桥梁施工环境保护工艺及其系统

本技术涉及智能化环境保护领域，且更为具体地，涉及一种桥梁施工环境保护工艺及其系统。

背景技术：

1、桥梁施工是一项对环境有较大影响的工程。扬尘是桥梁施工过程中常见的一种污染物，它不仅会影响施工人员的健康，还会对周围的空气质量、植被生长、水源保护等造成不利影响。为了控制扬尘污染，常用的方法是在施工现场喷洒水，利用水与扬尘颗粒的粘附作用，使扬尘沉降在地面或被冲走。

2、然而，喷洒水的压力大小会直接影响到喷洒水的效果和能耗。如果喷洒水压力过大，会造成水资源的浪费和能量的损失；如果喷洒水压力过小，会导致喷洒水不能有效覆盖扬尘区域，不能达到降低扬尘量的目的。

3、因此，如何根据扬尘的实时状态来自适应地调整喷洒设备的水压，是一个技术难题。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种桥梁施工环境保护工艺及其系统。其首先从扬尘监控视频中提取多个扬尘状态监控关键帧，接着，将所述多个扬尘状态监控关键帧分别通过使用双向注意力机制模块的卷积神经网络模型以得到多个扬尘状态特征矩阵，然后，计算所述多个扬尘状态特征矩阵中每相邻两个扬尘状态特征矩阵之间的转移矩阵以得到由多个转移矩阵组成的转移特征图，接着，将所述转移特征图基于三维卷积神经网络模型的扬尘状态时序特征提取器以得到分类特征图，最后，对所述分类特征图进行特征流形的表达效果优化后通过分类器以得到用于表示增大喷洒水压值或者减小喷洒水压值的分类结果。这样，可以达到降低扬尘量的目的。

2、根据本技术的一个方面，提供了一种桥梁施工环境保护工艺，其包括：

3、获取由高清摄像头采集的扬尘监控视频；

4、从所述扬尘监控视频中提取多个扬尘状态监控关键帧；

5、将所述多个扬尘状态监控关键帧分别通过使用双向注意力机制模块的卷积神经网络模型以得到多个扬尘状态特征矩阵；

6、计算所述多个扬尘状态特征矩阵中每相邻两个扬尘状态特征矩阵之间的转移矩阵以得到由多个转移矩阵组成的转移特征图；

7、将所述转移特征图基于三维卷积神经网络模型的扬尘状态时序特征提取器以得到分类特征图；

8、对所述分类特征图进行特征流形的表达效果优化以得到优化分类特征图；以及

9、将所述优化分类特征图通过分类器以得到分类结果，所述分类结果用于表示增大喷洒水压值或者减小喷洒水压值。

10、在上述的桥梁施工环境保护工艺中，从所述扬尘监控视频中提取多个扬尘状态监控关键帧，包括：

11、从所述扬尘监控视频中以预定采样频率提取多个扬尘状态监控关键帧。

12、在上述的桥梁施工环境保护工艺中，将所述多个扬尘状态监控关键帧分别通过使用双向注意力机制模块的卷积神经网络模型以得到多个扬尘状态特征矩阵，包括：

13、对所述多个扬尘状态监控关键帧进行沿通道维度的池化以得到多个扬尘状态监控特征矩阵；

14、将所述多个扬尘状态监控特征矩阵分别沿着水平方向和垂直方向进行池化以得到多个第一向池化向量和多个第二向池化向量；

15、对所述多个第一向池化向量和所述多个第二向池化向量进行关联编码以得到多个双向关联矩阵；

16、将所述多个双向关联矩阵输入sigmoid激活函数以得到多个注意力特征矩阵；

17、将所述多个扬尘状态监控特征矩阵和所述多个注意力特征矩阵分别展开为特征向量以得到多个扬尘状态监控特征向量和多个注意力特征向量；

18、融合所述多个扬尘状态监控特征向量和所述多个注意力特征向量以得到多个融合关联特征向量；以及

19、将所述多个融合关联特征向量分别进行维度重构以得到所述多个扬尘状态特征矩阵。

20、在上述的桥梁施工环境保护工艺中，计算所述多个扬尘状态特征矩阵中每相邻两个扬尘状态特征矩阵之间的转移矩阵以得到由多个转移矩阵组成的转移特征图，包括：

21、以如下转移矩阵计算公式计算所述多个扬尘状态特征矩阵中每相邻两个扬尘状态特征矩阵之间的转移矩阵以得到所述多个转移矩阵；

22、其中，所述转移矩阵计算公式为：

23、

24、其中，m表示所述多个扬尘状态特征矩阵中每相邻两个扬尘状态特征矩阵之间的转移矩阵，m1、m2分别表示所述多个扬尘状态特征矩阵中相邻两个扬尘状态特征矩阵，表示矩阵相乘；以及

