基于深度学习的不安全行为管理技术*

程 哲,程 剑,苏 章,刘晓鸿,李文建,吴诚云,赵恩堂

(1.中建三局集团(深圳)有限公司,广东 深圳 518110; 2.中建三局第一建设有限责任公司,湖北 武汉 430041)

0 引言

安全管理一直是项目管理中的重中之重,传统施工现场安全管理方式主要依靠人工查看方式,存在效率低下、无法兼顾所有监控信息源、不能及时发现安全隐患等问题。新冠肺炎疫情大环境下,对施工现场安全管理提出了更高要求。

近年来,监控系统在施工现场的普及及深度学习在语音识别、图像识别方面的应用,为施工现场安全管理提供了新视角。基于深度学习算法的人工智能图像识别技术已逐步成熟,利用AI算法可对现场出入口、工作面、日常巡检位置等场景的不安全因素进行智能识别、拍照取证、警示提醒等,利用人工智能技术进行视频监控管理,能代替人工完成规范现场工人行为、发现安全隐患等工作。并利用人脸识别、人数统计结合实名制管理系统建立安全智能管理机制,提高现场安全管控水平。

1 关键技术

将AI算法与视频管理系统进行有机结合,开发了基于视频监控的安全管理系统,实现监控录像、算法识别数据的集成应用。通过人脸识别、人数统计结合实名制管理系统创新安全智能管理模式,提高现场安全管控水平,为施工现场安全管理提供智能化识别技术和高效管控机制。

1.1 集成智能算法视频监控安全管理系统

1.1.1基于对抗神经网络的算法库开发

在研究现有成熟图像识别算法的基础上,针对现场安全管理重难点,结合技术特点与适用性,利用项目丰富的视频监控数据,进行训练优化,并且专业人员采用算法反哺模式,持续不断提高图片识别准确率,建立安全管理算法库。算法包括人脸识别、安全帽识别、反光衣识别、越界监测、口罩识别和智能人数识别。算法反哺模式下的不安全行为识别如图1所示。

图1 算法反哺模式下的不安全行为识别

算法训练以业界标准的PyTorch框架为基础,为每种算法准备至少8 000多份图片和元素标记素材。其中量化训练6 000多份,结果测试训练2 000多份。通过反复多次训练并进行结果比较,优化算法检测结果,保证最优识别有效率。通过在实际施工工程中不断收集实时高清照片方式,不断积累、更新并补充算法库图片,形成海量图片库,并且专业人员采用算法反哺模式,持续不断地提高图片识别准确率,目前识别率均达到99%以上,且识别时间在500ms以内。优化识别率的算法基础架构如图2所示。

图2 优化识别率的算法基础架构

1.1.2集成智能算法视频监控系统架构研究

研究视频监控系统的硬件架构,将AI算法与视频管理系统进行有机结合,完成视频监控安全管理系统的开发(见图3),实现监控录像、算法识别数据的集成应用。

图3 基于AI算法的视频监控开发

1.1.3集成智能算法视频监控安全管理系统软件开发

智能算法视频监控安全管理系统主要功能包括监控实时查看、视频录像回放、视频导出、算法配置、识别信息统计分析、安全问题自动响应等(见图4),在满足传统监控管理平台的基础上,集成AI算法识别数据。

图4 智能算法视频监控安全管理系统主要功能

1.2 基于视频监控的安全管理AI智能装置

自主研发的AI智能魔屏、电梯超限两项智能装置实现了施工现场出入口及施工电梯等多场景安全智能监控,将AI算法用于现场实际管理,达到利用人工智能算法提高现场安全管控水平的目的。

1.2.1AI智能魔屏装置

通过一体成型机身及将零部件高度封装,研发了一种AI魔屏装置(见图5)。在PLC上安装有信息采集模块、无线传输模块、储存模块、信息处理模块和报警模块,达到利用人工智能算法提高现场安全管控水平的目的。

