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！

龙图腾网获悉淮安市盛旺智能化科技有限公司申请的专利基于深度学习的智慧工地安全风险识别方法与系统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：CN120747827B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202510925237.9，技术领域涉及：G06V20/40；该发明授权基于深度学习的智慧工地安全风险识别方法与系统是由吕先进设计研发完成，并于2025-07-05向国家知识产权局提交的专利申请。

本基于深度学习的智慧工地安全风险识别方法与系统在说明书摘要公布了：本发明公开一种基于深度学习的智慧工地安全风险识别方法与系统，包括：S1：采集视频流数据并进行预处理，得到标准化图像帧；S2：根据标准化图像帧，计算增强特征图，再根据增强特征图，构建关键点关联矩阵，计算姿态特征向量；S3：根据姿态特征向量，提取躯干特征向量与躯干参数，计算旋转ROI参数，并计算融合特征图，再进行安全帽检测，得到安全帽检测结果；S4：根据连续30张标准化图像帧，提取姿态特征向量序列，并计算风险隐状态、动态风险指数与动态警戒阈值；S5：根据动态风险指数和动态警戒阈值，计算告警判定结果，并根据告警判定结果决定是否发出告警。本发明可解决传统智慧工地安全风险识别方法准确率不足且难以捕捉潜在风险的问题。

本发明授权基于深度学习的智慧工地安全风险识别方法与系统在权利要求书中公布了：1.基于深度学习的智慧工地安全风险识别方法，其特征在于，包括以下步骤： S1：通过部署在工地高空作业区域的摄像头实时采集视频流数据，并进行预处理，得到标准化图像帧； S2：根据标准化图像帧，结合可变形卷积核生成多个尺度的特征图，并执行空间-通道双注意力增强，得到增强特征图；再根据增强特征图，构建关键点关联矩阵，计算姿态特征向量，包括： 所述可变形卷积核的尺度包括3×3、5×5和7×7三种预设尺寸，且可变形卷积核参数通过标准化图像帧结合平均池化与非线性映射生成；计算所述姿态特征向量前，先通过所述增强特征图与经双线性插值上采样后的关键点关联矩阵进行拼接，再通过3×3卷积生成动态融合系数；将所述动态融合系数与增强特征图逐元素相乘后，依次通过1×1卷积、批归一化和GeLU激活函数生成姿态特征向量； S3：根据姿态特征向量，提取躯干特征向量与躯干参数，计算旋转ROI参数，并计算融合特征图，再进行安全帽检测，得到安全帽检测结果，包括： 所述躯干参数包括躯干中心的横、纵坐标、身体主轴方向角以及肢体离散度；所述旋转ROI参数的计算包括，根据肢体离散度参数生成动态缩放因子，并将所述动态缩放因子与预设基准宽度、基准高度结合，生成包括旋转角度、缩放后宽度与缩放后高度的旋转ROI参数；计算所述融合特征图之前，先计算方向感知卷积核，计算步骤包括，将身体主轴方向角编码为二维正弦余弦向量，通过全连接层对基准卷积核进行修正，得到与人体姿态方向匹配的方向感知卷积核； 所述融合特征图的生成包括，对YOLOv8网络输出的特征图施加方向感知卷积核，通过可变形卷积实现人体姿态方向的动态对齐；所述安全帽检测包括，根据旋转ROI参数对所述融合特征图执行旋转感兴趣区域对齐操作，提取安全帽特征图后输入YOLOv8网络，输出安全帽检测结果，所述安全帽检测结果包括安全帽是否存在、安全帽所在的位置与置信度； S4：根据连续30张标准化图像帧，提取姿态特征向量序列，并计算风险隐状态、动态风险指数与动态警戒阈值； S5：根据动态风险指数和动态警戒阈值，计算告警判定结果；若告警判定结果为不存在风险，则不进行操作；若告警判定结果为存在风险，则计算风险等级概率分布，再选取风险等级概率分布中概率最大的等级，作为风险等级并触发告警。

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淮安市盛旺智能化科技有限公司，其通讯地址为：223001 江苏省淮安市淮安经济技术开发区承德南路266号5号楼522室；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。