基于物联网的智慧工地监控方法及系统与流程

本技术涉及物联网，具体而言，涉及一种基于物联网的智慧工地监控方法及系统。

背景技术：

1、智慧工地是指运用信息化手段，建立互联协同、智能生产、科学管理的施工项目信息化生态圈，并将物联网采集到的监控数据进行数据挖掘分析，提供异常行为趋势预测及专家预案，实现工程施工可视化智能管理，以提高工程管理信息化水平，从而逐步实现绿色建造和生态建造。因此，需要施工工地的异常事件进行及时管控，以保证施工工地的安全性以及施工工程质量及进度。然而，相关技术中，在进行智慧工地监控视频流的异常事件标签的监测过程中，智慧工地监控视频流的异常标签分析监控视频流在不同工地类别之间的衍生效率较慢。

技术实现思路

1、有鉴于此，本技术的目的在于提供一种基于物联网的智慧工地监控方法及系统。

2、依据本技术的第一方面，提供一种基于物联网的智慧工地监控方法，应用于基于物联网的智慧工地监控系统，所述方法包括：

3、利用第一工地异常分析模型获取智慧工地监控视频流的第一工地行为异常特征，所述智慧工地监控视频流为第一工地类别的监控视频流，所述第一工地异常分析模型依据所述第一工地类别的第一模板监控视频流进行模型迭代更新获得，其中，所述智慧工地监控视频流为通过现场工地中布置的物联网监控设备进行监测生成的；

4、获取目标工地异常事件标签的目标异常知识特征，所述目标异常知识特征被用于表达所述目标工地异常事件标签，且所述目标异常知识特征包括所述目标工地异常事件标签下第二工地类别的监控视频流的行为异常特征；

5、利用关联特征分析模型生成的所述目标异常知识特征与第二工地行为异常特征的异常关联信息，确定所述第一工地行为异常特征和所述目标异常知识特征的关联特征向量，生成关联特征向量分布，所述第二工地行为异常特征由第二工地异常分析模型对第二模板监控视频流进行提取获得的，所述第二模板监控视频流为第二工地类别的监控视频流，所述第二工地异常分析模型与第一工地异常分析模型的模型收敛控制进程相同；

6、基于所述关联特征向量分布，确定所述智慧工地监控视频流的工地异常事件标签。

7、在第一方面的一种可能的实施方式中，所述利用第一工地异常分析模型获取智慧工地监控视频流的第一工地行为异常特征前，所述方法还包括：

8、利用满足模型收敛条件的第二工地异常分析模型，对所述第二模板监控视频流提取第二工地行为异常特征，所述第二模板监控视频流具有模板标注数据，所述模板标注数据包括所述第二模板监控视频流的先验工地异常事件标签，所述先验工地异常事件标签包括所述目标工地异常事件标签；

9、获取先验工地异常事件标签对应的异常知识特征，所述异常知识特征被用于表达所述先验工地异常事件标签，且所述异常知识特征包括所述先验工地异常事件标签下第二工地类别的监控视频流的行为异常特征；

10、依据所述第二工地行为异常特征和所述异常知识特征，获取模板关联特征向量，所述模板关联特征向量包括第二工地行为异常特征和所述异常知识特征，所述模板关联特征向量的训练标注数据包括：表征所述先验工地异常事件标签与先验工地异常事件标签是否关联的标注数据；

11、利用初始化模型权重参数的关联特征分析模型生成的异常知识特征与第二工地行为异常特征的异常关联信息，确定所述模板关联特征向量中的所述第二工地行为异常特征和异常知识特征的关联特征向量；

12、依据关联特征向量分布和所述训练标注数据，迭代更新所述关联特征分析模型的模型权重信息，直到所述关联特征分析模型符合模型收敛要求，所述模型权重信息包括所述异常关联信息对应的权重信息。

