基于圖像分析識別的安全監控和數字信息化應用技術分析

摘要 建筑基坑邊坡位移監測對于建筑結構的安全高效施工具有重大意義。為了實現建筑基坑邊坡的實時智能監測，開發了一種基于機器視覺的建筑基坑邊坡自動化安全監測系統。該系統相較于傳統人工監測而言，不僅大大節約了成本，而且施工監測效率也得到大幅度提高。建筑基坑邊坡位移經機器采集成圖像后進行基坑識別處理，得到相應的基坑圖像坐標后進行三維重建，然后通過計算分析確定是否需要位移的報警。為了實現施工人員的實時應用該系統，開發了移動端APP及短信報警功能，起到了智能化信息化應用效果。研究結果可為類似工程提供一定的參考價值。

關鍵詞 機器視覺； 建筑基坑； 邊坡位移； 智能監測； 信息化應用

中圖分類號 TP391.413 文獻標志碼 A

0引言

隨著人工智能技術的快速發展，各行各業都在追求智能化，人工智能技術日新月異。在土木工程行業，同樣在推行智能建造、智能施工和智能監測［1-2］。其中，施工現場的基坑智能監控顯得更加尤為重要［3］。目前，對基坑的監測多采用傳統的人工監測，依賴于需要更多人工、無法確保數據真實、無法做出智能預警預報的傳統監測設備。這就表明智能實時監測是十分有必要的。機器視覺就是實現這一要求的一個重要途徑和方法，已然成為基坑監測研究領域的重點研究內容。

國內外眾多學者對智能監測系統平臺及機器視覺應用展開了大量研究。張家煒［4］開發出了可以自動化、大面積、高精度采集基坑變形數據并對數據進行自動化分析的非接觸式基坑變形監測系統，該系統有效提高了監測精度。肖思奇［5］對機器視覺技術在工程施工智能監測領域的應用前景進行了闡述，給出了機器視覺應用方向的展望。方亞文和王琦［6］將機器視覺應用到混凝土裂縫檢測中，通過提取經機器視覺技術得到的圖像特征，識別分析了混凝土裂縫。吳涵等［7］針對目前常見的混凝土裂縫檢測技術進行了總結分析，強化了機器視覺在混凝土裂縫檢測中的應用效果和前景。劉丹洋［8］將機器視覺應用到露天礦邊坡裂隙檢測中，實現了對邊坡的有效管控。傅宇浩等［9］提出了一種基于機器視覺的邊坡裂縫監測技術，該技術可精確分割與識別邊坡裂縫，有較好的應用價值。朱誠［10］基于機器視覺和深度學習開發了一套山體地質災害智能勘測系統及評估方法，該系統可實時計算出滑坡的狀態。時夢杰等［11］結合機器視覺和暗通道先驗技術，提出了一套霧天環境下的邊坡監測技術，有效實現了視覺監測在霧天環境的應用。

綜上，目前對機器視覺應用及邊坡監控的研究取得了顯著成果。但是在建筑基坑邊坡中基于機器視覺進行智能監控的案例和研究還相對較少，并且鮮有開展移動端信息化應用與研究的。本文以此為依據，首先對自動化智能化監控的必要性、趨勢等方面進行了介紹；緊接著，一項關鍵技術的實現——機器視覺；隨后開發出基坑邊坡自動化安全監控系統，該系統基于機器視覺理論；最后，系統平臺的應用前景和技術特點以及移動端平臺的介紹。研究結果可為類似工程提供一定的參考價值。

1自動化智能監測的必要性和趨勢性

隨著物聯網技術、通信技術、測量技術的發展，自動化監測依托于智能傳感技術和通信技術，結合大數據AI分析技術，已成為當前工程安防監控發展趨勢的新型自動化監控和智能化監控。表1給出了傳統的人工監控和自動化安防監控的對比分析。

2機器視覺圖像分析識別關鍵技術

2.1視頻監控設備安裝地點選擇

根據施工安全的實際情況，針對目標結果將施工作業的不利因素進行分類。在保障不利條件下數據采集可靠的前提下，根據施工作業的實際情況，選取合適信息采集地點，保證施工現場信息采集的可靠。

