腳手架高空作業(yè)危險行為識別方法研究

牛文良，張鵬峰

（甘肅第七建設集團股份有限公司，甘肅 蘭州）

引言

在建筑工地中，為防止腳手架跌落事故的發(fā)生，建筑施工單位出臺多項關于腳手架高空作業(yè)安全管理的政策和規(guī)章制度，但根據(jù)相關工作的實施進展可知，現(xiàn)有的政策并未能在施工現(xiàn)場發(fā)揮預期的約束效果[1]。

根據(jù)大部分工程方的反饋，現(xiàn)階段，亟需一種及時、有效、準確、快速的方法，進行腳手架作業(yè)過程的檢查，通過此種方式，提高建筑工程項目的安全生產(chǎn)水平。然而，當前工地現(xiàn)場對于腳手架高空作業(yè)的安全檢查，通常都是采用人工觀察的方法實行，監(jiān)理人員或安全員會每過數(shù)周或每月，向上遞交一份書面檢查報告。但此種檢測方法效率較低，并且很難實現(xiàn)施工現(xiàn)場全場景、全天候的腳手架高空作業(yè)安全檢查，所以不能及時發(fā)現(xiàn)并阻止腳手架安全事故的發(fā)生[2]。另外，基于文本的書面安全報告往往不能充分地反映出施工現(xiàn)場的安全危害，造成了許多安全隱患，極易引起腳手架跌落事故。為實現(xiàn)對腳手架安全事故的控制，下述將基于現(xiàn)代化技術的應用，進行高空作業(yè)危險行為的識別設計，以此種方式，避免施工現(xiàn)場由于腳手架操作不規(guī)范造成的安全事故發(fā)生。

1 腳手架高空作業(yè)危險行為識別方法研究

1.1 識別算法設計

在此次研究中，為實現(xiàn)對腳手架高空作業(yè)危險行為的識別，引入ST-GCN 圖卷積網(wǎng)絡算法作為識別算法的基礎[3]。在該算法當中，可首先建立一個腳手架高空作業(yè)人員的人體骨骼序列，如圖1 所示。

圖1 腳手架高空作業(yè)人員的人體骨骼序列

圖1 中的結構是由Openpose 提取的一系列人體骨骼在時間序列上的排序得到的。骨架圖當中的每一個點均與腳手架高空作業(yè)人員的關節(jié)相對應[4]。各個關鍵均由兩種形式的邊交接，其中一種為空間邊，另一種為時間邊。在該構造的基礎上，從空間維度和時間維度上獲取后續(xù)危險行為識別所需信息[5]。與某一個像素點x 為例，其圖像的二維卷積結構當中，假設輸入特征圖為fin，在經(jīng)過K×K的卷積核處理后，該特征的輸出可寫作：

式中：fout（x）代表特征輸出；p 代表采樣函數(shù)；h 代表采樣像素點x 的領域范圍；w 代表權重函數(shù)。在時空域上，圖的卷積不僅要有某種空間結構，還要有某種時間結構[6]。文中給出的采樣函數(shù)和權重函數(shù)都是僅反映了空間數(shù)據(jù)的結構性特征，而沒有反映其時變性。然后，通過再一次求解標志組間的映射函數(shù)，獲得了空間- 時間關系圖的空間- 時間關系。

1.2 腳手架高空作業(yè)人員行為骨骼信息采集

在確定腳手架高空作業(yè)危險行為識別算法后，還需要結合采集到的樣本數(shù)據(jù)，對算法進行訓練，確保最終識別結果的精度。在對腳手架高空作業(yè)危險行為識別時，人員行為與運動的靈活多變，加之腳手架高空作業(yè)工作環(huán)境的復雜多變，以及工程中人員的運動與運動易受遮擋，傳統(tǒng)二維圖像往往很難反映出工程的全貌。同時，建筑活動是一個不斷變化的過程，僅采用一幅圖像很難對其進行完整的動態(tài)信息。當前，僅利用一種圖像數(shù)據(jù)難以實現(xiàn)對高空作業(yè)人員危險行為的識別[7]。人類行為的實質就是骨骼的有規(guī)則地運動，而骨骼的各種運動所對應的骨骼的運動模式也各不相同。在各種情況下，如有障礙物或光線干擾時，這種算法都不會受到影響。如果以骨骼聯(lián)結點為研究對象，以其為依據(jù)，抓住骨骼連接點隨時間變化的時空變化規(guī)律，就能更好地識別出特定的行為[8]。為此，本課題提出以人體骨骼為基礎，通過對人體骨骼的關鍵部位信息的挖掘，構建人體骨骼的行為特征庫，實現(xiàn)對人體骨骼的危險行為識別與辨識。對人體骨骼點信息的采集，可結合Openpose，按照圖2 所示流程進行。