13、在第一方面的一种可能的实施方式中，所述利用满足模型收敛条件的第二工地异常分析模型，对所述第二模板监控视频流提取第二工地行为异常特征前，所述方法还包括：

14、获取第一模板监控视频流，利用初始化模型权重参数的第一工地异常分析模型将第一模板监控视频流投影到目标特征匹配位图中，生成第一估计工地行为异常特征；

15、依据第一估计工地行为异常特征，生成所述第一工地异常分析模型的模型收敛控制进程对应的第一进程输出数据，依据所述第一进程输出数据迭代更新所述第一工地异常分析模型的模型权重信息，生成满足模型收敛条件的第一工地异常分析模型；

16、获取第二模板监控视频流，利用初始化模型权重参数的第二工地异常分析模型将第二模板监控视频流投影到所述目标特征匹配位图中，生成第二估计工地行为异常特征；

17、依据所述第二估计工地行为异常特征，生成所述第二工地异常分析模型的模型收敛控制进程对应的第二进程输出数据，依据所述第二进程输出数据迭代更新所述第二工地异常分析模型的模型权重信息，生成满足模型收敛条件的第二工地异常分析模型。

18、在第一方面的一种可能的实施方式中，所述获取先验工地异常事件标签对应的异常知识特征，包括：

19、将先验工地异常事件标签转化成规则化表达方式的初始特征表征向量；

20、对第二模板监控视频流进行特征增强，生成增强监控视频流，利用所述第二工地异常分析模型，提取所述增强监控视频流的第三工地行为异常特征；

21、获取估计学习特征，所述估计学习特征包括所述第三工地行为异常特征和所述初始特征表征向量，所述估计学习特征的估计学习标签数据包括所述第二模板监控视频流中所增强的特征片段；

22、利用异常知识抽取模型，对所述第三工地行为异常特征和所述初始特征表征向量进行投影，依据投影结果确定所述增强监控视频流中所增强的特征片段，生成估计增强特征片段；

23、基于所述估计增强特征片段和所述估计学习标签数据，迭代更新所述异常知识抽取模型的模型权重信息，生成迭代更新后的异常知识抽取模型；

24、利用所述迭代更新后的异常知识抽取模型对所述先验工地异常事件标签的初始特征表征向量进行投影，生成所述先验工地异常事件标签的异常知识特征。

25、在第一方面的一种可能的实施方式中，所述异常知识抽取模型包括投影函数和估计函数，所述投影函数具有投影参数；所述获取估计学习特征，包括：

26、对所述第三工地行为异常特征和所述初始特征表征向量进行融合，生成融合表征向量，以所述融合表征向量作为估计学习特征；

27、所述利用异常知识抽取模型，对所述第三工地行为异常特征和所述初始特征表征向量进行投影，依据投影结果确定所述增强监控视频流中所增强的特征片段，生成估计增强特征片段，包括：

28、利用所述投影函数的投影参数对所述融合表征向量进行投影，生成投影表征向量；

29、利用所述估计函数对所述投影表征向量进行分析，确定所述增强监控视频流中所增强的特征片段，生成估计增强特征片段；

30、所述利用所述迭代更新后的异常知识抽取模型对所述先验工地异常事件标签的初始特征表征向量进行投影，生成所述先验工地异常事件标签的异常知识特征，包括：

31、基于所述初始特征表征向量在所述融合表征向量中的节点，从所述投影参数中获取所述初始特征表征向量的投影目标参数；

32、依据所述投影目标参数对所述初始特征表征向量进行投影，生成先验工地异常事件标签的异常知识特征。

33、在第一方面的一种可能的实施方式中，所述目标工地异常事件标签的数量为多个；

34、所述利用关联特征分析模型生成的所述目标异常知识特征与第二工地行为异常特征的异常关联信息，确定所述第一工地行为异常特征和所述目标异常知识特征的关联特征向量，生成关联特征向量分布，包括：

