The advent of high-resolution video

The advent of high-resolution video cameras, high storage data¬bases, and availability of Internet over the past few years has transformed the ongoing construction operations’ documentation methods. Today, it is common for owners and contractors to have cameras continuously monitoring their onsite construction activities. Building on the state-of-the-art algorithms in computer vision and leveraging these existing cameras, several methods have been proposed that focus on detecting construction workers and equipment [28-31], tracking their location in 2D and 3D [32,33], recognizing their activities based on their locations [34], or classifying atomic activities from videos containing a worker or equipment performing a single activity [35-37]. Teizer and Vela reviewed and compared existing computer vision tracking methods based on RGB images and highlighted the challenges of workface interaction such as occlusion, visual clutter, and photometric visual variability on construction sites. In addition to tracking worker location, activity recognition using video cameras has been a research area that has received attention over the past few years. To distinguish from construction activity analysis, by worker activity recognition, we mean detecting and documenting activities that are conducted by workers as part of the workface assessment process. Peddi et al. [17] proposed a method which classifies worker activity into three main categories - effective, ineffective, and contributory - based on a pose detec-tion and tracking algorithms. Golparvar-Fard et al. [35] presented an algorithm that learns the distributions of spatio-temporal features and individual activity categories for earthmoving equipment using a multi-class Support Vector Machine (SVM) learning/inference model.
Over the last two to three years, the advent of depth sensors such as Microsoft Kinect, PrimeSense Carmine, and Time of Flight (TOF) cameras, has significantly facilitated the task of “detecting and tracking people”. These sensors facilitate detecting, tracking body skeleton, and

Results (Vietnamese) 1:

Sự ra đời của máy quay video độ phân giải cao, cao lí data¬bases và tính khả dụng của Internet trong vài năm qua đã chuyển đổi các hoạt động liên tục xây dựng tài liệu hướng dẫn phương pháp. Hôm nay, người ta thường cho chủ sở hữu và các nhà thầu để có máy ảnh liên tục giám sát các hoạt động xây dựng tại chỗ. Xây dựng trên các thuật toán nhà nước-of-the-nghệ thuật trong máy tính tầm nhìn và tận dụng các máy ảnh sẵn có, một số phương pháp đã được đề xuất mà tập trung vào phát hiện công nhân xây dựng và thiết bị [28-31], theo dõi vị trí của họ trong 2D và 3D [32,33], công nhận các hoạt động dựa trên vị trí của họ [34], hoặc phân loại các hoạt động nguyên tử từ video có một nhân viên hoặc thiết bị thực hiện một hoạt động đơn [35-37]. Teizer và Vela được nhận xét và so sánh sẵn có tầm nhìn máy tính theo dõi phương pháp dựa trên hình ảnh RGB và nêu bật những thách thức của sự tương tác workface như tắc, hình ảnh lộn xộn, và biến thể trực quan trên các trang web xây dựng. Ngoài ra để theo dõi vị trí nhân viên, công nhận hoạt động bằng cách sử dụng máy quay video đã là một khu vực nghiên cứu mà đã nhận được sự chú ý trong vài năm qua. Để phân biệt với các phân tích hoạt động xây dựng, bởi nhân viên hoạt động công nhận, chúng tôi có nghĩa là phát hiện và ghi lại các hoạt động được thực hiện bởi các công nhân như là một phần của quá trình đánh giá workface. Peddi et al. [17] đề xuất một phương pháp phân loại hoạt động công nhân thành ba loại chính - hiệu quả, không hiệu quả, và lứa - dựa trên một tư thế detec-tion và theo dõi các thuật toán. Golparvar-Fard et al. [35] trình bày một thuật toán học các bản phân phối của các tính năng nhất và cá nhân hoạt động thư mục cho earthmoving thiết bị bằng cách sử dụng một mô hình học tập/suy luận đa lớp hỗ trợ Vector Machine (SVM).Trong 2-3 năm qua, sự ra đời của bộ cảm biến độ sâu như Microsoft Kinect, PrimeSense Carmine, và thời gian chuyến bay (TOF) máy ảnh, một cách đáng kể đã tạo điều kiện nhiệm vụ "phát hiện và theo dõi mọi người". Các cảm biến tạo thuận lợi cho phát hiện, theo dõi bộ xương cơ thể, và

Results (Vietnamese) 2:

Sự ra đời của máy ảnh có độ phân giải cao video, data¬bases lưu trữ cao, và sẵn có của Internet trong vài năm qua đã làm thay đổi phương pháp tài liệu hướng dẫn các hoạt động xây dựng đang tiến hành ". Ngày nay, nó được phổ biến cho các chủ sở hữu và các nhà thầu phải có máy ảnh liên tục giám sát các hoạt động xây dựng trong khuôn viên của họ. Xây dựng trên các nhà nước-of-the-nghệ thuật các thuật toán trong máy tính tầm nhìn và tận dụng các máy ảnh hiện tại, một số phương pháp đã được đề xuất tập trung vào việc phát hiện rằng người lao động và thiết bị [28-31] xây dựng, theo dõi vị trí của họ trong 2D và 3D [32,33 ], thừa nhận hoạt động của mình dựa trên vị trí của họ [34], hoặc phân loại hoạt động nguyên tử từ các video có chứa một nhân viên hoặc các thiết bị thực hiện một hoạt động đơn lẻ [35-37]. Teizer và Vela xem xét và so sánh các phương pháp theo dõi máy tính tầm nhìn dựa trên hình ảnh RGB hiện và nêu bật những thách thức của tương tác workface như tắc, hỗn loạn thị giác, và biến đổi hình ảnh quang trên các trang web xây dựng. Ngoài việc theo dõi vị trí nhân viên, công nhận các hoạt động sử dụng máy quay video là một lĩnh vực nghiên cứu mà đã nhận được sự chú ý trong vài năm qua. Để phân biệt với phân tích hoạt động xây dựng, bằng công nhận hoạt động công nhân, chúng tôi có nghĩa là phát hiện và các hoạt động được thực hiện bởi các công nhân như một phần của quá trình đánh giá workface tài liệu. Peddi et al. [17] đề xuất một phương pháp phân loại các hoạt động lao động thành ba loại chính - hiệu quả, không hiệu quả, và đóng góp - dựa trên một pose detec-tion và các thuật toán theo dõi. Golparvar-Fard et al. [35] trình bày một thuật toán mà biết sự phân bố của các tính năng không-thời gian và loại hoạt động cá nhân cho các thiết bị sử dụng làm đất đa lớp Support Vector Machine (SVM) học / mô hình suy luận.
Trong 2-3 năm qua, sự ra đời của sâu cảm biến như Microsoft Kinect, PrimeSense Carmine, và Time of Flight (TOF) máy ảnh, đã tạo điều kiện đáng kể các nhiệm vụ "phát hiện và theo dõi những người". Những cảm biến này tạo điều kiện phát hiện, theo dõi bộ xương cơ thể, và