25、将所述多个转移矩阵聚合以得到所述转移特征图。

26、在上述的桥梁施工环境保护工艺中，将所述转移特征图基于三维卷积神经网络模型的扬尘状态时序特征提取器以得到分类特征图，包括：

27、通过所述扬尘状态时序特征提取器各层在层的正向传递中对输入数据分别进行基于三维卷积核的三维卷积处理、池化处理和非线性激活处理以由所述扬尘状态时序特征提取器的最后一层的输出为所述分类特征图，其中，所述扬尘状态时序特征提取器的第一层的输入为所述转移特征图。

28、在上述的桥梁施工环境保护工艺中，对所述分类特征图进行特征流形的表达效果优化以得到优化分类特征图，包括：

29、计算所述分类特征图的每个位置的特征值的位置信息图式场景注意力无偏估计因数以得到多个位置信息图式场景注意力无偏估计因数；以及

30、以所述多个位置信息图式场景注意力无偏估计因数对所述分类特征图的各个位置的特征值进行加权以得到所述优化分类特征图。

31、在上述的桥梁施工环境保护工艺中，计算所述分类特征图的每个位置的特征值的位置信息图式场景注意力无偏估计因数以得到多个位置信息图式场景注意力无偏估计因数，包括：

32、以如下因数计算公式计算所述分类特征图的每个位置的特征值的位置信息图式场景注意力无偏估计因数以得到多个位置信息图式场景注意力无偏估计因数；

33、其中，所述因数计算公式为：

34、

35、其中，和分别代表将二维实数和三维实数映射为一维实数的函数，w、h和c分别是所述分类特征图的宽度、高度和通道数，fi是所述分类特征图的第i个位置的特征值，(xi,yi,zi)为所述分类特征图的第i个位置的特征值的坐标，且是所述分类特征图的所有特征值的全局均值，log表示以2为底的对数函数，wi表示所述分类特征图的第i个位置的特征值的位置信息图式场景注意力无偏估计因数。

36、在上述的桥梁施工环境保护工艺中，将所述优化分类特征图通过分类器以得到分类结果，所述分类结果用于表示增大喷洒水压值或者减小喷洒水压值，包括：

37、将所述优化分类特征图按照行向量或列向量展开为优化分类特征向量；

38、使用所述分类器的多个全连接层对所述优化分类特征向量进行全连接编码以得到编码分类特征向量；以及

39、将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。

40、根据本技术的另一个方面，提供了一种桥梁施工环境保护系统，其包括：

41、视频获取模块，用于获取由高清摄像头采集的扬尘监控视频；

42、关键帧提取模块，用于从所述扬尘监控视频中提取多个扬尘状态监控关键帧；

43、双向注意力编码模块，用于将所述多个扬尘状态监控关键帧分别通过使用双向注意力机制模块的卷积神经网络模型以得到多个扬尘状态特征矩阵；

44、转移矩阵计算模块，用于计算所述多个扬尘状态特征矩阵中每相邻两个扬尘状态特征矩阵之间的转移矩阵以得到由多个转移矩阵组成的转移特征图；

45、扬尘状态时序特征提取模块，用于将所述转移特征图基于三维卷积神经网络模型的扬尘状态时序特征提取器以得到分类特征图；

46、表达效果优化模块，用于对所述分类特征图进行特征流形的表达效果优化以得到优化分类特征图；以及

47、分类模块，用于将所述优化分类特征图通过分类器以得到分类结果，所述分类结果用于表示增大喷洒水压值或者减小喷洒水压值。

48、在上述的桥梁施工环境保护系统中，所述关键帧提取模块，用于：

49、从所述扬尘监控视频中以预定采样频率提取多个扬尘状态监控关键帧。

50、与现有技术相比，本技术提供的桥梁施工环境保护工艺及其系统，其首先从扬尘监控视频中提取多个扬尘状态监控关键帧，接着，将所述多个扬尘状态监控关键帧分别通过使用双向注意力机制模块的卷积神经网络模型以得到多个扬尘状态特征矩阵，然后，计算所述多个扬尘状态特征矩阵中每相邻两个扬尘状态特征矩阵之间的转移矩阵以得到由多个转移矩阵组成的转移特征图，接着，将所述转移特征图基于三维卷积神经网络模型的扬尘状态时序特征提取器以得到分类特征图，最后，对所述分类特征图进行特征流形的表达效果优化后通过分类器以得到用于表示增大喷洒水压值或者减小喷洒水压值的分类结果。这样，可以达到降低扬尘量的目的。