基于计算机视觉的塔吊危险区域入侵预警

doi:10.16265/j.cnki.issn1003-3033.2024.07.2028

中国安全科学学报 ›› 2024, Vol. 34 ›› Issue (7): 139-146.doi: 10.16265/j.cnki.issn1003-3033.2024.07.2028

基于计算机视觉的塔吊危险区域入侵预警

吴立舟¹(), 李华¹^,^**(), 李典斌², 吴昱锦³, 刘攀旺⁴, 薛曦澄¹

¹ 西安建筑科技大学资源工程学院,陕西西安 710055
² 广州中海达卫星导航技术股份有限公司,广东广州 511400
³ 中建三局集团北京有限公司,河北廊坊 065000
⁴ 中国建筑第八工程局有限公司西北分公司,陕西西安 710075

收稿日期:2024-01-15 修回日期:2024-04-24 出版日期:2024-07-28
通信作者:
^** 李华(1979—),女,陕西西安人,博士,副教授,硕士生导师,主要从事企业风险评估与安全管理、建筑安全监测与监控、公共安全与应急管理等方面的研究。E-mail: lihua@xauat.edu.cn。
作者简介:
吴立舟 (2000—),男,陕西汉中人,硕士研究生,主要研究方向为智能施工与安全管理、计算机视觉和无人机视觉。E-mail: wulizhou@xauat.edu.cn。
基金资助:
陕西省建设厅科技发展计划项目(2020-K32); 西安建科大工程技术项目(XAJD-YF23N010)

Crane danger zone intrusion warning based on computer vision

WU Lizhou¹(), LI Hua¹^,^**(), LI Dianbin², WU Yujin³, LIU Panwang⁴, XUE Xicheng¹

¹ School of Resources Engineering, Xi'an University of Architecture and Technology, Xi'an Shaanxi 710055, China
² Guangzhou Zhonghaida Satellite Navigation Technology Co., Ltd., Guangzhou Guangdong 511400, China
³ China Construction Third Bureau Group Beijing Co., Ltd., Langfang Hebei 065000, China
⁴ Northwest Branch, China Construction Eighth Engineering Bureau Co., Ltd., Xi'an Shaanxi 710075, China

Received:2024-01-15 Revised:2024-04-24 Published:2024-07-28

摘要/Abstract

摘要：

为解决建筑施工中塔吊作业存在的危险区域识别场景复杂的问题,利用计算机视觉技术,提出一种塔吊危险区域入侵预警方法。该方法结合塔吊危险区域动态判定和计算机视觉检测施工现场人员安全帽、安全带佩戴情况以及塔吊下方人员意外入侵,同时,在YOLOv5算法基础上修改注意力模型,并开发窗口交互式检测软件。结果表明:人的入侵行为和安全防护装备在模型中的识别准确率均达85%以上,具有较高准确度。该方法可在塔吊施工场景下进行有效应用,将塔吊固定式危险区域划分为动态塔吊危险区域,并实时监测人员意外入侵及预警。

关键词: 计算机视觉, 塔吊危险区域, 入侵预警, YOLOv5, 安全管理

Abstract:

To address the complex scenarios of identifying danger zones in tower crane operations during construction, an early warning method of tower crane danger zone was proposed using computer vision technology. This method combined dynamic determination of tower crane danger zones with computer vision to detect personnel wearing situations of safety helmets and safety belt at the construction site and the inadvertent intrusion beneath the tower crane. Additionally, the YOLOv5 algorithm was adapted with attention models, and interactive window detection software was developed. Results indicate that the recognition accuracy of this model for human intrusion behavior and personal protective equipment exceeds 85%, demonstrating high precision. This method can be effectively applied in tower crane construction scenarios, optimizing fixed danger zone delineation to dynamic tower crane danger zones, and providing real-time monitoring of inadvertent personnel intrusion with warnings.

Key words: computer vision, tower crane danger zone, intrusion warning, YOLOv5, safety management

中图分类号:

X924.3安全监控系统

吴立舟, 李华, 李典斌, 吴昱锦, 刘攀旺, 薛曦澄. 基于计算机视觉的塔吊危险区域入侵预警[J]. 中国安全科学学报, 2024, 34(7): 139-146.

WU Lizhou, LI Hua, LI Dianbin, WU Yujin, LIU Panwang, XUE Xicheng. Crane danger zone intrusion warning based on computer vision[J]. China Safety Science Journal, 2024, 34(7): 139-146.

