[發明專利]一種復雜場景下的安全帽識別方法及裝置

有效

• 申請號: 202110579308.6
• 申請日: 2021-05-26
• 公開（公告）號: CN113408365B
• 公開（公告）日: 2023-09-08
• 發明（設計）人: 鄒祥波;秦士偉;饒睦敏;葉驥;王群
• 申請（專利權）人: 廣東能源集團科學技術研究院有限公司
• 主分類號: G06V20/50
• 分類號: G06V20/50;G06V10/34;G06V10/82;G06N3/0464;G06N3/08;G06V10/764;G06V10/74;G06V10/56
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郭浩輝;顏希文

本發明公開一種復雜場景下的安全帽識別方法及裝置，方法包括：采集復雜場景下的安全帽佩戴狀態圖片，對安全帽佩戴狀態圖片進行數據標注得到標注圖片；采用光照均衡化的圖片處理方法對標注圖片進行預處理，得到預處理圖片；采用預處理圖片對神經網絡模型進行訓練，通過改變神經網絡模型的網絡結構并加入注意力機制，得到安全帽識別模型；采集復雜場景下的待識別圖片，將待識別圖片輸入到安全帽識別模型中，采用TTA方法識別待識別圖片中工人的安全帽佩戴狀態。本發明實施例能夠有效降低復雜場景下實際環境因素對識別結果的影響，且通過修改Yo?l?ov神經網絡的網絡結構以及融合注意力機制，能夠提高安全帽識別的準確性。

技術領域

本發明涉及目標檢測技術領域，尤其是涉及一種復雜場景下的安全帽識別方法及裝置。

背景技術

安全帽可以起到緩沖減震的作用，是各行各業安全生產工作者和高空作業人員必不可少的一種安全用具。復雜場景下的作業安全與安全帽的佩戴關系緊密相關，現有的安全帽識別方法主要在于如何綜合利用各主流算法模型，提高安全帽檢測識別率，且相關研究多是針對簡單場景下的安全帽識別，未考慮實際工地環境多種因素對安全帽識別的影響，導致難以識別復雜場景下的安全帽佩戴情況。

發明內容

本發明提供一種復雜場景下的安全帽識別方法及裝置，以解決現有的安全帽識別方法未考慮實際工地環境多種因素對安全帽識別的影響，導致難以識別復雜場景下的安全帽佩戴情況。

本發明的第一實施例提供了一種復雜場景下的安全帽識別方法，包括：

采集復雜場景下的安全帽佩戴狀態圖片，對所述安全帽佩戴狀態圖片進行數據標注得到標注圖片；

采用光照均衡化的圖片處理方法對所述標注圖片進行預處理，得到預處理圖片；

采用所述預處理圖片對神經網絡模型進行訓練，通過改變所述神經網絡模型的網絡結構并加入注意力機制，得到安全帽識別模型；

采集復雜場景下的待識別圖片，將所述待識別圖片輸入到所述安全帽識別模型中，采用TTA方法識別所述待識別圖片中工人的安全帽佩戴狀態。

進一步的，在“采集復雜場景下的安全帽佩戴狀態圖片，對所述安全帽佩戴狀態圖片進行數據標注得到標注圖片”以及“采用光照均衡化的圖片處理方法對所述標注圖片進行預處理，得到預處理圖片”之間，還包括：

利用k-means聚類方法對所述標注圖片的檢測框進行聚類分析，以及利用random-erasing數據增強方法對所述標注圖片的圖片區域進行隨機擦除。

進一步的，所述采用光照均衡化的圖片處理方法對所述標注圖片進行預處理，得到預處理圖片，具體為：

對所述標注圖片進行亮度均衡化處理，讀取所述標注圖片的RGB三個顏色通道，并將所述顏色通道轉換為YUV顏色空間；

選取所述YUV顏色空間的Y通道信息，并統計每個像素的Y通道值，根據所述Y通道值計算得到出現預設亮度的概率；

根據每一亮度出現的概率得到亮度直方圖，對所述亮度直方圖進行歸一化處理得到預處理圖片。

進一步的，所述神經網絡為Yolov5模型，所述采用所述預處理圖片對神經網絡模型進行訓練，通過改變所述神經網絡模型的網絡結構并加入注意力機制，得到安全帽識別模型，具體為：

在所述神經網絡模型的網絡結構中添加一層SElayer并加入融合了注意力機制的BackBone，得到安全帽識別模型。

進一步的，所述方法還包括：

在識別到安全帽佩戴狀態為未佩戴安全帽時，生成語音信息提醒；

在識別到安全帽佩戴狀態為已佩戴安全帽時，采用機器學習方法對已佩戴安全帽進行分類，得到所述已佩戴安全帽的顏色類別。