一种工程智能视觉检测设备的制作方法

本发明涉及一种检测设备，具体是一种工程智能视觉检测设备。

背景技术

当前建筑工程现场大多安装有监控摄像头，监控工程进度、工程质量。但摄像头越装越多，由此带来新问题，摄像头安装好后由谁来监管，往往是视频监控仅仅成为一种摆设。为了解决该问题，本技术发明提出了一种工程智能视觉设备。可以通过给设备输入简单的数据，让设备具有自动发现工程现场问题的能力。其原理是通过计算机视觉技术与工程现场的实际情况相结合，创新性地提出基于工程现场的人工智能视觉大脑技术框架，在该技术框架下发明本专利一种工程智能视觉检测设备，用以解决工程现场视频监管问题。通过本技术创新点，可以减轻工程现场作业人员的视频监管工作强度，提高工程建设的工作效率。

技术实现要素：

本发明的目的在于提供一种工程智能视觉检测设备，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种工程智能视觉检测设备，包括前端塔吊高空监控终端和智能计算端设备，所述前端塔吊高空监控终端包括箱体、摄像头和装配箱，塔吊终端监控装置通过天线无线连接智能计算端设备；所述箱体顶端设有防水沿，箱体内设有云台、电源空气开关和网桥；所述摄像头设在箱体的底部具备遮挡防雨功能；所述箱体安装在装配箱内。

作为本发明的进一步方案：还包括组合智能算法：通过采用的深度学习算法dnn、cnn、faster-rcnn的组合，并通过单次模糊学习、在线学习、半监督学习算法的结合对行人检测、物体识别和工程现场施工作业进行检测。

作为本发明的进一步方案，本发明包括双路可变焦视频摄像装置。双路视频协同可实现视频测距。双路视频变焦可实现单路远景看整体，单路自动变焦放大局部特写。双路协同可有效提高视频检测效率。

作为本发明的进一步方案：所述箱体内还设有防抖动装置、防雷器。

作为本发明的进一步方案：所述箱体背面设有安装背板。

作为本发明的进一步方案：所述箱体前侧设有箱体锁。

作为本发明的进一步方案：所述装配箱背面设有固定挂钩、翻转卡扣和u型钢。

作为本发明的进一步方案：所述固定挂钩共2个，对称设在装配箱背面顶端，翻转卡扣设在装配箱背面顶端中部。

作为本发明的进一步方案：所述u型钢共2个，且沿竖直方向对称设置在装配箱背面下端，u型钢上设有安装孔。

作为本发明的进一步方案：所述安装孔共多个，间隔设置在u型钢上。

与现有技术相比，本发明的有益效果是：1、一体化集成设备将多种设备集成于单一箱体内，实现集成整合应用。2、针对塔吊高空的安装条件做了设计改造，可以实现高空快速、高效率的安装，使得高空安装变得非常简单。3、本发明可以实现智能监管任务，具备单次模糊学习、在线学习、半监督学习等组合学习方式。可以按原子模型方式组合出工程现场需要的智能监管任务。减轻视频监管工作强度，提高工作效率。4、针对传统安防单路摄像装置只能实现平面检查效果，本发明采用双路可变焦装置可实现视频测距和分两路远景和近景协同检查效果。5、针对高空摄像机易受下雨影响，通过将摄像头放置于箱体底部，利用箱体作为摄像头的防雨遮挡屏障，实现防雨功能。6、设备为无线网桥做了一体化的设计，使得网桥可以方便的与设备集成在一起。7、设备将电源空气开关、防雷器、电源插线板等集成在箱体内部，可以防止设备受潮湿、实现防雨。8、增加了箱体锁，防止设备被非授权物理访问，防止设备被恶意破。9、鉴于是一体化设备，使得设备的安装、维护成本降低，使得设备的二次利用率提高

附图说明

图1为检测识别模型图。

图2为子模型图。

图3为并联识别效果图。

图4为串联识别效果图。

图5为混合识别效果图。

图6为整体识别效果图。

图7为前端塔吊高空监控终端中箱体的前侧结构示意图。

图8为前端塔吊高空监控终端中装配箱的结构示意图。

图中：1-箱体、2-天线、3-防水沿、4-箱体锁、5-指示灯、6-摄像头、7-安装背板、8-装配箱、9-视频天线接口、10-控制天线接口、11-电源接口、12-固定挂钩、13-翻转卡扣、14-u型钢、15-安装孔。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参阅图1-8，一种工程智能视觉检测设备，包括前端塔吊高空监控终端和智能计算端设备，所述前端塔吊高空监控终端包括箱体、摄像头和装配箱，塔吊终端监控装置通过天线无线连接智能计算端设备；所述箱体顶端设有防水沿，箱体内设有云台、电源空气开关和网桥；所述摄像头设在箱体的底部具备遮挡防雨功能；所述箱体安装在装配箱内。

还包括组合智能算法：通过采用的深度学习算法dnn、cnn、faster-rcnn的组合，并通过单次模糊学习、在线学习、半监督学习算法的结合对行人检测、物体识别和工程现场施工作业进行检测。

