一种基于物联网的智慧视觉感知处理系统

本发明涉及工程感知，具体为一种基于物联网的智慧视觉感知处理系统。

背景技术：

1、在现有的智慧工地工程项目中，利用人工智能技术预防、处理工地安全风险问题，通过运用物联网、云计算、大数据和人工智能等新兴技术，实现了工地资源的集成、信息的共享和工作流程的优化，在提高工程效率的同时，也提高了施工质量和安全性，但大部分智慧工地视觉感知系统中集合了大量的物联网监控设备、流动人员和建筑物品，在一个封闭区域集中了过多的人、物、料，形成的影响因素过多，在现有利用人工智能技术充分监管智慧工地内的异常情况下，就会导致在视觉感知设备在多个算法场景检测下的算力需求增加，实时性降低，大量感知数据无法满足实施检测的要求，实时性较低。因此，设计有效的安全风险感知和提高工地智能感知能力的一种基于物联网的智慧视觉感知处理系统是很有必要的。

技术实现思路

1、本发明的目的在于提供一种基于物联网的智慧视觉感知处理系统，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：一种基于物联网的智慧视觉感知处理系统，包括数据信息采集模块、感知数据识别判断模块、量化评级与感知处理模块模块，其特征在于：所述数据信息采集模块用于利用智能设备采集智慧工地的相关生产要素数据信息，所述感知数据识别判断模块用于对采集感知的数据进行清洗识别的预处理，以及进行感知判断，所述量化评级与感知处理模块模块用于对智慧工地中各指标进行量化评级和进行自动化感知反馈。

3、根据上述技术方案，所述数据信息采集模块包括：视觉感知区域模块、数据图像序列采集模块和数据图像增强模块，所述视觉感知区域模块用于确定进行数据信息感知采集的视觉感知区域，所述数据图像序列采集模块用于对工程施工场地的数据和视图影像序列进行采集，所述数据图像增强模块用于进行多路数据图像的增强。

4、根据上述技术方案，所述感知数据识别判断模块包括：数据清洗预处理模块、异常数据识别判断模块、传感器数据融合模块和数据可信程度计算模块，所述数据清洗预处理模块用于对传感器采集感知数据进行数据的清洗预处理，所述异常数据识别判断模块用于根据异常数据的定义对传感器采集感知的数据进行判别，所述传感器数据融合模块用于进行传感器数据的融合，所述数据可信程度计算模块用于利用支持度函数确定传感器数据的可信程度。

5、根据上述技术方案，所述量化评级与感知处理模块模块包括：模糊综合评价模块、可靠程度计算模块、综合影响矩阵建立模块、自动化感知反馈模块，所述模糊综合评价模块用于确定各评价指标的集合，对评价标准的等级划分进行分析，所述可靠程度计算模块用于基于数据有效性和可用性计算工地设备的可靠程度，所述综合影响矩阵建立模块用于构造计算智慧工地各个要素的影响度、被影响度、中心度和原因度的综合影响矩阵，所述自动化感知反馈模块用于基于综合影响矩阵分析结果进行自动化的感知反馈。

6、根据上述技术方案，所述智慧视觉感知处理系统的执行方法包括：

7、利用通过包括无人机、监控摄像头、传感器、智能安全帽、激光扫描仪的智能设备采集智慧工地施工现场人员、施工设备、建筑材料的生产要素数据信息；

8、利用激光扫描仪进行三维模型，建立获取具有真实纹理信息的施工场地三维实景模型；

9、对采集感知的数据进行清洗识别的预处理，得到正常数据和异常数据；

10、基于智慧工地配置的多监测点，对各监测点传感器数据进行数据融合，利用融合值识别干扰数据；

11、根据预处理后的数据和融合后的值利用模糊综合评价模型对智慧工地中各指标进行量化评级；

12、基于综合影响矩阵分析结果进行自动化的感知反馈，生成处理标记。

13、根据上述技术方案，所述进行数据信息感知和三维建模的方法包括：

14、利用无人机基于确定的视觉感知区域，获取工程施工场地多视图影像序列，根据测量感知的范围大小在视觉测量区布置设定坐标的像控点，同时根据测量范围设定检测点对三维模型精度进行核验；

15、采集图像序列，对序列图像进行预处理，将处理后的图像进行配准和融合，将感知和采集的海量数据上传至服务器；

16、同时利用包括激光发射器、接收器、时间计数器、滤光镜的激光扫描设备，通过测距、测角度得到建筑构件的三维坐标数据，进行全方位扫描获取构件的点云数据，结合bim技术建立点云模型进行可视化呈现，根据附有全部施工信息的bim模型对实际建造过程进行模拟，进行多路数据图像的增强。

