分类，是一个将复杂高维图像数据中获取有用的关键信息来描述和表征人脸面部信息的过程。人脸识别时间根据已提取的面部特征进行身份比对、判断和分类，将输入的人脸图像和数据库中的人脸图像进行比对，进而判断图像中的人员是否为数据库中的人员。

2.2 安全帽佩戴检测识别

安全问题已成为施工管理工作的重中之重，而工程建设具有点多、面广、施工战线长的特点，为保证施工区域施工现场进出人员的安全，需加强对现场施工人员违章行为的监管。

图3 安全帽检测系统架构图Fig.3 System architecture of safety helmet detecting system

如图所示，安全帽识别系统通过视频传感技术、视频智能分析技术，配合各类计算机算法，将视频监控识别到的图像信息进行分析处理，对检测到的人员是否佩戴正规要求的安全帽进行报警提醒[6]。

安全帽智能感知识别率可满足以下条件：安全帽形态学分析佩戴正确性检测指标满足70%以上(6 000次穿越分析指标精确度)。通过摄像机自带的光轴自动调节、光学透雾和光学滤波等功能，能够适应晴天、阴天、雨天、雪天、雾天等环境下的感知分析。可对告警触发时自动设定录像规则，并将报警信息结构化为索引文件存储在存储系统中。

2.3 车牌识别

通用车辆进出信息记录的核心需求是利用最新技术解决人工抄录车辆相关信息的难点，并结合视频监控系统对人脸识别，将人员与车辆进行自动关联，便于进出施工车辆的追踪和追溯。通用车辆编号识别是核心，也是技术关键。工地各种车辆都包含了货车编码和货车性能标志，需要识别的信息包括货车编码、性能标志中的载重和自重。

由于通用车辆的类型不同，其编号和性能标志在车体的位置也不同，对车辆的精确识别提出了较高的要求。利用视频智能分析技术，可实现通用车辆相关信息高效、准确、自动识别获取，对此类信息进行记录，便于后续有效分析。利用OCR深度学习技术，通过视频图像识别车辆编码，并通过关联编码信息，实现对施工工地现场车辆的有效管控[7]。

图4 敞车车体印刷的信息Fig.4 Information of car body printing of the gondola car

2.4 工地违章现象监控

对工人违规现象的监控，采用基于人体骨骼关键点定位算法的体态特征分析。该算法靠检测人体主要骨骼18个关键点进行动态识别，是目前实现人工智能体态行为识别的常用技术，任何动态行为的识别必须通过人工智能完全复制学习2 000次以上，才能具备人工智能识别该行为的基本条件。该过程要同时兼顾人脸识别，做到及时发现违规操作。

3 总结

智慧工地是运用信息化手段，对施工的各个环节实现信息化、智能化管理。将可视化技术引入工程项目，是智慧工地发展的必然要求。视频图像识别技术作为可视化技术的核心技术之一，是推动可视化技术发展的关键。当前视频图像识别技术有了很大程度的发展，但依然存在精确度低，对环境变化比较敏感等不足。将深度学习引入识别技术，极大推动了视频图像识别技术的发展，5G的发展也将极大推动可视化技术的变革。