CN119443827A 一种面向施工现场的多元异构物联感知数据融合方法 （中铁建工集团有限公司）

一种面向施工现场的多元异构物联感知数面向施工现场的多元异构物联感知数据融合方析工作人员的所有节点在局部帧数据内加速度合节点异常状态因子和节点相对异常程度与历2采集施工现场工作人员的视频数据，识别每个工作人员的节点，基于所述节点的位置坐标，分析每个工作人员的节点在视频基于所述节点的加速度，分析每个工作人员的所有节点在视频数在当前局部帧数据与历史数据之间，分别分析所有工作人员的根据所述设备状态数据和所述工程进度数据，利用神经网络，获得根据所述异常工作状态程度，结合所述设备风险因子和所述工程进度风险2.根据权利要求1所述的面向施工现场的多元异构物联感知数据融合方法，其特征在3.根据权利要求2所述的面向施工现场的多元异构物联感知数据融合方法，其特征在对于任意一个工作人员的任意一个节点，若所述节点在所述历史4.根据权利要求3所述的面向施工现场的多元异构物联感知数据融合方法，其特征在基于所述节点的位置坐标，分析每个工作人员的所述非稳定节点在基于所述节点的位置坐标，分析每个工作人员的所述非稳定节点在数据内所有所述位置坐标分别在X轴和Y轴方向上的标准差，得到所述位置坐标的离散程根据所述距离度量和所述离散程度，得到每个工作人员的非稳定节5.根据权利要求1所述的面向施工现场的多元异构物联感知数据融合方法，其特征在基于所述节点的加速度，分析第i个工作人员的第j个节点在局部帧数据中第n帧时的基于所述加速度异常因子，分析第个工作人员的所有节点在视频数据的局部帧数据36.根据权利要求5所述的面向施工现场的多元异构物联感知数据融合方法，其特征在于，基于所述节点的加速度，分析第i个工作人员的第j个节点在局部帧数据中第n帧时的基于所述节点的加速度，识别第i个工作人员的第j个节点在视频数据中的所有异常加根据第i个工作人员的第j个节点在局部帧数据中第n帧时加速度，结合所述异常加速度的均值，得到第i个工作人员的第j个节点在局部帧数据中第n帧时的加速度异常因子。7.根据权利要求5或6所述的面向施工现场将第i个工作人员的第j个节点在局部帧数据内所有帧时的所述加速度异常因子构成序列，记为第i个工作人员的第j个节点的加速度时序序列；分析第个工作人员对应的所有所述节点组合中两节点对应的所述加速度时序序列之8.根据权利要求1所述的面向施工现场的多元异构物联感知数据融合方法，其特征在基于所述历史数据，获取所有工作人员的历史节点异常状态因子分析每个工作人员的所述节点异常状态因子与所述历史节点异常状态因子均值的差9.根据权利要求1所述的面向施工现场的多元异构物联感知数据融合方法，其特征在将所述设备状态数据和所述工程进度数据分别输入训练好的CNN神经网络中，获得设4根据所述异常工作状态程度，结合所述设备风险因子和所述工程进度风险5根据所述异常工作状态程度，结合所述设备风险因子和所述工程进度风险因子，6基于所述节点的加速度，分析第i个工作人员的第j个节点在局部帧数据中第n帧基于所述加速度异常因子，分析第个工作人员的所有节点在视频数据的局部帧[0010]在本发明的一些实施例中，基于所述节点的加速度，分析第i个工作人员的第j个基于所述节点的加速度，识别第i个工作人员的第j个节点在视频数据中的所有异根据第i个工作人员的第j个节点在局部帧数据中第n帧时加速度，结合所述异常加速度的均值，得到第i个工作人员的第j个节点在局部帧数据中第n帧时的加速度异常因将第i个工作人员的第j个节点在局部帧数据内所有帧时的所述加速度异常因子构成序列，记为第i个工作人员的第j个节点的加速度时序序列；分析第个工作人员对应的所有所述节点组合中两节点对应的所述加速度时序序7分析每个工作人员的所述节点异