公开(公告)号：CN108052881A

公开(公告)日：2018-05-18

申请号：CN201711241150.1

申请日：2017-11-30

Applicant: 华中科技大学

Inventor： 骆汉宾 ,  丁烈云 ,  方伟立 ,  钟波涛 ,  刘佳静 ,  张永成

IPC: G06K9/00 ,  G06K9/32 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于机器视觉的实时检测施工现场多类实体对象的方法及设备，该方法包括：步骤1，利用训练过的卷积神经网络从施工现场的原始图像中提取特征图像；步骤2，使用区域建议网络从特征图像中提取候选区域；步骤3，在快速卷积神经网络中使用候选区域；步骤4，使区域建议网络和快速卷积神经网络共享卷积层，得到实时卷积神经网络；步骤5，利用实时卷积神经网络识别待检测的施工现场图像中的实体对象。本发明的设备包括用于执行上述方法的计算机程序。本发明能够实时识别施工现场的多类实体对象，为复杂环境下建筑工程施工全过程进度、安全管理提供重要基础。

公开(公告)号：CN107862331A

公开(公告)日：2018-03-30

申请号：CN201711045704.0

申请日：2017-10-31

Applicant: 华中科技大学

Inventor： 骆汉宾 ,  丁烈云 ,  方伟立 ,  钟波涛 ,  刘佳静 ,  张永成

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

CPC classification number: G06K9/6267 ,  G06N3/0454 ,  G06N3/08

Abstract: 本发明公开了一种基于时间序列及CNN的不安全行为识别方法及系统，通过将不安全行为的训练集视频的原始数据输入卷积神经网络进行训练和学习，从卷积神经网络的最后一层池化层输出空间特征向量；将空间特征向量作为时间递归神经网络的输入，使用时间递归神经网络学习其中包含的时间序列依赖关系进而学习空间行为的时间序列表示，得到平均池化特征向量；将平均池化特征向量输入softmax层，得到卷积神经网络和时间递归神经网络的深度混合学习模型，即softmax分类器；利用softmax分类器对施工现场的监控视频进行在线识别，识别出施工现场的不安全行为。本发明能够为建筑工程施工全过程中不安全行为的实时侦查和矫正提供支持。