The invention discloses a security hat detection method based on the multi feature fusion of random ferns. By extracting the HSI color histogram features, HOG features and HOF features of the sample, then training the random fern classifier for each category and each histogram, and obtaining the human target according to the depth learning YOLOv2. Based on the fusion of multi feature random fern classifiers, a security helmet detection framework is constructed. Based on the depth learning, the target area is detected quickly and accurately, thus the accuracy and speed of the location of the safety helmet is improved. According to the random fern classifier, a variety of feature training classifiers are fused, and the quasi determination of the classification is improved. The method is simple, effective and real-time, and has good application prospects.
【技术实现步骤摘要】
一种基于随机蕨融合多特征的安全帽检测方法
本专利技术属于计算机视觉、机器学习等
,更为具体地讲,涉及一种基于随机蕨多特征融合的安全帽检测方法。
技术介绍
随着计算机信息技术的发展,图像识别技术获得了越来越广泛的应用,比如医疗诊断、指纹识别、交通导航以及视频监控等方面。这对于工业生产,安全生产是至关重要的。在一些高危现场,工作人员配戴安全帽是必要的安全措施。现今,许多工业生产现场都设有监管体系,以监控工作人员是否佩戴安全帽,监控主要以人工值守和视频监控两种方式实施。由于人工值守易出现监控疏漏且监控范围有限、耗费人力物力,现在更多倾向于借助计算机视觉方法,采用视频监控实现监管。针对是否佩戴安全帽的检测问题,现有的方法大多基于区域定位和检测的基本思想。对于区域定位环节,很多方法选择先检测人体目标区域,从而判断待检测安全帽区域。常用的方法有基于方向梯度直方图(HistogramofOrientedGradient,HOG)特征,直接使用支持向量机(SupportVectorMachine,SVM)分类器检测人体目标,或使用码本分离算法及帧间差分提取图像中的前景或运动区域,再根据HOG直方图特征结合SVM分类器或运动区域形状特征判断是否为人体目标。这些方法缺点是基于传统SVM分类器的检测效果易受复杂的检测场景干扰,实时性较差。同样也有方法选择采用肤色检测来进行区域定位,使用YCbCr检测空间检测人脸区域从而确定待检测安全帽区域。这一类方法的局限性在于人脸区域的识别只适用于工人正面面对摄像头的情况,而现实工业场景中,工人不可能都是正面面对摄像头,可能是背影和侧影 ...
【技术保护点】
1.一种基于随机蕨多特征融合的安全帽检测方法,其特征在于,包括以下步骤:(1)、随机蕨分类器训练1.1)、采集安全帽与非安全帽两个类别各N1、N2个样本,分别提取样本的HSI(色调Hue、饱和度Saturation、亮度Intensity)颜色直方图特征、HOG(Histogram of Oriented Gradient,方向梯度直方图)特征以及HOF(Histogramsof Oriented Optical Flow,光流直方图)特征,并分别构成HSI颜色直方图特征集合、HOG特征集合以及HOF特征集合;1.2)、构造随机蕨及特征值计算:针对每一类别样本,单独的每种直方图特征,根据半朴素贝叶斯法从直方图特征集合的M个直方图特征中随机抽取2b个直方图特征构成一组直方图特征子集,其中,b
【技术特征摘要】
1.一种基于随机蕨多特征融合的安全帽检测方法,其特征在于,包括以下步骤:(1)、随机蕨分类器训练1.1)、采集安全帽与非安全帽两个类别各N1、N2个样本,分别提取样本的HSI(色调Hue、饱和度Saturation、亮度Intensity)颜色直方图特征、HOG(HistogramofOrientedGradient,方向梯度直方图)特征以及HOF(HistogramsofOrientedOpticalFlow,光流直方图)特征,并分别构成HSI颜色直方图特征集合、HOG特征集合以及HOF特征集合;1.2)、构造随机蕨及特征值计算:针对每一类别样本,单独的每种直方图特征,根据半朴素贝叶斯法从直方图特征集合的M个直方图特征中随机抽取2b个直方图特征构成一组直方图特征子集,其中,b<M/2,相同方式随机抽取L次,得到L组直方图特征子集,每个直方图特征子集为一个随机蕨,从而构造出一个类别、一种直方图特征的L个随机蕨;在随机蕨中,随机选取b对直方图特征,并进行二值测试(计算特征值),得到b个测试值随机组合,从而得到该随机蕨的特征值;对于一个随机蕨,其构造方式及特征值计算一旦确定,就不再随机;1.3)、对于步骤1.1)得到两个类别各N1、N2个样本、每个样本的三种直方图特征集合,依据步骤1.2)方法,计算出每个样本的L个随机蕨的特征值,然后,统计每个类别、每种直方图特征下,所有N1、N2样本的L个随机蕨的特征值概率分布,得到HSI颜色直方图特征的安全帽概率分布以及非安全帽概率分布、HOG特征的安全帽概率分布以及非安全帽概率分布和HOF特征的安全帽概率分布以及非安全帽概率分布,其中,分别表示第j个随机蕨下HSI颜色直方图特征值变量、HOG特征值变...
【专利技术属性】
技术研发人员:周雪,周琦栋,邹见效,徐红兵,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。