[發明專利]一種基于深度學習的施工現場人員制服穿著識別的方法

在審

• 申請號: 201810366469.5
• 申請日: 2018-04-23
• 公開（公告）號: CN108491830A
• 公開（公告）日: 2018-09-04
• 發明（設計）人: 尹青山;段成德;于治樓
• 申請（專利權）人: 濟南浪潮高新科技投資發展有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 王守梅

1.一種基于深度學習的施工現場人員制服穿著識別的方法，其特征在于，所述方法包括：

用深度學習算法對施工現場人員制服穿著情況進行識別。

2.根據權利要求1所述的一種基于深度學習的施工現場人員制服穿著識別的方法，其特征在于，具體方法如下：

S1、服務器采集施工現場的視頻信息；

S2、對采集到的視頻信息進行人工標記，標記穿著制服的工作人員與非工作人員；

S3、將人工標記后的數據用深度學習算法進行檢索訓練；

S4、對人工標記后的數據進行深度學習算法進行分類訓練，生成CNN模型；

S5、實時獲取施工現場的視頻，利用CNN模型檢索并識別出工作人員與非工作人員。

3.根據權利要求2所述的一種基于深度學習的施工現場人員制服穿著識別的方法，其特征在于，所述的服務器采集施工現場的視頻信息，包括采集視頻信息后，對視頻信息數據按幀分割為多個圖像數據。

4.根據權利要求2所述的一種基于深度學習的施工現場人員制服穿著識別的方法，其特征在于，所述的對采集到的視頻信息進行人工標記，人工標記使用的工具為labelImg工具。

5.根據權利要求2所述的一種基于深度學習的施工現場人員制服穿著識別的方法，其特征在于，所述的將人工標記后的數據用深度學習算法進行檢索訓練包括，依照Faster R-CNN框架搭建神經網絡模型，檢索出施工現場工作人員輪廓，訓練模型檢測圖像中人員的位置。

6.根據權利要求2所述的一種基于深度學習的施工現場人員制服穿著識別的方法，其特征在于，所述的對人工標記后的數據進行深度學習算法進行分類訓練包括，使用ResNet-152-CNN卷積神經網絡模型作為人員的分類模型，進行分類訓練。

7.根據權利要求5所述的一種基于深度學習的施工現場人員制服穿著識別的方法，其特征在于，所述的卷積層采用預訓練的VGG16的卷積層。

8.根據權利要求2所述的一種基于深度學習的施工現場人員制服穿著識別的方法，其特征在于，所述的利用CNN模型檢索并識別出工作人員與非工作人員包括，使用Faster R-CNN模型檢索人員位置并使用ResNet-1522-CNN模型進行工作人員與非工作人員的分類。

9.一種基于深度學習的施工現場人員制服穿著識別的裝置，其特征在于，包括深度學習模型生成模塊、視頻信息采集模塊和模型推理模塊；

所述的深度學習模型生成模塊，用于將采集的視頻信息數據進行深度學習算法訓練，得到深度學習模型；

所述的視頻信息采集模塊，用于實時采集施工現場的視頻信息；

所述的模型推理模塊，用于利用深度學習模型檢索并識別出工作人員與非工作人員。

10.根據權利要求9所述的一種基于深度學習的施工現場人員制服穿著識別的裝置，其特征在于，所述的深度學習生成模塊，包括數據采集單元、數據標注單元、檢索訓練單元和分類訓練單元；

所述的數據采集單元，用于采集施工現場的視頻信息，并將視頻信息數據按幀分割為多個圖像數據；

所述的數據標注單元，用于將數據采集單元的圖像數據進行人工標記，標記工作人員與非工作人員；

所述的檢索訓練單元，用于將人工標記后的數據用Faster R-CNN算法進行檢索訓練；

所述的分類訓練單元，用于將人工標記后的數據用ResNet-1522-CNN算法進行分類訓練。