CN109803127A - 基于大数据和物联网技术的城市安全工地监控系统和方法 - Google Patents

Abstract

本申请提供了基于大数据和物联网技术的城市安全工地监控系统、方法、电子设备和存储介质，涉及监控领域。本申请所提供的基于大数据和物联网技术的城市安全工地监控系统，在车辆进入到施工现场之后，获取了车辆的车辆行驶信息，而后，将车辆行驶信息输入到了预先训练好的车辆行驶风险计算模型中，以确定所述施工车辆的行驶风险，最后，根据行驶风险来确定是否要进行告警。其中，车辆行驶信息包括以下的任意一种或多种：车辆行驶速度、车辆类型、车辆所在的行驶区域、车辆的行驶轨迹、车辆与安全区的距离、车辆的车重、车载人员信息。由于使用了车辆行驶风险计算模型来计算行驶风险，使得预测出的行驶风险更加准确。

Description

基于大数据和物联网技术的城市安全工地监控系统和方法

技术领域

本申请涉及监控领域，具体而言，涉及基于大数据和物联网技术的城市安全工地监控系统、方法、电子设备和存储介质。

背景技术

施工现场的环境复杂、特殊，通常需要采用电子的基于大数据和物联网技术的城市安全工地监控系统来监视工地是否有危险事件发生。

通常，基于大数据和物联网技术的城市安全工地监控系统至少由两部分组成，分别是监视设备和显示设备。监视设备通常是摄像头，显示设备通常是阵列显示器。在摄像头拍摄到的工地的施工画面后，会将施工画面传送到中控室，再由中控室的阵列显示器显示这些施工画面，最后由监视员来判断工地是否发生了危险事件。

发明内容

本申请的目的在于提供基于大数据和物联网技术的城市安全工地监控系统、方法、电子设备和存储介质。

在一些实施例中，基于大数据和物联网技术的城市安全工地监控系统，包括：

信息采集模块，用于获取进入到施工现场的施工车辆的车辆行驶信息；所述车辆行驶信息包括以下的任意一种或多种：车辆行驶速度、车辆类型、车辆所在的行驶区域、车辆的行驶轨迹、车辆与安全区的距离、车辆的车重、车载人员信息；

