基于智能識別的高空物體墜落分析

張修國

（中央司法警官學院 河北省保定市 071000）

改革開放以來我國的城鎮(zhèn)化建設如火如荼，高樓大廈日漸增多，住進高層房已成為一種常態(tài)，但無論是在人口密集的高層住宅區(qū)，還是建筑區(qū)，都會發(fā)生大量的高空墜物事故。在高層住宅區(qū)，可能是由于人為亂丟雜物或者花盆、瓷磚等意外掉落；在建筑區(qū)可能是建筑材料的意外脫落，因此相關部門也采取了相應的措施進行防護，如:在住宅區(qū)安裝電子眼監(jiān)控設備、在施工現(xiàn)場使用綠色防護網(wǎng)，但目前這些措施都還沒有從根本上減少高空墜物帶來的慘劇。

1 研究背景及意義

日前，高空墜物導致人員傷亡事件頻繁發(fā)生，從問題根源上看不僅僅是人員素養(yǎng)問題，而已成為公共安全風險逐漸挑戰(zhàn)著城市的治理智慧。相關實驗數(shù)據(jù)表明：一個30 克的生雞蛋從4 樓砸到路過的行人頭上就會砸暈行人；從8 樓墜下來會使行人頭皮破損；從18 樓自由落體砸下來就可以砸破行人的頭骨；從25 樓拋下更會使行人當場死亡。實驗數(shù)據(jù)使人觸目驚心，為了避免生活中存在的這些安全隱患，從源頭減少高空墜物引起的事故，減輕高空墜物所帶來的損害，當前研發(fā)出一款智能檢測墜物并自動攔截的裝置非常有必要。

2 國內(nèi)外研究現(xiàn)狀

目前常見的高空墜物防護設施只有安全帽、防盜窗、天井防護網(wǎng)等，市面上并不存在成熟并以第一時間發(fā)現(xiàn)墜物——攔截墜物——語音疏散行人到安全區(qū)的智能設施，本文所研究的基于智能識別的高空物體墜落分析系統(tǒng)將彌補智能預測及攔截高空墜物領域的空白。

國內(nèi)研究者提出了高空物體墜落落點理論模型[1]，計算出了施工現(xiàn)場高空墜落物的散落半徑，給出了施工現(xiàn)場地面安全防護的水平寬度；這些研究理論是非常有針對性的，對本文研究的高空物體墜落分析系統(tǒng)具有一定的借鑒意義。高空物體墜落落點理論模型直接指出了物體從高空墜落的運動軌跡，水平高度及初始速度計算的理論公式，也直接指明了墜落物的動量，這對我們研究的設備的材料承受能力提出了要求。其給出的安全防護水平寬度對我們研究設備的攔截有效半徑提供了重要參考，要求攔截裝置的有效攔截半徑要大于等于預期墜落物的墜落半徑。

圖1：系統(tǒng)結構流程

圖2：墜物判斷網(wǎng)絡結構

圖3：圖像特征識別

國外研究者斯圖爾特?羅素提出了一種借助外部的物理知識來輔助做無標注的監(jiān)督學習[2]，該方法在真實世界和模擬計算機視覺任務中都具有很好的效果，從而可以訓練卷積神經(jīng)網(wǎng)絡來檢測和跟蹤目標，最主要的是該方法可以顯著減少對標記訓練數(shù)據(jù)的需求。還有一些研究者通過攝像機立體拍攝獲得下落物體的三維數(shù)據(jù)，然后再對這些數(shù)據(jù)進行分析[3]。也有研究由落體探測與識別系統(tǒng)(ODRS)和計算機視覺庫OPENCV 對下落的物體進行識別、推理，并將信息轉換給處理器(IPC)的自動裝置。以及有研究者根據(jù)莫爾斯理論提出的一種計算3D 物體可能墜落的捕捉區(qū)域的算法，這對我們預測行人疏散的安全區(qū)提供了很大的幫助。

3 識別設計及主要框架

基于智能識別的高空物體墜落分析系統(tǒng)通過計算機視覺技術對高空有墜落風險或已墜落的物體進行掃描、識別和采集，再對采集的圖片或視頻進行處理，并自動獲得相應場景的三維信息，之后對獲取的相關數(shù)據(jù)及墜落物體的運動分析，最終得出相應的預防措施。整個系統(tǒng)可劃分為三個部分：智能識別、墜物攔截、語音疏散。其主要框架如圖1所示。

3.1 智能識別

探測高空環(huán)境中的潛在危險是生物的一項基本能力，但近年來國外的研究者也將其運用到了計算機方面。有人提出了一種基于距離傳感器捕獲的三維點云輸入的潛在落體檢測算法，利用直覺機制，通過推斷隱藏的“原因”(擾動)和推理可能的“效果”(下落)，解決了探測潛在落體的問題及通過計算在給定擾動場景下潛在落體的期望值，來檢測潛在落體的風險。該算法在探測高空潛在危險上給本文提供了一定的參考，我們將此技術與計算機視覺技術進行融合用來對高空中有墜落風險或正在墜落的物體進行掃描預測，并通過對墜物的分析自動采取相關解決措施。

