[發明專利]采油作業現場吸煙人員識別處理方法及系統

有效

• 申請號: 202110038437.4
• 申請日: 2021-01-12
• 公開（公告）號: CN112733730B
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 梁鴻;楊瑩;魏學成;鞏亞明;邵明文;張千
• 申請（專利權）人: 中國石油大學（華東）
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V20/40;G06V10/46;G06V10/20;G06V10/764;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 朱忠范

本發明提供一種采油作業現場吸煙人員識別處理方法及系統，屬于機器視覺技術領域，調用攝像頭對采油作業現場進行拍照獲取環境照片；使用識別模型確定環境照片中是否有煙頭；其中，識別模型為使用多組數據通過機器學習訓練得出；多組數據包括第一類數據和第二類數據；第一類數據中的每組數據均包括：包含煙頭的照片和標識該照片中包含煙頭的標簽；第二類數據中的每組數據均包括：不包含煙頭的照片和標識該照片中不包含煙頭的標簽；在環境照片存在煙頭的情況下，則判定采油作業現場人員存在吸煙行為，并發出預警信號。本發明提取了圖像的多尺度特征，得到多層特征映射，得到特征金字塔，解決了尺度變化問題，可快速準確的進行現場照片中的煙頭識別。

技術領域

本發明涉及機器視覺技術領域，具體涉及一種基于無錨和多尺度特征自適應融合的采油作業現場吸煙人員識別處理方法及系統。

背景技術

由于采油作業現場環境復雜，采油施工人員的不規范操作存在著重大安全隱患，尤其是人員吸煙問題，可能會造成重大事故。能實時和準確的檢測到采油現場人員的吸煙行為并在第一時間發起警報對于保證采油現場生產安全具有重要意義。快速且準確的檢測到現場視頻圖像中的煙頭對于識別現場人員是否吸煙至關重要，而煙頭屬于小目標問題，難以檢測。

在計算機視覺領域，一張圖片通常存在多個目標，目標的尺寸和姿態各有所異，多尺度問題，尤其是小目標問題一直阻礙檢測精度的提升。由于小目標相比其他目標具有分辨率低，模糊，攜帶信息較少的問題，因此，檢測網絡提取該類目標的特征表達能力弱，且難以獲取足夠的特征來對目標進行精確的定位和標注。

目前采用的目標檢測器都是以損失精度或速度為代價的。近幾十年來，由于卷積神經網絡(CNN)的出現，基于錨的兩階段和一階段目標檢測算法分別在精度和速度方面得到了巨大的提升。但是，兩級檢測器獲得更好的精度但速度慢，而一級檢測器具有高效率但精度較低。因此，融合不同的檢測框架或方法以利用它們的優點并克服它們的缺點通常是有益的。

為了解決CNN存在參數量大和尺度限定的問題，全卷積網絡(FCN)實現了參數共享，且可以對圖像進行像素級的分類，可以接受任意尺寸的輸入圖像，采用反卷積層對最后一個卷積層的特征圖進行上采樣，使它恢復到輸入圖像相同的尺寸，從而可以對每個像素都產生一個預測，同時保留原始輸入圖像中的空間信息，但是，全卷積網絡(FCN)沒有充分考慮像素與像素之間的關系。

發明內容

本發明的目的在于提供一種基于無錨和多尺度特征自適應融合的采油作業現場吸煙人員識別處理方法及系統，以解決上述背景技術中存在的至少一項技術問題。

為了實現上述目的，本發明采取了如下技術方案：

一方面，本發明提供一種采油作業現場人員吸煙檢測識別處理方法，該方法包括：

調用攝像頭對采油作業現場進行拍照獲取環境照片；

使用識別模型對環境照片進行分析，確定所述環境照片中是否有煙頭；其中，所述識別模型為使用多組數據通過機器學習訓練得出；所述多組數據包括第一類數據和第二類數據；所述第一類數據中的每組數據均包括：包含煙頭的照片和標識該照片中包含煙頭的標簽；第二類數據中的每組數據均包括：不包含煙頭的照片和標識該照片中不包含煙頭的標簽；

在所述環境照片存在煙頭的情況下，則判定采油作業現場人員存在吸煙行為，并發出預警信號。

優選的，使用多組數據通過機器學習訓練所述識別模型包括：

分別獲取第一類數據中照片的每個像素的第一預測信息和第二類數據中照片的每個像素的第二預測信息；

利用損失函數分別計算所述第一預測信息與所述第一類數據的標簽信息的第一誤差以及所述第二預測信息與所述第二類數據的標簽信息的第二誤差；

采用反向傳播法對所述預先構建的檢測識別網絡的參數進行優化，直至所述第一誤差和所述第二誤差分別達到各自的期望值，得到所述識別模型。