第一计算模块，用于将获取到的车辆行驶信息输入到预先训练好的车辆行驶风险计算模型中，以确定所述施工车辆的行驶风险；

第一告警模块，若所述施工车辆的行驶风险超过预定的阈值，则用于按照预先确定的告警策略进行告警。

在一些实施例中，第一计算模块包括：

第一获取单元，用于获取当前环境信息，所述当前环境信息包括以下的任意一种或多种：天气状态信息、日期信息、光线明暗程度信息；

第一查找单元，用于根据当前环境信息，从数据库中查找预先训练好的车辆行驶风险计算模型；

第一计算单元，用于将获取到的车辆行驶信息输入到查找到的车辆行驶风险计算模型中，以确定所述施工车辆的行驶风险。

在一些实施例中，所述车载人员信息包括：车载人员数量、车载人员温度、驾驶员面部特征信息、车载人员的身份信息。

在一些实施例中，还包括：塔机检测模块；塔机检测模块包括：

第二获取单元，用于通过摄像机对塔机进行拍照，以获取塔机照片；

第一照片提取单元，用于对塔机照片进行前景提取，以确定塔机图像；

第二计算单元，用于根据塔机图像，计算塔机的弯折角度；

第一告警单元，用于根据塔机弯折角度，生成告警信号。

在一些实施例中，塔机检测模块还包括：

第三获取单元，用于通过位移传感器获取塔机位移信号；以及，通过轴力计获取塔机支撑轴的轴力信号；以及，通过倾角传感器获取塔机的倾斜角度；

第一告警单元，包括：

第一计算子单元，用于根据塔机倾斜角度、塔机位移信号、轴力信号和塔机的倾斜角度，计算塔机的危险系数；

第一告警子单元，用于根据塔机的危险系数，生成告警信号。

在一些实施例中，还包括：

第一图像获取模块，用于在检测到施工人员进入到施工现场内部后，对施工人员进行拍照，以获取施工人员照片；

第一图像提取模块，用于对施工人员照片进行面部图像提取，以确定第一面部图像；

第二图像获取模块，用于在第一图像提取模块确定第一面部图像后，每隔预定时间对施工现场内部进行拍照，以获取第一施工现场图像；

第二图像提取模块，用于对第一施工现场图像进行面部图像提取，以确定第二面部图像；

图像对比模块，用于根据第一面部图像和第二面部图像的相似度，生成告警信号。

在一些实施例中，还包括：设置在施工现场入口的第一刷卡模块和设置在施工现场出口的第二刷卡模块；

第一刷卡模块，用于在接收到施工人员所持有的卡片发出的刷卡信号后，驱动第一图像获取模块工作；

第二刷卡模块，用于在接收到施工人员所持有的卡片发出的刷卡信号后，驱动第二图像获取模块停止工作。

在一些实施例中，还包括：设置在施工现场入口的第一地感和设置在施工现场出口的第二地感；

第一地感，用于在检测到车辆驶入到施工现场后，驱动第一图像获取模块工作；

第二地感，用于在检测到车辆驶出到施工现场后，驱动第二图像获取模块停止工作。

在一些实施例中，还包括：

灰名单人员信息获取模块，用于从预设的灰名单中提取灰名单人员的特征信息；

灰名单人员轨迹生成模块，用于根据灰名单人员的特征信息，确定灰名单人员的运动轨迹；

灰名单人员计算模块，用于根据灰名单人员的运动轨迹，计算灰名单人员的异常概率；

第二告警模块，用于根据灰名单人员的异常概率，生成告警信号。

在一些实施例中，灰名单人员的特征信息包括灰名单人员的面部特征图像；灰名单人员轨迹生成模块包括：第一图像获取单元、图像查找单元和第一轨迹生成单元；

第一图像获取单元，用于通过设置在施工现场不同位置的摄像头获取第二施工现场图像；

图像查找单元，用于根据灰名单人员的面部特征图像，从第二施工现场图像中查找包含有灰名单人员的目标图像；

第一轨迹生成单元，用于根据不同目标图像的获取时间和获取目标图像的摄像头的位置，确定灰名单人员的运动轨迹。

在一些实施例中，灰名单人员的特征信息包括灰名单人员所携带的移动定位器的定位器信息；灰名单人员轨迹生成模块包括：第一移动定位信号获取单元和第二轨迹生成单元；

第一移动定位信号获取单元，用于通过所述定位器信息所对应的移动定位器获取灰名单人员在不同时刻的位置信息；

第二轨迹生成单元，用于根据灰名单人员在不同时刻的位置信息，生成灰名单人员的运动轨迹。

在一些实施例中，灰名单人员计算模块包括：

第一移动区域确定单元，用于根据灰名单人员的运动轨迹的坐标，确定灰名单人员所到达的每个区域；

第三计算单元，用于根据灰名单人员所到达的每个区域的危险程度，确定灰名单人员的异常概率。

在一些实施例中，还包括：

施工人员行为获取模块，用于获取施工人员操作工作设备的历史操作行为和施工人员操作工作设备的事故结果；

第二计算模块，用于将施工人员的历史操作行为和事故结果输入到预先训练好的施工人员评价模型中，以确定所述施工人员的风险评价值；

第一灰名单调整模块，用于将风险评价值在预定数值区间内的施工人员加入到灰名单中。

在一些实施例中，还包括：

工作地点查找模块，用于根据第一面部图像，从工作地点数据库中查找施工人员所对应的工作设备；

导航线路生成模块，用于根据施工人员的当前位置、查找到的工作设备的位置和施工现场内的障碍物位置，生成导航线路；并将所述导航线路向施工人员发送。

在一些实施例中，还包括：

位置信息获取模块，用于获取施工人员的实时位置；

距离计算模块，用于根据施工人员的实时位置和施工人员所对应的工作设备的位置，计算施工人员与施工人员所对应的工作设备之间的距离；

设备启动模块，用于在施工人员与施工人员所对应的工作设备之间的距离小于预设数值时，向施工人员所对应的工作设备发送启动信号。

在一些实施例中，还包括：

车牌获取模块，用于在检测到施工车辆进入到施工现场内部后，对车辆进行拍照，以获取车辆照片；

车牌识别模块，用于将车辆照片输入到预先训练好的车牌识别模型中，以确定施工车辆的车牌号；

第一车牌比对模块，用于判断施工车辆的车牌号是否存在于预设的车牌黑名单中；

第二灰名单调整模块，若施工车辆的车牌号存在于预设的车牌黑名单中，则用于将位于施工车辆上的施工人员加入到灰名单中。

在一些实施例中，还包括：

第三图像获取模块，若施工车辆的车牌号存在于预设的车牌黑名单中，则用于获取位于施工车辆上的施工人员的面部图像；

上传模块，用于将获取到的位于施工车辆上的施工人员的面部图像上传到备份服务器。

在一些实施例中，第一告警模块包括：

选择单元，用于查找与施工车辆的行驶风险相对应的告警方式；

第二告警单元，用于按照查找到的告警方式进行告警。

在一些实施例中，所述告警方式包括：通过设置在施工现场内部的扩音器报警、通过向位于施工车辆上的施工人员发送告警信息进行告警、通过向指定的网络端发送告警信息进行告警。

在一些实施例中，还包括：

红外图像获取模块，用于通过红外摄像机对施工现场内部进行拍摄，以获取红外图像；

第三图像提取模块，用于从红外图像中提取高温对象的轮廓信息；

第三告警模块，用于根据高温对象的轮廓信息，生成告警信号。

在一些实施例中，还包括：

第四图像获取模块，用于对施工现场内部的施工材料进行拍照，以获取施工材料照片；

第四图像提取模块，用于对施工材料照片进行前景提取，以确定施工材料的轮廓信息；

计数模块，用于根据施工材料的轮廓信息，确定施工材料的实际数量；

第四告警模块，用于判断施工材料的实际数量与施工材料的预计数量是否相同，若否，则生成告警信号。

在一些实施例中，还包括：

模型信息获取模块，用于通过设置在施工现场内的信息获取设备获取施工现场的物理数据；

建模模块，用于根据施工现场的物理数据和预先获取到的气象数据，生成施工现场模型；

第五告警模块，用于根据施工现场模型生成告警信号。

在一些实施例中，在所述施工现场内设置有指示灯。

在一些实施例中，所述备份服务器包括以下任意一种或多种服务器：

私有云服务器、公有云服务器、混合云服务器。

在一些实施例中，在施工现场内设置有空气质量检测器。

在一些实施例中，空气质量监测器包括：PM2.5检测器、PM10检测器。

在一些实施例中，还包括：设置在施工现场入口处的人行通道闸机。

在一些实施例中，基于大数据和物联网技术的城市安全工地监控方法，包括：

获取进入到施工现场的施工车辆的车辆行驶信息；所述车辆行驶信息包括以下的任意一种或多种：车辆行驶速度、车辆类型、车辆所在的行驶区域、车辆的行驶轨迹、车辆与安全区的距离、车辆的车重、车载人员信息；

将获取到的车辆行驶信息输入到预先训练好的车辆行驶风险计算模型中，以确定所述施工车辆的行驶风险；

若所述施工车辆的行驶风险超过预定的阈值，则用于按照预先确定的告警策略进行告警。

在一些实施例中，一种电子设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行时执行如基于大数据和物联网技术的城市安全工地监控方法的步骤。

在一些实施例中，一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如基于大数据和物联网技术的城市安全工地监控方法的步骤。

本申请所提供的系统，在车辆进入到施工现场之后，获取了车辆的车辆行驶信息，而后，将车辆行驶信息输入到了预先训练好的车辆行驶风险计算模型中，以确定所述施工车辆的行驶风险，最后，根据行驶风险来确定是否要进行告警。其中，车辆行驶信息包括以下的任意一种或多种：车辆行驶速度、车辆类型、车辆所在的行驶区域、车辆的行驶轨迹、车辆与安全区的距离、车辆的车重、车载人员信息。由于使用了车辆行驶风险计算模型来计算行驶风险，使得预测出的行驶风险更加准确。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本申请实施例所提供的基于大数据和物联网技术的城市安全工地监控系统的基本架构图；

图2示出了本申请实施例所提供的基于大数据和物联网技术的城市安全工地监控系统中第一计算模块的细节架构图；

图3示出了本申请实施例所提供的基于大数据和物联网技术的城市安全工地监控系统中对施工材料进行拍照并圈出施工材料轮廓的示意图；

图4示出了本申请实施例所提供的电子设备的示意图。

具体实施方式

下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

相关技术中，在对户外的施工工地进行监控的时候，通常是采用视频监控的方式来进行的，一般会在施工现场的不同位置上设置多个摄像头，而后，将每个摄像头所拍摄到的画面传送到中控室中，而后，再由中控室中的工作人员人工监控施工现场是否出现了事故，进而确定是否进行告警。

但上述监控方式依旧是由人工监控来完成的，自动化程度较低，当中控室中的工作人员外出时就难以达到监控的目的了。针对上述情况，本申请提供了基于大数据和物联网技术的城市安全工地监控系统，如图1所示，包括：

信息采集模块101，用于获取进入到施工现场的施工车辆的车辆行驶信息；所述车辆行驶信息包括以下的任意一种或多种：车辆行驶速度、车辆类型、车辆所在的行驶区域、车辆的行驶轨迹、车辆与安全区的距离、车辆的车重、车载人员信息；

第一计算模块102，用于将获取到的车辆行驶信息输入到预先训练好的车辆行驶风险计算模型中，以确定所述施工车辆的行驶风险；

第一告警模块103，若所述施工车辆的行驶风险超过预定的阈值，则用于按照预先确定的告警策略进行告警。

其中，信息采集模块101的主要作用是汇总大量的和施工现场有关的信息。车辆行驶速度的测量方式通常有两种，一种是车辆自行上报的(车辆内部设置有测量车速的装置，比如通过设置在车轮上的转速器就可以测量车速，而后车辆自行将测量到的车速实时上报)，另一种是通过设置在车辆上的定位器测得的。需要说明的是，通过定位器(如GPS定位器)测得的只有位置信号，定位器可以实时的将测得的位置信号传输给基于大数据和物联网技术的城市安全工地监控系统，系统就可以根据两次位置信号的时间差和两次位置信号的地点测算出车辆的速度了。

