[發(fā)明專利]基于圖像識(shí)別的工作區(qū)域安全帽佩戴的檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811620410.0
• 申請(qǐng)日: 2018-12-28
• 公開（公告）號(hào): CN109697430A
• 公開（公告）日: 2019-04-30
• 發(fā)明（設(shè)計(jì)）人: 蘇永生
• 申請(qǐng)（專利權(quán)）人: 成都思晗科技股份有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 成都點(diǎn)睛專利代理事務(wù)所(普通合伙) 51232
• 代理人: 李玉興

本發(fā)明公開了一種基于圖像識(shí)別的工作區(qū)域安全帽佩戴的檢測(cè)方法。該方法通過(guò)采集工作區(qū)域的圖像，并對(duì)采集到的圖像進(jìn)行預(yù)處理；接著檢測(cè)圖像中的人體頭部、安全帽目標(biāo)，并得到人體頭部和安全帽的分類信息和相應(yīng)目標(biāo)的區(qū)域位置信息，接著計(jì)算人體頭部與安全帽的重疊率；用于判斷人是否佩戴安全帽，本發(fā)明特征提取采用Resnet或VGG?16模型作為特征提取網(wǎng)絡(luò)的特征提取方法，能夠降低圖像特征提取的困難，并采用基于Adaboost的特征分類方法，一方面能夠保證識(shí)別準(zhǔn)確率較高，另一方面可以使得模型的泛化能力更高，同時(shí)能夠提升安全帽檢測(cè)的準(zhǔn)確率、提升安全帽佩戴狀態(tài)識(shí)別的準(zhǔn)確率，并降低整個(gè)處理流程運(yùn)行時(shí)間。適合在圖像處理技術(shù)領(lǐng)域推廣應(yīng)用。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其是一種基于圖像識(shí)別的工作區(qū)域安全帽佩戴的檢測(cè)方法。

背景技術(shù)

目標(biāo)檢測(cè)，通常也被稱為目標(biāo)提取，是一種基于目標(biāo)集合和統(tǒng)計(jì)特征的圖像分割，它將目標(biāo)的分割和識(shí)別合二為一，其準(zhǔn)確性和實(shí)時(shí)性是整個(gè)系統(tǒng)的一項(xiàng)重要能力。目標(biāo)檢測(cè)的意義在于讓計(jì)算機(jī)智能地從輸入圖像中識(shí)別目標(biāo)的類型，并獲得目標(biāo)的區(qū)域位置信息。目標(biāo)檢測(cè)是圖像目標(biāo)跟蹤、視頻分析的前提。目標(biāo)檢測(cè)具備重要的作用：分類信息、目標(biāo)區(qū)域信息(矩形區(qū)域參數(shù))，這成為目標(biāo)跟蹤、視頻圖像分析的重要基礎(chǔ)。

目前針對(duì)圖像或視頻數(shù)據(jù)的安全帽檢測(cè)技術(shù)主要包括以下幾類：第一類是基于運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)的安全帽檢測(cè)方法，該技術(shù)主要針對(duì)監(jiān)控視頻數(shù)據(jù)，對(duì)視頻數(shù)據(jù)應(yīng)用運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)來(lái)檢測(cè)運(yùn)動(dòng)的安全帽，該技術(shù)存在一定的問(wèn)題，一方面運(yùn)動(dòng)的物體可能包含行人、車輛、以及路邊搖動(dòng)的樹木等，無(wú)法做到安全帽的分類精確識(shí)別，更無(wú)法做到安全帽的準(zhǔn)確定位。第二類是基于HOG特征提取與SVM分類的安全帽檢測(cè)技術(shù)，HOG特征是基于圖像梯度幅值和邊緣方向的描述圖像局部特征的一種方法，SVM是簡(jiǎn)歷在統(tǒng)計(jì)學(xué)習(xí)上的一種分類方法。基于HOG特征提取與SVM分類技術(shù)的安全帽檢測(cè)方法具有算法處理簡(jiǎn)單的優(yōu)點(diǎn)，但也存在算法識(shí)別率低、模型泛化能力弱等缺點(diǎn)。第三類是基于hear-like特征與adaboost的安全帽檢測(cè)檢測(cè)技術(shù)，該技術(shù)最早應(yīng)用于傳統(tǒng)的人臉檢測(cè)，是基于Hear-Like特征提取與adaboost分類技術(shù)的安全帽檢測(cè)方法，該方法中的特征提取包括三類特征：邊緣特征、現(xiàn)行特征、中心特征，并應(yīng)用級(jí)聯(lián)的弱分類器構(gòu)建一個(gè)強(qiáng)分類器即Adaboost分類方法，該方法的缺點(diǎn)在于特征提取存在不足，無(wú)法達(dá)到較高的識(shí)別準(zhǔn)確率。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種能夠降低圖像特征提取的困難、提升安全帽檢測(cè)的準(zhǔn)確率、提升安全帽佩戴狀態(tài)識(shí)別的準(zhǔn)確率，并降低整個(gè)處理流程運(yùn)行時(shí)間的基于圖像識(shí)別的工作區(qū)域安全帽佩戴的檢測(cè)方法。

本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案為：該基于圖像識(shí)別的工作區(qū)域安全帽佩戴的檢測(cè)方法，包括以下步驟：

1)、采集工作區(qū)域的圖像，并對(duì)采集到的圖像進(jìn)行預(yù)處理；所述圖像預(yù)處理包括圖像尺度的變化和圖像增強(qiáng)處理，所述圖像尺度的變化是指將圖像調(diào)整成固定尺寸大小的圖像，所述圖像增強(qiáng)處理是指增加圖像的對(duì)比度；

2)、圖像目標(biāo)檢測(cè)；采用SSD或YOLO目標(biāo)檢測(cè)框架檢測(cè)圖像中的人體頭部、安全帽目標(biāo)，并得到人體頭部和安全帽的分類信息和相應(yīng)目標(biāo)的區(qū)域位置信息，所述圖像目標(biāo)檢測(cè)的過(guò)程如下所述：

A、正負(fù)樣本篩選；以目標(biāo)標(biāo)注的ground_truth區(qū)域作為依據(jù)，如果圖像區(qū)域與ground_truth區(qū)域的重疊率大于規(guī)定的門限值，則認(rèn)為此圖像區(qū)域信息為正樣本，如果圖像區(qū)域與ground_truth的重疊率小于規(guī)定的門限值，則認(rèn)為此圖像區(qū)域信息為負(fù)樣本；

B、特征提?。徊捎肦esnet或VGG-16模型作為特征提取網(wǎng)絡(luò)提取正負(fù)樣本中的特征描述信息；