可視化系統在工程建設中的應用

楊介立，徐代鴻，安 然，高 躍

(華能新能源四川涼山州項目建設聯合指揮部，四川 西昌 615021)

隨著智慧工地安全生產的要求越來越高，目前的視頻圖像識別技術還達不到智能識別的要求，生產中難以實現視頻代替人工。智慧工地的發展給視頻圖像智能識別發展帶來新契機，使人臉識別、安全帽識別技術的研發成為首個條件。無論從技術角度還是經濟效益出發，工地智能行為識別算法的研究都具有極其重要的意義。目前，國外對視頻圖像識別技術的分析研究十分活躍，由 IBM 公司開發的智能監控系統S3(Smart Surveillance System)用于對外部環境的實時監控，針對異常狀況實時報警，并將異常視頻信息實時上傳遠程監控系統上。DARPA 支撐的 AVS 項目基于圖像識別和跟蹤技術，對特定場所采集到的靜態和動態物體信息及多物體的行為進行實時識別分析[1-2]。我國在圖像識別領域依然處在起步階段。

1 系統結構

可視化系統由前端子系統、傳輸網絡和監控中心組成[3]，以實現對工程項目重點施工區域的實時遠程視頻監控。

前端子系統。其作為整個系統的信息采集中心，主要組成設備包括低功耗球機、太陽能電池板、蓄電池組、網橋、可拆卸支架、可移動箱子、存儲設備、喇叭等。前端網絡實現信號的模數變換，將信號傳入網絡。結合現場臨時用電情況，高清網絡攝像機采用以太陽能電池板供電為主、蓄電池從電為輔的供電方式。

圖1 無線網橋示意圖Fig.1 Schematic diagram of wireless bridge

傳輸網絡。由于工程項目監控環境的特殊性較強，有線網絡難以布置，考慮現場實際情況，應采用無線網橋傳輸方式。在無線網橋前端和中心端分別部署定向天線，有效傳輸距離長達數公里，傳輸質量高。當前端與中心端之間存在遮擋物時，在兩者之間選擇中繼點進行傳輸，無線網橋傳輸支持背靠背多對設備傳輸，單設備帶寬可以達80 M以上，可有效滿足監控系統的傳輸。考慮網橋需要布置在距離工地較偏遠的山頂上，風力較大，因此需要具備抗風能力。因工地各工作面比較分散，距離較遠，采用最大傳輸距離的網橋設備。

監控中心。監控中心是整個系統的控制中心，主要由服務器管理系統、存儲系統、解碼系統、控制系統、顯示系統等組成。作為多個工地監控中心的匯聚點，管理區域工地的所有設備，接收所轄電廠監控系統上報的設備，均滿足區域監控中心用戶視頻信息查看、設備控制需求。

圖2 監控中心系統拓撲圖Fig.2 Topological graph of monitoring center system

為保障前端系統的監控質量，監控中心采用雙機雙網配置，雙機分別冗余部署在兩個不同的網絡中；為保障平臺的網絡安全，需在平臺與MIS網、電力綜合數據網之間配置防火墻，通過定義安全策略來實現網絡安全；為實現監控系統的實時性和便捷性，在后臺控制中心加入手機客戶端APP功能。

2 視頻圖像識別

視頻圖像識別技術是工程可視化系統的核心技術，包括人臉識別、安全帽佩戴檢測識別、車牌識別、工地違章現象監控等。

2.1 人臉識別

為減少管控人員的工作強度，提高現場作業效率，避免作業人員頂替的現象，系統使用人物畫像識別技術實現作業人員比對過程。

人物畫像識別技術是基于深度學習的生物特征識別技術，該技術主要包括人臉檢測模塊、圖像預處理模塊、面部特征提取、人臉識別模塊等4個模塊[4-5]。人臉檢測模塊是對輸入圖像進行像素點掃面并對大塊像素點進行分析，以判斷是否存在人臉，及人臉中各器官之間的位置、角度、區域特征信息等；圖像預處理模塊利用灰度化、平滑化、幾何歸一化等技術，消除圖像中不必要的干擾；面部特征提取是基于主要器官之間的幾何特征參數，對圖像進行像素點的特征分類，是一個將復雜高維圖像數據中獲取有用的關鍵信息來描述和表征人臉面部信息的過程。人臉識別時間根據已提取的面部特征進行身份比對、判斷和分類，將輸入的人臉圖像和數據庫中的人臉圖像進行比對，進而判斷圖像中的人員是否為數據庫中的人員。

2.2 安全帽佩戴檢測識別

安全問題已成為施工管理工作的重中之重，而工程建設具有點多、面廣、施工戰線長的特點，為保證施工區域施工現場進出人員的安全，需加強對現場施工人員違章行為的監管。

圖3 安全帽檢測系統架構圖Fig.3 System architecture of safety helmet detecting system

如圖所示，安全帽識別系統通過視頻傳感技術、視頻智能分析技術，配合各類計算機算法，將視頻監控識別到的圖像信息進行分析處理，對檢測到的人員是否佩戴正規要求的安全帽進行報警提醒[6]。

安全帽智能感知識別率可滿足以下條件：安全帽形態學分析佩戴正確性檢測指標滿足70%以上(6 000次穿越分析指標精確度)。通過攝像機自帶的光軸自動調節、光學透霧和光學濾波等功能，能夠適應晴天、陰天、雨天、雪天、霧天等環境下的感知分析。可對告警觸發時自動設定錄像規則，并將報警信息結構化為索引文件存儲在存儲系統中。

2.3 車牌識別

通用車輛進出信息記錄的核心需求是利用最新技術解決人工抄錄車輛相關信息的難點，并結合視頻監控系統對人臉識別，將人員與車輛進行自動關聯，便于進出施工車輛的追蹤和追溯。通用車輛編號識別是核心，也是技術關鍵。工地各種車輛都包含了貨車編碼和貨車性能標志，需要識別的信息包括貨車編碼、性能標志中的載重和自重。

由于通用車輛的類型不同，其編號和性能標志在車體的位置也不同，對車輛的精確識別提出了較高的要求。利用視頻智能分析技術，可實現通用車輛相關信息高效、準確、自動識別獲取，對此類信息進行記錄，便于后續有效分析。利用OCR深度學習技術，通過視頻圖像識別車輛編碼，并通過關聯編碼信息，實現對施工工地現場車輛的有效管控[7]。

圖4 敞車車體印刷的信息Fig.4 Information of car body printing of the gondola car

2.4 工地違章現象監控

對工人違規現象的監控，采用基于人體骨骼關鍵點定位算法的體態特征分析。該算法靠檢測人體主要骨骼18個關鍵點進行動態識別，是目前實現人工智能體態行為識別的常用技術，任何動態行為的識別必須通過人工智能完全復制學習2 000次以上，才能具備人工智能識別該行為的基本條件。該過程要同時兼顧人臉識別，做到及時發現違規操作。

3 總結

智慧工地是運用信息化手段，對施工的各個環節實現信息化、智能化管理。將可視化技術引入工程項目，是智慧工地發展的必然要求。視頻圖像識別技術作為可視化技術的核心技術之一，是推動可視化技術發展的關鍵。當前視頻圖像識別技術有了很大程度的發展，但依然存在精確度低，對環境變化比較敏感等不足。將深度學習引入識別技術，極大推動了視頻圖像識別技術的發展，5G的發展也將極大推動可視化技術的變革。