车辆类型通常也有两种获取方式，一种是刷卡式，另一种是图像检测式。刷卡式指的是在车辆上设置一个无线信号发送器(如RFID信号发送器)，在车辆路过读卡器时，读卡器可以自动读取出无线信号发送器中的信息，通过在该信息中携带上车辆类型，就可以使得读卡器可以自动的读出车辆类型了，而后，读卡器再将该车辆类型传送给基于大数据和物联网技术的城市安全工地监控系统即可。图像检测式是指通过摄像头对车辆拍摄照片，而后对拍摄得到的车辆照片进行图像提取(如前景提取)，以提取到车辆信息(如车辆轮廓、车辆颜色、车辆架构等)；而后，再根据车辆信息确定车辆类型。根据车辆信息确定车辆类型的方式可以是将车辆信息输入到某个训练好的识别模型(神经网络模型)中，而后，可以根据识别模型的输出来确定车辆类型。也可以是直接将对车辆照片进行图像提取后得到的前景图片与不同车辆类型的标准图片进行对比，进而确定车辆照片中的车辆的类型。

行驶区域和行驶轨迹是相关的，行驶轨迹通常是通过定位装置来获取到的，常见的有外部定位装置(如北斗、GPS定位器)和内部定位装置(惯性定位装置)。在确定了行驶轨迹后，依据每个区域的坐标(地区范围)就可以很容易确定行驶区域了。

车辆与安全区的距离通常是也是通过行驶轨迹来确定的，在确定该距离之前，首先要确定的是安全区的边界坐标，而后根据安全区的边界坐标和车辆的行驶轨迹，就可以计算出行驶轨迹和边界坐标的距离了。该距离可以是指边界坐标与行驶轨迹的最近距离，也可以是指边界坐标与行驶轨迹的平均距离。

车辆的车重一般只能够通过地磅秤实际测量来获得(传统方案中可以是车辆上的施工人员上报，但上报的重量通常是不准确的)。车载人员信息有两种获取方式，一种获取方式是通过携带在人员身上的读卡器来获取，另一种方式是通过对车上人员进行拍照来获取，当然，这两种方式可以择一使用，也可以是同时使用。通过刷卡的方式来获取到的车载人员信息通常都是预存在数据库中的，也就是刷卡后能够得到的是车载人员的编号，基于大数据和物联网技术的城市安全工地监控系统根据该车载人员的编号就可以快速的查找到该车载人员所对应的车载人员信息(如身高、体重等预先录入到系统中的信息)。通过拍照的方式来获取到的车载人员信息通常是面部图像，当然，通过车载人员的面部图像也可以是进一步查询到该面部图像所对应的车载人员的编号(前提是该车载人员的面部信息预存在了系统中)，也可以通过该车载人员的面部图像来确定出入身高体重等预先录入到系统中的信息。

具体的，车载人员信息的种类很多，但对行驶风险计算有主要帮助作用的有如下四个：车载人员数量、车载人员温度、驾驶员面部特征信息、车载人员的身份信息。其中，车载人员数量主要是用来判断是否超载，通常情况下，车载人员数量越多，则行驶风险越高。车载人员温度一定程度上反映了车上的温度，车上的温度越高，则行驶风险越高。驾驶员面部特征信息主要反映了驾驶员的困倦程度，比如驾驶员的眼睛张开幅度较小，则说明驾驶员处于困倦状态，此时，应当认为行驶风险较高。又比如，驾驶员的最大张开幅度较大，则说明驾驶员在打哈欠，即驾驶员处于困倦状态，此时，应当认为行驶风险较高。车载人员的身份信息反映了车载人员的危险程度，比如，可以在获取到车载人员的身份信息之后，依据车载人员的身份信息，通过判断车载人员是否在预定的黑名单中，来判断车载人员的危险程度，并将车载人员的危险程度作为车载人员信息；或者是通过车载人员的身份信息，在预定的安全级别列表中查找车载人员的安全级别，并将该安全级别作为车载人员信息。

优选的，车辆行驶信息包括以下所有的信息：车辆行驶速度、车辆类型、车辆所在的行驶区域、车辆的行驶轨迹、车辆与安全区的距离、车辆的车重、车载人员信息。

在信息采集模块101搜集到了车辆行驶信息后，第一计算模块102就需要将这些信息输入到预先训练好的车辆行驶风险计算模型中，以确定所述施工车辆的行驶风险。此处，车辆行驶风险计算模型是一个神经网络模型，该模型在训练时可以通过样本车辆的样本车辆行驶信息进行训练，此处，样本车辆行驶信息和信息采集模块101所获取到的车辆行驶信息可以是相同的。在训练车辆行驶风险计算模型时，输出使用样本车辆行驶信息外，还需要使用表示风险程度的信息，比如可以将样本车辆出现危险状况的信息作为表示风险程度的信息。这样，在使用样本车辆出现危险状况的信息和样本车辆行驶信息对车辆行驶风险计算模型进行训练后，就可以得到训练后的车辆行驶风险计算模型了。

而后，第一计算模块102在工作的时候，直接将信息采集模块101所获取到的车辆行驶信息输入到预先训练好的车辆行驶风险计算模型中，即可确定所述施工车辆的行驶风险。

最后，第一告警模块103可以在施工车辆的行驶风险超过预定的阈值时，按照预先确定的告警策略进行告警。

此处的告警可以是向施工车辆进行告警，也可以是向施工工地中的看护人员进行告警，还可以是向第三方安全机构进行告警。

具体的，第一告警模块103可以由两个单元组成，分别是确定告警方式的选择单元和实际进行告警的第二告警单元。也就是，第一告警模块103包括：

选择单元，用于查找与施工车辆的行驶风险相对应的告警方式；

第二告警单元，用于按照查找到的告警方式进行告警。

具体的，告警方式包括：通过设置在施工现场内部的扩音器报警、通过向位于施工车辆上的施工人员发送告警信息进行告警、通过向指定的网络端发送告警信息进行告警。

上述由信息采集模块101、第一计算模块102和第一告警模块103所组成的基于大数据和物联网技术的城市安全工地监控系统可以是针对某一个指定的施工车辆进行监控的，也可以是针对不特定的施工车辆进行监控的，还可以是同时对大量的施工车辆同时进行监控。

具体的，第一计算模块102在工作的时候，可以更加有针对性的进行计算，比如在计算行驶风险的时候，考虑到室外天气情况，比如，在雨雪天这种恶劣环境中行驶的风险较高。又比如，在不同节气(日期)或者不同光线强度下行驶的风险也不相同。因此，可以在计算行驶风险的时候，先确定环境状态，而后根据环境状态选择对应的模型，并使用选择的模型来进行计算。

