技术特征：
1.一种施工场景监控方法，其特征在于，所述方法包括：实时采集第一施工图像和第二施工图像；将所述第一施工图像和所述第二施工图像输入预训练卷积神经网络模型，神经网络可以通过输出图像上特征点的坐标(x,y)，来实现对目标特征的识别和定位标记。确定所述目标图像中的施工对象的施工动作和/或运动姿态；根据所述施工动作确定施工质量；和/或，根据所述运动姿态预测所述施工对象的施工安全。2.根据权利要求1所述的方法，为保证其动作的连续性，第一施工图像与第二施工图像为连续图像，根据距离采集点的距离的远近，所选取的图像大小不尽相同。3.根据权利要求2所述的方法，其特征在于，将所述第一施工图像和所述第二施工图像输入预训练卷积神经网络模型，输出目标图像，包括：分别确定所述第一施工图像和所述第二施工图像中的目标图像位置；按照预设裁剪尺寸以所述目标图像位置为中心，裁剪出与所述第一施工图像对应的第一目标图像和与所述第二施工图像对应的第二目标图像；将所述第一目标图像和所述第二目标图像输入预训练卷积神经网络模型，输出目标图像。4.根据权利要求3所述的方法，其特征在于，所述预训练卷积神经网络模型包括5个卷积层和3个全连接层。5.根据权利要求4所述的方法，其特征在于，将所述第一目标图像和所述第二目标图像输入预训练卷积神经网络模型，输出目标图像，包括：利用5个所述卷积层分别提取所述第一目标图像和所述第二目标图像对应的第一卷积特征和第二卷积特征；基于互相关运算将所述第一卷积特征和所述第二卷积特征进行关联，生成第三特征；将所述第三特征输入到3个所述全连接层，输出目标图像。6.根据权利要求1所述的方法，其特征在于，根据所述施工动作确定施工质量，包括：获取所述施工动作匹配的施工力度数据；获取所述施工力度数据对应的施工质量。7.根据权利要求1-6任意一项所述的方法，其特征在于，所述方法还包括：在确定所述施工质量和/或所述施工对象的施工安全不满足预设条件时，发送报警信息至所述施工对象以及监控中心。8.一种施工场景监控装置，其特征在于，所述装置包括：实时采集模块，用于实时采集第一施工图像和第二施工图像；第一处理模块，用于将所述第一施工图像和所述第二施工图像输入预训练卷积神经网络模型，输出目标图像；第二处理模块，用于确定所述目标图像中的施工对象的施工动作和/或运动姿态；第三处理模块，用于根据所述施工动作确定施工质量；和/或，第四处理模块，用于根据所述运动姿态预测所述施工对象的施工安全。9.一种电子设备，其特征在于，包括：存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现如权利要求1至7任一项所述的施工场景监控方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理设备运行时执行如权利要求1-7的任一项所述的施工场景监控方法的步骤。
技术总结
本申请实施例提供的一种施工场景监控方法、装置、设备及存储介质，属于计算机技术领域。该方法包括：实时采集第一施工图像和第二施工图像；将所述第一施工图像和所述第二施工图像输入预训练卷积神经网络模型，输出目标图像；确定所述目标图像中的施工对象的施工动作和/或运动姿态；根据所述施工动作确定施工质量；和/或，根据所述运动姿态预测所述施工对象的施工安全。本申请可以使得在进行建筑施工时，无需再安排固定的人员进行监督，可以有效降低人工成本；另外，通过图像处理可以做到实时监控，降低人为因素所导致的施工安全事故以及施工质量低下的概率，有效提高施工质量，保证施工安全。证施工安全。证施工安全。
技术研发人员：汪承志 李鹏飞 李志明 王逸飞 陈东红
受保护的技术使用者：重庆交通大学
技术研发日：2022.07.19
技术公布日：2022/10/3