图5 AI智能魔屏装置

1.2.2电梯超限装置

电梯超限装置适用于一种基于信息化的无人驾驶施工电梯,通过电梯内摄像机获取信息传输至交换机后反馈至监控显示器,工作原理如图6所示。电梯超限装置整体设计如图7所示。

图6 电梯超限装置工作原理

图7 电梯超限装置整体设计

在应用过程中,电梯内显示器在无人员出入时,循环播放安全教育提示片,当有人进入时,利用摄像头获取电梯轿厢内状况,利用AI图像分析技术,通过分析结果对施工电梯进行管控,并对乘坐人员未佩戴安全帽、未穿反光衣、人数超限等问题进行语音播报提醒,解决了施工电梯机械化程度小的问题,并提高使用效率,可将分析结果数据储存。

1.3 基于不安全行为视频监控的现场安全智能管控技术

基于AI算法的智能装置在项目上的使用,实现了软件、算法、数据接口及设备间的通信和链接,进行多采集端数据融合。魔屏、鱼眼摄像头、智能安全帽、巡检眼镜、巡检机器狗以及在施工现场部署的各类摄像头等监控设备的定位数据,与拍摄到的画面数据同步传输至数据网关,同一时空范围的监控设备统一进行行为识别,多源数据进行融合监测,并对结果融合判定,最终将不安全行为的实施人员、实施地点、照片等结果推送至前端,增强对不安全行为的识别能力与空间定位能力。基于不安全行为视频监控的现场安全智能管控技术如图8所示。

图8 基于不安全行为视频监控的现场安全智能管控技术

基于深度学习算法的不安全行为智能识别技术,实现了项目管理人员可视化管理与领导远程管控,完成“项目-区域-公司”的智能安全管控体系的建立,推动管理信息化,有效提升了项目安全管控能力。

2 推广应用情况

该技术在荆州市民之家建设项目和新江湾城F区F1-D地块商办项目施工中完成了试点应用。

荆州市民之家建设项目是集政务服务、公共资源交易、大数据统计分析、人防宣传教育、妇女儿童与青少年活动、科学科普为一体的公共活动场所。总建筑面积8.02万m2,地下1层,地上6层,建筑高度32.1m;新江湾城F区F1-D地块商办项目总建筑面积13.6万m2,地下2层,裙楼4层,塔楼49层,总高度280m,建成后将成为杨浦第一高楼,致力打造新的核心商业区。AI魔屏及电梯超限设备在项目上的应用,将项目监控数据接入AI管理平台进行AI识别及记录。

3 社会及经济效益分析

3.1 社会效益

通过应用该技术,对项目安全隐患实现全面排查,从源头减小安全事故发生的可能性,同时可有力规范现场工作人员行为,提高安全文明施工水平,创造显著的社会效应和环境保护价值,同时在行业内率先完成人工智能、大数据等高新技术的应用探索,提升行业信息化水平,推动行业管理模式和生产方式的变革。

3.2 经济效益

自本成果在荆州市民之家项目应用起,项目每月新增不安全行为通报220起,预警安全风险76处,安全事故较之前每月减少5起,同时可减少项目安全事故发生概率及发生安全事故导致的经济损失。为项目建设AI安全管理平台节约软硬件采购费用共计3.3万元。目前试点应用项目达12个,直接经济效益约3.3×12=39.6万元以上。

4 实施应用前景

1)升级改造“零”成本 目前许多项目配备了先进的视频监控系统,本课题只需在现有监控系统基础上稍加改造,便可施行,在硬件上具备推广可行性。

2)提升项目安全管控水平 将深度学习算法与项目安全管理进行有机结合,推动公司项目管理信息化,提升工作效率,着实有效提升项目安全管控水平。

3)助推数据提质增效 目前,建筑行业正处于数字化转型的关键进程中,基于深度学习的不安全行为智能识别技术为项目现有视频监控数据提质增效,将静态视频数据转化为动态管理信息,为建筑行业发展创造更深远的价值。