还包括双路可变焦视频摄像装置。双路视频协同可实现视频测距。双路视频变焦可实现单路远景看整体，单路自动变焦放大局部特写。双路协同可有效提高视频检测效率。

箱体内还设有防抖动装置、防雷器。箱体背面设有安装背板。箱体前侧设有箱体锁。装配箱背面设有固定挂钩、翻转卡扣和u型钢。固定挂钩共2个，对称设在装配箱背面顶端，翻转卡扣设在装配箱背面顶端中部。

u型钢共2个，且沿竖直方向对称设置在装配箱背面下端，u型钢上设有安装孔。

安装孔共多个，间隔设置在u型钢上。

本发明的工作原理是：为了能实现工程现场的上万种检测任务，本专利利用了多种现有人工智能，深度学习算法如：dnn(deepneuralnetwork)、cnn(convolutioanlneuralnetwork)、faster-rcnn等多种方法的组合，并在检测任务及物体分类识别上做了专利化处理，实现方式如下：

(二)、智能在线学习算法。

首先，让用户通过单张图片单次模糊学习的方式。对要识别的检测任务进行模糊特征学习，通过模糊学习生成初步模糊检测模型。

其次，利用模糊学习生成模型，并通过在线学习的方式收集与检测任务相关的训练数据。由人工做简单标注及数据训练，完成原子模型。

再次，让用户根据自己的需求，在不增加识别模型的基础上，通过组合已有的识别原子模型达到满足用户需求的目的。该框架允许用户将多个模型进行并联以及串联的方式进行组合，实现简单模型组合复杂模型以满足用户的新需求。

由于有时候用户的需求是单个模型无法满足的(例如未带安全帽的人，无法通过单纯的行人检测或者安全帽检测实现)，然而针对每一个模型训练一个相应的识别模型，不仅仅会增加总体系统的复杂度，还需要额外标注数据进行训练。同时有些用户需要的检测模型可以通过多个已有模型的组合实现(先检测行人，然后检测其是否戴安全帽即可实现)。

本算法框架旨在通过预先训练基础的识别模型，例如行人检测、人脸识别、安全帽识别等识别模型，作为基础的模型，也就是积木，如下图1所示。用户通过组合模型生成新的检测识别模型，然后将其命名后更新到模型库中，可以作为其他识别任务的子模型，如图2所示。

整个算法框架主要由基础识别模型、智能协调模块和任务分发和收集模块三部分组成。

1.基础识别模型

1)模型组合形式

模型组合方式主要分为并联、串联和混合三种形式。

并联：指需要同时满足多个识别模型结果的任务，例如带安全帽的人，则需要检测到人的同时也检测到安全帽。除此之外，并联模型还包含识别模型的取反，即将识别结果为不存在的情况作为一种识别模型，例如当我们需要检测未戴安全帽这种行为时，我们可以通过对识别安全帽模型取反实现，指当检测不到安全帽时作为满足识别模型的结果，如图3中“有”，“无”表示识别存在还是不存在。

串联：指当前识别模型a的识别结果作为下一个识别模型b的输入，这样实现级联式的识别，在很大程度上缩小模型b的识别范围，从而提高模型b的识别精度和速度。例如识别人抽烟，抽烟可以通过先检测行人，再在行人的识别结果上进行人脸检测，然后定位出嘴唇位置，最终在人脸检测的基础上进行抽烟行为的识别。

混合：指组合模型可以通过使用串联或者并联的方式对已有的并联模型和串联模型进行二次组合，形成混合模型。

2)积木——原子模型

我们的原子模型即用来搭积木的模型，是通过标注数据集提前训练的识别模型，类似行人识别、安全帽识别等，这些模型具有不可拆分性，每一个模型就是最小的识别单元，如人脸检测，行人检测等。

3)用户添加模型

用户通过组合的到的模型可以实现新的识别能力，获得模型的方式包括我们在模型组合形式中提到的并联、串联和混合。用户将新组合的模型可以添加到自定义的模型列表中，然后使用。

2.智能协调模块

该模块主要是在客户端，用于和用户进行交互，协助用户组合原子识别模型成目标识别模型，并存储模型的组合信息。

该模块主要维护三张表，第一个表为原子模型名称列表；第二个表为模型之间的依赖网，主要描述模型之间的依赖关系(例如a模型的识别依赖于b模型的识别结果，如果依赖，则自动以串联形式将依赖项添加，以此达到智能辅助用户输入的目的)；第三个表为用户已添加的组合模型列表。

任务分发和收集模块：

该模块主要用于将用户针对监控视频添加的识别模型解析成服务器端可以进行识别的原子模型组合，并调用服务器端相应识别模块进行识别，然后将原子模型识别结果进行收集并组装，形成用户标注模型的识别结果送到客户端。

为了很好的表现智能检测算法检测到的模型算法，本专利编制了智能检测用户使用界面软件。软件的实现如下：

(三)、智能检测软件

1、该软件可以管理监控目录树，可以将视频监控图像以目录树的方式进行管理。

2、该软件可以对指定的摄像头进行预置位标记。可以实现让摄像头达到指定的位置。

3、该软件可以让摄像头按照指定的路径、指定的预置位、指定的速度，进行轨迹巡航。

4、该软件可以按照设定好的模型在真实场景中做实时对比，发现需要报警的图像后，进行抓拍报警。

5、该软件可以查询抓拍到的历史记录。实现报警历史记录查询，从而达到违规记录查询。