35、利用关联特征分析模型生成的，各目标工地异常事件标签对应的目标异常知识特征与第二工地行为异常特征的异常关联信息，确定所述第一工地行为异常特征和各目标异常知识特征的关联特征向量，生成各目标工地异常事件标签下所述智慧工地监控视频流的关联置信度，所述关联置信度表征所述智慧工地监控视频流的工地异常事件标签，为目标工地异常事件标签的概率值；

36、所述基于所述关联特征向量分布，确定所述智慧工地监控视频流的工地异常事件标签，包括：

37、确定关联置信度最大的目标工地异常事件标签，为所述智慧工地监控视频流的工地异常事件标签。

38、在第一方面的一种可能的实施方式中，所述关联特征分析模型包括至少一个预测网络，一个预测网络对应一种工地异常事件标签；

39、所述利用关联特征分析模型生成的，各目标工地异常事件标签对应的目标异常知识特征与第二工地行为异常特征的异常关联信息，确定所述第一工地行为异常特征和各目标异常知识特征的关联特征向量，生成各目标工地异常事件标签下所述智慧工地监控视频流的关联置信度，包括：

40、将所述第一工地行为异常特征和目标异常知识特征，加载至与目标工地异常事件标签对应的预测网络；

41、利用各预测网络提供的目标异常知识特征与第二工地行为异常特征的异常关联信息，确定所述目标异常知识特征与第一工地行为异常特征的关联特征向量，生成各目标工地异常事件标签下所述智慧工地监控视频流的关联置信度。

42、依据本技术的第二方面，提供一种服务器，所述服务器包括包括机器可读存储介质及处理器，所述机器可读存储介质存储有机器可执行指令，所述处理器在执行所述机器可执行指令的情况下，该服务器实现前述的基于物联网的智慧工地监控方法。

43、依据本技术的第三方面，提供提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，当所述计算机可执行指令被执行的情况下，实现前述的基于物联网的智慧工地监控方法。

44、依据上述各个方面，本技术利用第一工地异常分析模型获取智慧工地监控视频流的第一工地行为异常特征，智慧工地监控视频流为第一工地类别的监控视频流，第一工地异常分析模型依据第一工地类别的第一模板监控视频流进行模型迭代更新获得；获取目标工地异常事件标签的目标异常知识特征，目标异常知识特征被用于表达目标工地异常事件标签，且目标异常知识特征包括目标工地异常事件标签下第二工地类别的监控视频流的行为异常特征；利用关联特征分析模型生成的目标异常知识特征与第二工地行为异常特征的异常关联信息，确定第一工地行为异常特征和目标异常知识特征的关联特征向量，生成关联特征向量分布，第二工地行为异常特征由第二工地异常分析模型对第二模板监控视频流进行提取获得的，第二模板监控视频流为第二工地类别的监控视频流，第二工地异常分析模型与第一工地异常分析模型的模型收敛控制进程相同；基于关联特征向量分布，确定智慧工地监控视频流的工地异常事件标签，其中第二工地异常分析模型与第一工地异常分析模型的模型收敛控制进程相同，可以使得第一工地类别和第二工地类别下的工地行为异常特征之间存在一种线性映射关系，而目标异常知识特征中包括了目标工地异常事件标签下第二工地类别的监控视频流的行为异常特征，使得关联特征分析模型生成的异常关联信息可以精准表达目标工地异常事件标签的目标异常知识特征与第二工地行为异常特征的关系，所以在第一、二工地行为异常特征的相关性的条件下，利用关联特征分析模型生成的异常关联信息，可精确确定出第一工地行为异常特征和目标异常知识特征的关联特征向量，由此智慧工地监控视频流与目标工地异常事件标签的关联信息，由此不需要限制第一工地类别的第一模板监控视频流具有训练标签数据，即可实现对第一工地类别的智慧工地监控视频流的工地异常事件标签确定，可以提高智慧工地监控视频流的异常标签分析在不同工地类别的监控视频流之间的衍生效率。