[發(fā)明專利]佩戴安全帽識別系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110525139.8
• 申請日: 2021-05-13
• 公開（公告）號: CN113392707A
• 公開（公告）日: 2021-09-14
• 發(fā)明（設計）人: 張昭智;王朔;翁敦芳
• 申請（專利權）人: 上海湃道智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海漢聲知識產(chǎn)權代理有限公司 31236
• 代理人: 胡晶

本發(fā)明提供了佩戴安全帽識別系統(tǒng)，包括三個模塊：第一個是視頻處理模塊，將視頻流切成圖片；第二個是檢測模塊，將人頭檢測出來；第三個是分類模塊，將佩戴安全帽和不佩戴安全帽分類出來；佩戴安全帽識別系統(tǒng)的工作流程為：獲取到現(xiàn)場的視頻流，將視頻流按幀切成圖片，使用目標檢測方法將人頭圖片截取下來，最后送入到分類網(wǎng)絡中對圖像進行分類。本發(fā)明提供了一種從全局的角度考慮行人安全帽識別，解決了現(xiàn)有技術存在準確率低，容易出現(xiàn)大量誤報等情況，有效地提高了準確率。

技術領域

本發(fā)明涉及計算機視覺領域，尤其是佩戴安全帽識別系統(tǒng)。

背景技術

在工廠和工地上，佩戴安全帽進行作業(yè)是確保人員安全的重要方式。在生產(chǎn)過程中，存在眾多危險地方，佩戴安全帽能有效地保證人員的安全。

現(xiàn)有技術一的技術方案(申請?zhí)枺?018115701981一種安全帽識別方法及裝置)公開了一種安全帽識別方法及裝置，用于解決針對工作人員是否有佩戴安全帽檢測和識別的準確度不高的問題。該方法包括：將包含待識別人體的圖像輸入到預先訓練完成的第一卷積神經(jīng)網(wǎng)絡模型中，獲取圖像的第一特征圖。其中，第一特征圖包括頭部區(qū)域預測框的位置信息。根據(jù)第一特征圖中頭部區(qū)域預測框的位置信息，以及第一特征圖與圖像的映射關系，確定圖像中包含頭部區(qū)域的子圖像；將子圖像輸入到預先訓練完成的第二卷積神經(jīng)網(wǎng)絡模型中，獲取子圖像中包含的頭部區(qū)域中是否包含安全帽。現(xiàn)有技術一的缺點是該方案需要先將人體的圖像輸入到第一卷積神經(jīng)網(wǎng)絡中獲得第一特征圖，同時將第一特征圖中頭部區(qū)域與原始圖像進行匹配，考慮他們之間的映射關系，這個過程相當繁瑣。

現(xiàn)有技術二的技術方案(申請?zhí)枺?019104566590基于深度學習的安全帽識別方法和系統(tǒng))公開了一種基于深度學習的安全帽識別方法，包括：S1：采集若干個人員圖像數(shù)據(jù)，根據(jù)設定的標注篩選規(guī)則以標注和篩選出符合要求的頭部信息，得到頭部信息數(shù)據(jù)集。頭部信息的類別至少包括戴安全帽的頭部信息和未戴安全帽的頭部信息兩種。S2：將所述頭部信息數(shù)據(jù)集作為卷積神經(jīng)網(wǎng)絡模型的訓練集，得到用于對檢測區(qū)域人員進行安全帽佩戴狀態(tài)識別的安全帽識別模型。安全帽佩戴狀態(tài)包括佩戴安全帽和未佩戴安全帽。現(xiàn)有技術二能夠有效進行安全帽識別，減少識別時間，提高識別效率，切實提升安全帽識別的準確率；并且相比于傳統(tǒng)的目標檢測的神經(jīng)網(wǎng)絡，現(xiàn)有技術二中的神經(jīng)網(wǎng)絡訓練過程可以更快進行收斂，獲得明顯的效果提升。現(xiàn)有技術二的缺點是只關注了使用頭部數(shù)據(jù)進行圖像識別，識別出是否佩戴安全帽。

因此需要有一種從全局的角度考慮行人安全帽識別，解決現(xiàn)有技術存在準確率低，容易出現(xiàn)大量誤報等情況，有效地提高準確率。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種佩戴安全帽識別系統(tǒng)，用于解決現(xiàn)有方法安全帽識別準確率低，容易出現(xiàn)大量誤報等情況，通過人頭的檢測加上安全帽的分類網(wǎng)絡來提高整體的性能，結合檢測加識別能有效地提高算法的準確率。

為了實現(xiàn)這一目的，本發(fā)明提供了佩戴安全帽識別系統(tǒng)，包括以下模塊：

第一個是視頻處理模塊，將視頻流切成圖片；

第二個是檢測模塊，將人頭檢測出來；

第三個是分類模塊，將佩戴安全帽和不佩戴安全帽分類出來。

佩戴安全帽識別系統(tǒng)的工作流程為：獲取到現(xiàn)場的視頻流，將視頻流按幀切成圖片，使用目標檢測方法將人頭圖片截取下來，最后送入到分類網(wǎng)絡中對圖像進行分類。

視頻處理模塊對于視頻流的處理使用開源的技術FFmpeg將視頻流按照一秒一幀的方式截取出圖片。視頻處理模塊首先通過現(xiàn)場的攝像頭得到視頻，再使用FFmpeg工具將視頻分解成圖片，之后輸入到所述的檢測模塊中。

檢測模塊采用的yolov5檢測算法，主要檢測部分為人頭部分。檢測模塊從所述的視頻處理模塊得到圖片，將檢測到的人頭輸入到下一個分類模塊中。檢測模塊利用內(nèi)部采集的數(shù)據(jù)作為訓練數(shù)據(jù)。