本发明涉及施工安全风险识别，特别涉及一种施工安全风险智能识别方法和系统。
背景技术：
1、随着公路建设规模不断扩大，社会资源及资产集聚，从事公路建设行业的就业人员数量也越来越多，由此衍生出来的诸多安全问题也日渐明显。目前，施工现场的安全管理仍然采用的是人工监察，人工监管具有效率低，排查慢，预防性差等特点，因而如何更加有效的搞好施工现场的安全管控，防止各种违规操作，控制安全事故发生频率，一直是施工企业以及政府部门关注的焦点。因此，如何准确识别现场风险因素（不安全行为、不安全状态），提高安全管理效率，成为亟须解决的重要问题。
2、在施工的各种风险中，后果较为严重的就是人员的高空坠落问题，如何实现对人员高空坠落后的及时发现，是挽救施工工人生命的关键。现有技术中，提供的基本为针对于物的识别，缺少针对人的识别，例如cn202010173888.4的一种基于图像识别的坠落物识别方法及系统，属于图像识别领域。针对现有技术中存在的坠物识别准确率和召回率不高的问题，对监控区域进行拍摄，将视频发送至服务器端，服务器端对视频进行物体识别、分组识别、疑似坠落物识别以及坠落物识别，对视频中的物体进行多次判定，如果最终结果判定为坠落物，就统计坠落物个数，并将识别结果发送至客户端。以上通过纯视觉的方式进行视觉，一方面对于快速下落的物体的识别率不高，另一方面，由于需要大量的识别计算，所以识别效率也较低。
3、有鉴于此，特提出一种施工安全风险智能识别方法和系统。
技术实现思路
1、本发明的目的是提供施工安全风险智能识别方法和系统，其能够实现对人员的精准和高效识别。
2、本发明的上述技术目的是通过以下技术方案得以实现的：
3、一种施工安全风险智能识别方法，包括如下步骤：
4、接收针对纵向面所采集的声音信号和视频信号；
5、将声音信号与特征声音进行比对，判断声音信号中是否存在特征声音；
6、如果存在特征声音，则抽取声音信号对应的时间区域内的视频信号，识别视频信号中的特征对象，并抽取2-4帧含有特征对象的图像，识别图像中的特征对象，判断特征对象是否为人体，若为人体，则判断为人体坠落。
7、在一个优选实施例中，所述声音信号通过多个拾音器采集，多个所述拾音器按照矩形阵列安置于所述纵向面上，所述特征声音包括由上至下排布的所述拾音器依次接收到声音信号。
8、在一个优选实施例中，所述拾音器为枪式拾音器，所述拾音器安装于云台上，当位于最上层的所述拾音器接收到声音信号时，相邻范围内的所述拾音器指向接收到声音信号的所述拾音器所在列的方向。
9、在一个优选实施例中，所述特征声音为惊叫声、落地声或坠落时的碰撞声。
10、在一个优选实施例中，判断对象是否为人体的过程包括：对图像中的特征对象进行分割，分割为4-8份，识别分割后的图像，若图像中存在人体结构特征，则识别为人体。
11、一种施工安全风险智能识别系统，用于执行上述施工安全风险智能识别，包括
12、信号接收单元，用于接收针对纵向面所采集的声音信号和视频信号；
13、声音比对单元，用于将声音信号与特征声音进行比对，判断声音信号中是否存在特征声音；
14、人体坠落判断单元，用于如果存在特征声音，则抽取声音信号对应的时间区域内的视频信号，识别视频信号中的特征对象，并抽取2-4帧含有特征对象的图像，识别图像中的特征对象，判断特征对象是否为人体，若为人体，则判断为人体坠落。
15、在一个优选实施例中，所述声音信号通过多个拾音器采集，多个所述拾音器按照矩形阵列安置于所述纵向面上，所述特征声音包括由上至下排布的所述拾音器依次接收到声音信号。
16、在一个优选实施例中，所述拾音器为枪式拾音器，所述拾音器安装于云台上，当位于最上层的所述拾音器接收到声音信号时，相邻范围内的所述拾音器指向接收到声音信号的所述拾音器所在列的方向。
17、在一个优选实施例中，所述特征声音为惊叫声、落地声或坠落时的碰撞声。
18、在一个优选实施例中，所述人体坠落判断单元的判断对象是否为人体的过程包括：对图像中的特征对象进行分割，分割为4-8份，识别分割后的图像，若图像中存在人体结构特征，则识别为人体。
19、与现有技术相比，本发明提供一种施工安全风险智能识别方法和系统，其首先通过声音判断是否有坠落现象的发生，在声音判断的基础上，对应抽取视频中的图片，进行人体判断。这样做的好处在于，声音信号的处理较为简单，接收到声音信号后可以直接进行快速检测，在声音信号判断为是的基础上，从视频中抽取少量图片进行人体检测，视觉检测也较为容易，相较于现有技术中需要对整个坠落过程进行识别处理的方式，本方式一方面是效率高，处理量小，另一方面是，首先基于声音来处理，就避免了现有技术中飞鸟或飞尘的干扰，从而可以去掉现有技术中去雾去噪的步骤，提升了监测的精准性。
1.一种施工安全风险智能识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述一种施工安全风险智能识别方法，其特征在于，所述声音信号通过多个拾音器采集，多个所述拾音器按照矩形阵列安置于所述纵向面上，所述特征声音包括由上至下排布的所述拾音器依次接收到声音信号。
3.根据权利要求2所述一种施工安全风险智能识别方法，其特征在于，所述拾音器为枪式拾音器，所述拾音器安装于云台上，当位于最上层的所述拾音器接收到声音信号时，相邻范围内的所述拾音器指向接收到声音信号的所述拾音器所在列的方向。
4.根据权利要求1所述一种施工安全风险智能识别方法，其特征在于，所述特征声音为惊叫声、落地声或坠落时的碰撞声。
5.根据权利要求1所述一种施工安全风险智能识别方法，其特征在于，判断对象是否为人体的过程包括：对图像中的特征对象进行分割，分割为4-8份，识别分割后的图像，若图像中存在人体结构特征，则识别为人体。
6.一种施工安全风险智能识别系统，用于执行权利要求1-5中任一项所述的施工安全风险智能识别方法，其特征在于，包括
7.根据权利要求6所述一种施工安全风险智能识别系统，其特征在于，所述声音信号通过多个拾音器采集，多个所述拾音器按照矩形阵列安置于所述纵向面上，所述特征声音包括由上至下排布的所述拾音器依次接收到声音信号。
8.根据权利要求7所述一种施工安全风险智能识别系统，其特征在于，所述拾音器为枪式拾音器，所述拾音器安装于云台上，当位于最上层的所述拾音器接收到声音信号时，相邻范围内的所述拾音器指向接收到声音信号的所述拾音器所在列的方向。
9.根据权利要求6所述一种施工安全风险智能识别系统，其特征在于，所述特征声音为惊叫声、落地声或坠落时的碰撞声。
10.根据权利要求6所述一种施工安全风险智能识别系统，其特征在于，所述人体坠落判断单元的判断对象是否为人体的过程包括：对图像中的特征对象进行分割，分割为4-8份，识别分割后的图像，若图像中存在人体结构特征，则识别为人体。