(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210788391.2 (22)申请日 2022.07.05 (71)申请人 杭州翔毅科技有限公司 地址 310000 浙江省杭州市萧 山区萧山经 济技术开发区启迪路198号C -712室 (72)发明人 曹小伍　欧阳思奕 　曹景溢　钱隆　 魏市　 (74)专利代理 机构 深圳市世纪恒程知识产权代 理事务所 4 4287 专利代理师 王丽峰 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) (54)发明名称 基于AI的工地隐患监测方法、 装置、 设备及 存储介质 (57)摘要 本申请公开了一种基于AI的工地隐患监测 方法、 装置、 设备及存储介质， 该方法包括： 通过 摄像机每间隔预设时间段采集关于工地的工地 图像； 确定所述工地图像的类型； 从预设工地隐 患监测模型集中选择得到与所述工地图像的类 型匹配的目标工地隐患监测模型； 根据所述目标 工地隐患监测模 型对所述工地图像进行识别， 得 到识别结果； 确定所述识别结果是否为工地隐患 集中的一种工地隐患， 若是时， 输出所述工地隐 患对应的响应警报。 本申请直接通过人工智能识 别的手段识别工地安全隐患， 并进行响应报警， 提升工地建设的安全性。 权利要求书3页 说明书11页 附图2页 CN 115223091 A 2022.10.21 CN 115223091 A 1.一种基于AI的工地隐患监测方法， 其特 征在于， 所述方法包括： 通过摄像机每间隔预设时间段采集关于 工地的工地图像； 确定所述工地图像的类型； 从预设工地隐患监测模型集中选择得到与所述工地图像的类型匹配的目标工地隐患 监测模型； 根据所述目标工地隐患监测模型对所述工地图像进行识别， 得到识别结果； 确定所述识别结果是否为工地 隐患集中的一种工地 隐患， 若是时， 输出所述工地 隐患 对应的响应警报。 2.如权利要求1所述的基于AI的工地隐患监测方法， 其特征在于， 所述工地图像的类型 包括非工地关联事项类型图像， 在所述工地图像的类型为非工地关联事项类型图像时， 所 述目标工地隐患监测模型为非工地关联事项图像识别模型； 所述根据所述目标工地隐患监测模型对所述工地图像进行识别， 得到识别结果的步 骤， 包括： 所述非工地关联事项图像识别模型是基于具有非工地关联事项标签的第 一训练数据， 对第一待训练模型进行迭代训练后得到的， 具有满足第一精度条件的模型参数的预测模 型， 所述非工地关联事项标签包括非工地车辆标签和非工地人员标签； 根据所述非工地关联事项图像识别模型对所述非工地关联事项类型图像进行识别， 确 定所述非工地关联事项类型图像是否具有非工地车辆和/或者具有非工地人员； 所述确定所述识别结果是否为工地 隐患集中的一种工地 隐患， 若是时， 输出所述工地 隐患对应的响应警报的步骤， 包括： 若所述非工地关联事项类型图像为具有非工地车辆和/或者具有非工地人员的图像， 则输出驱赶所述非工地车辆和/或者具有非工地人员的驱赶响应警报。 3.如权利要求1所述的基于AI的工地隐患监测方法， 其特征在于， 所述工地图像的类型 包括火灾风险类型图像， 在所述工地图像的类型为火灾风险类型图像时， 所述目标工地隐 患监测模型为火灾 风险图像识别模型； 所述根据所述目标工地隐患监测模型对所述工地图像进行识别， 得到识别结果的步 骤， 包括： 所述火灾风险图像识别模型是基于具有火灾风险标签的第 二训练数据， 对第 二待训练 模型进行迭代训练后得到的， 具有满足第二精度条件的模型参数 的预测模型， 所述火灾风 险标签包括烟雾标签和明火标签； 根据所述火灾风险图像识别模型对所述火灾风险类型图像进行识别， 确定所述火灾风 险类型图像是否具有烟雾和/或者明火； 所述确定所述识别结果是否为工地 隐患集中的一种工地 隐患， 若是时， 输出所述工地 隐患对应的响应警报的步骤， 包括： 若所述火灾风险类型图像为具有烟雾和/或者明火的图像， 则 输出烟雾响应警报和/或 者明火响应警报。 