视觉识别在现场施工人员安全管理系统中的应用

沈灿钢

（江阴职业技术学院 电子信息工程系，江苏 江阴 214405）

0 引 言

目前，工程建设领域每年发生的人员伤亡数高居不下。随着基础建设以及新基建的不断扩张，工程施工量急剧上升，工地施工人员的安全问题也成为了施工企业关注的焦点。为了最大程度地保证现场施工人员的安全，工地常会安排监管人员对现场施工人员是否佩戴安全帽进行监督，同时监管人员也需要实时地观察工地情况，避免施工人员因摔倒而发生事故。同时，工地上需要禁止现场施工人员抽烟，避免发生火灾等情况。这些均属于监管人员的工作范畴，但这会消耗大量的人力资源，也无法保证监管人员能够及时发现风险。

基于计算机视觉技术的管理系统可以通过摄像头对现场工地进行实时的视频分析，并准确地判断出现场施工人员的行为是否规范[1]，代替人工监管现场是否有人员未佩戴安全帽、是否有施工人员摔倒，以及是否有人员违规抽烟等情况，从而大幅度地降低了现场的人力耗费，提高监管效率；同时覆盖了人力监管的盲区与死角，能够更快地发现危险情况，最大程度地降低安全风险。

本文研究的施工工地视觉管理系统分为三大模块：人员安全帽穿戴识别模块、现场抽烟告警模块以及人员摔倒告警模块[2]。该系统能够极大程度地减轻工地安全监管压力，与人力监管相结合能够更好地保证现场施工人员的安全。

1 人员安全帽穿戴视觉识别模块

1.1 人员安全帽穿戴识别检测系统

安全帽穿戴识别系统在安全生产中起着重要的作用。7×24 h检查和监督员工佩戴安全帽，可以提高工人的安全意识，减少安全事故的发生。随着行业需求的不断细分，头盔识别系统也将快速迭代，产生适用于不同行业、不同身份、不同颜色的安全帽，可以设置不同的场景和不同的区域。对安全帽或工作服进行分级管理，对重点区域进行部署和设防，允许授权人员（安全帽穿戴）或组员进入，未经确认的则自动报警。前期对以上各种安全信息进行大量采集、标注和处理，在算法上采用了人体姿态评估pose和分类检测技术，对于pose部分使用了自上而下的方法，先用目标检测算法检测出人，然后对人进行单个姿态评估[3]。本设计主要是检测出人的头部信息，进而使用分类算法检测人的头部是否穿戴安全帽。安全帽穿戴识别系统处理的逻辑流程如图1所示。

图1 安全帽穿戴识别系统处理的逻辑流程

1.2 人员安全帽穿戴识别异常处理模块

人员安全帽穿戴识别异常处理模块主要是对未戴安全帽的行为进行检测，并记录未戴安全帽的异常行为数据。采用FFmpeg对多媒体数据进行编辑和存储，对RTSP数据流硬解码，将解码后的图片帧数据发送给算法模型进行计算[4]，对于异常数据触发语音播报和异常信息推送，并记录相关的异常图片和前后五秒小视频，实时计算当前画面是否出现未戴安全帽行为，并将异常数据进行保存，同时可以在前端展示和查看异常历史数据。人形检测算法使用了YOLOv3+K-means+GUI。图2是网络结构。实际测试结果如图3所示。

图2 网络结构

图3 实际测试效果

2 现场抽烟告警模块

2.1 现场抽烟识别告警系统

在施工现场是严禁出现明火的，在严禁用火的地方吸烟、随手乱扔烟头，接触到易燃、易爆的物品，极易引发火灾，发生严重安全事故。传统的管理模式下人员管理的负担较大，管理效率不高，无法24 h全覆盖监管。公路工地视觉管理系统中的现场抽烟告警模块能够通过施工现场的摄像头对人员抽烟进行实时无死角地检测与分析，对人员抽烟情况进行及时抓拍与告警[5]。

2.2 人体姿态预估算法

本文采用实时多目标人体姿态预估算法，实时检测摄像机识别区域内人员[6]。通过摄像机中的视频流抽取出RGB图像，图像中检测出多人的人体骨骼结构，并预估出人体关节的空间坐标，综合分析出人体的头部、颈部、手腕和脚踝等关键部位。如图5所示，其中左边为人体姿态预估关键点模型[7]，右边为多目标人体关键点预估图。分析每个人的头部，并检测人的唇部附近是否存在香烟，如果检测到香烟则视为存在违规抽烟行为（如图6所示），将违规记录推送至可视化的系统管理平台。

图5 人体姿态预估模型和多目标人体关键点预估

图6 违规抽烟行为检测

3 人员摔倒告警模块

3.1 人体摔倒视觉检测告警系统

工地环境复杂，机械、车辆、建材等因素都对人员安全存在潜在威胁，如果施工人员摔倒更会增加事故风险，过往管理中对于人员摔倒事件较难监控预警，这为安全管理造成了更多不确定风险[8]。对此本文结合公路工地实际情况，开发了基于计算机视觉技术的人员摔倒告警模块，可以帮助安全管理者及时发现现场的人员摔倒事件，并且能及时报警，进而与其他模块联动，以确保工地内人员的人身安全，减少安全管理过程中的危险因素，提升安全管理智能化、数字化的质量。

3.2 基于深度学习的视觉检测

人员摔倒告警模块立足工地已有监控系统的视频摄像头资源，对现场环境人员进行在线分析。系统检测到摔倒事件，进行实时告警，工作流程如图7所示。首先判断画面中是否有物体运动，进而对发生运动的视频帧进行检测，对于其中的人员进行人体关键点检测，以得到人员姿态的骨骼图；通过对骨骼图的分析，确定视频帧中的人员人体姿态，如果姿态为摔倒，则触发报警逻辑，否则重复以上检测流程[9]。

图7 人员摔倒告警模块工作流程

基于计算机视觉技术构建了以上检测流程，其中人形检测、关键点检测、姿态分类器均基于深度学习技术，依托海量的现场数据，经由人工标注，采用GPU计算平台进行多轮训练与精调[10]，才得到了符合实际应用标准的模型[11]。

4 结 语

在计算机视觉技术日益更新的时代，以机器代替人工对施工现场进行实时监管是一种必然的趋势[12]。一方面，工地现场摄像头的全方位无死角监控加上计算机视觉管理系统能够做到更快更精确地对现场人员的行为进行实时分析，并及时告警，避免危险事故的发生[13]；另一方面，机器代替人工能够很大程度地降低人力资源的耗费，同时也避免了人力监管的不到位，实现公路工地管理的精细化、信息化，保障施工人员的现场安全，减少每年工地出现的人员伤亡，进而减少人员的伤亡导致的施工延误[12]。