12、深度学习助力建筑工地管理任务

深度学习助力建筑工地管理任务

1. 建筑工人相关检测与评估

在建筑领域，对工人的检测和评估至关重要。通过长短期记忆（LSTM）网络，开发了建筑工人的运动检测模型，可确定工人的数量和位置。同时，还有诸多研究聚焦于利用深度学习方法检测和评估建筑工人的健康状况。
- 疲劳与工效评估 ：
- Yu等人（2019a）开发了一种非侵入式方法，借助计算机视觉监测建筑工人的全身身体疲劳状况。
- Yu等人（2019b）利用先进的深度学习方法和视频中的建筑工人骨骼数据，为建筑工人开发了自动且详细的人体工程学评估。

2. 建筑机械检测

跟踪建筑机械是建筑安全自动监控的关键步骤，但当前基于视觉的跟踪方法精度有待提高。众多研究通过实施各种深度学习方法来解决这一问题，以下是一些具体研究：
|作者/年份|研究重点|方法|局限性|
| ---- | ---- | ---- | ---- |
|Xiao和Kang (2021a)|开发专门用于建筑机械的图像数据集Alberta Construction Image Data Set (ACID)|手动收集10,000张图像，使用YOLO - v3、Inception - SSD、R - FCN - ResNet101和Faster - RCNN - ResNet101四种现有深度学习目标检测算法验证其可行性|ACID数据集仅用于目标检测任务|
|Xiao和Kang (2021b)|提出基于视觉的方法construction machine tracker (CMT)，用于跟踪视频中的多个建筑机械|将CMT集成到分析挖掘机土方作业周期生产率的框架中，准确