[发明专利]一种工地违规的监控方法、系统、介质及电子设备

权利要求书

1.一种工地违规的监控方法，其特征在于，包括步骤：

获取目标工地的工地图像、工地图像的获取时间；

根据预先建立的识别模型对所述工地图像进行识别，获得识别结果；

在所述识别结果中包括违规特征时，根据预先设置的违规特征与违规类型的映射关系，确定所述识别结果中违规特征的违规类型；

基于包含违规特征的工地图像、违规类型、包含违规特征的工地图像的获取时间对工地进行违规监控。

2.根据权利要求1所述的一种工地违规的监控方法，其特征在于，获取工地图像、工地图像的获取时间，包括：

根据目标工地的类型设定间隔时间；

根据所述间隔时间定时获取所述工地图像，并记录所述工地图像的获取时间。

3.根据权利要求1所述的一种工地违规的监控方法，其特征在于，根据预先建立的识别模型对所述工地图像进行识别，获得识别结果，包括：

按照预设尺寸对所述工地图像进行缩放，并对缩放后的工地图像进行归一化处理，获得预处理图像；

获取所述预处理图像的长度、宽度、图像通道、批量大小维度；

以所述长度、宽度、图像通道、批量大小维度构建四维张量，并将所述四维张量输入至预先建立的识别模型中进行识别，获得初始结果；

对所述初始结果进行标注，并对标注后的初始结果进行非最大值抑制，获得所述识别结果。

4.根据权利要求1所述的一种工地违规的监控方法，其特征在于，所述识别模型的建立过程包括：

获取包含正样本、负样本的训练数据集，所述正样本为包括违规特征的工地图像，所述负样本为不包括违规特征的工地图像；

对预先获取的人工神经网络进行配置，根据所述训练数据集对的人工神经网络进行训练，获得所述识别模型。

5.根据权利要求4所述的一种工地违规的监控方法，其特征在于，所述人工神经网络为yolov5网络，所述yolov5网络包括顺序连接的主干网络、颈部网络、头部网络，所述主干网络包括跨阶段局部网络；对人工神经网络进行配置，包括：

获取集型卷积网络、反卷积层；

根据所述密集型卷积网络对所述跨阶段局部网络进行替换，并将所述反卷积层增加至所述颈部网络的底层之后，以使得所述颈部网络通过所述反卷积层与所述头部网络连接，完成所述人工神经网络的配置。

6.根据权利要求4所述的一种工地违规的监控方法，其特征在于，根据所述训练数据集对配置后的人工神经网络进行训练，包括：

按照预设尺寸对所述训练数据集中的正样本进行缩放，并对缩放后的正样本进行数据增强；

根据仿射矩阵对数据增强后的正样本进行仿射变换，仿射变换的方式包括旋转、缩放、随机裁剪、平移运算；

基于仿射变换后的正样本对配置后的人工神经网络进行训练。

7.根据权利要求1所述的一种工地违规的监控方法，其特征在于，基于包含违规特征的工地图像、违规类型、包含违规特征的工地图像的获取时间对工地进行违规监控，包括：

将工地图像、违规类型、包含违规特征的工地图像的获取时间推送至上层平台，基于所述上层平台进行监控；

或者基于工地图像、违规类型、包含违规特征的工地图像的获取时间配置消息列队，将所述消息列队推送至上层平台，基于所述上层平台进行监控。

8.一种工地违规的监控系统，其特征在于，包括：

采集模块，用于获取目标工地的工地图像、工地图像的获取时间；

识别模块，用于根据预先建立的识别模型对所述工地图像进行识别，获得识别结果；

映射模块，用于在所述识别结果中包括违规特征时，根据预先设置的违规特征与违规类型的映射关系，确定所述识别结果中违规特征的违规类型；

存储模块，用于基于包含违规特征的工地图像、违规类型、包含违规特征的工地图像的获取时间对工地进行违规监控。