[發(fā)明專利]基于深度學(xué)習(xí)的勞保用品佩戴情況檢測(cè)和身份識(shí)別的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010197049.6
• 申請(qǐng)日: 2020-03-19
• 公開(kāi)（公告）號(hào): CN111488804B
• 公開(kāi)（公告）日: 2022-11-11
• 發(fā)明（設(shè)計(jì)）人: 梁宇棟;寧藝雄;宮彥;謝瑾豪;張超;李德玉
• 申請(qǐng)（專利權(quán)）人: 山西大學(xué)
• 主分類號(hào): G06V40/16
• 分類號(hào): G06V40/16;G06V10/94;G06V10/764;G06V10/762;G06V10/82;G06N3/04;G06N3/08;G06F16/951
• 代理公司: 太原申立德知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 14115
• 代理人: 程園園

1.基于深度學(xué)習(xí)的勞保用品佩戴情況檢測(cè)和身份識(shí)別的方法，其特征在于：包括以下步驟：

步驟S1：通過(guò)互聯(lián)網(wǎng)爬取圖片及工作現(xiàn)場(chǎng)采集圖片的方式收集數(shù)據(jù)，然后制作“工作人員勞保用品佩戴情況檢測(cè)和身份識(shí)別專用數(shù)據(jù)集”；

步驟S2：數(shù)據(jù)預(yù)處理，對(duì)爬取到的照片進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)擴(kuò)充然后進(jìn)行標(biāo)注，并把圖片進(jìn)行數(shù)據(jù)集劃分；

步驟S3：訓(xùn)練模型，設(shè)計(jì)并訓(xùn)練基于多種目標(biāo)檢測(cè)算法原理的深度模型，對(duì)多個(gè)深度模型采用Stacking Ensemble的方法進(jìn)行模型集成；

步驟S4：使用公開(kāi)數(shù)據(jù)集采用center loss訓(xùn)練基于深度學(xué)習(xí)的人臉識(shí)別模型和采用孿生網(wǎng)絡(luò)構(gòu)建訓(xùn)練基于深度學(xué)習(xí)的行人再識(shí)別模型；獲取應(yīng)用場(chǎng)所工作人員的身份信息、人臉照片以及行走圖片，用于構(gòu)建工作現(xiàn)場(chǎng)的人臉識(shí)別和行人再識(shí)別比對(duì)數(shù)據(jù)庫(kù)；結(jié)合工作現(xiàn)場(chǎng)的人臉識(shí)別和行人再識(shí)別比對(duì)數(shù)據(jù)庫(kù)對(duì)模型進(jìn)行自適應(yīng)優(yōu)化；

步驟S5：對(duì)工作人員進(jìn)行勞保用品佩戴情況檢測(cè)，使用人臉識(shí)別模型對(duì)未佩戴勞保用品的工作人員進(jìn)行身份識(shí)別，持續(xù)監(jiān)控，并對(duì)無(wú)法識(shí)別的工作人員不斷進(jìn)行人臉識(shí)別及運(yùn)用行人再識(shí)別模型進(jìn)行比對(duì)，并將佩戴情況及身份信息存儲(chǔ)于數(shù)據(jù)庫(kù)。

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的勞保用品佩戴情況檢測(cè)和身份識(shí)別的方法，其特征在于：所述步驟S2中數(shù)據(jù)擴(kuò)充：通過(guò)尺度變化、隨機(jī)摳圖、色彩變化、添加噪聲的方法對(duì)數(shù)據(jù)的數(shù)據(jù)集進(jìn)行擴(kuò)充；

所述步驟S2中數(shù)據(jù)清洗：針對(duì)數(shù)據(jù)的不完整性以及不準(zhǔn)確性，針對(duì)有問(wèn)題的“臟數(shù)據(jù)”，進(jìn)行數(shù)據(jù)清洗，對(duì)于不完整數(shù)據(jù)，進(jìn)行數(shù)據(jù)加工或剔除，達(dá)到清理的目的；

所述臟數(shù)據(jù)為爬取的錯(cuò)誤無(wú)關(guān)圖片；

所述步驟S2中標(biāo)注的內(nèi)容包括勞保用品佩戴情況，勞保用品檢測(cè)位置并附具定位框和人員身份信息；

所述步驟S2中數(shù)據(jù)集劃分是對(duì)于勞保用品佩戴情況檢測(cè)模型，按8：1：1將數(shù)據(jù)集劃分為訓(xùn)練集、開(kāi)發(fā)集、測(cè)試集；人臉識(shí)別模型和行人再識(shí)別數(shù)據(jù)集較大，按98：1：1將數(shù)據(jù)劃分為訓(xùn)練集、開(kāi)發(fā)集、測(cè)試集。

3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的勞保用品佩戴情況檢測(cè)和身份識(shí)別的方法，其特征在于：所述步驟S3中設(shè)計(jì)并訓(xùn)練基于多種目標(biāo)檢測(cè)算法原理的深度模型的具體操作是，將用于檢測(cè)的數(shù)據(jù)集的圖像分批次輸入到勞保用品佩戴檢測(cè)網(wǎng)絡(luò)中，通過(guò)卷積層、非線性激活層、ROI Pooling層、注意力激活單元、全連接、跨層連接網(wǎng)絡(luò)結(jié)構(gòu)得到特征圖，在多個(gè)尺度通過(guò)多任務(wù)學(xué)習(xí)方式得到勞保用品在圖片中的位置坐標(biāo)；并與訓(xùn)練數(shù)據(jù)集中位置坐標(biāo)比較，形成誤差損失，通過(guò)梯度反傳，更新深度模型參數(shù)。

4.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的勞保用品佩戴情況檢測(cè)和身份識(shí)別的方法，其特征在于：所述步驟S3中訓(xùn)練基于多種目標(biāo)檢測(cè)算法原理的深度模型包括一階段檢測(cè)思想、二階段檢測(cè)思想、多尺度特征圖檢測(cè)思想、級(jí)聯(lián)檢測(cè)思想、特征融合檢測(cè)思想。