也就是，本申请所提供的系统中，如图2所示，第一计算模块102包括：

第一获取单元1021，用于获取当前环境信息，所述当前环境信息包括以下的任意一种或多种：天气状态信息、日期信息、光线明暗程度信息；

第一查找单元1022，用于根据当前环境信息，从数据库中查找预先训练好的车辆行驶风险计算模型；

第一计算单元1023，用于将获取到的车辆行驶信息输入到查找到的车辆行驶风险计算模型中，以确定所述施工车辆的行驶风险。

需要说明的是，在第一查找单元1022工作之前，需要在数据库中预存大量的车辆行驶风险计算模型，比如，可以有适合在雪天使用的车辆行驶风险计算模型、适合在雨天使用的车辆行驶风险计算模型、适合在冬季使用的车辆行驶风险计算模型、适合在冬季的雪天使用的车辆行驶风险计算模型等等。

这些不同的车辆行驶风险计算模型都是通过对应的样本数据训练后得到的，具体的训练过程与前文中所说的一致，差别在于样本有差别。

塔机是现场施工工地中常见的一种起重设备，塔机在长时间工作之后，容易发生损坏，因此，应当在系统中增加对塔机进行检测的装置。具体的，对塔机进行检测的方式可以有两种，分别是使用拍照的方式进行检测，和使用传感器进行检测。实际操作中，可以是这两种检测方式任选一种进行，也可以是两种同时使用。本申请所提供的方案中，推荐使用拍照的方式进行检测，或者是同时使用这两种检测方式。

如果是只使用拍照的方式进行检测，则本申请所提供的系统中，还包括塔机检测模块；塔机检测模块包括：

第二获取单元，用于通过摄像机对塔机进行拍照，以获取塔机照片；

第一照片提取单元，用于对塔机照片进行前景提取，以确定塔机图像；

第二计算单元，用于根据塔机图像，计算塔机的弯折角度；

第一告警单元，用于根据塔机弯折角度，生成告警信号。

其中，第二获取单元可以是每隔预定时间进行一次拍照，并且触发后续的第一照片提取单元、第二计算单元和第一告警单元工作的。

正常情况下，对塔机照片进行前景提取后，得到的前景图像(塔机图像)应当是呈竖直状的，也就是塔机的弯折角度应当是0，如果塔机的弯折角度过大，则说明塔机有故障，此时需要进行告警。

但实际操作的时候，照片中塔机的弯折角度可能不必然反映了真实的弯折角度，主要是照片在拍摄的时候，可能受到雾气等环境因素的影响，导致拍摄光线发生弯曲，此时，照片上显示的弯折角度就不是真实的了。针对此种情况，可以通过传感器来辅助进行塔机的检测。

也就是，本申请所提供的方案中，塔机检测模块还包括：

第三获取单元，用于通过位移传感器获取塔机位移信号；以及，通过轴力计获取塔机支撑轴的轴力信号；以及，通过倾角传感器获取塔机的倾斜角度；

第一告警单元，包括：

第一计算子单元，用于根据塔机倾斜角度、塔机位移信号、轴力信号和塔机的倾斜角度，计算塔机的危险系数；

第一告警子单元，用于根据塔机的危险系数，生成告警信号。

塔机的支撑轴指的能够支撑塔机立起来的主要支撑结构。位移传感器所获取到的塔机位移信号主要反映了塔机水平的位移情况和自身弯折的情况。倾角传感器的通常是安装在塔机中部的，如果塔机发生了弯折，则倾角传感器所检测得到的倾斜角度必然不会是0。此处，需要对轴力信号进行说明，在某种情况下，塔机在弯折之前轴力会先发生变化，也就是在轴力过大的时候，塔机才会发生弯折，因此，通过检测轴力变化，以一定程度上预知塔机是否会发生弯折，以此，可以作为弯折预警的一个要素。

第一计算子单元的主要工作是根据塔机倾斜角度、塔机位移信号、轴力信号和塔机的倾斜角度，计算塔机的危险系数，此处危险系数并不一定只是在塔机弯折之后才会产生危险系数，在塔机有可能弯折的时候，也应当对应的计算出危险系数。具体的，可以将塔机倾斜角度、塔机位移信号、轴力信号和塔机的倾斜角度都作为计算因子，每个计算因子都有对应的加权系数，进而采用加权计算的方式来确定塔机的危险系数。最后，第一告警子单元就可以根据综合计算出来的危险系数来生成告警信号了。

除了对塔机进行监控以外，主要还是对人和车的监控，下面提供一个对人进行监控的方案，也就是，本申请所提供的系统还包括：

第一图像获取模块，用于在检测到施工人员进入到施工现场内部后，对施工人员进行拍照，以获取施工人员照片；

第一图像提取模块，用于对施工人员照片进行面部图像提取，以确定第一面部图像；

第二图像获取模块，用于在第一图像提取模块确定第一面部图像后，每隔预定时间对施工现场内部进行拍照，以获取第一施工现场图像；

第二图像提取模块，用于对第一施工现场图像进行面部图像提取，以确定第二面部图像；

图像对比模块，用于根据第一面部图像和第二面部图像的相似度，生成告警信号。

其中，施工人员进入到现场可以通过施工人员是否到施工现场的入口进行刷卡来判断，也可以是通过在施工现场的入口所设置的重力传感器来判断(当施工人员走到重力传感器上的时候，重力传感器就会产生相应的感应信号，以触发第一图像获取模块工作)。

施工人员照片可以是直接对施工人员进行拍照后所得到的照片，第一图像提取模块在对施工人员照片进行提取的时候，可以是使用神经网络进行提取。

第二图像获取模块有两种工作方式，一种是在第一图像提取模块提取到第一面部图像之后，每隔预定时间工作一次(获取一次施工现场图像)；另一种是不论第一图像提取模块是否工作，都每隔预定时间工作一次。

图像对比模块的主要作用是判断第一面部图像和第二面部图像是否相同，如果相同，则说明进入到施工现场的施工人员正处在正常工作状态，如果不是，则说明进入到施工现场的施工人员处于异常状态，此时就需要进行告警了。

进一步的，图像获取模块和图像提取模块不应当持久的处于工作状态，而应当是当有施工人员进入到施工现场之后，再工作，以及在施工人员从施工现场离开之后停止工作。

进而，本申请所提供的系统中，还可以包括：设置在施工现场入口的第一刷卡模块和设置在施工现场出口的第二刷卡模块；

第一刷卡模块，用于在接收到施工人员所持有的卡片发出的刷卡信号后，驱动第一图像获取模块工作；

第二刷卡模块，用于在接收到施工人员所持有的卡片发出的刷卡信号后，驱动第二图像获取模块停止工作。

也就是，只有施工人员刷卡进入到施工现场之后，才会触发第一图像获取模块工作，进而触发后续其他的模块工作。

类似的当第二刷卡模块接收到刷卡信号之后，就说明施工人员要离开施工现场了，此时就可以驱动第二图像获取模块停止工作，也就是在施工人员不在现场也不应当进行告警。

除了在有人进入到施工现场之后，要进行告警，当有车辆进入到施工现场之后，也应当进行告警。

也就是，本申请所提供的系统中，还包括：设置在施工现场入口的第一地感和设置在施工现场出口的第二地感；

第一地感，用于在检测到车辆驶入到施工现场后，驱动第一图像获取模块工作；

第二地感，用于在检测到车辆驶出到施工现场后，驱动第二图像获取模块停止工作。

其中，地感的主要作用是检测车辆的，当第一地感检测到车辆之后，就说明车辆驶入到施工现场了，此时可以驱动第一图像获取模块工作；类似的，当第二地感检测到车辆之后，则说明车辆驶出施工现场了，此时可以停止第二图像获取模块的工作。

