[發明專利]一種動態背景中的安全帽檢測方法與系統

在審

• 申請號: 201810913181.5
• 申請日: 2018-08-07
• 公開（公告）號: CN109255298A
• 公開（公告）日: 2019-01-22
• 發明（設計）人: 胡平;裴嘉震;徐曾春
• 申請（專利權）人: 南京工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種動態背景中的安全帽檢測方法與系統，其特征在于，所述方法包括以下步驟：

步驟一：工人與安全帽數據集采集，采集工地工人的視頻圖像，人工方式標注工人與安全帽，區分人與安全帽，得到人-安全帽識別數據集；

步驟二：工人與安全帽數據集訓練，接著將我們標注的人-安全帽數據集作為我們卷積神經網絡模型的訓練集，最終得到工人-安全帽檢測模型；

步驟三：目標檢測，根據步驟二得到的工人-安全帽檢測模型，對實時視頻圖像或已保存的視頻圖像進行檢測，識別出視頻圖像中的目標的類別并得到預測框的坐標(t_x，t_y，t_w，t_h)；

步驟四：目標分析，根據視頻圖像中的目標的工人預測框坐標，在他的一定坐標范圍內遍歷尋找是否有安全帽目標的存在，設(p_x，p_y)為人預測框的左上角坐標，p_w，p_h分別為人預測框的寬和高，(h_x，h_y)分別為安全帽預測框的左上角坐標，p_w，p_h分別為安全帽預測框的寬和高，根據坐標判斷，人的頭上是否有安全帽；我們還對每一個目標進行光流跟蹤，為每一個進入視頻圖像中的目標設置跟蹤ID，在該目標離開視頻圖像之前一直進行跟蹤。

2.根據權利要求1所述的一種動態背景中的安全帽檢測方法與系統，其特征在于，步驟一中所述得到工人-安全帽數據集方法包括以下步驟：

步驟一：首先利用爬蟲爬取網站上的建筑工地施工圖片，或自行采集工地視頻進行圖片分幀提取；

步驟二：然后刪除掉不存在任何人或安全帽的圖片，使用labelimg進行人工標注。

3.根據權利要求1所述的一種動態背景中的安全帽檢測方法與系統，其特征在于，步驟二所述的卷積神經網絡模型訓練包括以下步驟：

步驟一：訓練過程中，輸入圖像進入我們的卷積神經網絡，進行特征提取，我們的卷積神經網絡框架有53個卷積層，一層池化層與一個全連接層，采用53個卷積層進行特征提取，獲取輸入圖像的特征；池化層用于降維與降低過擬合，最后一層全連接層負責綜合前53個卷積層提取到的特征，可由如下矩陣形式表示：

式中I₁，...，I₅₃為全連接層的輸入，x₁，...，x₅₃為全連接層的輸出；

步驟二：考慮訓練過程中的損失函數，我們采用均方和誤差作為Loss函數，統一用以下公式作為損失函數：

其中，CoordErr為定位誤差，IOUErr為IOU誤差，ClassErr為分類誤差。