[發明專利]一種基于兩階段深度學習的安全帽佩戴識別方法

在審

• 申請號: 202010881941.6
• 申請日: 2020-08-28
• 公開（公告）號: CN112149512A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 許艾明;王飛揚;劉倍銘;劉翔鋒;劉崛雄
• 申請（專利權）人: 成都飛機工業（集團）有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/42;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都天嘉專利事務所(普通合伙) 51211
• 代理人: 彭紅艷

本發明涉及安全帽識別技術領域，特別是涉及一種基于兩階段深度學習的安全帽佩戴識別方法，本發明基于深度學習的方法，采用目標檢測網絡和圖像分類網絡的兩階段卷積神經網絡結合的方式，通過對標記好的現場作業工人圖片進行訓練和參數調優，可以有效對未佩戴安全帽的工人進行識別和定位，在深度學習過程中，擴大目標檢測網絡的輸入尺寸，也將誤識別的場景和安全帽的佩戴情況一并作為樣本進行打標分類。通過本方法，能有效解決在目標距離較遠和背景復雜情況下識別效果差的問題。

技術領域

本發明涉及安全帽識別技術領域，特別是涉及一種基于兩階段深度學習的安全帽佩戴識別方法。

背景技術

隨著社會的進步，安全生產成為至關重要的問題。但在安全生產場景中，仍然存在一些施工人員安全意識薄弱，不按照規程作業，例如著裝不符合安全規范。隨著圖像識別技術的發展，其獲得了越來越廣泛的應用，基于圖像識別的安全著裝檢測成為減少安全隱患的有效方法之一。現有的方法采用傳統的模式識別方法，安全帽佩戴識別包括預處理圖像、特征提取、識別等步驟，步驟繁瑣，而且需要大量的先驗知識，對算法設計人員的專業知識要求較高，算法設計人員的水平直接決定了能否準確檢測出是否佩戴安全帽。

現有技術中，提出了公開號為CN110263686A，公開日為2019年09月20日的中國發明專利文件，該專利文獻所公開的技術方案如下：一種基于深度學習的施工工地圖像安全帽檢測方法，首先通過深度學習的目標檢測方法檢測到施工人員目標區域，獲得該人員目標圖像區域后，截取該區域的上1/3部分的圖像，然后將上1/3部分的圖像使用深度學習中的遷移學習方法進行安全帽分類網絡的訓練，判斷該圖像部分是否包含安全帽的信息，如果分類為安全帽，則圖像中該人員佩戴了安全帽，否則圖像中該人員未佩戴安全帽。

上述技術方案在實際使用過程中，會出現以下問題：

（1）由于生產現場工況比較復雜，存在很多遮擋，可能將人的軀體部分擋住，人員姿勢也比較多變，該方案進行訓練的是人體，通過人體識別后再利用人體區域的上1/3部分來進行安全帽的識別，該方案不能準確識別頭部的范圍。通過該方法提取人體再進行頭部識別，提取特征參數復雜，且由于作業背景非常復雜，該方案很容易產生目標誤識別的情況，對最終的圖像分析結果產生極大的影響。

（2）由于作業現場的監控攝像頭往往布置的離現場設備較遠，該方案針對遠距離小目標的識別效果很不理想，更容易出現誤識別，也大大增加了安全帽佩戴識別的難度。

發明內容

為解決上述技術問題，本發明提出了一種基于兩階段深度學習的安全帽佩戴識別方法，能有效解決提取特征參數過程復雜、識別效率低和在目標距離較遠、背景復雜情況下識別效果差的問題。

本發明是通過采用下述技術方案實現的：

一種基于兩階段深度學習的安全帽佩戴識別方法，其特征在于：包括以下步驟：

a. 對監控攝像頭采集的原始樣本圖片進行工人頭部的標記，使用目標檢測網絡，將目標檢測網絡的輸入尺寸擴大，將該原始樣本圖片送入目標檢測網絡進行訓練，通過對原始樣本圖片中的工人頭部進行分類回歸和位置回歸，得到工人頭部存在于圖片上的像素位置和其置信度，將誤差通過反向傳播算法和梯度下降優化方法進行模型訓練，得到工人頭部目標檢測網絡模型；

b. 將新一批圖像樣本送入目標檢測網絡模型，進行頭部區域檢測，輸出工人頭部圖像區域并剪裁，將場景誤識別的區域一并剪裁作為分類網絡圖像樣本；

c. 分類網絡圖像樣本根據是否佩戴安全帽和誤識別情況分別標注為佩戴安全帽、沒有佩戴安全帽和誤識別三個類別，作為分類網絡訓練樣本集；將該分類網絡訓練樣本集送入圖像分類網絡進行訓練，得到安全帽分類識別網絡模型；

d. 將現場作業工人圖像輸入步驟a中已經訓練好的工人頭部目標檢測網絡模型，得到工人頭部位置并剪裁；