在对人员进行监控的时候，可以进一步区分重点和非重点的人员，比如可以预先列出白名单、灰名单和黑名单，当白名单的人员进入到的施工现场之后不进行监控，当黑名单的人员进入到施工现场的入口之后，可以直接进行告警，或者是拒绝黑名单中的人员进入到施工现场。当灰名单中的人员进入到施工现场之后，就进行重点监控。也就是灰名单中的人员可以进入到施工现场，但应当重点进行监控。

也就是，本申请所提供的系统，还包括：

灰名单人员信息获取模块，用于从预设的灰名单中提取灰名单人员的特征信息；

灰名单人员轨迹生成模块，用于根据灰名单人员的特征信息，确定灰名单人员的运动轨迹；

灰名单人员计算模块，用于根据灰名单人员的运动轨迹，计算灰名单人员的异常概率；

第二告警模块，用于根据灰名单人员的异常概率，生成告警信号。

其中，灰名单中可以存储有灰名单人员的编号(如姓名、编码等用于区分不同灰名单人员的符号)，而后根据灰名单人员的编号去查找灰名单人员的特征信息，此处，灰名单人员的特征信息有两种，一种是需要通过携带额外的发送器来体现出来的信息(比如灰名单人员的定位器)，另一种是不需要携带额外的发送器来体现出来的信息(比如灰名单人员的面部特征信息、服装特征信息、步态特征信息等)，不论是哪种特征信息，该特征信息都应当是足够区分不同灰名单人员的信息。

在确定了灰名单人员的特征信息之后，就可以实时的追踪灰名单人员的运动轨迹了，比如，依据运动轨迹可以直接确定灰名单人员到达过哪些位置，如果到达过危险位置，则异常概率较大。

最后，第二告警模块可以是在异常概率较高的时候，生成告警信号。

如前文中所说，灰名单人员的特征信息包括灰名单人员的面部特征信息，比如，获取到的可以就是面部特征图像，此时，灰名单人员的特征信息包括灰名单人员的面部特征图像；灰名单人员轨迹生成模块包括：第一图像获取单元、图像查找单元和第一轨迹生成单元；

第一图像获取单元，用于通过设置在施工现场不同位置的摄像头获取第二施工现场图像；

图像查找单元，用于根据灰名单人员的面部特征图像，从第二施工现场图像中查找包含有灰名单人员的目标图像；

第一轨迹生成单元，用于根据不同目标图像的获取时间和获取目标图像的摄像头的位置，确定灰名单人员的运动轨迹。

也就是，每次通过摄像头获取到第二施工现场图像之后，都要依据灰名单人员的面部特征图像在第二施工现场图像中查找灰名单人员，如果某个第二施工现场图像中包含有灰名单人员，则该包含有灰名单人员你的第二施工现场图像就应当作为目标图像。而后，根据目标图像的获取时间(如拍摄时间)和获取目标头像的摄像头的位置，就可以确定出灰名单人员的运动轨迹了。

类似的，除了使用灰名单人员的面部特征信息进行追踪以外，还可以是使用灰名单人员所携带的移动定位器来进行追踪，具体的，灰名单人员的特征信息包括灰名单人员所携带的移动定位器的定位器信息；灰名单人员轨迹生成模块包括：第一移动定位信号获取单元和第二轨迹生成单元；

第一移动定位信号获取单元，用于通过所述定位器信息所对应的移动定位器获取灰名单人员在不同时刻的位置信息；

第二轨迹生成单元，用于根据灰名单人员在不同时刻的位置信息，生成灰名单人员的运动轨迹。

通过定位器可以实时的获取到灰名单人员的实际位置，而后，通过该实际位置就可以很简单的确定出灰名单人员的运动轨迹了。上述两种方式相比，通过移动定位器来获取到的信息更加精准，但由于无法保证每个灰名单人员都正确的携带了移动定位器，因此，实用性相对差一些。而通过面部特征来确定运动轨迹的方式实用性相对较高，但确定出的位置准确度相对较低一些。

在计算异常概率的时候，可以直接根据灰名单人员所到达过的区域来确定异常概率。也就是灰名单人员所到达的区域的危险程度越高，则异常概率就越高。

也就是，灰名单人员计算模块包括：

第一移动区域确定单元，用于根据灰名单人员的运动轨迹的坐标，确定灰名单人员所到达的每个区域；

第三计算单元，用于根据灰名单人员所到达的每个区域的危险程度，确定灰名单人员的异常概率。

在确定灰名单人员的时候，可以是根据工作人员的历史行为来确定工作人员是否是灰名单人员。具体的，本申请所提供的系统还包括：

施工人员行为获取模块，用于获取施工人员操作工作设备的历史操作行为和施工人员操作工作设备的事故结果；

第二计算模块，用于将施工人员的历史操作行为和事故结果输入到预先训练好的施工人员评价模型中，以确定所述施工人员的风险评价值；

第一灰名单调整模块，用于将风险评价值在预定数值区间内的施工人员加入到灰名单中。

其中，施工人员的历史操作行为指的是施工人员操作设备的动作，比如规范程度，操作流程、顺序等内容。事故结果指的是施工人员是否发生过事故，或者是施工人员的某次历史操作行为是否导致了事故结果。

而后，第二计算模块，可以将历史操作行为和事故结果输入到预先训练好的施工人员评价模型，以让施工人员评价模型来确定出该施工人员的风险评价值。最后，将风险评价值过高的施工人员加入到灰名单中，此种确定灰名单人员的方式更加客观。

除了这种添加灰名单的方式，还可以根据施工人员所乘坐的车辆来确定施工人员是否应当添加到灰名单中，也就是，本申请所提供的系统还包括：

车牌获取模块，用于在检测到施工车辆进入到施工现场内部后，对车辆进行拍照，以获取车辆照片；

车牌识别模块，用于将车辆照片输入到预先训练好的车牌识别模型中，以确定施工车辆的车牌号；

第一车牌比对模块，用于判断施工车辆的车牌号是否存在于预设的车牌黑名单中；

第二灰名单调整模块，若施工车辆的车牌号存在于预设的车牌黑名单中，则用于将位于施工车辆上的施工人员加入到灰名单中。

其中，检测施工车辆是否进入到施工现场可以是通过在施工现场的入口处设置地感，如果地感检测到的车辆，则可以通过拍照的方式来获取到车辆的车辆照片。

车牌号也可以预先建立白名单和黑名单，也可以进一步增加灰名单。当车牌号在黑名单中的时候，就可以直接将位于施工车辆上的施工人员加入到灰名单中。具体加入到灰名单中的方式可以是要求位于施工车辆上的施工人员录入自己的信息(如通过刷卡的方式录入自己的信息)，还可以是通过对施工人员进行拍照，并进一步对拍照得到的照片进行面部识别的方式来确定施工人员是谁，而后就可以将施工人员加入到灰名单中了。

