[發明專利]一種基于深度學習的安全帽佩戴監測方法及系統

在審

• 申請號: 202111136622.3
• 申請日: 2021-09-27
• 公開（公告）號: CN113936144A
• 公開（公告）日: 2022-01-14
• 發明（設計）人: 胡胤;王濤;汪云;柴濤濤;邱真;陳陽;湯園生;陳志祥;劉健;王秋玲;周靖軒
• 申請（專利權）人: 深圳市瑞馳信息技術有限公司
• 主分類號: G06V10/44
• 分類號: G06V10/44;G06V40/10;G06V20/40
• 代理公司: 深圳市中科創為專利代理有限公司 44384
• 代理人: 何路;宋鵬躍

本發明提供一種基于深度學習的安全帽佩戴監測方法及系統，該方法包括如下步驟：輸入視頻流，從視頻流中抽取視頻幀；對抽取的視頻幀進行預處理，形成頭肩特征圖，檢測出人員的頭肩位置，并進行頭肩區域外擴，形成頭肩及外擴區域視頻幀；對頭肩及外擴區域視頻幀進行預處理，形成安全帽特征圖，檢測出人員是否佩戴安全帽；對未佩戴安全帽的行為進行預警。本發明將檢測之后的頭肩區域進行二次屬性分析，采用人員的頭肩檢測和基于頭肩的安全帽檢測方案，目標漏檢測少、精度高、速度快，利用深度學習的特征提取優勢，提升安全帽的檢測精度和速度，能夠快速實時的捕捉到監控目標未佩戴安全帽的違規事件，并及時作出預警提醒。

技術領域

本發明涉及機器視覺識別技術領域，具體涉及一種基于深度學習的安全帽佩戴監測方法及系統。

背景技術

隨著人工智能和大數據的發展和普及，人們對于自動化智能化的需求也越來越多，傳統行業在AI技術的加持下，能大大的提升工作的效率和便捷性，甚至在安全保障性上也有所加強。

目前，在智慧工地場景的安全監控領域，還未形成成熟的落地技術方案，根據技術實現要求，現有技術采用的方案是，基于傳統機器學習方法針對人員頭肩和安全帽佩戴檢測，需要先對目標進行定位，然后利用分類器進行事件分類；

現有的安全帽監測方法主要有如下問題：

基于傳統計算機視覺方法實現，其主要是通過滑窗的方式以及分類器過濾滑窗的方式進行檢測識別，需要預設多種尺寸多個步長的滑窗，訓練多個分類器等，此方法計算量大，且操作復雜，步驟繁瑣，效率低，不能做到對目標進行實時分析監測不利于實時分析；

因此，現有技術存在缺陷，需要進一步改進。

發明內容

針對現有技術存在的問題，本發明提供一種基于深度學習的安全帽佩戴監測方法及系統。

為實現上述目的，本發明的具體方案如下：

本發明提供一種基于深度學習的安全帽佩戴監測方法，包括如下步驟：

S1，輸入視頻流，從視頻流中抽取視頻幀；

S2，對抽取的視頻幀進行預處理，形成頭肩特征圖，檢測出人員的頭肩位置，并進行頭肩區域外擴，形成頭肩及外擴區域視頻幀；

S3，對頭肩及外擴區域視頻幀進行預處理，形成安全帽特征圖，檢測出人員是否佩戴安全帽；

S4，對未佩戴安全帽的行為進行預警，并進入下一視頻幀的處理，當檢測到佩戴了安全帽則直接進入下一視頻幀的處理。

優選地，步驟S2具體包括如下步驟：

S21，從視頻流中提取較大尺寸的視頻幀；

S22，將視頻幀縮放到SSD目標檢測模型的規定尺寸并輸入給SSD目標檢測模型；

S23，從經過縮放的視頻幀中由淺層到深層提取6層頭肩特征圖；

S24，由淺層特征圖到深層特征圖中分別設置多個不同長寬比及尺寸的預選框，預選框的數量由淺層特征圖到深層特征圖逐漸減少；

S25，由SSD目標檢測模型判斷預選框中的對象是否為頭肩；

S26，將確定為包含頭肩的頭肩特征圖進行頭肩區域外擴，形成頭肩及外擴區域視頻幀。

優選地，步驟S3具體包括如下步驟：

S31，輸入頭肩及外擴區域視頻幀；

S32，將頭肩及外擴區域視頻幀縮放到SSD目標檢測模型規定的尺寸；

S33，從頭肩及外擴區域視頻幀中提取3層安全帽特征圖；