17、根据上述技术方案，所述针对传感器采集感知数据进行数据的清洗预处理的方法包括：

18、初始化包括异常数据判定阈值和有效性判定阈值的参数，根据异常数据的定义对传感器采集感知的数据进行判别，监测数据是否在阈值范围内，通过累加异常数据概率进行异常数据监测，根据实际采集样本数识别其中的异常数据，计算监测数据的有效率；

19、当感知数据值不在设定范围时，针对数据异常表现形式进行实测数据的判断，对监测数据对应的事件进行映射，同一区域相邻的多个传感器的监测数据出现同一映射事件时，利用时空关联法基于监测数据时间相关性和空间相关性的内在特征识别异常数据，基于时空关联原则建立异常数据识别模型；

20、通过异常数据识别模型将异常波动数据与整个数据集在统计上的偏差进行计算判断，判断监测数据在相邻两个采样节点是否保持设定幅度阈值的波动，即基于传感器采集数据是否产生异常大值的判断条件；

21、利用识别模型识别测量监测数据时，当异常数据概率值达到鲁棒阈值后，判定为异常并累计异常数据概率，通过利用空间相关性，通过无线信道向其邻节点发送请求消息，接收邻近节点的数据值，与邻近节点进行相似性度量判断是否为异常，当两条时间序列的相似性小于阈值，则判断为两条时间序列不相似，传感器采集的数据值为异常数据，标记异常数据序列，并发送数据异常提醒；当异常大值的异常数据概率达到异常数据判定阈值，同步进行数据有效性判别，当与邻近节点进行时间序列的相似性度量后的距离大于阈值，则标记为异常数据序列，并发送数据异常提醒。

22、根据上述技术方案，所述进行传感器数据融合的方法包括：

23、利用支持度函数确定传感器数据的可信程度，当该传感器的可信程度低与设定阈值时进行剔除，不参与数据融合，当可信程度在阈值范围内时按照支持度函数计算加权融合的权重进行多传感器数据融合。

24、根据上述技术方案，所述模糊综合评价方法包括：

25、确定各评价指标的集合，对评价标准的等级划分进行分析，采用三级划分制度按照得分高低进行赋分定档，即利用异常数据检测概率对评价指标进行异常识别评级，基于数据有效性和可用性计算工地设备的可靠程度，采用异常响应率衡量事件反馈机制进行评定；

26、将各指标的评分范围[0，10]划分为3个子区间，不规范区间l1、规范区间l2和优化区间l3对应的取值范围分别是[0，3]、[3-7]、[7-10]，利用评价等级取值边界上限和下限的平均值计算评级标准的期望，通过调整参数获得隶属函数；

27、通过正向云发生器建立起子区间对应的评价标准的云模型，利用实际评价因素的模糊程度进行取值，基于智慧工地中的专家进行指标权重的计算，确定指标间的关系，生成多阶矩阵，判断每行元素的作用于每一列元素的影响程度，构造综合影响矩阵；

28、根据综合影响矩阵计算智慧工地各个要素的影响度、被影响度、中心度和原因度；

29、构建指标体系网络层次模型后进行模糊运算，通过得出的指标隶属度矩阵，将其与该指标层级中各指标的权重向量相乘，得到该级指标的隶属度向量，在求出评价项目的评价隶属度向量后，将其与最初确定的各等级赋值向量相乘，得到最终的评价得分，基于最终得分出最终评价等级。

30、根据上述技术方案，所述基于综合影响矩阵分析结果进行自动化的感知反馈方法包括：

31、将海量数据上传至云端，通过用户终端展示施工现场各类信息，管理人员可以实现对智慧工地的远程实时监管；

32、对反馈的数据进一步进行挖掘模拟，对任一项生产要素变化情况对量化指标产生的影响进行预测分析，运用人工智能算法对数据信息做出识别和判断，根据判断结果进行自动反馈；

33、通过设置各管理业务的预警阈值，一旦触发系统则自动判断并提示偏差，完成风险监控，当监测值超过设定阈值时，系统将判定其为产生风险的情况，并控制监测设备采用声光或语音方式发出报警信息，利用视频图像识别对智慧工地异常事件或行为进行监测，进行自动识别预警。

34、与现有技术相比，本发明所达到的有益效果是：本发明，通过设置有数据信息采集模块、感知数据识别判断模块、量化评级与感知处理模块模块，通过对采集感知的数据进行清洗识别的预处理，以及对各监测点传感器数据进行数据融合，利用融合值识别干扰数据，根据预处理后的数据和融合后的值利用模糊综合评价模型对智慧工地中各指标进行量化评级，提高智慧工地的智能感知能力，增强检测能力和感知分析。