4.如权利要求1所述的基于AI的工地隐患监测方法， 其特征在于， 所述工地图像的类型 包括裸土类型图像， 在所述工地图像的类型为裸土类型图像时， 所述 目标工地隐患监测模 型为裸土图像识别模型；权　利　要　求　书 1/3 页 2 CN 115223091 A 2所述根据所述目标工地隐患监测模型对所述工地图像进行识别， 得到识别结果的步 骤， 包括： 所述裸土类型图像识别模型是基于具有裸土被覆盖标签的第 三训练数据， 对第 三待训 练模型进行迭代训练后得到的， 具有满足第三精度条件的模型参数的预测模型； 根据所述裸土类型图像识别模型对所述裸土类型图像进行识别， 确定所述裸土类型图 像中裸土是否被覆盖； 所述确定所述识别结果是否为工地 隐患集中的一种工地 隐患， 若是时， 输出所述工地 隐患对应的响应警报的步骤， 包括： 若所述裸土类型图像中为 裸土被覆盖的图像， 则输出裸土被覆盖的响应警报。 5.如权利要求1所述的基于AI的工地隐患监测方法， 其特征在于， 所述工地图像的类型 包括渣土车类型图像， 在所述工地图像的类型为渣土车图像时， 所述 目标工地隐患监测模 型为渣土车图像识别模型； 所述根据所述目标工地隐患监测模型对所述工地图像进行识别， 得到识别结果的步 骤， 包括： 所述渣土车图像识别模型是基于具有渣土车密闭标签的第四训练数据， 对第四待训练 模型进行迭代训练后得到的， 具有满足第四精度条件的模型参数的预测模型； 根据所述渣土车图像识别模型对所述渣土车类型图像进行识别， 确定所述渣土车图像 中渣土车 是否密闭； 所述确定所述识别结果是否为工地 隐患集中的一种工地 隐患， 若是时， 输出所述工地 隐患对应的响应警报的步骤， 包括： 若所述渣土车图像为渣土车 未密闭的图像， 则输出渣土车 未密闭的响应警报。 6.如权利要求1 ‑5任一项所述的基于AI的工地隐患监测方法， 其特征在于， 所述确定所 述工地图像的类型的步骤， 包括： 确定采集所述工地图像的摄 像头的位置信息以及所述 位置信息所在的警示区域类型； 根据所述位置信息和所述警示区域类型， 对所述工地图像进行分类， 得到所述工地图 像的类型。 7.一种基于AI的工地隐患监测装置， 其特 征在于， 所述装置包括： 采集模块， 用于通过摄 像机每间隔预设时间段采集关于 工地的工地图像； 第一确定模块， 用于确定所述工地图像的类型； 选择模块， 用于从预设工地隐患 监测模型集中选择得到与所述工地图像的类型匹配的 目标工地隐患监测模型； 获取模块， 用于根据所述目标工地 隐患监测模型对所述工地图像进行识别， 得到识别 结果； 第二确定模块， 用于确定所述识别结果是否为工地隐患 集中的一种工地隐患， 若是时， 输出所述工地隐患对应的响应警报。 8.一种设备， 其特征在于， 所述设备为电子设备， 所述电子设备包括： 存储器、 处理器以 及存储在存储器上的用于实现所述基于AI的工地隐患监测方法的程序， 所述存储器用于存 储实现基于AI的工地隐患监测方法的程序； 所述处理器用于执行实现所述基于AI的工地隐患 监测方法的程序， 以实现如权利要求权　利　要　求　书 2/3 页 3 CN 115223091 A 3