基于语义网的挖掘机车斗违规运载工人识别方法研究

发布时间：2022-08-23 13:31

　　我国每年发生的建筑施工安全事故总体依然呈上升趋势,而导致这些事故发生的主要原因是工人的不安全行为。本文以挖掘机车斗违规运载工人这种不安全行为为例,研究一种新的工人不安全行为视觉识别方法。将计算机视觉应用于识别施工现场工人的不安全行为,能够加强对工人的外部监督,在一定程度上减少安全事故的发生。但目前只依赖视觉的识别方法需要大量含有该行为的训练数据来提取某种特定的行为特征,这不仅存在数据收集和标注的困难,还对视觉算法检测特征的准确度提出了更高的要求。考虑到这一点,本文提出一种结合视觉和语义的识别方法。它无需特定的数据训练,只需准确检测出施工现场的挖掘机车斗和工人,即可利用语义网技术识别出挖掘机车斗违规运载工人。该方法的实施包括三个步骤:（1）将建筑工人不安全行为知识表示成语义网络的结构化形式,让计算机能够处理并利用这些知识进行语义识别;（2）基于Faster RCNN算法从施工图像中检测出挖掘机车斗和工人,以供计算机获取施工现场的视觉检测数据;（3）在语义数据管理系统（图数据库）中集成这两种类型的信息,利用图数据库的数据推理能力识别出挖掘机车斗违规运载工人的不安全行为。这首先要将视觉检测数... 

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景
    1.2 国内外研究现状
    1.3 研究目的和意义
    1.4 研究内容和技术路线
2 建筑工人不安全行为知识的语义网络表示方法
    2.1 知识的语义网络表示法
    2.2 建筑工人不安全行为知识的获取来源
    2.3 建筑工人不安全行为知识的概念类划分
    2.4 建筑工人不安全行为知识的语义网络表示
    2.5 本章小结
3 施工现场挖掘机车斗和工人的视觉检测方法
    3.1 FASTER R-CNN算法原理
    3.2 施工现场环境及图像特点
    3.3 FASTER R-CNN检测网络框架
    3.4 基于FASTER R-CNN的挖掘机车斗和工人检测
    3.5 本章小结
4 挖掘机车斗违规运载工人的语义网推理识别方法
    4.1 语义数据管理系统—图数据库
    4.2 施工现场视觉检测信息的语义数据提取
    4.3 施工现场视觉检测信息的语义数据建模
    4.4 挖掘机车斗违规运载工人的语义网推理识别
    4.5 本章小结
5 实证分析
    5.1 实证背景
    5.2 数据采集和处理
    5.3 结果分析
    5.4 本章小结
6 结论与展望
    6.1 结论
    6.2 展望
致谢
参考文献
附录1 攻读硕士学位期间参与的科研项目与科研成果


【参考文献】：
期刊论文
[1]基于本体语义网络的语言理解模型[J]. 王飞,易绵竹,谭新.  计算机科学. 2018(S1)
[2]基于概念层次网络的知识表示与本体建模[J]. 文亮,李娟,刘智颖,晋耀红.  中文信息学报. 2018(04)
[3]知识图谱概念获取研究进展[J]. 边慧珍,哈斯.  广西科学院学报. 2018(01)
[4]深度学习在目标视觉检测中的应用进展与展望[J]. 张慧,王坤峰,王飞跃.  自动化学报. 2017(08)
[5]论建筑工程施工现场安全制度[J]. 时振兴.  江西建材. 2017(01)
[6]基于改进时空兴趣点检测的人体行为识别算法[J]. 丁松涛,曲仕茹.  西北工业大学学报. 2016(05)
[7]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航.  计算机应用. 2016(09)
[8]XML标记的语义[J]. 艾兰·瑞尼尔,戴维德·杜宾,斯芬伯格·麦奎因,克劳斯·惠特福德,王晓光,王俊芳.  出版科学. 2016(04)
[9]建筑工程施工安全风险管理与防范[J]. 胡晓明.  建筑知识. 2016(03)
[10]不安全行为防范的误区及对策[J]. 谢英晖.  现代职业安全. 2016(03)

硕士论文
[1]我国建筑施工安全管理问题研究[D]. 郭雨薇.吉林大学 2015
[2]基于卷积神经网络的行为识别研究[D]. 吴杰.电子科技大学 2015
[3]建设工程项目风险管理研究与实践[D]. 李宇松.吉林大学 2004



本文编号：3677852