常状态因子与所述历史节点异常状态因子均值将所述设备状态数据和所述工程进度数据分别输入训练好的CNN神经网络中，获其中CNN神经网络的训练方法为：采集施工现场大量的设备状态数据或工程进度用数据集训练CNN神经网络，得到设备状态数据训练神经网络或工程进度数据训练神经网根据所述异常工作状态程度，结合所述设备风险因子和所述工程进度风险因子，施工现场异常工作状态的分析提供稳定可靠8[0018]图1为本发明实施例提供的一种面向施工现场的多元异构物联感知数据融合方法[0022]请参阅图1，其示出了本发明一个实施例所提供的一种面向施工现场的多元异构[0023]如图1所示，本发明一个实施例提供的一种面向施工现场的多元异构物联感知数9据中的任意两个位置坐标之间距离的方差小于方差阈值（小于0.2或者是将该节点在历首先，对于任意一个局部帧数据中第i个工作人员，相邻帧内第i个工作人员的非变得更加不规则和凌乱；在局部帧数据中标准差越大表示工作人员的移动轨迹的波动越数据内所有帧图像的数量；J表示第i个工作人员的非稳定节点的数量；drj表示第i个工作人员在第t帧图像内的第j个非稳定节点的位置坐标；dt+1j表示第i个工作人员在第t+1之间的欧式距离；Jix表示第i个工作人员的第j个非稳定节点在视频数据的局部帧数据内所有位置坐标在X轴方向上的标准差；Jiy表示第i个工作人员的第j个非稳定节点在视频数明该工作人员在极短的时间内发生了快速移动，也即该工作人员的节点位置突变程度越大；标准差(qx+q,)越大表示工作人员的移动轨迹的波动越大，可能由于该工作人员进步的包括：基于节点的加速度，分析第i个工作人员的第j个节点在局部帧数据中第n帧时基于节点的加速度，对局部帧数据第i个工作人员的第j个节点，若第j个节点在i个工作人员的第j个节点在视频数据中的所有异常加速度，并计算第i个工作人员的第j个节点在视频数据中的所有异常加速度的均值。异常加速度表示工作人员遇到突发情况导致这一时刻自身的行为发生减缓[0041]根据第i个工作人员的第j个节点在局部帧数据中第n帧时的加速度，结合异常加速度的均值，得到第i个工作人员的第j个节点在局部帧数据中第n帧时的加速度异常因子。构建第i个工作人员的第j个节点在局部帧数据中第n帧时的加速度异常因子的计算公stijn=exp(-azjn-ujl)式中，sti,jn表示第i个工作人员的第j个节点在局部帧数据中第n帧时的加速度异常因子；ci,jn表示第i个工作人员的第j个节点在局部帧数据示第i个工作人员的第j个节点在视频数据中所有异常加速度的均值；exp表示以自然常数e为底数的指数函数。[0042]第j个节点在第n帧时的加速度与第j个节点在视频数据中异常加速度的均值之后基于加速度异常因子，分析第个工作人员的所有节点在视频数据的局部帧数据内加速将第i个工作人员的第j个节点在局部帧数据内所有帧时的加速度异常因子构成序列，记为第i个工作人员的第j个节点的加速度时序序列；将第i个工作人行任意两两组合，得到第i个工作人员的节点组合；分析第i个工作人员对应的所有节点组合中两节点对应的加速度时序序列之间的皮尔逊相关系数，得到第个工作人员的节点相式中，Aji表示第i个工作人员在局部帧数据内的节点相对异常程度；zi表示第i个工作人员的所有节点组合的数量；simi,z表示第i个工作人员的第z个节点组合中两个节点[0044]工作人员在局部帧数据内两个节点的加速度时序序列之间的皮尔逊相关系数越帧数据内所有工作人员的数量；Aji表示第i个工作人员在局部帧数据内的节点相对异常程度；wti表示局部帧数据内第i个工作人员的节点异常状态因子；表示视频数据的局部据的局部帧数据内所有工作人员的节点在历史数据内的历史节点相对异常程度均值；nom表示线性归一化函数