[發明專利]基于深度學習的勞保用品佩戴情況檢測和身份識別的方法

有效

• 申請號: 202010197049.6
• 申請日: 2020-03-19
• 公開（公告）號: CN111488804B
• 公開（公告）日: 2022-11-11
• 發明（設計）人: 梁宇棟;寧藝雄;宮彥;謝瑾豪;張超;李德玉
• 申請（專利權）人: 山西大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/94;G06V10/764;G06V10/762;G06V10/82;G06N3/04;G06N3/08;G06F16/951
• 代理公司: 太原申立德知識產權代理事務所(特殊普通合伙) 14115
• 代理人: 程園園

本發明屬于計算機視覺技術領域，具體涉及基于深度學習的勞保用品佩戴情況檢測和身份識別的方法。本發明收集數據制作工作人員勞保用品佩戴情況檢測和身份識別專用數據集，對數據集進行預處理標注并劃分，然后設計并訓練基于多種目標檢測算法原理的深度模型，對多個深度模型采用Stacking Ensemble的方法進行模型集成，使用公開數據集訓練基于深度學習的人臉識別模型和行人再識別模型，構建工作現場的人臉識別和行人再識別比對數據庫，結合該圖像數據庫對模型進行自適應優化，進行檢測并監控。本發明提高施工場所工作人員的安全性，減少安全事故的發生，有著很好的社會價值以及商業價值，應用前景廣泛。

技術領域

本發明屬于計算機視覺技術領域，具體涉及基于深度學習的勞保用品佩戴情況檢測和身份識別的方法。

背景技術

工廠安全問題一直是社會關心的熱點，據2017年全國安全生產數據分析，發現生產安全事故中95％的原因是作業人員的不安全行為導致的，勞保用品更是作為保證員工安全重要的一環。隨著機械化技術的發展，一些和破碎、鑄造、打磨有關的行業，作業環境粉塵濃度高，因而導致塵肺病多發、群發。人腦是人體最重要的部位，安全帽可以承受和分散落物的沖擊力，減輕工作人員頭部的損傷。因此對車間、工廠等施工場所進行勞保用品佩戴顯得尤為重要。

目前，大多數工廠、施工場所都沒有勞保用品檢測系統，導致工人懈怠佩戴安全帽、防護口罩，產生諸多安全隱患。工廠對其進行監管和管制往往因為所消耗人力、物力資源太大而放棄，但這項工作是必不可少的，對工作人員以及工廠都有著至關重要的作用。

隨著人民對安全性的要求不斷提高，工廠、車間需要采取更加有效的管制措施。人工智能技術發展迅速，與各科技領域深度融合，已經在語音識別、計算機視覺等領域產生出了眾多創新解決方案。將計算機視覺領域與工廠監管等工作相結合，在減少人力、物力資源的同時，將進一步提高工廠的安全性。勞保產品的佩戴檢測如口罩的佩戴檢測對于公眾安全領域疫情防控方面也有重要意義。

發明內容

針對上述問題本發明提供了基于深度學習的勞保用品佩戴情況檢測和身份識別的方法。

為了達到上述目的，本發明采用了下列技術方案：

基于深度學習的勞保用品佩戴情況檢測和身份識別的方法，包括以下步驟：

步驟S1：通過互聯網爬取圖片及工作現場采集圖片的方式收集數據，然后制作“工作人員勞保用品佩戴情況檢測和身份識別專用數據集”；

步驟S2：數據預處理，對爬取到的照片進行數據清洗、數據擴充然后進行標注，并把圖片進行數據集劃分；

步驟S3：訓練模型，設計并訓練基于多種目標檢測算法原理的深度模型，對多個深度模型采用Stacking Ensemble的方法進行模型集成；

步驟S4：使用公開數據集采用center loss訓練基于深度學習的人臉識別模型和采用孿生網絡構建訓練基于深度學習的行人再識別模型；獲取應用場所工作人員的身份信息、人臉照片以及行走圖片，用于構建工作現場的人臉識別和行人再識別比對數據庫；結合該圖像數據庫對模型進行自適應優化(Domain Adaptations)；

步驟S5：對工作人員進行勞保用品佩戴情況檢測，使用人臉識別模型對未佩戴勞保用品的工作人員進行身份識別，持續監控，并對無法識別工作人員不斷進行人臉識別及通過行人再識別模型進行比對，并將佩戴情況及身份信息存儲于數據庫。

進一步，所述步驟S2中數據擴充：通過尺度變化、隨機摳圖、色彩變化、添加噪聲的方法對數據的數據集進行擴充；

所述步驟S2中數據清洗：針對數據的不完整性以及不準確性，針對有問題的“臟數據”，進行數據清洗，對于不完整數據，進行數據加工或剔除，達到清理的目的；

所述臟數據為爬取的錯誤無關圖片；