买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉上海交通大学申请的专利基于计算机视觉的建筑施工现场工人跌倒前兆检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116778582B 。

龙图腾网通过国家知识产权局官网在2026-01-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310748542.6，技术领域涉及：G06V40/20；该发明授权基于计算机视觉的建筑施工现场工人跌倒前兆检测方法是由徐峰;刘啸宇;张志鹏;胡昊;梅心语;黄鹤;陶钰;馬文迪;戴磊;胡喆设计研发完成，并于2023-06-25向国家知识产权局提交的专利申请。

本基于计算机视觉的建筑施工现场工人跌倒前兆检测方法在说明书摘要公布了：本发明涉及一种基于计算机视觉的建筑施工现场工人跌倒前兆检测方法，包括：获取施工现场视频流；建立人体三维姿态估计模型并进行训练，提取三维坐标系中工人人体骨架关节点的坐标值；利用主成分分析方法，对工人人体骨架关节点坐标矩阵进行降维，并选取对人体三维姿态估计模型有正面或负面影响的人体骨架关节点；基于权重函数融合有正面影响的人体骨架关节点的三维坐标信息，构建基于改进Fusion‑KNN的机器学习模型并进行训练，获得最优化权重函数；基于机器学习模型检测工人跌倒前兆，并输出工人人体姿态的状态：稳定、失去平衡或跌倒。与现有技术相比，本发明预测准确，且可以在事前获取工人的跌倒风险程度，实现施工现场工人跌倒事故的事前预防。

本发明授权基于计算机视觉的建筑施工现场工人跌倒前兆检测方法在权利要求书中公布了：1.一种基于计算机视觉的建筑施工现场工人跌倒前兆检测方法，其特征在于，包括以下步骤： 步骤1获取施工现场视频流，作为训练数据集； 步骤2以单目摄像头拍摄的图片为对象，基于VideoPose3D算法建立建筑施工现场人体三维姿态估计模型并进行训练； 步骤3基于人体三维姿态估计模型，提取三维坐标系中工人人体骨架关节点的坐标值，生成工人人体骨架关节点坐标矩阵； 步骤4利用主成分分析方法，对工人人体骨架关节点坐标矩阵进行降维，对工人跌倒过程进行可视化分析，并开展预实验，选取对人体三维姿态估计模型有正面或负面影响的人体骨架关节点； 所述开展预实验，选取对人体三维姿态估计模型有正面或负面影响的人体骨架关节点的具体过程为： 初步建立人体三维姿态估计模型，求解人体骨架关节点每一种组合的模型准确率，即选定某一个人体骨架关节点joint_i，穷举它与其他人体骨架关节点的所有组合方式，每一个人体骨架关节点都有采纳和不采纳两种选取方式，将上述所有组合方式代入人体三维姿态估计模型，求得含有joint_i的所有组合方式的准确率平均值，以及不含有joint_i的所有组合方式的准确率平均值，对于每个人体骨架关节点joint_i，若满足，则判断该人体骨架关节点joint_i对建筑施工现场工人的跌倒全过程具有正面影响，判定该人体骨架关节点joint_i是人体三维姿态估计模型的关键节点，反之则判定该人体骨架关节点joint_i不是人体三维姿态估计模型的关键节点； 步骤5在传统最近邻模型的基础上，基于权重函数以赋权重的方式融合对人体三维姿态估计模型有正面影响的人体骨架关节点的三维坐标信息，构建基于改进Fusion-KNN的机器学习模型并进行训练，获得最优化权重函数； 所述基于权重函数以赋权重的方式融合对人体三维姿态估计模型有正面影响的人体骨架关节点的三维坐标信息，是基于马氏距离实现的，具体过程为： 在视频数据中，每一帧都是一个样本，假设样本数量为m，sn是所有样本中的一个，则其数学描述如下所示： 其中，分别是每个样本在x,y,z轴方向上的分量，每个分量是一个d维向量； 样本的不同方向上的分量之间的马氏距离表示为： 其中，n、k是样本集中两个不同的序列号，是样本s和样本在某个方向上的标准差； 样本间的加权距离,,加权得到： 其中，之间的加权距离，,,,,三个方向坐标的权重； 步骤6基于训练完成的机器学习模型检测建筑工程施工现场工人跌倒前兆，并输出工人人体姿态的状态，所述状态包括稳定、失去平衡、跌倒。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海交通大学，其通讯地址为：200240 上海市闵行区东川路800号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。