除了将位于施工车辆上的施工人员加入到灰名单中之外，还可以是采用将位于施工车辆上的施工人员的面部图像保存到服务器中，以便后续调取。

也就是，本申请所提供的系统还包括：

第三图像获取模块，若施工车辆的车牌号存在于预设的车牌黑名单中，则用于获取位于施工车辆上的施工人员的面部图像；

上传模块，用于将获取到的位于施工车辆上的施工人员的面部图像上传到备份服务器。

其中，备份服务器可以是私有云服务器、公有云服务器或者是混合云服务器。

为了便于施工人员使用，可以是在施工人员进入到施工现场之后，向施工人员发送导航线路，来引导施工人员快速到达其对应的工作设备处。也就是，本申请所提供的系统，还包括：

工作地点查找模块，用于根据第一面部图像，从工作地点数据库中查找施工人员所对应的工作设备；

导航线路生成模块，用于根据施工人员的当前位置、查找到的工作设备的位置和施工现场内的障碍物位置，生成导航线路；并将所述导航线路向施工人员发送。

其中，通过对第一面部图像进行面部图像识别，可以直接确定出第一面部图像所对应的施工人员的身份信息，而后根据该使用人员的身份信息可以在预设的工作地点数据库中查找出该施工人员应当操作哪个工作设备。进而，导航线路生成模块就可以根据施工人员的当前位置、查找到的工作设备的位置和施工现场内的障碍物位置生成导航线路了。其中，障碍物位置有两种获取的途径，分别是有施工人员或监管人员主动上传(如施工人员或监管人员可以在发现某个位置有障碍物之后通过手持设备来上传障碍物的位置)；和通过摄像头拍摄到的照片来确定障碍物的位置。通过摄像头拍摄到的照片来确定障碍物的位置时，在摄像头拍摄到施工现场的照片之后，可以进行前景提取，并根据提取到的前景图像的轮廓或其他前景图像的信息来判断前景图像是否是障碍物，如果前景图像是障碍物，则可以根据摄像头的位置和摄像头的拍摄角度来进一步确定障碍物(前景图像)的位置。

进一步，可以在施工人员即将到达其对应的工作设备的时候，再启动工作设备。也就是，本申请所提供的方法还包括：

位置信息获取模块，用于获取施工人员的实时位置；

距离计算模块，用于根据施工人员的实时位置和施工人员所对应的工作设备的位置，计算施工人员与施工人员所对应的工作设备之间的距离；

设备启动模块，用于在施工人员与施工人员所对应的工作设备之间的距离小于预设数值时，向施工人员所对应的工作设备发送启动信号。

其中，在向施工人员所对应的工作设备发送启动信号之后，可以是在施工人员远离了施工人员所对应的工作设备后，向该工作设备发送停止信号，以使该工作设备停止工作。

施工现场在某些情况下可能会发生火灾，此时可以通过红外摄像机所拍摄到的照片，来监控来确定是否发生了火灾。也就是，本申请所提供的系统还包括：

红外图像获取模块，用于通过红外摄像机对施工现场内部进行拍摄，以获取红外图像；

第三图像提取模块，用于从红外图像中提取高温对象的轮廓信息；

第三告警模块，用于根据高温对象的轮廓信息，生成告警信号。

其中，高温对象的轮廓信息能否反映出高温对象是人，还是火灾，进而，第三告警模块的主要工作也就是判断高温对象的轮廓信息是否与施工人员的轮廓信息相同，如果相同，则不进行告警(不生成告警信号)，否则就要生成告警信号。

通过图像识别的方式还可以确定多施工材料的数量，进而，如果施工裁量的数量有误，也可以进行告警。也就是，本申请所提供的系统中，还包括：

第四图像获取模块，用于对施工现场内部的施工材料进行拍照，以获取施工材料照片；

第四图像提取模块，用于对施工材料照片进行前景提取，以确定施工材料的轮廓信息；

计数模块，用于根据施工材料的轮廓信息，确定施工材料的实际数量；

第四告警模块，用于判断施工材料的实际数量与施工材料的预计数量是否相同，若否，则生成告警信号。

其中，对施工材料进行前景提取后能够得到前景图像的轮廓图(轮廓信息)，而后根据轮廓信息就可以确定出施工材料的实际数量了。如图3所示，示出了轮廓图的一种示例，该图3中示出了长条形钢材的横截面轮廓图(圆形的轮廓)。

第四告警模块在工作的时候，如果实际数量(通过轮廓信息确定的数量)与施工材料的预计数量(预先记录在系统中的数量)不同，则生成告警信号；如果相同，则不生成告警信号。

除了对施工材料的数量进行监控以外，还可以是通过建模的方式来预测工地是否可能发生危险，此时，本申请所提供的系统还包括：

模型信息获取模块，用于通过设置在施工现场内的信息获取设备获取施工现场的物理数据；

建模模块，用于根据施工现场的物理数据和预先获取到的气象数据，生成施工现场模型；

第五告警模块，用于根据施工现场模型生成告警信号。

其中，施工现场的物理数据主要是指施工现场的各种物理参数，比如设备的位置，规格(长宽高、材质、硬度等物理参数)等信息，通过这些信息能够模拟出整个施工现场的空间模型和各个设备、物体的物理特性。而后，再结合气象数据(风力、雨水情况)就可以生成实际的施工现场模型，最后，可以依据该施工现场模型就可以推断出施工现场是否可能发生危险，如果可能发生危险，则可以生成告警信号，并进行告警。

优选的，在所述施工现场内设置有指示灯。

优选的，在施工现场内设置有空气质量检测器。

优选的，空气质量监测器包括：PM2.5检测器、PM10检测器。

优选的，还可以在施工现场入口处设置行通道闸机。

与上述系统相对应的，本申请还提供了基于大数据和物联网技术的城市安全工地监控方法，包括：

获取进入到施工现场的施工车辆的车辆行驶信息；所述车辆行驶信息包括以下的任意一种或多种：车辆行驶速度、车辆类型、车辆所在的行驶区域、车辆的行驶轨迹、车辆与安全区的距离、车辆的车重、车载人员信息；

将获取到的车辆行驶信息输入到预先训练好的车辆行驶风险计算模型中，以确定所述施工车辆的行驶风险；

若所述施工车辆的行驶风险超过预定的阈值，则用于按照预先确定的告警策略进行告警。

本申请提供了A1,基于大数据和物联网技术的城市安全工地监控系统，包括：

信息采集模块，用于获取进入到施工现场的施工车辆的车辆行驶信息；所述车辆行驶信息包括以下的任意一种或多种：车辆行驶速度、车辆类型、车辆所在的行驶区域、车辆的行驶轨迹、车辆与安全区的距离、车辆的车重、车载人员信息；

