買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中國水利水電第七工程局有限公司;川藏鐵路有限公司申請的專利基于AI視頻監(jiān)控的隧道施工監(jiān)控分析方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120108161B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-16發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510591620.5，技術(shù)領(lǐng)域涉及：G08B31/00；該發(fā)明授權(quán)基于AI視頻監(jiān)控的隧道施工監(jiān)控分析方法及系統(tǒng)是由賀國龍;魯玉明;秦金德;孫志強(qiáng);劉小弟;肖丙辰;羅志洪;周鎧;李信;范伯達(dá);王杰;羅維;胡雙浩;冷潞槥;張丹萍;劉志勇;曹艷輝;何延志;袁得棟;鄭勇設(shè)計研發(fā)完成，并于2025-05-09向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于AI視頻監(jiān)控的隧道施工監(jiān)控分析方法及系統(tǒng)在說明書摘要公布了：本發(fā)明提供一種基于AI視頻監(jiān)控的隧道施工監(jiān)控分析方法及系統(tǒng)，涉及人工智能技術(shù)領(lǐng)域，通過多視角視頻采集設(shè)備獲取隧道施工原始視頻流數(shù)據(jù)集合，經(jīng)時空特征融合處理生成時空特征序列，其時空特征單元包含像素區(qū)域運動軌跡、人員穿戴標(biāo)識、施工器械輪廓特征，然后對時空特征序列動態(tài)特征提取得動態(tài)時空特征集合，基于此執(zhí)行施工人員統(tǒng)計處理，生成入洞人員數(shù)量統(tǒng)計結(jié)果、各施工部位的人員分布統(tǒng)計結(jié)果及人員身份匹配結(jié)果，依據(jù)人員統(tǒng)計結(jié)果與預(yù)設(shè)施工進(jìn)度計劃進(jìn)行工效對比分析，生成施工進(jìn)度偏差指標(biāo)與資源配置優(yōu)化策略，進(jìn)度偏差指標(biāo)超第一閾值時觸發(fā)預(yù)警并輸出策略至管理終端，實現(xiàn)對隧道施工的有效監(jiān)控與管理。

本發(fā)明授權(quán)基于AI視頻監(jiān)控的隧道施工監(jiān)控分析方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于AI視頻監(jiān)控的隧道施工監(jiān)控分析方法，其特征在于，所述方法包括： 通過部署在隧道施工區(qū)域的多視角視頻采集設(shè)備實時獲取施工場景的原始視頻流數(shù)據(jù)集合，所述原始視頻流數(shù)據(jù)集合包含時間戳對齊的多個空間連續(xù)幀序列； 對所述原始視頻流數(shù)據(jù)集合進(jìn)行時空特征融合處理，生成時空特征序列，所述時空特征序列中的每個時空特征單元由對應(yīng)幀序列的像素區(qū)域運動軌跡特征、人員穿戴標(biāo)識特征及施工器械輪廓特征組成； 對所述時空特征序列進(jìn)行動態(tài)特征提取處理，得到動態(tài)時空特征集合，所述動態(tài)時空特征集合包含施工人員移動路徑特征、施工器械操作頻次特征及施工面作業(yè)狀態(tài)特征； 基于所述動態(tài)時空特征集合執(zhí)行施工人員統(tǒng)計處理，生成入洞人員數(shù)量統(tǒng)計結(jié)果、各施工部位的人員分布統(tǒng)計結(jié)果及人員身份匹配結(jié)果，所述人員身份匹配結(jié)果通過比對所述人員穿戴標(biāo)識特征與預(yù)注冊身份數(shù)據(jù)庫中的標(biāo)識模板確定； 根據(jù)所述入洞人員數(shù)量統(tǒng)計結(jié)果、所述人員分布統(tǒng)計結(jié)果及預(yù)設(shè)施工進(jìn)度計劃執(zhí)行工效對比分析，生成施工進(jìn)度偏差指標(biāo)及資源配置優(yōu)化策略，當(dāng)檢測到所述施工進(jìn)度偏差指標(biāo)超過第一閾值時觸發(fā)施工預(yù)警指令并輸出所述資源配置優(yōu)化策略至管理終端； 所述對所述原始視頻流數(shù)據(jù)集合進(jìn)行時空特征融合處理，生成時空特征序列，包括： 對所述原始視頻流數(shù)據(jù)集合中的每個空間連續(xù)幀序列執(zhí)行運動軌跡分割處理，得到每個施工人員的像素區(qū)域運動軌跡特征，所述像素區(qū)域運動軌跡特征包括獨立運動軌跡片段及對應(yīng)的軌跡包圍框坐標(biāo)； 在所述軌跡包圍框坐標(biāo)對應(yīng)的像素區(qū)域內(nèi)提取顏色空間分布直方圖，基于預(yù)訓(xùn)練的穿戴標(biāo)識分類模型對所述顏色空間分布直方圖進(jìn)行分類，得到人員穿戴標(biāo)識特征，所述穿戴標(biāo)識分類模型通過標(biāo)注有安全帽、反光衣、工種編號的訓(xùn)練數(shù)據(jù)集訓(xùn)練得到； 對所述空間連續(xù)幀序列中的施工器械輪廓進(jìn)行邊緣增強(qiáng)處理，提取增強(qiáng)后輪廓的多邊形頂點坐標(biāo)集合，基于所述多邊形頂點坐標(biāo)集合與預(yù)存儲器械模板庫進(jìn)行形狀匹配，確定施工器械類型及對應(yīng)的操作狀態(tài)； 