[發(fā)明專利]基于深度學(xué)習(xí)的移動(dòng)式安全帽佩戴檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010083323.7
• 申請(qǐng)日: 2020-02-09
• 公開（公告）號(hào): CN111259855A
• 公開（公告）日: 2020-06-09
• 發(fā)明（設(shè)計(jì)）人: 柳建新;張鋼;張宏帆;李軒;邱利文
• 申請(qǐng)（專利權(quán)）人: 天津博宜特科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 天津市三利專利商標(biāo)代理有限公司 12107
• 代理人: 仝林葉

本發(fā)明公開了一種基于深度學(xué)習(xí)的移動(dòng)式安全帽佩戴檢測(cè)方法。本發(fā)明的皮帶機(jī)巡檢機(jī)器人在軌道上運(yùn)行，通過分析云臺(tái)攝像頭轉(zhuǎn)送回來的視頻圖像，利用SDD模型進(jìn)行目標(biāo)識(shí)別，通過圖中所檢測(cè)人體數(shù)、未戴安全帽人頭數(shù)、戴安全帽人頭數(shù)，利用當(dāng)前與之前三幀所檢測(cè)圖像的人體數(shù)，判定視頻中是否存在人員變化，當(dāng)存在人員變化時(shí)，則利用所檢測(cè)對(duì)象關(guān)系，判定巡檢機(jī)器人沿途中是否有人及人員是否佩戴安全帽，同時(shí)，對(duì)未戴安全帽的一幀視頻圖像進(jìn)行存儲(chǔ)，如此，則實(shí)現(xiàn)當(dāng)現(xiàn)場(chǎng)出現(xiàn)未戴安全帽現(xiàn)象時(shí)，只是保存一幀違規(guī)圖像。本發(fā)明通過采用深度學(xué)習(xí)算法，在數(shù)據(jù)集上得到了一種具備安全帽檢測(cè)的神經(jīng)網(wǎng)絡(luò)模型，該模型在構(gòu)建的測(cè)試集上達(dá)到了良好的檢測(cè)效果。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能目標(biāo)檢測(cè)領(lǐng)域，更具體地說，是涉及一種基于深度學(xué)習(xí)的移動(dòng)式安全帽佩戴檢測(cè)方法。

背景技術(shù)

在煤礦、電廠、變電站、建筑工地等實(shí)際場(chǎng)景中，佩戴安全帽能夠有效保護(hù)操作人員的頭部安全，是一種必須執(zhí)行的安全措施。但由于部分人員缺乏安全意識(shí)，不按規(guī)定佩戴安全帽，帶來了巨大的安全風(fēng)險(xiǎn)。目前，主要管理辦法是進(jìn)行施工現(xiàn)場(chǎng)視頻監(jiān)控，采用人工監(jiān)督是否佩戴安全帽。但是這種人工監(jiān)管辦法，一方面，因?yàn)楝F(xiàn)場(chǎng)場(chǎng)地眾多，監(jiān)控屏幕較大，監(jiān)控人員容易疲勞，導(dǎo)致監(jiān)控疏漏；另一方面，需要大量人力，造成資源浪費(fèi)。

近年來人工智能快速發(fā)展，計(jì)算機(jī)視覺作為人工智能的一個(gè)重要研究方向,也迎來了第三次熱潮。目標(biāo)檢測(cè)作為計(jì)算機(jī)視覺領(lǐng)域的一個(gè)研究熱點(diǎn),大量的基于卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)秀目標(biāo)檢測(cè)算法取得了巨大的成功，激勵(lì)著越來越多的學(xué)者開始致力于深度學(xué)習(xí)目標(biāo)檢測(cè)算法的研究。因安全帽作為安全防護(hù)用品，其主要作用是保護(hù)施工現(xiàn)場(chǎng)人員的頭部，防高空物體墜落，防物體打擊、碰撞，對(duì)安全生產(chǎn)起到重要價(jià)值，視頻圖像的安全帽檢測(cè)受到重視。

