本发明涉及智能监管，更具体地涉及一种基于智能视觉和大数据的智能监管系统。
背景技术：
1、智能视觉是利用计算机视觉技术，是人工智能的一个领域，对图像进行处理、分析和理解，从而实现对人、物、场景的智能识别和跟踪。智能视觉技术在监控、安防、医疗等领域具有广泛的应用。
2、近年来，我国建筑业规模不断壮大，施工安全风险给建筑业带来了极大的影响；为实现对安全风险的有效管控、管理方式的升级转型，积极推进智能建造监管机制，将智能视觉技术应用于施工领域进行智能监管，提高了施工过程中的安全性，降低安全风险，实现有效管控。
3、但是现有的应用于施工场所的智能监管系统大多只对施工设备与能耗进行实时监测与管控，未对施工现场的人员与环境进行实时监测与管控；在施工现场存在诸多危险区域，例如粉尘过多的区域，该区域极易影响人员视线，因此人员不宜出现在该区域，以防发生安全事故，并且粉尘浓度过高会对人员身体产生影响；同时施工人员应正确佩戴安全头盔方可进入施工现场，以保证安全性；现有的应用于施工场所的智能监管系统均未对此进行智能监管，因此存在一定安全隐患，无法提高对施工现场的安全管控。
技术实现思路
1、为了克服现有技术的上述缺陷，本发明提供了一种基于智能视觉和大数据的智能监管系统，以解决上述背景技术中存在的问题。
2、本发明提供如下技术方案：一种基于智能视觉和大数据的智能监管系统，包括区域划分模块、数据采集模块、数据预处理模块、人员检测模块、区域检测模块、风险分析模块、实时预警模块、智能监管模块以及人机交互模块；
3、所述区域划分模块用于对施工现场进行区域划分，并将各子区域依次标记为1、2、3……n；
4、所述数据采集模块用于对目标数据进行采集，所述数据采集模块包括图像数据采集单元与环境数据采集单元；
5、所述数据预处理模块用于对图像数据采集单元的图像数据进行预处理，得到能够直接使用的图像数据；
6、所述人员检测模块用于接收数据预处理模块预处理后的图像数据，对人员图像数据进行分析，并将检测结果传输至智能管控模块；
7、所述区域检测模块用于接收环境数据采集单元的数据，对各子区域的环境情况进行分析，并基于分析结果向实时预警模块发送预警指令，同时将数据传输至风险分析模块；
8、所述风险分析模块用于接收区域检测模块的数据，基于权重分配系数对施工现场的整体环境风险进行评估，获取环境风险评估系数并进行判别，依据判别结果向实时预警模块发送预警指令；
9、所述实时预警模块用于接收区域检测模块与风险分析模块的预警指令，向人机交互模块发出实时预警；
10、所述智能管控模块用于接收人员检测模块的数据，同时对实时预警模块的预警指令进行智能管控；
11、所述人机交互模块用于对数据进行人机交互显示。
12、优选的，所述目标数据包括图像数据与环境数据；图像数据采集单元通过图像采集设备对图像数据进行采集；所述环境数据采集单元通过检测仪采集环境数据，即各子区域不同时间段的粉尘浓度。
13、优选的，所述人员检测模块基于卷积神经网络对人员图像数据进行分析，获取人员的安全头盔佩戴结果；对进入施工现场的人员进行编号，将对应的人员图像按人员编号进行标记；所述人员的安全头盔佩戴结果为已佩戴与未佩戴两种；
14、所述卷积神经网络包括输入层、卷积层、池化层、激活函数层、全连接层以及输出层；所述输入层用于输入人员图像进行安全头盔的佩戴检测；所述卷积层进行二维卷积运算以提取图像数据中的信息；所述池化层采用池化函数，包括线性池化函数与非线性池化函数，所述非线性池化函数包括均值池化与最大池化；所述激活函数层位于卷积层之后，负责生成非线性的输出信号，并将变换后的信号传递给网络的下一层；所述全连接层用于捕捉目标物的分类特征；所述输出层用于输出最终检测结果。
15、优选的，所述二维卷积运算的过程为：
16、若输入的第j个人员编号的人员图像记为ij入，大小为h×w，其中，j为人员编号；若卷积核k的大小为h×w，则输出图像ij出的大小为；卷积核k在输入图像ij入上的卷积运算用公式表示为：，其中，o(a,b)为输出图像在位置(a,b)处的像素值，ij入(a+e,b+f)为输入图像在位置(a+e,b+f)处的像素值，k(e,f)为卷积核在位置(e,f)处的权重值。
