[發明專利]一種工地現場的安全帽佩戴檢測系統及檢測方法

有效

• 申請號: 201810143710.8
• 申請日: 2018-02-12
• 公開（公告）號: CN108319926A
• 公開（公告）日: 2018-07-24
• 發明（設計）人: 王山東;殷志煒;華志魁;丁磊;戰博奇;樊志遠
• 申請（專利權）人: 安徽金禾軟件股份有限公司;北京趨享智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;H04N5/14;H04N7/18
• 代理公司: 安徽知問律師事務所 34134
• 代理人: 侯曄

1.一種工地現場的安全帽佩戴檢測系統，包括視頻裝置以及檢測系統，視頻裝置為攝像頭，其特征在于：所述的檢測系統包括依次設置的視頻流接入模塊、圖像采集模塊、運動人體檢測模塊、圖像上傳模塊、關鍵圖像提取模塊、安全帽檢測模塊；安全帽檢測模塊將檢測結果送入消息訂閱/發布模塊和存儲模塊。

2.根據權利要求1所述的一種工地現場的安全帽佩戴檢測系統，其特征在于：存儲模塊保存檢測結果和原始圖像庫。

3.根據權利要求1所述的一種工地現場的安全帽佩戴檢測系統，其特征在于：圖像上傳模塊將圖像上傳至原始圖像庫和關鍵圖像提取模塊。

4.一種工地現場的安全帽佩戴檢測方法，步驟如下：

A、采集視頻監控圖像，建立檢測識別模型；

B、采集工地實時監控的圖像進行運動物體檢測，檢測出有運動物體的圖像后上傳至識別系統；

C、識別系統接收步驟B發送的圖像進行檢測識別，判斷安全帽狀態；

D、將結果傳遞到消息隊列中；

E、將檢測識別結果進行展示。

5.根據權利要求4所述的一種工地現場的安全帽佩戴檢測方法，其特征在于：步驟A具體步驟如下：

A1、采集工地現場視頻監控圖像，人工標注出檢測識別所需要的圖像內容和格式；

A2、使用人工標注的圖片訓練深度學習SSD檢測識別模型；

A3、使用與訓練數據不同的數據集測試檢測識別模型，檢測識別結果。

6.根據權利要求5所述的一種工地現場的安全帽佩戴檢測方法，其特征在于：步驟A2中，SSD檢測識別模型的檢測任務包括proposal層、回歸任務、分類任務，回歸任務中一個proposal對應有四個輸出，分類任務需要對每個proposal進行分類，其中proposal層中包括N個proposal，N為自然數，對應回歸任務的回歸分支的輸出為4N，對于分類分支，訓練M類，M為自然數，分類分支的輸出數量為4(M+1)，M+1表示實際類別加上一類的背景。

7.根據權利要求5或6所述的一種工地現場的安全帽佩戴檢測方法，其特征在于：步驟A2中，SSD檢測識別模型包括聚焦損失函數FL和交叉熵損失函數CE，其中

FL(p_t)＝-(1-p_t)^γlog(p_t)

CE(p_t)＝-log(p_t)

pt為安全帽類別的概率，pt為變量，范圍為0-1，γ是聚焦損失參數，γ為參數，γ＝2。

8.根據權利要求5所述的一種工地現場的安全帽佩戴檢測方法，其特征在于：步驟A3中還包括如下步驟，使用與訓練數據不同的數據集循環進行步驟A2，優化檢測識別結果。

9.根據權利要求4或5所述的一種工地現場的安全帽佩戴檢測方法，其特征在于：

步驟B中，圖像采集判斷具體步驟如下：

B1、通過攝像頭，實時監測工地現場視頻流監控；

B2、對視頻流監控進行圖像采集，根據連接返回值判斷異常情況是否出現，若出現異常，實現圖像采集服務自動重啟；

B3、設置圖像文件阻塞隊列，隊列中每采集三張現場圖像進行運動物體檢測，判斷圖片中是否有運動物體；

B4、若沒有運動物體，返回繼續采集圖像；

B5、若檢測到有運動物體，請求將圖片上傳至識別系統。

10.根據權利要求9所述的一種工地現場的安全帽佩戴檢測方法，其特征在于：步驟C中，安全帽檢測識別具體步驟如下：.

C1、將步驟B上傳的運動物體圖像轉化成關鍵數據圖片作為識別服務的輸入；

C2、用基于聚焦損失函數的深度學習SSD模型檢測識別該圖片中是否有人；

C3、若沒有人，返回無人狀態碼，不返回坐標；

C4、若有人，用基于聚焦損失函數的深度學習SSD模型檢測識別該人是否佩戴安全帽，；

C5、若沒有佩戴安全帽，返回沒有佩戴安全帽狀態碼，返回人的坐標；

C6、若佩戴安全帽，返回佩戴安全帽狀態碼，返回人的坐標，做出相應輸出。