[發明專利]一種基于深度學習的安全頭盔佩戴標準判斷方法

在審

• 申請號: 202310098941.2
• 申請日: 2023-01-31
• 公開（公告）號: CN115995097A
• 公開（公告）日: 2023-04-21
• 發明（設計）人: 高鈺敏;聶道靜;郭麗麗;沈毅祥;孫翠翠;張艷波;李彬;劉艷
• 申請（專利權）人: 湖北微特傳感物聯研究院有限公司
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/44;G06V10/764;G06V10/82;G06V10/762;G06N3/0464;G06N3/08;G06T7/73;G06T7/66
• 代理公司: 重慶中之信知識產權代理事務所(普通合伙) 50213
• 代理人: 李根深

本發明提供了一種基于深度學習的安全頭盔佩戴標準判斷方法，本發明利用改進的YOLO?v3算法輸出目標對象的預測錨框，然后對錨框進行像素特征統計，分別乘以權重系數，輸出每個預測錨框區域內安全帽的標準佩戴置信度，根據經驗閾值判斷工人是否符合佩戴安全帽的標準。本發明基于深度學習的安全帽佩戴檢測算法加大了特征圖的尺度，優化了特定安全帽數據集的先驗維度算法，并改進了損失函數，然后結合圖像處理的像素特征統計，準確檢測出安全帽是否佩戴達標。

技術領域

本發明涉及計算機數字圖像處理技術領域，尤其涉及一種基于深度學習的安全頭盔佩戴標準判斷方法。

背景技術

目標檢測是常見的圖像處理任務之一，基于深度學習技術的當前目標檢測方法已成為主流。因此，為了確保建筑工地人員在生產和施工中的生產活動的安全性，可以將目標檢測算法應用于頭盔佩戴的檢測。圖像和視頻場景中的物體檢測任務一直是計算機視覺和圖像處理領域的研究熱點。同時，生產和施工安全是社會高度關注的話題。物體檢測是計算機視覺領域的三個基本任務之一，它與圖像處理的另外兩個基本任務：圖像分類和圖像語義分割并行不悖。物體檢測是指在輸入圖像中尋找目標物體。它包括兩個子任務：物體分類和物體定位。它不僅需要識別圖像中目標物體的類型，還需要標定物體在圖像中的位置，從而實現對物體類別的判斷和物體定位的目的。

基于傳統方法的目標檢測方法過程過于復雜：需要獲取前景目標信息或使用滑動窗口遍歷圖像中的各個尺度和像素，然后提取候選區域的特征信息，再利用提取的圖像特征建立數學模型或使用支持向量機(SVM)和AdaBoost等分類器來識別特征信息。傳統的目標檢測方法包括基于像素的方法、基于特征匹配的方法、基于頻域的方法和基于識別的方法。傳統的目標檢測方法存在一些缺點：例如，基于滑動窗口的目標區域檢測方法耗時長，窗口冗余；基于人工提取的特征信息在面對環境條件變化時魯棒性較差；對于大數據，視頻或圖片信息的處理能力差，計算能力有限。這些缺點決定了傳統的目標檢測方法只能在特定的背景下，在單一的場景下達到一定的效果。但在開放環境中，在角度變化、光照不足、天氣變化等客觀因素的影響和干擾下，其檢測的準確性和正確性難以保證，模型的泛化能力差。此外，基于傳統目標檢測方法的人工特征設計需要依賴大量的先驗知識，具有一定的主觀性，而且三步檢測過程繁瑣、復雜，計算成本高，不能滿足實時性要求。

近年來，隨著人工智能領域的快速發展，計算機視覺作為人工智能的一個重要研究方向，也迎來了第三次高潮。計算機科學技術對我們的生活有很大的影響，如數學建模，醫療，貿易隱私，人機交互，工業，新媒體和社會交流等等。深度學習在計算機視覺中發揮著越來越重要的作用。智能人機交互的應用場景很多。目標檢測是計算機視覺領域的一個研究熱點。大量基于卷積神經網絡(CNN)的優秀目標檢測算法取得了巨大成功。這也為目標檢測的未來發展方向和產業落地提出了新的研究思路。

在建筑施工現場，施工人員進入工地佩戴安全帽是安全生產建設中必要的安全措施。安全帽不僅可以抵消一部分高空墜物的沖擊力，還可以降低施工人員從高空墜落后頭部的碰撞程度，甚至可以挽救施工人員的生命。目前，一些建筑工地出現傷亡事故，其根本原因是施工人員沒有按照操作規范進行作業。由于天氣炎熱、疏于監管等各種客觀因素，在很多實際的施工現場，工人往往忽視了這些安全規定，出現了不佩戴安全頭盔的情況時有發生。作為構建安全生產視頻監控的一項重要技術，安全帽佩戴檢測對于煤礦、變電站、建筑工地等實際高危作業現場場景具有非常重要的應用價值和意義。

雖然普通的后臺監控可以在一定程度上緩解這種違規操作，但也會增加企業的人力和經濟成本，而且長期人工監控容易產生疲勞，導致監控責任的疏忽、遺漏或誤判。同時，人工監控方式具有一定的主觀性，被監控人員的情緒和狀態、工作經驗、性格、生活狀況等，安全判斷容易產生強烈的主觀性，公平性難以保證，監督職能能否最終落實也難以保證。研究表明，當一個人同時觀察兩個監控屏幕時，他將在10分鐘內錯過45％的有用信息，22分鐘內錯過95％的有用信息。同時觀察多個監控屏幕會造成更多的分心。因此，人工肉眼監控有很大的局限性。