識別部分首先運用計算機視覺技術對高空中有墜落風險或正在墜落的物體進行實時掃描分析。若檢測到存在墜落風險的物體，則自動給出相應的解決措施。若檢測到高空中有物體正在墜落，則實施下一步措施：通過計算機視覺技術立馬對其進行識別判斷，判斷正在下落的東西是墜物，還是鳥兒等其他干擾項（墜物判斷網(wǎng)絡如圖2所示），同時全套系統(tǒng)進入工作狀態(tài)。確定是墜落的物體后立馬觸動報警器進行報警，并語音疏散地面的行人到安全區(qū)域，與此同時對下落的物體進行全程跟蹤、檢測、數(shù)據(jù)的采集及墜物的運動分析。通過對上述操作獲得的相關數(shù)據(jù)進行預算處理后得出發(fā)射網(wǎng)罩的類型、方向、力度及時間，并及時傳送給攔截裝置對墜物進行初次攔截。之后再對初次攔截的狀態(tài)進行視覺識別分析，若攔截成功則不進行再次攔截，若不成功則進行再次或多次攔截直至成功攔截。

3.2 墜物攔截

由于機器學習需要大量標記的訓練數(shù)據(jù)進行訓練后才能很好的對物體進行識別，然而對于我們研究的高空墜物問題不可能進行大量的訓練，所以我們引入了無標簽監(jiān)督神經(jīng)網(wǎng)絡的學習方式。通過訓練卷積神經(jīng)網(wǎng)絡來檢測和跟蹤墜物，而不需要任何標記的例子，減少了對標記訓練數(shù)據(jù)的需求。該方法在真實世界和模擬計算機視覺任務中都有很好的適用性。

當高空中有不明物體正在下落時，通過視覺攝像頭對其進行數(shù)據(jù)的采集，將C++與OPENCV 庫相結合，用計算機視覺技術進行圖像處理、檢測和識別高空墜落物體，并對其進行推理分析，再將所獲得的信息傳給處理器進行處理計算，預算出攔截裝置發(fā)射網(wǎng)罩的類型、方向、力度及時間。在攔截方面我們借鑒了美國研發(fā)的飛行物體攔截裝置，采用一種網(wǎng)罩對墜物進行攔截，網(wǎng)罩選用可包裝、可靈活展開似蜘蛛網(wǎng)結構和具有多個穿孔的氣球狀結構、樹籬豬狀結構或蒲公英種子狀結構。采用輕質(zhì)、耐撕裂、具有彈性和柔韌性的多種聚合纖維組合制成，如高強度玻璃纖維網(wǎng)、碳纖維和輕質(zhì)金屬或聚合物篩網(wǎng)組合而成，使網(wǎng)罩能夠抵抗極端的碰撞壓力。

考慮到墜物的多樣性，我們選用不同類型、不同材料的攔截網(wǎng)罩，可根據(jù)識別出的墜物具體信息，選擇不同類型的網(wǎng)罩發(fā)射裝置，發(fā)射出合適的網(wǎng)罩對墜物進行攔截。網(wǎng)罩也可通過展開裝置將其拉伸成大的、二維的或三維的擴展結構。在發(fā)射時網(wǎng)罩將以最小形式儲存在一個載體彈丸中，載體彈丸將通過特定的發(fā)射裝置進行發(fā)射；發(fā)射裝置將安裝在高樓的底層，載體彈丸被發(fā)射后進入預期的彈道路線，當載體彈丸到達墜物附近后，網(wǎng)罩將被迅速釋放出來，并部署在一個大范圍內(nèi)對墜物進行攔截。當探測到墜物與網(wǎng)罩完全接觸后，迅速通過多個靈活可展開的空氣動力阻力體使墜物的垂直下降速度減小，已達到墜物最終安全到達地面及終止攔截的目的?？諝鈩恿ψ枇w包括一個可通過氣流充氣的氣球、一個充氣安全氣囊、一個可展開的降落傘、產(chǎn)生突然角度快速運動阻力的絲帶和泡沫體，甚至可以通過添加膨脹劑充氣或填充泡沫的成型體的形式存在。

本套攔截裝置由于所采用的網(wǎng)罩比較特殊不會損壞墜物，而它又是通過空氣動力學、主動體對墜物的墜落速度和機動性產(chǎn)生負面影響，使墜物能夠安全到達地面。從而該裝置還適用于對高樓人員跳樓及高空人員意外滑落的救助。

3.3 語音疏散

當智能識別系統(tǒng)檢測到有墜落的物體后，將第一時間觸發(fā)報警器和智能疏散系統(tǒng)。智能疏散系統(tǒng)及時規(guī)劃出安全疏散的路線后自動語音提示地面行人進行安全疏散，將行人引導至安全區(qū)域。

4 實驗

在識別實驗中我們使用VGG16 算法對圖像目標進行訓練學習，訓練過程中采用的數(shù)據(jù)集和測試時使用的數(shù)據(jù)集均在網(wǎng)絡上隨機爬取的與高空墜物相關的圖像。在訓練時采用的深度學習框架為TensorFlow，將訓練好的圖像識別模型移植到智能識別系統(tǒng)中對墜物進行識別檢測。

測試結果：

實驗中已通過池化層特征對相關墜物及干擾物進行了分析，通過分析發(fā)現(xiàn)實驗中涉及到的識別算法能夠比較準確的識別出高空墜落的物體和判斷出墜物是否為干擾物，識別準確率可達90%以上。具體如圖3所示。

5 結語

本文將人工智能領域的計算機視覺及機器學習等相關技術進行融合，設計了基于智能識別的高空物體墜落分析系統(tǒng)，用于對高空墜物進行識別與預測。該系統(tǒng)首先通過計算機視覺等技術對高空有墜落風險或已墜落的物體進行掃描、識別、采集，再對采集的圖片或視頻進行處理，并自動獲得相應場景的三維信息，然后對獲取的相關數(shù)據(jù)及墜落物體的運動分析，最終得出相應的預防措施。該設計對于減少高空墜物事件的發(fā)生以及減輕高空墜物的傷害有著比較強的實際意義。