[发明专利]一种基于计算机视觉的建筑工人劳动状态分析系统及方法

权利要求书

1.一种基于计算机视觉的建筑工人劳动状态分析系统的分析方法，其特征在于，包括前端采集模块、计算机及智能监控模块；

所述前端采集模块包括体感摄像头，所述体感摄像头通过信号传输线与计算机连接，所述体感摄像头架设在工人劳动区域的上方，其视场为劳动区域的各个方向视角，所述计算机与智能监控模块连接；

分析方法包括如下步骤：

S1采集不同的施工工种各自相应的规范施工动作信息，录入标准施工动作，建立动作训练库；

S2体感摄像头实时采集现场施工工人劳作的视频图像信息，经信息传输线传送到计算机；

S3计算机提取视频图像中的人体骨骼信息得到骨骼数据，所述人体骨骼信息包括在一段时间内获得某个关节点的位置和角度信息；

S4基于动态时间归整算法，根据采集的关节点的位置和角度信息，与动作训练库的标准动作信息进行匹配，识别工人的劳动动作，从而识别出各自相应的劳动动作类型及劳动状态；

S5将识别结果用于劳动状态分析，并将分析结果反馈到智能监控模块；

所述S4中

动态时间归整算法识别工人的劳动状态，具体是通过将不同长度的时间序列从时间维度上扭曲成非线性来测量时间维度上的非线性相似度，通过计算所有相似点的最短距离和来衡量两个时间序列的相似度，DTW将标准动作序列作为模板序列，通过采集现场施工人员的动作序列与模板序列计算出相似度，来判定工人的劳动状态。

2.根据权利要求1所述的分析方法，其特征在于，通过计算所有相似点的最短距离和来衡量两个时间序列的相似度，DTW将标准动作序列作为模板序列，通过采集现场施工人员的动作序列与模板序列计算出相似度，来判定工人的劳动状态，具体步骤为：

给定两个视频序列，分别为样本序列X＝(x₁,...,x_N)和测试序列Y＝(y₁,...,y_M)，得到两个序列的长度分别是n和m；

确定视频序列中每一帧的特征值，所述特征值为各视频帧的动作向量，根据S1提取的标准动作特征，选择相应关节点构建动作向量，考虑到不同工人的身高体型是有差别的，采用动作向量间夹角的余弦值来作为标准动作序列的值，即：

选定一对序列中点到点的距离函数d(i,j)＝f(x_i,y_j)≥0，即序列X的每一个点和序列Y的每一个点之间的相似度，即：

d(i,j)＝(x_i-y_j)²

求解归整路径W＝w1+w2+w3+…+wk；

式中：wk的形式为(i,j)，其中i表示的是X中的i坐标，j表示的是Y中的j坐标；max(n,m)＝k＝n+m；归整路径W从w1＝(1,1)开始，到wk＝(n,m)结尾，以保证X和Y中的每个坐标都在W中出现；W中w(i,j)的i和j是单调增加的，即满足：对wk(i,j)，wk₊₁(i',j')有i＝i'＝i+1，j＝j'＝j+1；

求解归整路径是距离最短的一个归整路径，即最佳路径：

D(i,j)＝Dist(i,j)+min[D(i-1,j),D(i,j-1),D(i-1,j-1)]

最佳路径是使得沿路径的积累距离达到最小值这条路径；

将最佳路径与动作训练库的标准动作相匹配，得到工人的动作类型。

3.根据权利要求1所述的分析方法，其特征在于，所述S4中，还包括GestureBuilder训练器智能识别多人的劳动状态，具体为：

GestureBuilder体感设备中的手势训练器，通过导入Kinect Studio录制的动作剪辑，人工对剪辑中的动作片段进行标记True或False来引导Kinect进行机器学习，智能进行数据处理。