2.2雙目立體視覺系統

采用機器視覺測量方法進行基坑變形、表面位移等監測。雙目立體視覺系統是雙目立體視覺基于視差原理，一般由2臺相機從不同角度同時獲取被測物表面的數字圖像，從而得到物體的三維幾何信息。雙目立體視覺摸型如圖 1 所示，如果僅有單相機成像，只能確定某空間點所在的射線，不能得到具體的三維坐標，但加入右相機后，則可以結合2張圖像的信息唯一確定出測點的三維位置。

2.3圖像增強

在進行建筑工地資料采集時，可能會因天氣不利而導致錄像資料的清晰度較低，而圖像增強是為了利用機器學習來識別錄像中的內容。根據需要，在削弱或去除無用資料的同時，突出影像中有用的資訊，圖像增強也可視為資料預處理的一部分。在圖像增強時應注意：避免放大雜訊，提升整體與局部的影像對比度。

2.4目標檢測算法

計算機視覺領域的一個基礎性問題是目標檢測。目標檢測（Object detection）不僅要識別圖像中的物體是什么，還要對圖像中物體的位置進行定位，也就是畫出物體的邊界框（Bounding box）。識別和定位圖像中的基坑位置，也就是對問題進行目標探測。

YOLOv2目標檢測技術因其在檢測速度、定位精度、檢測種類等多方面具有優勢，是一種比較全面性能的目標探測方法，對于大尺度、多數量、多種類、實時性等要求完成空間結構目標探測具有一定優勢。本文選取YOLOv2 作為深度學習算法框架進行基坑實時監測。

2.5圖像匹配

對于2幅或多幅數字圖像，在不同圖像中分別找到描述同一空間點區域的過程，稱為圖像匹配（Matching），是區別于2D測量的三維視覺測量的一項關鍵技術。圖像匹配的方式比較多，比較常用的有以灰度為基礎和以特征為基礎的匹配方式。要選擇不同的圖像匹配方式，提高匹配精度和計算效率，用于不同類型的測量目標和測量環境。

3基于機器視覺的基坑邊坡自動化安全監測系統

3.1自動化安全監測系統基礎模塊

建筑基坑邊坡自動化安全監測系統具有監測基坑變形、裂縫、雨量、基坑水位、土壤濕度及表面位移等參數及環境監測的功能。通過該系統可以將監測參數傳輸集成在一個云平臺上，形成一套綜合監控系統。通過該系統還能將相關數據通過微信或短信發送給相關部門管理人員，實現重大危險源實時預（報）警的功能。基坑變形監測是整個系統的核心功能，所采用的技術方案不同于傳統的全站儀、GPS-RTK監測方法，而是采用機器視覺的技術方案，來實現基坑的實時監測和預警功能。而環境監測，是指通過視覺方式監測環境中的不安全因素，如現場施工人員未佩戴或未正確佩戴安全帽的提示警示等。

共需設置圖像采集模塊、圖像識別定位模塊、基坑監控模塊、預警模塊四大模塊，來實現基于機器視覺的基坑邊坡自動化安全監控系統。具體的基于機器視覺的基坑邊坡監測系統技術路線如圖 2 所示。

（1）圖像采集模塊：在標定雙攝像頭后，對目標區域圖像進行實時采集，選擇合適的視頻監控設備和鏡頭參數，布設雙眼可視系統。

（2）圖像識別定位模塊：利用深度學習算法自動識別和定位每幀圖像中的基坑位置，得出每幅二維圖像中各測點的坐標，以采集到的圖像為輸入。

（3）基坑監控模塊：利用相機標定信息和圖像識別定位模塊輸出的測點坐標信息作為輸入，匹配測點，得到不同視頻監控圖像中測點的一一對應關系，再對每一組二維坐標進行三維重建，得到測點空間坐標，最后通過對基坑空間坐標在不同時間下進行三維位移的計算，得出不同視頻監控圖像中測點的三維位移。