图/表 9

表1

图1

图2

图3

图4

表2

图5

图6

图7

参考文献 12

[1]	张鸿辉, 李润求. 2012—2018年建筑施工事故统计分析及对策[J]. 科技创新与应用, 2020(31): 135-137, 139.
	ZHANG Honghui, LI Runqiu. Statistical analysis and countermeasures of construction accidents in years 2012-2018[J]. Technology Innovation and Application, 2020(31): 135-137, 139.
[2]	华莹, 何军, 赵金城. 高层建筑施工现场危险区域识别及评估方法研究[J]. 施工技术, 2019, 48(6): 100-104.
	HUA Ying, HE Jun, ZHAO Jincheng. Research on identification and evaluation method of hazardous area of high-rise building construction site[J]. Construction Technology, 2019, 48(6): 100-104.
[3]	段品生, 周建亮, 范丽萍. 考虑安全风险的建筑工人运动风格刻画方法[J]. 铁道科学与工程学报, 2023, 20(8): 3128-3137.
	DUAN Pinsheng, ZHOU Jianliang, FAN Liping. A construction worker movement style portrayal approach considering safety risk[J]. Journal of Railway Science and Engineering, 2023, 20(8): 3128-3137.
[4]	王伟, 吕山可, 张雨果, 等. 基于BIM与机器视觉技术结合的建筑施工危险区域入侵预警研究[J]. 安全与环境工程, 2020, 27(2): 196-203.
	WANG Wei, LYU Shanke, ZHANG Yuguo, et al. Research on early warning of intrusion into hazardous construction area based on BIM and machine vision technology[J]. Safety and Environmental Engineering, 2020, 27(2): 196-203.
[5]	张充, 赵挺生, 蒋灵, 等. 塔式起重机结构安全监测参数选取及测点布置[J]. 中国安全科学学报, 2021, 31(8): 112-118. doi: 10.16265/j.cnki.issn1003-3033.2021.08.016
	ZHANG Chong, ZHAO Tingsheng, JIANG Ling, et al. Selection of safety monitoring parameters and layout of measuring points for tower crane[J]. China Safety Science Journal, 2021, 31(8): 112-118. doi: 10.16265/j.cnki.issn1003-3033.2021.08.016
[6]	任磊, 苗作华, 李自强, 等. 基于YOLOv3算法的危险区域工人识别[J]. 土木建筑工程信息技术, 2022, 14(2): 10-17.
	REN Lei, MIAO Zuohua, LI Ziqiang, et al. Worker identification in hazardous areas based on YOLOv3 algorithm[J]. Journal of Information Technology in Civil Engineering and Architecture, 2022, 14(2): 10-17.
[7]	CHIAN E, GOH Y, TIAN Jing, et al. Dynamic identification of crane load fall zone: a computer vision approach[J]. Safety Science, 2022, 156(12): DOI: 10.1016/j.ssci.2022.105904.
[8]	李华, 吴立舟, 薛曦澄, 等. 基于计算机视觉的高处临边作业安全巡检[J]. 中国安全科学学报, 2023, 33(9): 69-75. doi: 10.16265/j.cnki.issn1003-3033.2023.09.0202
	LI Hua, WU Lizhou, XUE Xicheng, et al. Computer vision based safety detection of high abutting edges[J]. China Safety Science Journal, 2023, 33(9): 69-75. doi: 10.16265/j.cnki.issn1003-3033.2023.09.0202
[9]	SADEGHI H, ZHANG Xueqing, MOHANDES S. Developing an ensemble risk analysis framework for improving the safety of tower crane operations under coupled Fuzzy-based environment[J]. Safety Science, 2023, 158(10): DOI:10.1016/j.ssci.2022.105957.
[10]	HU Songbo, FANG Yihai, MOEHLER R. Estimating and visualizing the exposure to tower crane operation hazards on construction sites[J]. Safety Science, 2023, 160(12): DOI: 10.1016/j.ssci.2022.106044.
[11]	田枫, 白欣宇, 刘芳, 等. 一种轻量化油田危险区域入侵检测算法[J]. 智能系统学报, 2022, 17(3): 634-642.
	TIAN Feng, BAI Xinyu, LIU Fang, et al. A lightweight intrusion detection algorithm for hazardous areas in oilfields[J]. CAAI Transactions on Intelligent Systems, 2022, 17(3): 634-642.
[12]	崔铁军, 郭大龙. 基于改进YOLOX的变电站工人防护设备检测研究[J]. 中国安全生产科学技术, 2023, 19(4): 201-206.
	CUI Tiejun, GUO Dalong. Research on detection of protection equipment for substation workers based on improved YOLOX[J]. Journal of Safety Science and Technology, 2023, 19(4): 201-206.