17、优选的，所述区域检测模块对各子区域的环境情况进行分析包括以下步骤：
18、步骤s11：将历史采集的各子区域不同时间段的粉尘浓度记为xit，作为样本数据，其中，i=1、2、3……n；t为第t个时间段；
19、步骤s12：对步骤s11中的数据进行无量纲化处理，减少数据的绝对数值的差异，并对数据进行归一化处理；
20、步骤s13：计算样本数据的灰色关联系数，所述灰色关联系数的计算公式表示为：，其中，yit为灰色关联系数，ρ为分辨率系数，ρ∈（0，1）；
21、进行初值标准化获取样本数据的灰色关联度，公式表示为：，其中，ri为灰色关联度，t为总时间段，t=1、2、3……t；
22、步骤s14：将实时采集的各子区域的不同时间段的粉尘浓度记为x´it，重复步骤s12与步骤s13，获得实时的灰色关联度r´i，将实时的灰色关联度r´i与样本数据的灰色关联度ri进行比较，若差值超出设定阈值ui，则说明粉尘浓度增加，此时向实时预警模块发送预警指令，否则不向实时预警模块发送预警指令。
23、优选的，所述风险分析模块中权重分配系数的计算公式为：，其中，λi为第i个子区域的权重分配系数；
24、所述环境风险评估系数的计算公式为：，其中，φ为环境风险评估系数，μi为第i个子区域的风险值指数，i=1、2、3……n；所述风险值指数的计算公式为：，其中，ui为设定阈值。
25、优选的，所述环境风险评估系数满足φ＞uk，则向实时预警模块发送预警指令，所述环境风险评估系数满足φ≤uk，则不向实时预警模块发送预警指令，所述uk为整体阈值，满足uk＞60%。
26、本发明的技术效果和优点：
27、本发明通过设有人员检测模块与区域检测模块，有利于对人员图像数据进行分析，以检测人员是否佩戴安全头盔；并对各子区域的环境情况进行分析，并基于分析结果向实时预警模块发送预警指令；对进入施工现场的人员进行安全头盔的佩戴检测，在进入施工现场前进行安全监测，保证人员安全，同时对各区域的粉尘浓度进行分析，能够获知安全性低的区域并减少在安全性低的区域内逗留，进一步提高了施工现场的人员安全性，同时保障人员身体不受过高浓度的粉尘影响，降低安全隐患，并提高对施工现场的安全管控，能够区分安全区域与危险区域以提高对施工人员的安全保障。
1.一种基于智能视觉和大数据的智能监管系统，其特征在于：包括区域划分模块、数据采集模块、数据预处理模块、人员检测模块、区域检测模块、风险分析模块、实时预警模块、智能监管模块以及人机交互模块；
2.根据权利要求1所述的一种基于智能视觉和大数据的智能监管系统，其特征在于：所述目标数据包括图像数据与环境数据；图像数据采集单元通过图像采集设备对图像数据进行采集；所述环境数据采集单元通过检测仪采集环境数据，即各子区域不同时间段的粉尘浓度。
3.根据权利要求1所述的一种基于智能视觉和大数据的智能监管系统，其特征在于：所述人员检测模块基于卷积神经网络对人员图像数据进行分析，获取人员的安全头盔佩戴结果；对进入施工现场的人员进行编号，将对应的人员图像按人员编号进行标记；所述人员的安全头盔佩戴结果为已佩戴与未佩戴两种；
4.根据权利要求3所述的一种基于智能视觉和大数据的智能监管系统，其特征在于：所述二维卷积运算的过程为：
5.根据权利要求1所述的一种基于智能视觉和大数据的智能监管系统，其特征在于：所述区域检测模块对各子区域的环境情况进行分析包括以下步骤：
6.根据权利要求1所述的一种基于智能视觉和大数据的智能监管系统，其特征在于：所述风险分析模块中权重分配系数的计算公式为：，其中，λi为第i个子区域的权重分配系数；
7.根据权利要求6所述的一种基于智能视觉和大数据的智能监管系统，其特征在于：所述环境风险评估系数满足φ＞uk，则向实时预警模块发送预警指令，所述环境风险评估系数满足φ≤uk，则不向实时预警模块发送预警指令，所述uk为整体阈值，满足uk＞60%。