（4）報警模塊：設定一定閾值，根據基坑監測模塊計算結果，超過閾值立即報警。以中等誤差作為衡量精度的指標，根據基坑變形測量，以2倍誤差作為極限誤差。機器視覺監測基坑變形的精度，不低于GB 50026-2020《工程測量規范》規定的二等測量等級的要求，見表2。

3.2系統平臺及移動端平臺

基于上述關鍵技術及基本模塊，搭建了基于機器視覺的基坑邊坡自動化安全監測系統平臺，如圖3所示。同時為了方便施工人員應用該平臺，并實現預警預報的功能，還開發了移動端APP及短信報警功能，如圖4所示。

4技術特點

機器視覺位移監測器利用空間二維標靶和微型攝像采集器之間的相對位移，主要測量建筑物或監測點的橫向位移與豎向沉降等參數；可應用于基坑周邊沉降與水平位移、邊坡沉降與水平位移監測以及其他建筑物沉降與水平位移的自動化監測。主要技術特點為：

（1）精度：0.1～0.5 mm可配置，范圍可按需配置100 cm，距離：500 m可配置，采用高分辨全彩色面陣傳感器。寬窄視野組合，實現高精度，大范圍的位移監測。

（2）速度：分析采集頻率1次/s，無線傳輸。

（3）安全性：人眼安全，被動式機器視覺無激光輻射。對比市面上主流設備如：全站儀，采用發射激光的主動式測距，另外也有使用強激光對面板連續照射測位移產品，對人眼不安全。

（4）成本低：機器視覺傳感器在工業與消費電子領域廣泛應用，技術進步快，成本低。

（5）智能感知： 可感知大視野范圍的環境光信息。引入深度神經網機器學習算法以及云計算技術。本產品除了對基坑邊坡位移監測外，可擴展實現如：邊坡周邊的環境變化，三維建模及人員邊坡進入監測等。

5結束語

本文基于機器視覺的圖像識別分析技術，搭建了基于機器視覺的基坑邊坡自動化安全監測系統平臺。該技術和平臺可用于基坑變形監測、表面位移監測、雨量測量、裂縫變形監測、動水位測量、土壤濕度及安全防護自動報警等。同時，通過5G或有限網絡將數據傳輸至云平臺，在經過大數據分析及深度學習的圖像識別分析技術算法，將圖像變化情況轉化為圖文數據，最后將相關數據通過移動端APP或短信發送給相關部門負責人，作到重大危險源實時預（報）警。

參考文獻

［1］徐陽，金曉威，李惠.土木工程智能科學與技術研究現狀及展望［J］.建筑結構學報，2022，43（9）：23-35.

［2］尤志嘉，吳琛，劉紫薇.智能建造研究綜述［J］.土木工程與管理學報，2022，39（3）：82-87+139.

［3］葉曉康. 基于視覺測量的基坑變形系統的設計與開發［D］.蘇州： 蘇州科技大學，2018.

［4］張家煒.非接觸式自動化基坑變形監測技術研究［J］.四川建材，2022，48（5）：69-70.

［5］肖思奇.機器視覺技術在工程施工安全管控中的應用研究［J］.建筑經濟，2022，43（11）：85-90.

［6］方亞文，王琦.基于機器視覺的混凝土裂縫檢測方法及其在變電站工程中的試用效果［J］.四川水泥，2022（11）：131-133.

［7］吳涵，王睿，周春寧.基于機器視覺的混凝土裂縫檢測中預處理綜述［J］.四川建筑，2022，42（4）：259-262.

［8］劉丹洋. 基于機器視覺的露天礦邊坡裂隙檢測及量化統計研究［D］.西安： 西安建筑科技大學，2021.

［9］傅宇浩，郭沛，劉鵬宇，等.基于計算機視覺的公路邊坡裂縫檢測方法［J］.測控技術，2021，40（5）：62-66.

［10］朱誠. 基于移動機器視覺和深度學習的地質災害監測勘察及評估方法研究［D］.深圳： 深圳大學，2018.

［11］時夢杰，陶庭葉，高飛，等.霧天環境下機器視覺的邊坡監測方法［J］.測繪通報，2022（6）：88-92.