[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

本發明公開了一種基于人工智能技術的工裝穿戴檢測方法及裝置，方法包括：采集目標區域的圖像集，并通過對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目標檢測算法根據標注文件進行模型訓練，得到標注文件對應的權重模型，并對權重模型進行模型優化得到最優權重模型；采集目標區域中的視頻流，將視頻流輸入至最優權重模型中，通過檢測視頻流中的待檢測目標，判斷視頻流中的工人的工裝穿戴情況是否符合規范，裁剪出視頻流的圖像幀中所有不符合規范的工人圖像。本發明通過將視頻流輸入至權重模型中能夠便捷、高效判斷視頻流中的工人穿戴狀態是否符合規范，不僅能夠減少時間和人力成本，且能夠準確得到檢測結果。

技術領域

本發明涉及檢測技術領域，尤其是涉及一種基于人工智能技術的工裝穿戴檢測方法及裝置。

背景技術

隨著建筑工地、煤礦、冶金、石化等易有掉落物體的作業區域信息化管理水平越來越高，工人的安全管理越來越嚴格。如果安全不能保證，不僅會遭受人員傷亡和財產損失，正常的作業秩序亦無法維持，因此在工地和礦區等區域內，必須要正確規范穿戴安全帽、反光衣、工地鞋、防護手套等工地勞保服裝(簡稱：工裝)。但是，盡管施工單位經常進行安全教育，總有心存僥幸者因為各種理由不能保證時刻規范穿戴工裝。如果不規范穿戴工裝，當物體打擊、碰撞、高空墜物等正對著工人的頭部或身體時，輕則受傷，重則丟掉性命，在工地現場由于未規范穿戴安全帽、反光衣、工地鞋、防護手套等工裝有關的安全生產事故屢屢皆是。現在的工裝檢測方法主要是通過采取人力檢查的方式，用人眼通過監控系統或者現場檢查工作人員的工裝穿戴情況，但是現有的工裝檢測方法需要花費大量的時間和人力成本，且難以得到準確的檢測效果。

發明內容

本發明提供了一種基于人工智能技術的工裝穿戴檢測方法及裝置，以解決現有的工裝檢測方法需要花費大量的時間和人力成本，且難以得到準確的檢測效果的技術問題。

本發明的一個實施例提供了一種基于人工智能技術的工裝穿戴檢測方法，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。

進一步的，所述YOLO V5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。

進一步的，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。

進一步的，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。

進一步的，所述YOLO V5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。