圖2 基于Openpose 人體骨骼點信息采集

在此基礎上，實現(xiàn)了人體連接節(jié)點的連接，并對PAFS 進行解碼。首先，采用不極大值消減方法，尋找出一組有可能關聯(lián)的結點，并將其組合為一組骨骼節(jié)點。最后，將多用戶搜索問題轉化為二進制圖匹配問題，利用匈牙利（Hopper）算法對關聯(lián)連接節(jié)點進行優(yōu)化匹配?；贠penpose 模型，利用數(shù)據(jù)集訓練得到，在訓練前需要對圖像當中的人體骨骼進行標記。在進行對算法的訓練時，針對每一個Stage 輸出的特征圖，都可以結合標注的標簽進行相應的損失值計算。圖3 為經(jīng)過訓練后形成的人體骨架示意。

圖3 訓練后形成的人體骨架示意

在利用Openpose 從高空作業(yè)圖像或視頻中采集多人骨骼點信息時，不需要考慮周圍環(huán)境的影響，且方便高效。在從視頻中獲取腳手架高空作業(yè)人員行為骨骼信息時需要考慮視頻格式問題。對采集的視頻數(shù)據(jù)，需要先進行格式上的統(tǒng)一，再利用視頻剪輯軟件載入獲取到的視頻數(shù)據(jù)，并將其統(tǒng)一以mp4 的格式導出，要求視頻的分辨率為1 080 p，編碼為H.264，幀率應設置為30 fps。為方便顯示，對生成的圖像信息的顯示效果進行歸一化處理，將其效果評分控制在0～1 范圍內，越接近1，則說明顯示內容越準確，對人體骨骼關節(jié)點的還原度越高；越接近0，則說明顯示內容越不準確，對人體骨骼關節(jié)點的還原度越低。對所有獲取到的人體骨骼數(shù)據(jù)信息進行劃分，大致可分為三類，分別為：normal construction（正常施工）、High altitude exploration（高空探身）、Scaffold climbing（腳手架攀爬）。

1.3 危險行為識別模型訓練與識別

結合采集到的腳手架高空作業(yè)人員行為骨骼信息，對危險行為識別模型進行訓練。表1 中記錄了危險行為識別模型訓練的環(huán)境配置條件。

表1 危險行為識別模型訓練的環(huán)境配置條件

在訓練時，在前期工作中，將使用Kietics-skeleton數(shù)據(jù)集，其中包括每一幀的骨骼連接節(jié)點的坐標信息，以及每一幀的預測得分。然而，ST-GCN算法模型中，其輸入為連接節(jié)點的聯(lián)合坐標矢量，無法使用ison 格式的Kinetics-skeleton 數(shù)據(jù)集，需要轉換數(shù)據(jù)格式。將Kinetics-skeleton 數(shù)據(jù)集按照9:1 的比例，分成了兩個部分，分別是Kinetics train 和Kinetics val 文件夾，文件夾中保存著每段視頻各幀圖像的姿態(tài)和行為標簽。在此基礎上，將Kinetics-skeleton 數(shù)據(jù)集轉化為npy 與pkl 兩種格式，并與相應的算法相結合，實現(xiàn)了對上述識別算法的模型訓練。

在訓練的過程中，可將行為識別數(shù)量設置為3，將輸入通道數(shù)量設置為3、將批尺寸設置為64、將初始學習率設置為0.1。通常情況下，完成300 輪的訓練后，其學習率會降低到0.000 01，而識別準確率可以穩(wěn)定在91%上下，此時說明危險行為識別模型訓練完畢。

