[發明專利]一種基于人工智能技術的工裝穿戴檢測方法及裝置

在審

• 申請號: 202111235286.8
• 申請日: 2021-10-22
• 公開（公告）號: CN114067357A
• 公開（公告）日: 2022-02-18
• 發明（設計）人: 鄭鵬;劉志徽;呂文璣
• 申請（專利權）人: 廣西中科曙光云計算有限公司
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V20/40;G06V10/25;G06V10/82;G06N3/04
• 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

1.一種基于人工智能技術的工裝穿戴檢測方法，其特征在于，包括：

采集目標區域的圖像集，并通過對所述圖像集中出現的待檢測目標進行數據標注生成對應的標注文件；

采用YOLO V5目標檢測算法根據所述標注文件進行模型訓練，得到所述標注文件對應的權重模型，并對所述權重模型進行模型優化得到最優權重模型；

采集所述目標區域中的視頻流，將所述視頻流輸入至所述最優權重模型中，通過檢測所述視頻流中的待檢測目標，判斷所述視頻流中的工人的工裝穿戴情況是否符合規范，并裁剪出所述視頻流的圖像幀中所有不符合規范的工人圖像。

2.如權利要求1所述的基于人工智能技術的工裝穿戴檢測方法，其特征在于，所述YOLOV5算法采用BECLogits損失函數計算objectness score的損失，class probability score采用交叉熵損失函數，bounding box采用GIOU Loss。損失函數；損失函數GIoU Loss用于計算bounding box的Loss。

3.如權利要求1所述的基于人工智能技術的工裝穿戴檢測方法，其特征在于，所述采集目標區域的圖像集，并通過對所述圖像集中出現的待檢測目標進行數據標注生成對應的標注文件，具體為：

采集目標區域的圖像集，通過對所述圖像集中出現的待檢測目標進行目標實例標注、目標上的關鍵點標注以及目標圖像標題標注，生成每一待測目標對應的標注文件。

4.如權利要求1所述的基于人工智能技術的工裝穿戴檢測方法，其特征在于，所述采用YOLO V5目標檢測算法對所述標注文件進行模型訓練，具體為：

采用YOLO V5目標檢測算法，基于遷移學習的方式根據所述標注文件進行模型訓練，得到所述標注文件對應的權重模型。

5.如權利要求1所述的基于人工智能技術的工裝穿戴檢測方法，其特征在于，所述YOLOV5目標檢測算法基于YOLO V5網絡結構執行，所述YOLO V5網絡結構包括輸入端、基準網絡、Neck網絡與Head輸出端，所述基準網絡包括CSPDarknet53結構和Focus結構，所述Neck結構位于所述基準網絡和所述輸入端之間，所述輸入端包括至少一個分類分支和一個回歸分支。

6.如權利要求1所述的基于人工智能技術的工裝穿戴檢測方法，其特征在于，在裁剪出所述視頻流的圖像幀中所有不符合規范的工人圖像之后，還包括：

基于人工智能技術識別出所述工人圖像中的工人身份，并根據所述工人圖像的工裝佩戴狀態生成提醒信息發送至對應工人的用戶端。

7.如權利要求1所述的基于人工智能技術的工裝穿戴檢測方法，其特征在于，在裁剪出所述視頻流的圖像幀中所有不符合規范的工人圖像之后，還包括：

以預設的周期獲取所述視頻流的圖像幀，獲取每一圖像幀中待追中工人的位置信息，將每一所述位置信息進行連接得到所述待追蹤工人的軌跡路線。

8.如權利要求1所述的基于人工智能技術的工裝穿戴檢測方法，其特征在于，所述待檢測目標包括但不限于工人圖像、安全帽圖像、反光衣圖像、工地勞保鞋圖像。

9.一種基于人工智能技術的工裝穿戴檢測裝置，其特征在于，包括：

數據標注模塊，用于采集目標區域的圖像集，并通過對所述圖像集中出現的待檢測目標進行數據標注生成對應的標注文件；

模型優化模塊，用于采用YOLO V5目標檢測算法根據所述標注文件進行模型訓練，得到所述標注文件對應的權重模型，并對所述權重模型進行模型優化得到最優權重模型；

圖像裁剪模塊，用于采集所述目標區域中的視頻流，將所述視頻流輸入至所述最優權重模型中，通過檢測所述視頻流中的待檢測目標，判斷所述視頻流中的工人的工裝穿戴情況是否符合規范，并裁剪出所述視頻流的圖像幀中所有不符合規范的工人圖像。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質包括存儲的計算機程序，其中，在所述計算機程序運行時控制所述計算機可讀存儲介質所在設備執行如權利要求1至8中任意一項所述的基于人工智能技術的工裝穿戴檢測方法。