危险源	划分规则
塔吊	旋转状态时,机身为圆心、悬臂长为半径的圆形范围(悬臂工作平面)
	悬吊状态时,悬吊物外扩2 m
	吊钩垂直投影为圆心,5 m半径范围内

训练方法	P	R	mAP@ 0.5	mAP@ 0.5∶ 0.95	模型内存/ MB	运算时间/ h
YOLOv5	0.83	0.83	0.86	0.63	13.7	6.15
YOLOv5-CA	0.84	0.82	0.85	0.62	15.2	6.35
YOLOv5-CBAM	0.85	0.81	0.86	0.62	14.7	6.53
YOLOv5-ECA	0.83	0.82	0.85	0.61	13.7	6.30
YOLOv5-SE	0.83	0.82	0.85	0.61	14.7	6.60

[1]	纪执安, 周云奕, 张玉媛, 郭新然, 石坤. 基于改进YOLOv5的工业现场不安全行为检测[J]. 中国安全科学学报, 2024, 34(7): 38-43.
[2]	许娜, 梁燕翔, 王亮, 赵丽丽, 周雪晴, 张博. 基于知识图谱的煤矿建设安全领域知识管理研究[J]. 中国安全科学学报, 2024, 34(5): 28-35.
[3]	张术琳, 张亚楠, 田超, 严翔, 鲁义, 施式亮. 基于CNN的化工园区火灾火焰图像识别研究[J]. 中国安全科学学报, 2024, 34(1): 179-186.
[4]	曹勇. 民用爆炸物品智能仓储系统研究[J]. 中国安全科学学报, 2023, 33(S2): 34-40.
[5]	周鹏, 张婷婷, 王宇. 大庆油田企业安全文化建设实践研究[J]. 中国安全科学学报, 2023, 33(S1): 20-24.
[6]	孙殿阁. 基于数字孪生技术的民用机场安全管理系统构建[J]. 中国安全科学学报, 2023, 33(S1): 222-227.
[7]	吴真真, 杨文涛, 王曦, 任遐. 社区安全发展评估体系研究[J]. 中国安全科学学报, 2023, 33(S1): 249-255.
[8]	王瑶涵, 宋泽阳, 张利冬. 基于卷积神经网络的安全标识分类算法研究[J]. 中国安全科学学报, 2023, 33(S1): 263-269.
[9]	邓勇亮, 张莹, 罗丽, 李扬, 林陵娜. 基于本体技术的地铁运营安全风险管理研究[J]. 中国安全科学学报, 2023, 33(S1): 35-41.
[10]	王秉, 王渊洁, 张志宏. 压电安全管理及其模型[J]. 中国安全科学学报, 2023, 33(9): 1-9.
[11]	李华, 吴立舟, 薛曦澄, 钟兴润. 基于计算机视觉的高处临边作业安全巡检[J]. 中国安全科学学报, 2023, 33(9): 69-75.
[12]	佟瑞鹏, 王彪, 孙宁昊, 胡向阳, 王乾. 行为追溯安全培训法(ACT)理论构建与应用[J]. 中国安全科学学报, 2023, 33(8): 24-29.
[13]	王小俊, 张礼敬, 杨鹏. 机械制造企业安全生产标准化与工伤事故关系[J]. 中国安全科学学报, 2023, 33(8): 45-50.
[14]	张磊, 李熙尉, 燕倩如, 王浩盛, 雷伟强. 基于改进YOLOv5s的综采工作面人员检测算法[J]. 中国安全科学学报, 2023, 33(7): 82-89.
[15]	王喆, 李享, 杨栋梁, 刘丹. 基于YOLOv5s的城镇森林交界域火灾探测模型[J]. 中国安全科学学报, 2023, 33(6): 152-158.

基于计算机视觉的塔吊危险区域入侵预警

Crane danger zone intrusion warning based on computer vision

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 12

相关文章 15

编辑推荐

Metrics

本文评价