目前，主要管理辦法是進(jìn)行施工現(xiàn)場(chǎng)視頻監(jiān)控，采用人工監(jiān)督是否佩戴安全帽。即使存在視頻檢測(cè)，也是固定攝像頭，多用于建筑工地、電廠入口，對(duì)現(xiàn)場(chǎng)監(jiān)管力度不夠。

人工監(jiān)管辦法，一方面，因?yàn)楝F(xiàn)場(chǎng)場(chǎng)地眾多，監(jiān)控屏幕較大，監(jiān)控人員容易疲勞，導(dǎo)致監(jiān)控疏漏；另一方面，需要大量人力，造成資源浪費(fèi)；固定點(diǎn)檢測(cè)因視角有限，只能對(duì)局部區(qū)域進(jìn)行監(jiān)視，不能排除其它未被覆蓋區(qū)域人員操作規(guī)范情況。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是，克服現(xiàn)有技術(shù)中存在的不足，提供一種基于深度學(xué)習(xí)的移動(dòng)式安全帽佩戴檢測(cè)方法。

煤炭、電廠皮帶機(jī)巡檢機(jī)器人在軌道上運(yùn)行，通過分析云臺(tái)攝像頭轉(zhuǎn)送回來的視頻圖像，利用SDD模型進(jìn)行目標(biāo)識(shí)別，通過圖中所檢測(cè)人體數(shù)、未戴安全帽人頭數(shù)、戴安全帽人頭數(shù)，利用當(dāng)前與之前三幀所檢測(cè)圖像的人體數(shù)，判定視頻中是否存在人員變化，當(dāng)存在人員變化時(shí)，則利用所檢測(cè)對(duì)象關(guān)系，判定巡檢機(jī)器人沿途中是否有人及人員是否佩戴安全帽，同時(shí)，對(duì)未戴安全帽的一幀視頻圖像進(jìn)行存儲(chǔ)，減少數(shù)據(jù)冗余，防止相同違規(guī)行為，多次存儲(chǔ)的現(xiàn)象。如此，則實(shí)現(xiàn)當(dāng)現(xiàn)場(chǎng)出現(xiàn)未戴安全帽現(xiàn)象時(shí)，只是保存一幀違規(guī)圖像。

本方法采用Tensorflow深度學(xué)習(xí)框架，其為谷歌公司第二代開源的深度學(xué)習(xí)平臺(tái)，也是目前最受歡迎的用來實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)框架。

Tensorflow廣泛支持包括計(jì)算機(jī)視覺、語音識(shí)別、人機(jī)對(duì)弈和自然語言處理等大量功能。據(jù)此，本方法在以往研究的基礎(chǔ)上，提出一種基于深度學(xué)習(xí)的移動(dòng)式安全帽佩戴檢測(cè)方法。過程包括樣本收集、模型訓(xùn)練、檢測(cè)。并通過巡檢機(jī)器人云臺(tái)攝像頭實(shí)現(xiàn)對(duì)周圍環(huán)境的檢測(cè)、識(shí)別，驗(yàn)證算法對(duì)于現(xiàn)場(chǎng)工人安全帽佩戴檢測(cè)的可行性和有效性。并對(duì)未按標(biāo)準(zhǔn)佩戴安全的現(xiàn)象進(jìn)行警報(bào)、違規(guī)圖像存儲(chǔ)。

本發(fā)明一種基于深度學(xué)習(xí)的移動(dòng)式安全帽佩戴檢測(cè)方法，煤炭、電廠皮帶機(jī)巡檢機(jī)器人在軌道上運(yùn)行，通過分析云臺(tái)攝像頭轉(zhuǎn)送回來的視頻圖像，具體檢測(cè)方法步驟如下：

1.樣本采集：就是獲取所監(jiān)視現(xiàn)場(chǎng)含有人的圖片，其需包括帶安全帽人體(施工現(xiàn)場(chǎng))、未帶安全人體(可用其它場(chǎng)所)；