[發明專利]一種基于圖像特征提取的實時安全帽檢測方法

在審

• 申請號: 202010971121.6
• 申請日: 2020-09-16
• 公開（公告）號: CN112084986A
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 郭志偉;黃天富;金淼;張軍;雷民;李建新;詹文;陳習文;陳卓;盧冰;汪泉;王斯琪;王旭;聶高寧;周瑋;付濟良;齊聰;郭子娟;余雪芹;劉俊;郭鵬;朱赤丹;吳志武;伍翔
• 申請（專利權）人: 國網福建省電力有限公司營銷服務中心;中國電力科學研究院有限公司;國網福建省電力有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 錢莉;蔡學俊

1.一種基于圖像特征提取的實時安全帽檢測方法，其特征在于：包括以下步驟：

步驟S1:收集人體圖像作為人體數據集，收集安全帽圖像作為安全帽數據集，利用人體數據集使用DPM算法訓練人體檢測模型，利用安全帽數據集使用HOG特征和SVM訓練安全帽分類器；

步驟S2：從實時視頻中獲取視頻幀圖像；

步驟S3：對獲取的視頻幀圖像，使用DPM算法訓練的人體檢測模型進行人體檢測，并提取出人體所在矩形區域；

步驟S4：對提取出的人體所在矩形區域進行安全帽顏色匹配，若無匹配成功區域，則播放報警信息，若有匹配成功區域，則進行步驟S5；

步驟S5：對安全帽顏色匹配成功的區域，使用由HOG特征和SVM訓練好的安全帽分類器進行安全帽檢測，若沒有檢測到安全帽，則播放報警信息。

2.根據權利要求1所述的一種基于圖像特征提取的實時安全帽檢測方法，其特征在于：步驟S1中所述使用DPM算法訓練人體檢測模型的具體內容為：收集人體圖像，建立人體圖像數據集，使用DPM算法進行訓練，得到人體檢測模型。

3.根據權利要求1所述的一種基于圖像特征提取的實時安全帽檢測方法，其特征在于：步驟S1中所述訓練安全帽分類器的具體內容為：提供工人佩戴安全帽圖像數據集，使用OpenCV開源庫提取出數據集中圖像的HOG特征，并使用SVM進行訓練，得到安全帽分類器。

4.根據權利要求1所述的一種基于圖像特征提取的實時安全帽檢測方法，其特征在于：步驟S3中所述使用DPM算法訓練出的人體檢測模型提取出人體所在矩形區域的具體內容為：將得到的人體檢測模型應用到待檢測的視頻幀圖像中提取出人體所在矩形區域，對得到的人體所在矩形區域，根據DPM算法返回的坐標值，再從視頻幀圖像中將人體所在的矩形區域分割出來。

5.根據權利要求1所述的一種基于圖像特征提取的實時安全帽檢測方法，其特征在于：步驟S4中所述對安全帽進行顏色匹配的具體內容為：對步驟S3中分割出的RGB人體所在矩形區域圖像使用色域轉換公式轉化為HSV圖像，HSV圖像包含三個通道，分別為H，S，V，使用OpenCV中的inRange函數生成滿足式（1）的二值化圖像，對得到的二值化圖像進行開運算與閉運算，去除噪點，然后將二值圖中的白色連通區域從原始視頻幀圖像中提取出來得到與安全帽顏色相匹配區域F，若不存在區域F，則播放報警信息；

(Hmin≤H≤Hmax)(Vmin≤V≤Vmax)(Smin≤S≤Smax) (1)

式中，Hmin，Hmax分別代表色調的最大、最小值，Smin，Smax分別代表飽和度的最大、最小值，Vmin，Vmax分別代表亮度的最大、最小值；通過調整H，S，V的最大值與最小值來提取多種不同顏色的安全帽區域。

6.根據權利要求1所述的一種基于圖像特征提取的實時安全帽檢測方法，其特征在于：步驟S5中所述對安全帽顏色匹配成功的區域進行安全帽檢測的具體內容為：將得到的分類器應用到待檢測的F區域中，若未從待檢測的F區域中檢測到安全帽，則播放報警信息；其中HOG特征提取，首先將圖像分成小的矩形連通區域，即細胞單元，然后采集細胞單元中各像素點的梯度的方向直方圖，最后把這些直方圖組合起來就構成HOG特征描述器。

7.一種基于圖像特征提取的實時安全帽檢測系統，其特征在于：包括以下：預處理模塊，用于分別采用DPM算法和HOG特征和SVM對收集的人體數據集和安全帽數據集進行訓練，得到人體檢測模型和安全帽分類器；

圖像獲取模塊，用于獲取視頻幀圖像；

人體檢測模塊，用于使用DPM算法訓練的人體檢測模型進行人體檢測，并提取出人體所在矩形區域；

安全帽顏色匹配模塊，用于對提取出的人體所在矩形區域進行安全帽顏色匹配；

安全帽檢測模塊，用于進行安全帽檢測。