將同一時間戳下的所述像素區(qū)域運動軌跡特征、所述人員穿戴標(biāo)識特征及所述施工器械類型進(jìn)行特征拼接，生成時空特征單元，按時間順序排列所有時空特征單元得到時空特征序列； 所述對所述時空特征序列進(jìn)行動態(tài)特征提取處理，得到動態(tài)時空特征集合，包括： 構(gòu)建包含卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)與圖卷積網(wǎng)絡(luò)的動態(tài)特征提取模型，將所述時空特征序列輸入至所述動態(tài)特征提取模型中； 通過所述卷積神經(jīng)網(wǎng)絡(luò)對每個時空特征單元進(jìn)行局部特征卷積操作，提取施工面作業(yè)區(qū)域的紋理變化梯度特征及器械操作動作片段特征； 通過所述循環(huán)神經(jīng)網(wǎng)絡(luò)對連續(xù)時間戳的所述紋理變化梯度特征及所述器械操作動作片段特征進(jìn)行時序依賴建模，生成施工器械操作頻次特征及施工面作業(yè)狀態(tài)特征； 通過所述圖卷積網(wǎng)絡(luò)對所述像素區(qū)域運動軌跡特征進(jìn)行空間關(guān)系建模，構(gòu)建以軌跡包圍框質(zhì)心為節(jié)點、相鄰軌跡間距為邊權(quán)重的施工移動圖結(jié)構(gòu)，在所述施工移動圖結(jié)構(gòu)上進(jìn)行速度-方向聯(lián)合分析，計算每個施工人員在單位時間內(nèi)的位移向量模長及相鄰人員軌跡的角度協(xié)方差，生成施工人員移動路徑特征； 聚合所述施工人員移動路徑特征、所述施工器械操作頻次特征及所述施工面作業(yè)狀態(tài)特征，生成動態(tài)時空特征集合； 所述動態(tài)特征提取模型的訓(xùn)練方法包括： 獲取包含時空特征序列的訓(xùn)練數(shù)據(jù)集及對應(yīng)的標(biāo)注數(shù)據(jù)集合，所述標(biāo)注數(shù)據(jù)集合包含施工器械操作頻次標(biāo)注、施工面作業(yè)狀態(tài)標(biāo)注及施工人員移動路徑標(biāo)注； 對所述時空特征序列進(jìn)行多通道特征標(biāo)準(zhǔn)化處理，將所述像素區(qū)域運動軌跡特征、人員穿戴標(biāo)識特征及施工器械輪廓特征轉(zhuǎn)換為零均值單位方差的歸一化特征向量，確保不同特征維度的量綱單位一致； 初始化所述卷積神經(jīng)網(wǎng)絡(luò)的卷積核權(quán)重矩陣、所述循環(huán)神經(jīng)網(wǎng)絡(luò)的隱藏狀態(tài)轉(zhuǎn)移矩陣及所述圖卷積網(wǎng)絡(luò)的鄰接矩陣更新函數(shù)，其中卷積核尺寸與所述時空特征單元的像素區(qū)域空間尺寸匹配，隱藏狀態(tài)維度與所述器械操作動作片段特征的時間步長匹配，鄰接矩陣的邊權(quán)重維度與所述軌跡包圍框質(zhì)心間距的實際物理距離單位匹配； 將標(biāo)準(zhǔn)化后的時空特征序列按時間窗口切片，生成時間片段序列，每個時間片段序列包含固定數(shù)量的連續(xù)時空特征單元； 將所述時間片段序列輸入至所述卷積神經(jīng)網(wǎng)絡(luò)，通過多層卷積層與池化層的交替操作提取局部紋理特征圖，所述局部紋理特征圖包含施工面作業(yè)區(qū)域的紋理變化梯度特征及器械操作動作片段特征； 將所述局部紋理特征圖按時間順序輸入至所述循環(huán)神經(jīng)網(wǎng)絡(luò)，通過雙向長短時記憶單元捕獲相鄰時間片的特征依賴關(guān)系，輸出每個時間片的器械操作頻次預(yù)測特征及施工面作業(yè)狀態(tài)預(yù)測特征； 將所述時空特征序列中的像素區(qū)域運動軌跡特征輸入至所述圖卷積網(wǎng)絡(luò)，基于軌跡包圍框質(zhì)心坐標(biāo)構(gòu)建動態(tài)鄰接矩陣，通過節(jié)點特征聚合與邊權(quán)重更新生成空間關(guān)系增強(qiáng)后的移動路徑預(yù)測特征； 拼接所述器械操作頻次預(yù)測特征、所述施工面作業(yè)狀態(tài)預(yù)測特征及所述移動路徑預(yù)測特征，生成動態(tài)時空特征預(yù)測集合； 計算所述動態(tài)時空特征預(yù)測集合與所述標(biāo)注數(shù)據(jù)集合之間的多任務(wù)損失函數(shù)，所述多任務(wù)損失函數(shù)包括器械操作頻次均方誤差、施工面作業(yè)狀態(tài)交叉熵?fù)p失及移動路徑方向余弦相似度損失的加權(quán)和； 基于所述多任務(wù)損失函數(shù)執(zhí)行反向傳播優(yōu)化，同步更新所述卷積神經(jīng)網(wǎng)絡(luò)的卷積核權(quán)重矩陣、所述循環(huán)神經(jīng)網(wǎng)絡(luò)的隱藏狀態(tài)轉(zhuǎn)移矩陣及所述圖卷積網(wǎng)絡(luò)的鄰接矩陣更新函數(shù)，直至損失函數(shù)收斂。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人中國水利水電第七工程局有限公司;川藏鐵路有限公司，其通訊地址為：611730 四川省成都市郫都區(qū)郫筒鎮(zhèn)北大街成灌東路349號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。