[發明專利]一種電力作業現場安全帽檢測及身份識別方法及裝置

在審

• 申請號: 202111364569.2
• 申請日: 2021-11-17
• 公開（公告）號: CN114067268A
• 公開（公告）日: 2022-02-18
• 發明（設計）人: 黃天富;郭志偉;賴國書;金淼;李建新;張軍;吳志武;張穎;陳習文;王春光;盧冰;周志森;伍翔
• 申請（專利權）人: 國網福建省電力有限公司營銷服務中心;中國電力科學研究院有限公司;國網福建省電力有限公司
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06K9/62;G06N3/04;G06N3/08;G06V10/25;G06V10/774;G06V10/80;G06V10/82
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 郭東亮;蔡學俊

1.一種電力作業現場安全帽檢測及身份識別方法，其特征在于：包括以下步驟：

步驟一、獲取電力作業現場的待識別圖像；

步驟二、將所述待識別圖像輸入目標檢測網絡，獲取所述目標檢測網絡輸出的安全帽佩戴狀態檢測結果；

步驟三、根據所述安全帽佩戴狀態檢測結果確定所述待識別圖像中目標區域的人員身份。

2.根據權利要求1所述的一種電力作業現場安全帽檢測及身份識別方法，其特征在于，步驟二的目標檢測網絡以輸入的樣本數據集訓練，樣本數據集中包括安全帽佩戴樣本圖像，樣本數據集的生成包括以下步驟：

步驟C一、收集電力作業現場的安全帽佩戴樣本圖像，對收集到的安全帽佩戴樣本圖像進行圖像尺度歸一化和圖像標準化，并按預設的選擇標準挑選出特定的安全帽佩戴樣本圖像；

步驟C二、對特定的安全帽佩戴樣本圖像中可用于安全帽檢測的區域進行人工標注，形成樣本數據集；

所述選擇標準包括以下內容：

標準A、選擇不同光照條件下有安全帽出現的安全帽佩戴樣本圖像；

標準B、選擇拍攝角度不同而導致目標所占畫幅大小不同的情況下的安全帽佩戴樣本圖像；

標準C、選擇中等人群密度且人員之間互不遮擋時的安全帽佩戴樣本圖像；

標準D、選擇高等人群密度且人員之間相互有遮擋時的安全帽佩戴樣本圖像。

3.根據權利要求2所述的一種電力作業現場安全帽檢測及身份識別方法，其特征在于：所述步驟C二中，人工標注為使用LabelImg軟件標注安全帽佩戴樣本圖像，標注工作包括兩方面內容：

工作內容A、給每個可用于安全帽檢測的區域畫一個標注框，便于目標檢測網絡獲得檢測目標在圖像的位置信息；

工作內容B、給出每個標注框對應的安全帽佩戴狀態的類別名稱，便于目標檢測網絡將學習到的標注框內的特征與類別匹配。

4.根據權利要求3所述的一種電力作業現場安全帽檢測及身份識別方法，其特征在于：訓練所述目標檢測網絡的方法具體為：

步驟A1、搜集樣本數據集并將所有圖片的圖片長邊尺寸統一為固定尺寸，再輸入到VGG16卷積神經網絡提取特征以形成特征圖；

步驟A2、將VGG16卷積神經網絡后4個網絡階段的特征圖進行融合，再將步驟A1得到的特征圖依次輸入到RPN網絡，完成特征融合及多尺度檢測，并引入可增強RPN網絡辨別能力的在線困難樣本；以改進的非極大值抑制算法剔除部分冗余框，并將部分正樣本的包圍框刪減；篩選出疑似感興趣區域ROI；

步驟A3、把疑似感興趣區域ROI輸入只讀ROI網絡，并引入在線困難樣本挖掘，調整ROI感興趣區域；最后將ROI感興趣區域送入標準ROI網絡，輸出最終結果，即目標檢測網絡模型。

5.根據權利要求4所述的一種電力作業現場安全帽檢測及身份識別方法，其特征在于：VGG16卷積神經網絡順序地分為5個網絡階段，各網絡階段的最后一個卷積層分別為C1、C2、C3、C4、C5；

在C2與C4的特征圖融合時，首先C4通過一個1×1×256的卷積核改變維度，使得通道數為256，再進行包括四倍雙線性插值上采樣操作的反卷積以使C4和C2的特征圖尺寸相同；并利用1×1×256的卷積核將2特征圖通道數修改為256，再與C4進行融合，其融合的操作使用加性融合函數；為了去除上采樣帶來混疊效應，將融合后的特征圖進行一次卷積核為3×3的卷積操作，以生成通道數為256的新的特征層P2；

在C5與C3的特征圖融合時生成特征層P3，其融合原理采用C2與C4的特征圖融合原理；

C4和C5分別進行一次卷積核為1×1×256的用于改變通道數的卷積操作和一次卷積核為3×3的卷積操作，生成特征層P4和P5；

經特征圖融合得到以特征層P5、P4、P3、P2形成的特征金字塔；所述特征金字塔每一層輸出維度固定為256，其淺層特征融合了深層特征可檢測小目標，高層特征的強語義信息可檢測中、大目標，且每一層新特征與RPN相連接，分別預測感興趣區域以實現多尺度檢測。