2 方法測試與結果討論

2.1 測試準備

在眾多的施工現(xiàn)場安全事故中，高空墜落是最常見事故形式之一，高空作業(yè)安全事故數(shù)量占據(jù)了超過一半的建筑安全生產(chǎn)事故，腳手架是建筑工地臨時搭建的運輸支撐裝置，大部分高空作業(yè)都是在腳手架支撐的基礎上進行的。隨著腳手架應用的日益廣泛，高空墜落事故已成為一種較為常見的事故。因此，加強對此類事故的安全管理是十分必要的。

為實現(xiàn)對腳手架高空作業(yè)中安全問題的全面控制，政府與有關單位對高度超過2 m 的腳手架作業(yè)進行了明確的要求，并規(guī)范了腳手架的安全生產(chǎn)。雖然有明文規(guī)定，但仍有部分施工人員因擔心系上安全帶后影響操作，而不愿意使用或錯誤使用。除規(guī)范腳手架高空作業(yè)行為，施工單位也可以通過良好的咨詢交流、合理的安全培訓，提高施工人員的安全意識，但通過轉變基層人員認知從而控制安全事故發(fā)生頻次的過程是一個十分漫長的過程。因此，本文開展了此次研究，下述也將對研究的方法與設計的成果進行檢驗與測試。測試前，按照表2，進行測試平臺的配置。

表2 測試硬件平臺配置

為滿足測試環(huán)境的配置需求，選用Windows 10 系統(tǒng)作為硬件設備的運行系統(tǒng)，系統(tǒng)內存為32G，在此過程中，考慮到計算機中不同硬件之間的適配度問題，可在測試環(huán)境中搭配使用不同類型的高性能圖像處理器，確保對前端反饋數(shù)據(jù)的及時處理。

在上述內容的基礎上，按照表3，進行軟件平臺的配置。

表3 測試軟件平臺配置

2.2 施工現(xiàn)場視頻與圖像采集處理與識別結果

通過對現(xiàn)場采集到錄像的初步篩選，選取其中15段錄像，作為施工現(xiàn)場腳手架高空作業(yè)危險行為檢查的重點，同時，設置腳手架高空作業(yè)工人的不同行為，包括：正確佩戴安全帽、未佩戴安全帽、正確系安全帶、未系安全帶等，在進行識別方法的測試前，需要先對采集的視頻與圖像進行預處理，統(tǒng)計圖像、視頻的幀大小、時長、幀率。處理規(guī)范如表4 所示。

表4 施工現(xiàn)場視頻與圖像采集處理規(guī)范

按照上述方式，對現(xiàn)場未佩戴安全帽、未系安全帶等工人危險行為進行識別與檢測，以某區(qū)識別結果為例，如圖4 所示。

圖4 腳手架高空作業(yè)中未系安全帶危險行為的識別結果

從圖4 中可以看出，此名工人在腳手架上進行高空作業(yè)時，僅佩戴了安全帽、攜帶了懸掛繩，但并未按照規(guī)范系安全帶。根據(jù)實驗要求“識別未系安全帶危險行為”與圖4 所示的識別結果，可以證明本次設計的方法在實際應用中，可以實現(xiàn)對現(xiàn)場多種危險行為的智能識別。

結束語

腳手架高空跌落事故頻發(fā)，許多現(xiàn)場安全事故都與腳手架高空作業(yè)危險行為有關。通過對近三年高處墜落事故直接成因的統(tǒng)計，可以發(fā)現(xiàn)，導致高處墜落事故的主要因素是安全帶的不合理使用以及高處腳手架存在的安全隱患。而在腳手架上工作的時候，施工人員沒有系好安全帶，或者沒有合格地使用好安全帶，冒險探身，這些都是高空危險行為的表現(xiàn)。如果能夠及時地對腳手架高空作業(yè)中的危險狀態(tài)進行分析和識別，就可以降低并控制腳手架高處墜落事故的發(fā)生。為落實此項工作，本文開展了此次研究，在完成對此方法的設計后，為檢驗該方法能否在應用中實現(xiàn)對腳手架高空作業(yè)中多種危險行為的精準識別，選擇某工地作為試點，展開了對應的測試，根據(jù)測試的結果與圖4 中的內容可以看出，本次設計的方法可以實現(xiàn)對腳手架高空作業(yè)中未系安全帶危險行為的精準識別，因此，可以嘗試在后續(xù)工作中，加大對該方法在工地與工程項目現(xiàn)場的應用，通過此種方式，為腳手架高空施工作業(yè)提供全面的技術保障。