第一计算模块，用于将获取到的车辆行驶信息输入到预先训练好的车辆行驶风险计算模型中，以确定所述施工车辆的行驶风险；

第一告警模块，若所述施工车辆的行驶风险超过预定的阈值，则用于按照预先确定的告警策略进行告警。

A2.根据A1的系统，第一计算模块包括：

第一获取单元，用于获取当前环境信息，当前环境信息包括以下的任意一种或多种：天气状态信息、日期信息、光线明暗程度信息；

第一查找单元，用于根据当前环境信息，从数据库中查找预先训练好的车辆行驶风险计算模型；

第一计算单元，用于将获取到的车辆行驶信息输入到查找到的车辆行驶风险计算模型中，以确定施工车辆的行驶风险。

A3.根据A1的系统，车载人员信息包括：车载人员数量、车载人员温度、驾驶员面部特征信息、车载人员的身份信息。

A4.根据A1的系统，还包括：塔机检测模块；塔机检测模块包括：

第二获取单元，用于通过摄像机对塔机进行拍照，以获取塔机照片；

第一照片提取单元，用于对塔机照片进行前景提取，以确定塔机图像；

第二计算单元，用于根据塔机图像，计算塔机的弯折角度；

第一告警单元，用于根据塔机弯折角度，生成告警信号。

A5.根据A4的系统，塔机检测模块还包括：

第三获取单元，用于通过位移传感器获取塔机位移信号；以及，通过轴力计获取塔机支撑轴的轴力信号；以及，通过倾角传感器获取塔机的倾斜角度；

第一告警单元，包括：

第一计算子单元，用于根据塔机倾斜角度、塔机位移信号、轴力信号和塔机的倾斜角度，计算塔机的危险系数；

第一告警子单元，用于根据塔机的危险系数，生成告警信号。

A6.根据A1的系统，还包括：

第一图像获取模块，用于在检测到施工人员进入到施工现场内部后，对施工人员进行拍照，以获取施工人员照片；

第一图像提取模块，用于对施工人员照片进行面部图像提取，以确定第一面部图像；

第二图像获取模块，用于在第一图像提取模块确定第一面部图像后，每隔预定时间对施工现场内部进行拍照，以获取第一施工现场图像；

第二图像提取模块，用于对第一施工现场图像进行面部图像提取，以确定第二面部图像；

图像对比模块，用于根据第一面部图像和第二面部图像的相似度，生成告警信号。

A7.根据A6的系统，还包括：设置在施工现场入口的第一刷卡模块和设置在施工现场出口的第二刷卡模块；

第一刷卡模块，用于在接收到施工人员所持有的卡片发出的刷卡信号后，驱动第一图像获取模块工作；

第二刷卡模块，用于在接收到施工人员所持有的卡片发出的刷卡信号后，驱动第二图像获取模块停止工作。

A8.根据A6的系统，还包括：设置在施工现场入口的第一地感和设置在施工现场出口的第二地感；

第一地感，用于在检测到车辆驶入到施工现场后，驱动第一图像获取模块工作；

第二地感，用于在检测到车辆驶出到施工现场后，驱动第二图像获取模块停止工作。

A9.根据A1的系统，还包括：

灰名单人员信息获取模块，用于从预设的灰名单中提取灰名单人员的特征信息；

灰名单人员轨迹生成模块，用于根据灰名单人员的特征信息，确定灰名单人员的运动轨迹；

灰名单人员计算模块，用于根据灰名单人员的运动轨迹，计算灰名单人员的异常概率；

第二告警模块，用于根据灰名单人员的异常概率，生成告警信号。

A10.根据A9的系统，灰名单人员的特征信息包括灰名单人员的面部特征图像；灰名单人员轨迹生成模块包括：第一图像获取单元、图像查找单元和第一轨迹生成单元；

第一图像获取单元，用于通过设置在施工现场不同位置的摄像头获取第二施工现场图像；

图像查找单元，用于根据灰名单人员的面部特征图像，从第二施工现场图像中查找包含有灰名单人员的目标图像；

第一轨迹生成单元，用于根据不同目标图像的获取时间和获取目标图像的摄像头的位置，确定灰名单人员的运动轨迹。

A11.根据A9的系统，灰名单人员的特征信息包括灰名单人员所携带的移动定位器的定位器信息；灰名单人员轨迹生成模块包括：第一移动定位信号获取单元和第二轨迹生成单元；

第一移动定位信号获取单元，用于通过定位器信息所对应的移动定位器获取灰名单人员在不同时刻的位置信息；

第二轨迹生成单元，用于根据灰名单人员在不同时刻的位置信息，生成灰名单人员的运动轨迹。

A12.根据A9的系统，灰名单人员计算模块包括：

第一移动区域确定单元，用于根据灰名单人员的运动轨迹的坐标，确定灰名单人员所到达的每个区域；

第三计算单元，用于根据灰名单人员所到达的每个区域的危险程度，确定灰名单人员的异常概率。

A13.根据A9的系统，还包括：

施工人员行为获取模块，用于获取施工人员操作工作设备的历史操作行为和施工人员操作工作设备的事故结果；

第二计算模块，用于将施工人员的历史操作行为和事故结果输入到预先训练好的施工人员评价模型中，以确定施工人员的风险评价值；

第一灰名单调整模块，用于将风险评价值在预定数值区间内的施工人员加入到灰名单中。

A14.根据A6的系统，还包括：

工作地点查找模块，用于根据第一面部图像，从工作地点数据库中查找施工人员所对应的工作设备；

导航线路生成模块，用于根据施工人员的当前位置、查找到的工作设备的位置和施工现场内的障碍物位置，生成导航线路；并将导航线路向施工人员发送。

A15.根据A14的系统，还包括：

位置信息获取模块，用于获取施工人员的实时位置；

距离计算模块，用于根据施工人员的实时位置和施工人员所对应的工作设备的位置，计算施工人员与施工人员所对应的工作设备之间的距离；

设备启动模块，用于在施工人员与施工人员所对应的工作设备之间的距离小于预设数值时，向施工人员所对应的工作设备发送启动信号。

A16.根据A9的系统，还包括：

车牌获取模块，用于在检测到施工车辆进入到施工现场内部后，对车辆进行拍照，以获取车辆照片；

车牌识别模块，用于将车辆照片输入到预先训练好的车牌识别模型中，以确定施工车辆的车牌号；

第一车牌比对模块，用于判断施工车辆的车牌号是否存在于预设的车牌黑名单中；

第二灰名单调整模块，若施工车辆的车牌号存在于预设的车牌黑名单中，则用于将位于施工车辆上的施工人员加入到灰名单中。

A17.根据A16的系统，还包括：

第三图像获取模块，若施工车辆的车牌号存在于预设的车牌黑名单中，则用于获取位于施工车辆上的施工人员的面部图像；

上传模块，用于将获取到的位于施工车辆上的施工人员的面部图像上传到备份服务器。

A18.根据A1的系统，第一告警模块包括：

选择单元，用于查找与施工车辆的行驶风险相对应的告警方式；

第二告警单元，用于按照查找到的告警方式进行告警。

A19.根据A18的系统，告警方式包括：通过设置在施工现场内部的扩音器报警、通过向位于施工车辆上的施工人员发送告警信息进行告警、通过向指定的网络端发送告警信息进行告警。

