Workface assessment - the process o

Workface assessment - the process of determining the overall activity rates of onsite construction workers throughout a day - typically involves manual visual observations which are time-consuming and labor- intensive. To minimize subjectivity and the time required for conducting detailed assessments, and allowing managers to spend their time on the more important task of assessing and implementing improvements, we propose a new inexpensive vision-based method using RGB-D sensors that is applicable to interior construction operations. This is a particularly challenging task as construction activities have a large range of intra-class variability including varying sequences of body posture and time-spent on each individual activity. The skeleton extraction algorithms from RGB-D sequences produce noisy outputs when workers interact with tools or when there is a significant body occlusion within the camera's field-of-view. Existing vision-based methods are also limited as they can primarily classify “atomic" activities from RGB-D sequences involving one worker conducting a single activity. To address these limitations, our method includes three components: 1) an algorithm for detect¬ing, tracking, and extracting body skeleton features from depth images; 2) a discriminative bag-of-poses activity classifier for classifying single visual activities from a given body skeleton sequence: and 3) a Hidden Markov Model to represent emission probabilities in the form of a statistical distribution of single activity classifiers. For training and testing purposes, we introduce a new dataset of eleven RGB-D sequences for interior drywall construction operations involving three actual construction workers conducting eight different activities in various interior locations. Our results with an average accuracy of 76% on the testing dataset show the promise of vision-based methods using RC.B-D sequences for facilitating the activity analysis workface assessment.

Results (Vietnamese) 1:

Đánh giá Workface - quá trình xác định mức độ hoạt động tổng thể của công nhân xây dựng tại chỗ trong suốt một ngày - thường bao gồm hướng dẫn sử dụng quan sát trực quan mà là tốn thời gian và lao động chuyên sâu. Để giảm thiểu chủ quan và thời gian cần thiết để tiến hành đánh giá chi tiết, và cho phép quản lý chi tiêu thời gian của họ về công việc quan trọng của việc đánh giá và thực hiện các cải tiến, chúng tôi đề xuất một không tốn kém tầm nhìn dựa trên phương pháp mới bằng cách sử dụng bộ cảm biến RGB-D phù hợp với hoạt động thi công nội thất. Đây là một nhiệm vụ đặc biệt khó khăn là xây dựng các hoạt động có một phạm vi rộng lớn của biến đổi bên trong lớp bao gồm các trình tự khác nhau của tư thế cơ thể và dành thời gian trên mỗi hoạt động cá nhân. Các thuật toán khai thác bộ xương từ RGB-D Chuỗi sản xuất kết quả đầu ra ồn ào khi người lao động tương tác với các công cụ, hoặc khi có một cơ thể đáng kể tắc trong lĩnh vực của máy ảnh-of-view. Phương pháp dựa trên tầm nhìn hiện có cũng được giới hạn như họ chủ yếu có thể phân loại các hoạt động "hạt nhân" từ RGB-D chuỗi liên quan đến một công nhân tiến hành một hoạt động duy nhất. Để giải quyết những hạn chế này, phương pháp của chúng tôi bao gồm ba thành phần: 1) một thuật toán cho detect¬ing, theo dõi, và giải nén tính năng bộ xương cơ thể từ hình ảnh sâu; 2) một loại discriminative túi đặt ra hoạt động cho phân loại các hoạt động trực quan duy nhất từ một trình tự bộ xương cơ thể nhất định: và 3) mô hình Markov ẩn để đại diện cho xác suất phát thải trong các hình thức của một phân phối thống kê của máy phân loại duy nhất hoạt động. Đối với đào tạo và mục đích thử nghiệm, chúng tôi giới thiệu một bộ dữ liệu mới của mười một trình tự RGB-D cho các hoạt động xây dựng tường nội thất liên quan đến ba công nhân xây dựng thực tế tiến hành tám các hoạt động khác nhau ở nhiều vị trí nội thất. Chúng tôi kết quả với độ chính xác trung bình 76% về số liệu thử nghiệm cho thấy những lời hứa của tầm nhìn dựa trên phương pháp sử dụng RC.B-D các trình tự để tạo điều kiện cho việc đánh giá workface hoạt động phân tích.