کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6679611 1428034 2018 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A deep learning-based method for detecting non-certified work on construction sites
ترجمه فارسی عنوان
یک روش مبتنی بر یادگیری عمیق برای شناسایی کارهای غیرقانونی در سایت های ساختمانی
کلمات کلیدی
ایمنی ساختمان، بررسی گواهینامه، تشخیص تجارت، شناسایی، یادگیری عمیق،
ترجمه چکیده
صنعت ساخت و ساز صنعت خطرناک است. تصادفات اغلب رخ می دهد، و بخشی از آنها به شدت مربوط به کارگران هستند که برای انجام کار خاص گواهی ندارند. اگرچه کارگران بدون یک گواهینامه تجاری محدود به ورود به سایت های ساختمانی نیستند، اما در بعضی از مواقع به طور معمول برای بررسی اینکه آیا یک کارگر کارهایی را انجام می دهد که برای آنها گواهینامه دارند، چندین روش معمول استفاده شده است. این مقاله یک چارچوب جدید برای بررسی اینکه آیا کارگر سایت در محدودیت صدور گواهینامه کار می کند، پیشنهاد می شود. چارچوب ما شامل استخراج کلیپ های ویدئویی کلیدی، تشخیص تجارت و ارزیابی صلاحیت کارکنان است. به رسمیت شناختن تجارت یک روش پیشنهاد جدید است که از طریق تجزیه و تحلیل روابط مکانی پویا بین کارگران و اشخاص غیر کارگر است. ما همچنین نتایج شناسایی را با تجزیه و تحلیل، مقایسه و تطبیق چندین تصویر چهره هر کارگر به دست آمده از فیلم ها بهبود دادیم. نتایج تجربی نشان می دهد که قابلیت اطمینان و دقت روش یادگیری عمیق ما برای شناسایی کارگران که انجام کار هستند که برای گواهی بازرسی و نظارت ایمنی تأیید نشده اند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
The construction industry is a high hazard industry. Accidents frequently occur, and part of them are closely relate to workers who are not certified to carry out specific work. Although workers without a trade certificate are restricted entry to construction sites, few ad-hoc approaches have been commonly employed to check if a worker is carrying out the work for which they are certificated. This paper proposes a novel framework to check whether a site worker is working within the constraints of their certification. Our framework comprises key video clips extraction, trade recognition and worker competency evaluation. Trade recognition is a new proposed method through analyzing the dynamic spatiotemporal relevance between workers and non-worker objects. We also improved the identification results by analyzing, comparing, and matching multiple face images of each worker obtained from videos. The experimental results demonstrate the reliability and accuracy of our deep learning-based method to detect workers who are carrying out work for which they are not certified to facilitate safety inspection and supervision.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Advanced Engineering Informatics - Volume 35, January 2018, Pages 56-68
نویسندگان
, , , , , , ,