A20.根据A1的系统，还包括：

红外图像获取模块，用于通过红外摄像机对施工现场内部进行拍摄，以获取红外图像；

第三图像提取模块，用于从红外图像中提取高温对象的轮廓信息；

第三告警模块，用于根据高温对象的轮廓信息，生成告警信号。

A21.根据A1的系统，还包括：

第四图像获取模块，用于对施工现场内部的施工材料进行拍照，以获取施工材料照片；

第四图像提取模块，用于对施工材料照片进行前景提取，以确定施工材料的轮廓信息；

计数模块，用于根据施工材料的轮廓信息，确定施工材料的实际数量；

第四告警模块，用于判断施工材料的实际数量与施工材料的预计数量是否相同，若否，则生成告警信号。

A22.根据A1的系统，还包括：

模型信息获取模块，用于通过设置在施工现场内的信息获取设备获取施工现场的物理数据；

建模模块，用于根据施工现场的物理数据和预先获取到的气象数据，生成施工现场模型；

第五告警模块，用于根据施工现场模型生成告警信号。

A23.根据A1的系统，在施工现场内设置有指示灯。

A24.根据A17的系统，备份服务器包括以下任意一种或多种服务器：

私有云服务器、公有云服务器、混合云服务器。

A25.根据A1的系统，在施工现场内设置有空气质量检测器。

A26.根据A25的系统，空气质量监测器包括：PM2.5检测器、PM10检测器。

A27.根据A1的系统，还包括：设置在施工现场入口处的人行通道闸机。

与上述方法相对应的，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如基于大数据和物联网技术的城市安全工地监控方法的步骤。

如图4所示，为本申请实施例所提供的电子设备示意图，该电子设备1000包括：处理器1001、存储器1002和总线1003，存储器1002存储有执行指令，当电子设备运行时，处理器1001与存储器1002之间通过总线1003通信，处理器1001执行存储器1002中存储的基于大数据和物联网技术的城市安全工地监控方法的步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.基于大数据和物联网技术的城市安全工地监控系统，其特征在于，包括：

信息采集模块，用于获取进入到施工现场的施工车辆的车辆行驶信息；所述车辆行驶信息包括以下的任意一种或多种：车辆行驶速度、车辆类型、车辆所在的行驶区域、车辆的行驶轨迹、车辆与安全区的距离、车辆的车重、车载人员信息；

第一计算模块，用于将获取到的车辆行驶信息输入到预先训练好的车辆行驶风险计算模型中，以确定所述施工车辆的行驶风险；

第一告警模块，若所述施工车辆的行驶风险超过预定的阈值，则用于按照预先确定的告警策略进行告警。

2.根据权利要求1所述的系统，其特征在于，第一计算模块包括：

第一获取单元，用于获取当前环境信息，所述当前环境信息包括以下的任意一种或多种：天气状态信息、日期信息、光线明暗程度信息；

第一查找单元，用于根据当前环境信息，从数据库中查找预先训练好的车辆行驶风险计算模型；

第一计算单元，用于将获取到的车辆行驶信息输入到查找到的车辆行驶风险计算模型中，以确定所述施工车辆的行驶风险。

3.根据权利要求1所述的系统，其特征在于，所述车载人员信息包括：车载人员数量、车载人员温度、驾驶员面部特征信息、车载人员的身份信息。

4.根据权利要求1所述的系统，其特征在于，还包括：塔机检测模块；塔机检测模块包括：

第二获取单元，用于通过摄像机对塔机进行拍照，以获取塔机照片；

第一照片提取单元，用于对塔机照片进行前景提取，以确定塔机图像；

第二计算单元，用于根据塔机图像，计算塔机的弯折角度；

第一告警单元，用于根据塔机弯折角度，生成告警信号。

5.根据权利要求4所述的系统，其特征在于，塔机检测模块还包括：

第三获取单元，用于通过位移传感器获取塔机位移信号；以及，通过轴力计获取塔机支撑轴的轴力信号；以及，通过倾角传感器获取塔机的倾斜角度；

第一告警单元，包括：

第一计算子单元，用于根据塔机倾斜角度、塔机位移信号、轴力信号和塔机的倾斜角度，计算塔机的危险系数；

第一告警子单元，用于根据塔机的危险系数，生成告警信号。

6.根据权利要求1所述的系统，其特征在于，还包括：

第一图像获取模块，用于在检测到施工人员进入到施工现场内部后，对施工人员进行拍照，以获取施工人员照片；

第一图像提取模块，用于对施工人员照片进行面部图像提取，以确定第一面部图像；

第二图像获取模块，用于在第一图像提取模块确定第一面部图像后，每隔预定时间对施工现场内部进行拍照，以获取第一施工现场图像；

第二图像提取模块，用于对第一施工现场图像进行面部图像提取，以确定第二面部图像；

图像对比模块，用于根据第一面部图像和第二面部图像的相似度，生成告警信号。

7.根据权利要求6所述的系统，其特征在于，还包括：设置在施工现场入口的第一刷卡模块和设置在施工现场出口的第二刷卡模块；

第一刷卡模块，用于在接收到施工人员所持有的卡片发出的刷卡信号后，驱动第一图像获取模块工作；

第二刷卡模块，用于在接收到施工人员所持有的卡片发出的刷卡信号后，驱动第二图像获取模块停止工作。

8.根据权利要求6所述的系统，其特征在于，还包括：设置在施工现场入口的第一地感和设置在施工现场出口的第二地感；

第一地感，用于在检测到车辆驶入到施工现场后，驱动第一图像获取模块工作；

第二地感，用于在检测到车辆驶出到施工现场后，驱动第二图像获取模块停止工作。

9.根据权利要求1所述的系统，其特征在于，还包括：

灰名单人员信息获取模块，用于从预设的灰名单中提取灰名单人员的特征信息；

灰名单人员轨迹生成模块，用于根据灰名单人员的特征信息，确定灰名单人员的运动轨迹；

灰名单人员计算模块，用于根据灰名单人员的运动轨迹，计算灰名单人员的异常概率；

第二告警模块，用于根据灰名单人员的异常概率，生成告警信号。

10.基于大数据和物联网技术的城市安全工地监控方法，其特征在于，包括：

获取进入到施工现场的施工车辆的车辆行驶信息；所述车辆行驶信息包括以下的任意一种或多种：车辆行驶速度、车辆类型、车辆所在的行驶区域、车辆的行驶轨迹、车辆与安全区的距离、车辆的车重、车载人员信息；

将获取到的车辆行驶信息输入到预先训练好的车辆行驶风险计算模型中，以确定所述施工车辆的行驶风险；

若所述施工车辆的行驶风险超过预定的阈值，则用于按照预先确定的告警策略进行告警。