[發(fā)明專利]基于深度學(xué)習(xí)的電力作業(yè)現(xiàn)場(chǎng)工作服識(shí)別方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202111572466.5
• 申請(qǐng)日: 2021-12-21
• 公開(kāi)（公告）號(hào): CN114299426A
• 公開(kāi)（公告）日: 2022-04-08
• 發(fā)明（設(shè)計(jì)）人: 俞思帆;黎穎;易滿成;劉健欣;彭政;劉晶;黃薇蓉;李卓堅(jiān);姜偉;朱明華;張連源
• 申請(qǐng)（專利權(quán)）人: 廣東電網(wǎng)有限責(zé)任公司廣州供電局
• 主分類號(hào): G06V20/40
• 分類號(hào): G06V20/40;G06K9/62;G06V10/774;G06V10/764;G06V10/762;G06N3/04;G06N3/08
• 代理公司: 廣州智斧知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44649
• 代理人: 孔德超

本發(fā)明實(shí)施例涉及圖像處理技術(shù)領(lǐng)域，公開(kāi)了一種基于深度學(xué)習(xí)的電力作業(yè)現(xiàn)場(chǎng)工作服識(shí)別方法和裝置。該方法包括：采集大量含有電力作業(yè)人員穿著工作服以及未穿工作服信息的圖片，構(gòu)建第一訓(xùn)練數(shù)據(jù)集；使用所述第一訓(xùn)練數(shù)據(jù)集訓(xùn)練得到深度神經(jīng)網(wǎng)絡(luò)模型；根據(jù)人工標(biāo)注的內(nèi)容，將第一訓(xùn)練數(shù)據(jù)集中所有的工作服圖片進(jìn)行裁剪，構(gòu)建第二訓(xùn)練數(shù)據(jù)集；提取所述第二訓(xùn)練數(shù)據(jù)集中所有工作服圖像的顏色信息，通過(guò)擬合的方式確定橢球型區(qū)域所在的位置；通過(guò)深度神經(jīng)網(wǎng)絡(luò)模型和顏色特征信息對(duì)待識(shí)別圖像是否為身著工作服進(jìn)行識(shí)別。實(shí)施本發(fā)明實(shí)施例，可以提高工作服識(shí)別的準(zhǔn)確度。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像識(shí)別技術(shù)領(lǐng)域，具體涉及一種基于深度學(xué)習(xí)的電力作業(yè)現(xiàn)場(chǎng)工作服識(shí)別方法和裝置。

背景技術(shù)

電力作業(yè)人員在進(jìn)行作業(yè)時(shí)要求穿著工作服，傳統(tǒng)檢查作業(yè)人員是否正確身著工作服的方法是人工監(jiān)察，受限于工作時(shí)長(zhǎng)和工作場(chǎng)景，監(jiān)察人員無(wú)法保證隨時(shí)都在監(jiān)察。目前應(yīng)用的技術(shù)考慮應(yīng)用計(jì)算機(jī)視覺(jué)的辦法，采用目標(biāo)檢測(cè)算法對(duì)作業(yè)人員的服裝做識(shí)別，但受限于算法的準(zhǔn)確度，經(jīng)常會(huì)發(fā)生誤判。

發(fā)明內(nèi)容

針對(duì)所述缺陷，本發(fā)明實(shí)施例公開(kāi)了一種基于深度學(xué)習(xí)的電力作業(yè)現(xiàn)場(chǎng)工作服識(shí)別方法和裝置，能夠有效地提高工作服識(shí)別的準(zhǔn)確率。

本發(fā)明實(shí)施例第一方面公開(kāi)一種基于深度學(xué)習(xí)的電力作業(yè)現(xiàn)場(chǎng)工作服識(shí)別方法，所述方法包括：

采集大量含有電力作業(yè)人員穿著工作服以及未穿工作服信息的圖片，同時(shí)對(duì)采集到所有圖片做人工標(biāo)注，構(gòu)建第一訓(xùn)練數(shù)據(jù)集；

使用所述第一訓(xùn)練數(shù)據(jù)集訓(xùn)練用于檢測(cè)工作服和未穿工作服的深度神經(jīng)網(wǎng)絡(luò)初始模型，以得到深度神經(jīng)網(wǎng)絡(luò)模型；

根據(jù)人工標(biāo)注的內(nèi)容，將第一訓(xùn)練數(shù)據(jù)集中所有的工作服圖片進(jìn)行裁剪，得到裁剪的工作服圖像，構(gòu)建第二訓(xùn)練數(shù)據(jù)集；

提取所述第二訓(xùn)練數(shù)據(jù)集中所有工作服圖像的顏色信息，通過(guò)提取到的圖像顏色信息構(gòu)建特征顏色矩陣，實(shí)際作業(yè)穿著的工作服為藍(lán)色或灰色，采集到的圖像顏色點(diǎn)也會(huì)集中分布在色域的藍(lán)灰色區(qū)域，并且分布呈橢球型，通過(guò)擬合的方式確定整個(gè)橢球型區(qū)域所在的位置ζ；

使用所述深度神經(jīng)網(wǎng)絡(luò)模型確定待識(shí)別圖像的目標(biāo)的位置信息和所述目標(biāo)作為工作服與非工作服的概率信息p_h1、p_p1，根據(jù)所述位置信息對(duì)所述待識(shí)別圖像進(jìn)行裁剪，統(tǒng)計(jì)所述裁剪后的待識(shí)別圖像的顏色信息，使用聚類算法計(jì)算所述顏色信息的k個(gè)聚類中心點(diǎn)；

對(duì)于第i個(gè)聚類中心點(diǎn)d_i，若d_i∈ζ，則令p_di＝1；若設(shè)置容忍距離d_tolerance，計(jì)算該點(diǎn)到橢球的距離d_real，則該點(diǎn)的

如果p_h1+p_d＞p_p1，則判斷穿著為工作服，否則為未穿工作服；

其中，1≤i≤k，p_di為第i個(gè)聚類中心點(diǎn)d_i為工作服的概率信息。

作為較佳的實(shí)施例，在本發(fā)明實(shí)施例第一方面中，構(gòu)建第二訓(xùn)練數(shù)據(jù)集，之前，還包括：

將所述裁剪后的工作服圖像統(tǒng)一縮放至相同的尺寸。

作為較佳的實(shí)施例，在本發(fā)明實(shí)施例第一方面中，構(gòu)建第一訓(xùn)練數(shù)據(jù)集，之后，還包括：

調(diào)整所述第一訓(xùn)練數(shù)據(jù)集中的圖像亮度。

作為較佳的實(shí)施例，在本發(fā)明實(shí)施例第一方面中，所述調(diào)整所述第一訓(xùn)練數(shù)據(jù)集中的圖像亮度，包括：