[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
地址：	250100 山東省濟南市***	國省代碼：	山東;37
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	施工現場制服穿著準確度學習算法學習
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明公開了一種基于深度學習的施工現場人員制服穿著識別的方法，屬于深度學習技術領域，本發明用深度學習算法對施工現場人員制服穿著情況進行識別。本發明和現有技術相比，可以提高識別的效率和準確度，快速精確的識別出施工現場的外來人員。

技術領域

本發明涉及深度學習技術領域，具體地說是一種基于深度學習的施工現場人員制服穿著識別的方法。

背景技術

由于如電力系統設施施工現場，建筑施工現場等等區域需要實時監測進入區域的人員是否為專業的工作人員。專業的工作人員一般穿著定制的制服予以分別。如果安排專門人員進行檢查，會耗費大量的人力物力，識別的實時性和準確性也比較低，因此，需要一種識別制服的視頻監控和檢測方法。

近年來，特別是2009年以來，借助機器學習領域深度學習研究的發展，識別技術得到突飛猛進的發展。將深度學習研究引入到識別領域，極大提高了識別的準確率降低了人的工作量。

深度學習的概念源于人工神經網絡的研究，由Hinton等人于2006年提出。2006年，加拿大多倫多大學教授、機器學習領域的泰斗GeoffreyHinton和他的學生RuslanSalakhutdinov在《科學》上發表了一篇文章，開啟了深度學習在學術界和工業界的浪潮。這篇文章有兩個主要觀點：(1)多隱層的人工神經網絡具有優異的特征學習能力，學習得到的特征對數據有更本質的刻畫，從而有利于可視化或分類；(2)深度神經網絡在訓練上的難度，可以通過“逐層初始化”(layer-wisepre-training)來有效克服，在文章中逐層初始化是通過無監督學習實現的。由此可見，深度學習的實質是通過構建具有很多隱層的機器學習模型和海量的訓練數據，來學習更有用的特征，從而最終提升分類或預測的準確性。

發明內容

本發明的技術任務是針對以上不足之處，提供一種基于深度學習的施工現場人員制服穿著識別的方法。

本發明解決其技術問題所采用的技術方案是：一種基于深度學習的施工現場人員制服穿著識別的方法，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。

進一步的，優選的方法：

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。

進一步的，優選的方法：

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。