[發明專利]基于YOLOv5的工地行為安全檢測識別方法及系統

在審

• 申請號: 202110247682.6
• 申請日: 2021-03-06
• 公開（公告）號: CN112784821A
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 鄢必超
• 申請（專利權）人: 深圳市安比智慧科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46;G06K9/62;G06N3/04;G06N3/08;G06Q10/06;G06Q50/08
• 代理公司: 北京化育知識產權代理有限公司 11833
• 代理人: 閆露露

本發明提供了基于YOLOv5的工地行為安全檢測識別方法及系統，涉及建筑工程領域，包括以下步驟：獲取待識別的工地現場圖像信息；采用預訓練好的檢測模型對所述待識別的工地現場圖像信息進行識別，對安全帽的佩戴情況進行檢測，其中，檢測模型為深度學習模型，用于訓練檢測模型的訓練集包括標注安全帽佩戴位置的圖像信息；當識別到工人未佩戴安全帽或者佩戴位置不規范時，發出警示，本發明整合機器視覺技術、智慧工地技術、神經網絡技術的一體化工程安全監管應用成果，實現對工地現場工人安全帽佩戴情況的實時監測與告警，以此加強工程管理規范性、提升工程整體效率、減少成本消耗、降低意外事故與人員傷亡發生概率、并推進智慧城市與智慧工地建設等。

技術領域

本發明涉及建筑工程領域，尤其涉及基于YOLOv5的工地行為安全檢測識別方法及系統。

背景技術

建筑施工作業過程中，存在著較多安全隱患，安全事故的發生率居高不下。在長期的實踐論證中，在開展施工作業之前，對建筑工人的行為能力和安全設施的佩戴進行檢查，能夠有效的減少事故發生的幾率。因此，在日常施工作業工程中，監督工人的安全帽等安全設施是否佩戴顯得尤為重要。但是目前大部分工地上，采用的都是人為監測，很依賴于現場經驗豐富的管理人員，需要他們實時的進行觀察和檢查，又費時又費力，存在著自動化水平較低，工作量較大，檢查項目有限的情況，極容易出現漏檢等情況，造成安全隱患。因此出現了工地監管系統，實現智能化地監督工人施工。

傳統工地監管系統大多由專門的工程管理干系實現，但是此種的工地監管系統需要消耗大量人力，并且由于個人疏忽等其他難以回避的因素，很難做到安全規范的廣泛落實，具有可靠性較低、反應時延較長、成本較大以及管理不便等顯著缺陷。因此出現了基于目標檢測技術的自動化識別的工地監管系統，可以擺脫對人力的依賴，提供可靠、可控、低成本的工地安全保障，目標檢測即對待檢測對象的精準定位與準確識別，確定目標所在的位置和具體類別，當前對于目標檢測方法的研究已經相當成熟了。不過對于施工現場，一些環境比較復雜的工礦這些特殊場景中對于目標檢測的實時性、精確度都有著相當高的要求，對于這些外在的干擾特征信息，機器很多情況下無法做出準確判斷，目標檢測物的實時性、精確度較低，且通用性不強。

發明內容

有鑒于此，本發明的目的在于提出基于YOLOv5的工地行為安全檢測識別方法及系統，以解決上述背景技術中提及的全部問題或之一。

基于上述目的，本發明提供了基于YOLOv5的工地行為安全檢測識別方法，包括以下步驟：

獲取待識別的工地現場圖像信息；

采用預訓練好的檢測模型對所述待識別的工地現場圖像信息進行識別，對安全帽的佩戴情況進行檢測，其中，檢測模型為深度學習模型，用于訓練檢測模型的訓練集包括標注安全帽佩戴位置的圖像信息；

當識別到工人未佩戴安全帽或者佩戴位置不規范時，發出警示。

可選的，所述檢測模型為Yolov5模型。

可選的，獲取待識別的工地現場圖像信息之前，還包括：

搭建所述檢測模型，檢測模型具有Yolov5模型結構的pytorch框架；

采集工地現場中不同環境下工人的工地現場圖像信息；

響應于所述工地現場圖像信息中包括有待篩選的模糊圖像的區域，將所述模糊圖像的區域確定為可疑候選區域；

將所述可疑候選區域切割成尺寸一致的多個區塊，根據各個所述區塊中安全帽顏色像素的占比，確定可疑候選區域的分割區塊，其中，所述安全帽顏色像素為在安全帽目標顏色色域內的像素，通過判斷像素的RGB值確定是否為安全帽顏色像素；

根據所述分割區塊，確定安全帽的佩戴位置，并對安全帽的佩戴位置進行標注，得到均包括標注安全帽佩戴位置的圖像信息的訓練集和測試集；